1 . 已知两组数据和，其中且时，；且时，，，我们研究这两组数据的相关性，在集合中取一个元素作为a的值，使得相关性最强，则a=（       ）

A．8

B．11

C．12

D．13

2 . 年月日，工业和信息化部成功举办第十七届“中国芯”集成电路产业大会．此次大会以“强芯固基以质为本”为主题，旨在培育壮大我国集成电路产业，夯实产业基础、营造良好产业生态.某芯片研发单位用在“A芯片”上研发费用占本单位总研发费用的百分比如表所示. 已知，于是分别用p＝和p＝得到了两条回归直线方程：，，对应的相关系数分别为、，百分比y对应的方差分别为、，则下列结论正确的是（      ）（附：，）

年份
年份代码x
		p			q

A．

B．

C．

D．

3 . 某科研所为了研究土豆膨大素对土豆产量的影响，在某大型土豆种植基地随机抽取了10亩土质相同的地块，以每亩为单位分别统计了在土豆快速生长期使用的膨大素剂量x_i（单位：g），以及相应的产量y_i（单位：t），数据如下表：

膨大素用量xi	8	12	8	16	16	10	10	14	14	12
亩产量yi	2.5	4	2.2	5.4	5.1	3.4	3.6	4.6	4.2	4

并计算得，，.
(1)估计该试验田平均每亩使用膨大素的剂量与平均每亩的土豆产量;
(2)求该试验田平均每亩使用膨大素的剂量与土豆产量的样本相关系数（精确到0.01）;
(3)现统计了该大型土豆种植基地所有地块（每块1亩）的膨大素使用剂量，并计算得总使用剂量为1080g. 已知土豆的产量与其使用膨大素的剂量近似成正比.利用以上数据估计该基地土豆的产量.
附: 相关系数r=，.

4 . 某食品加工厂新研制出一种袋装食品（规格：/袋），下面是近六个月每袋出厂价格（单位：元）与销售量（单位：万袋）的对应关系表：

月份序号
每袋出厂价格
月销售量

并计算得，，.
(1)计算该食品加工厂这六个月内这种袋装食品的每袋出厂价格的平均数、平均月销售量和平均月销售收入；
(2)求每袋出厂价格与月销售量的样本相关系数（精确到）；
(3)若样本相关系数，则认为相关性很强；否则没有较强的相关性.你认为该食品加工厂制定的每袋食品的出厂价格与月销售量是否有较强的相关性.
附：样本相关系数，.

5 . 下列说法正确的是（       ）

A．在研究成对数据的相关关系时，相关关系越强，相关系数越接近于1

B．样本数据：27，30，37，39，40，50的第30百分位数与第50百分位数之和为68

C．已知随机变量X服从正态分布，若，则

D．将总体划分为2层，通过分层抽样，得到两层的样本平均数和样本方差分别为，和，，若，则总体方差

6 . 下列说法正确的是（       ）

A．在一个2×2列联表中，计算得到的值，则的值越接近1，可以判断两个变量相关的把握性越大

B．随机变量，若函数为偶函数，则

C．若回归直线方程为，则样本点的中心不可能为

D．若甲、乙两组数据的相关系数分别为和0.89，则甲组数据的线性相关性更强

7 . 某校20名学生的数学成绩和知识竞赛成绩如下表：

学生编号	1	2	3	4	5	6	7	8	9	10
数学成绩	100	99	96	93	90	88	85	83	80	77
知识竞赛成绩	290	160	220	200	65	70	90	100	60	270
学生编号	11	12	13	14	15	16	17	18	19	20
数学成绩	75	74	72	70	68	66	60	50	39	35
知识竞赛成绩	45	35	40	50	25	30	20	15	10	5

计算可得数学成绩的平均值是，知识竞赛成绩的平均值是，并且，，．
(1)求这组学生的数学成绩和知识竞赛成绩的样本相关系数（精确到）．
(2)设，变量和变量的一组样本数据为，其中两两不相同，两两不相同．记在中的排名是第位，在中的排名是第位，．定义变量和变量的“斯皮尔曼相关系数”（记为）为变量的排名和变量的排名的样本相关系数．
（i）记，．证明：．
（ii）用（i）的公式求这组学生的数学成绩和知识竞赛成绩的“斯皮尔曼相关系数”（精确到）．
(3)比较（1）和（2）（ii）的计算结果，简述“斯皮尔曼相关系数”在分析线性相关性时的优势．
注：参考公式与参考数据．；；．

8 . 下列说法中正确的是（       ）

A．将一组数据中的每个数据都减去同一个数后，样本方差没有变化

B．在线性回归分析中，成对数据构成的点都在回归直线上的充要条件是相关系数r=1

C．在线性回归分析中，回归直线就是使所有数据的残差平方和最小的直线

D．在线性回归分析中，用最小二乘法求得的回归直线使所有数据的残差和为零

9 . 6个数据构成的散点图，如图所示，采用一元线性回归模型建立经验回归方程，若在6个数据中去掉后，下列说法正确的是（       ）

A．解释变量x与预报变量y的相关性变强	B．样本相关系数r变大
C．残差平方和变小	D．决定系数变小

10 . 2023年，国家不断加大对科技创新的支持力度，极大鼓舞了企业投入研发的信心，增强了企业的创新动能.某企业在国家一系列优惠政策的大力扶持下，通过技术革新和能力提升，极大提升了企业的影响力和市场知名度，订单数量节节攀升，右表为该企业今年1~4月份接到的订单数量.

月份t	1	2	3	4
订单数量y（万件）	5.2	5.3	5.7	5.8

附：相关系数，
回归方程中斜率和截距的最小二乘法估计公式分别为
，，.
(1)试根据样本相关系数r的值判断订单数量y与月份t的线性相关性强弱（，则认为y与t的线性相关性较强，，则认为y与t的线性相关性较弱）.（结果保留两位小数）
(2)建立y关于t的线性回归方程，并预测该企业5月份接到的订单数量.