1 . 近年来，长安区大力发展大花卉产业，其中玫瑰既有观赏价值也能加工成食品和高档化妆品而得到环山路一带农民大面种植．已知玫瑰的株高y（单位：cm）与一定范围内的温度x（单位：）有关，现收集了玫瑰的13组观测数据，得到如下的散点图：

现根据散点图利用或建立y关于x的回归方程，令，得到如下数据：

10.15		109.94		3.04			0.16
13.94			11.67		0.21	21.22

且与的相关系数分别为，，且．
(1)用相关系数说明哪种模型建立y与x的回归方程更合适；
(2)根据（1）的结果及表中数据，建立y关于x的回归方程；
(3)已知玫瑰的利润z与x、y的关系为，当x为何值时，z的预期最大．
参考数据和公式：，，，对于一组数据，其回归直线方程的斜率和截距的最小二乘法估计分别为，，相关系数．

2 . 对四组数据进行统计，获得以下散点图，关于其相关系数的比较，正确的是（       ）

   

A．

B．

C．

D．

3 . 对两个变量和进行回归分析，得到一组样本数据：、、、，则下列说法中不正确的是（       ）

A．由样本数据得到的线性回归方程必过样本点的中心

B．残差平方和越小的模型，拟合的效果越好

C．用相关指数来刻画回归效果，的值越小，说明模型的拟合效果越好

D．若变量和之间的相关系数，则变量与之间具有线性相关关系

4 . 下列结论正确的是（       ）

A．若直线：与直线：垂直，则

B．若，，，则

C．圆：和圆：公共弦长为

D．线性相关系数越大，两个变量的线性相关性越强

5 . 某南方农业研究所对冬季昼夜温差（最高温度与最低温度的差）大小与新型豌豆品种一天内发芽数之间的关系进行了分析研究，他们分别记录了11月1日~6日每天昼夜最高､最低的温度（如图甲），以及实验室每天每100颗种子中的发芽数情况（如图乙），得到如下资料：

（1）请画出发芽数y与x温差的散点图，并用相关系数说明建立发芽数y与温差x之间的相关关系的程度；
（2）若该实验室12月7日当天100颗种子的发芽数为，试通过建立的y关于x的回归方程估计12月7日的昼夜温差的范围.（保留三位有效数字）
参考数据：；参考公式：相关系数当时，具有很强的相关关系）.回归方程中斜率和截距计算公式

6 . 前几年随着网购的普及，线下零售遭遇挑战，但随着新零售模式的不断出现，零售行业近几年呈现增长趋势，下表为2016～2019年百货零售业的销售额（单位:亿元，数据经过处理，1~4分别对应2016~2019年）

年份代码	1	2	3	4
销售额	95	165	230	310

（1）由上表数据可知，可用线性回归模型拟合与的关系，请用相关系数加以说明;
（2）建立关于的回归方程，并预测2020年我国百货零售业的销售额;
（3）从2016~2019年这4年的百货零售业销售额及2020年预测销售额这5个数据中任取2个数据，求这2个数据之差的绝对值大于200亿元的概率．
参考数据: ，
参考公式:相关系数回归方程中斜率和截距的最小二乘估计公式分别为．

7 . 对两个变量进行线性相关检验，得线性相关系数，对两个变量进行线性相关检验，得线性相关系数，则下列判断正确的是(       )

A．变量x与y正相关，变量u与v负相关，变量x与y的线性相关性较强

B．变量x与y负相关，变量u与v正相关，变量x与y的线性相关性较强

C．变量x与y正相关，变量u与v负相关，变量u与v的线性相关性较强

D．变量x与y负相关，变量u与v正相关，变量u与v的线性相关性较强

8 . 我国为全面建设社会主义现代化国家，制定了从2021年到2025年的“十四五”规划.某企业为响应国家号召，汇聚科研力量，加强科技创新，准备增加研发资金.现该企业为了了解年研发资金投入额（单位：亿元）对年盈利额（单位：亿元）的影响，研究了“十二五”和“十三五”规划发展期间近10年年研发资金投入额和年盈利额的数据.通过对比分析，建立了两个函数模型：①，②，其中，，，均为常数，为自然对数的底数．令，，经计算得如下数据：

26	215		65	2	680		5.36
11250		130		2.6		12

（1）请从相关系数的角度，分析哪一个模型拟合程度更好?
（2）（ⅰ）根据（1）的选择及表中数据，建立关于的回归方程;（系数精确到0.01）
（ⅱ）若希望2021年盈利额为250亿元，请预测2021年的研发资金投入额为多少亿元？（结果精确到0.01）
附：①相关系数，回归直线中：，
②参考数据：，．

9 . 在一组样本数据，，…，（，，，……，不全相等）的散点图中，若所有样本点都在直线上，则这组样本数据的样本相关系数为（       ）

A．-1

B．0

C．

D．1

10 . 某企业坚持以市场需求为导向，合理配置生产资源，不断改革､探索销售模式.下表是该企业每月生产的一种核心产品的产量(件与相应的生产总成本(万元)的五组对照数据：

产量(件	1	2	3	4	5
生产总成本(万元)	3	7	8	10	12

（1）试求与的相关系数，并利用相关系数说明与是否具有较强的线性相关关系(若，则线性相关程度很高，可用线性回归模型拟合)；
（2）建立关于的回归方程，并预测：当为6时，生产总成本的估计值.
参考公式：，，.参考数据：.