1 . 为了解某一地区新能源电动汽车销售情况，一机构根据统计数据，用最小二乘法得到电动汽车销量（单位：万台）关于（年份）的线性回归方程，且销量的方差为，年份的方差为.
(1)求与的相关系数，并据此判断电动汽车销量与年份的线性相关性的强弱.
(2)该机构还调查了该地区90位购车车主的性别与购车种类情况，得到的数据如下表：

性别	购买非电动汽车	购买电动汽车	总计
男性	39	6	45
女性	30	15	45
总计	69	21	90

依据小概率值的独立性检验，能否认为购买电动汽车与车主性别有关？
①参考数据：.
②参考公式：线性回归方程为，其中，；相关系数，若，则可判断与线性相关较强；，其中.附表：

	0.10	0.05	0.010	0.001
	2.706	3.841	6.635	10.828

4 . 某公司为改进生产，现对近5年来生产经营情况进行分析.收集了近5年的利润（单位：亿元）与年份代码共5组数据（其中年份代码分别指2019年，2020年，年），并得到如下值：.
(1)若用线性回归模型拟合变量与的相关关系，计算该样本相关系数，并判断变量与的相关程度（精确到0.01）；
(2)求变量关于的线性回归方程，并求2024年利润的预报值.
附：①；②若，相关程度很强；，相关程度一般；，相关程度较弱；③一组数据，其回归直线的斜率和截距的最小二乘估计分别为；相关系数.

5 . 近年来，国内掀起了全民新中式热潮，新中式穿搭，新中式茶饮，新中式快餐，新中式烘焙等，以下为某纺织厂生产“新中式”面料近5个月的利润y（万元）的统计表．

月份	2023.11	2023.12	2024.01	2024.02	2024.03
月份编号x	1	2	3	4	5
利润y（万元）	27	23	20	17	13

(1)根据统计表，试求y与x之间的相关系数r（精确到0.001），并利用r说明y与x是否具有较强的线性相关关系；（若，则认为两个变量具有较强的线性相关性）；
(2)该纺织厂现有甲、乙两条流水线生产同一种产品．为对产品质量进行监控，质检人员先用简单随机抽样的方法从甲、乙两条流水线上分别抽取了4件、2件产品进行初检，再从中随机选取3件做进一步的质检，记抽到“甲流水线产品”的件数为X，试求X的分布列与期望．
附：参考数据：
相关系数．

6 . 调查某校高三学生的身高和体重得到如图所示散点图，其中身高和体重相关系数，则下列说法正确的是（       ）

A．学生身高和体重没有相关性

B．学生身高和体重呈正相关

C．学生身高和体重呈负相关

D．若从样本中抽取一部分，则这部分的相关系数一定是

8 . 某统计部门对四组数据进行统计分析后获得如图所示的散点图，关于相关系数的比较，其中正确的是（       ）

A．	B．
C．	D．

9 . 随着互联网的普及和数字化技术的发展，网络直播成为了一种新型的营销形式，因其更低的营销成本，更快捷的营销覆盖而深受商家青睐．某电商统计了最近5个月某商品的网络直播线上月销售量y（单位：千件）与售价x（单位：元/件）的情况如下表所示．

售价（元/件）	53	49	51	50	47
月销售量（千件）	5	9	7	10	9

(1)求相关系数，并说明是否可以用线性回归模型拟合与的关系（当时，可以认为两个变量有很强的线性相关性；否则，没有很强的线性相关性）（精确到0.01）；
(2)建立关于的线性回归方程，并估计当售价为52元/件时，该商品的线上月销售量为多少千件？
参考公式：对于一组数据，相关系数，其回归直线的斜率和截距的最小二乘估计分别为：．
参考数据：．

10 . 随着全国新能源汽车推广力度的加大，新能源汽车消费迎来了前所未有的新机遇.某公司生产了A、两种不同型号的新能源汽车，为了解大众对生产的新能源汽车的接受程度，公司在某地区采用随机抽样的方式进行调查，对A、两种不同型号的新能源汽车进行综合评估（得分越高接受程度就越高），综合得分按照，，，分组，绘制成评估综合得分的频率分布直方图（如图）：

(1)以综合得分的平均数为依据，判断A、两种不同型号的新能源汽车哪种型号更受大众喜欢；
(2)为进一步了解该地区新能源汽车销售情况，某机构根据统计数据，用最小二乘法得到该地区新能源汽车销量（单位：万台）关于年份的线性回归方程为，且销量的方差，年份的方差为，求与的相关系数，并据此判断该地区新能源汽车销量与年份的相关性强弱.
参考公式：（ⅰ）线性回归方罡：，其中，；
（ⅱ）相关系数（若，则相关性较弱：若，则相关性较强；若，则相关性很强）.