1 . 人们用大数据来描述和定义信息时代产生的海量数据，并利用这些数据处理事务和做出决策，某公司通过大数据收集到该公司销售的某电子产品1月至5月的销售量如下表.

月份x	1	2	3	4	5
销售量y（万件）	4.9	5.8	6.8	8.3	10.2

该公司为了预测未来几个月的销售量，建立了y关于x的回归模型：.
(1)根据所给数据与回归模型，求y关于x的回归方程（的值精确到0.1）；
(2)已知该公司的月利润z（单位：万元）与x，y的关系为，根据（1）的结果，问该公司哪一个月的月利润预报值最大？
参考公式：对于一组数据，其回归直线的斜率和截距的最小二乘估计公式分别为，.

2 . 年月日，第四届中国国际进口博览会在上海开幕，共计多家参展商参展，多项新产品，新技术，新服务在本届进博会上亮相．某投资公司现从中选出种新产品进行投资．为给下一年度投资提供决策依据，需了解年研发经费对年销售额的影响，该公司甲、乙两部门分别从这种新产品中随机地选取种产品，每种产品被甲、乙两部门是否选中相互独立．
   (1)求种新产品中产品被甲部门或乙部门选中的概率；
(2)甲部门对选取的种产品的年研发经费（单位：万元）和年销售额（单位：十万元）数据作了初步处理，得到下面的散点图及一些统计量的值．根据散点图现拟定关于的回归方程为.求、的值（结果精确到）；
(3)甲、乙两部门同时选中了新产品，现用掷骰子的方式确定投资金额．若每次掷骰子点数大于，则甲部门增加投资万元，乙部门不增加投资；若点数小于，则乙部门增加投资万元，甲部门不增加投资，求两部门投资资金总和恰好为万元的概率．
附：对于一组数据、、、，其回归直线的斜率和截距的最小二乘估计分别为，，，.

3 . 某统计部门依据《中国统计年鉴——2017》提供的数据，对我国1997-2016年的国内生产总值（GDP）进行统计研究，作出了两张散点图：图1表示1997-2016年我国的国内生产总值（GDP），图2表示2007-2016年我国的国内生产总值（GDP）．


(1)用表示第i张图中的年份与GDP的线性相关系数，，依据散点图的特征分别写出的结果；
(2)分别用线性回归模型和指数回归模型对两张散点图进行回归拟合，分别计算出统计数据——相关指数的数值，部分结果如下表所示：

年份	1997-2016	2007-2016
线性回归模型	0.9306
指数回归模型	0.9899	0.978

①将上表中的数据补充完整（结果保留3位小数，直接写在答题卡上）；
②若估计2017年的GDP，结合数据说明采用哪张图中的哪种回归模型会更精准一些？若按此回归模型来估计，2020年的GDP能否突破100万亿元？事实上，2020年的GDP刚好突破了100万亿元，估计与事实是否吻合？结合散点图解释说明.

4 . 婺源位于江西省东北部，其境内古村落遍布乡野，保存完整，生态优美，物产丰富，拥有着油菜花之乡的美誉，被誉为一颗镶嵌在赣、浙、皖三省交界处的绿色明珠．为了调查某片实验田3月份油菜花的生长高度，研究人员在当地随机抽取了13株油菜花进行高度测量，所得数据如下：，，，，，，，，．并通过绘制及观察散点图，选用两种模型进行拟合：
模型一：，其中令；
模型二：，其中令．
(1)求模型二的回归方程；
(2)试通过计算相关系数的大小，说明对于所给数据，哪一种模型更加合适.
参考数据：，，，．
附：对于一组数据，，…，，其回归方程的斜率和截距的最小二乘估计分别为，，相关系数．

5 . 近年来，由于耕地面积的紧张，化肥的施用量呈增加趋势．一方面，化肥的施用对粮食增产增收起到了关键作用，另一方面，也成为环境污染、空气污染、土壤污染的重要来源之一，如何合理地施用化肥，使其最大程度地促进粮食增产，减少对周围环境的污染成为需要解决的重要问题，研究粮食产量与化肥施用量的关系，成为解决上述问题的前提某研究团队收集了10组化肥施用量和粮食亩产量的数据并对这些数据作了初步处理，得到了如图所示的散点图及一些统计量的值化肥施用量为（单位：公斤），粮食亩产量为（单位：百公斤）．

参考数据：

650	91.5	52.5	1478.6	30.5	15	15	46.5

表中．
(1)根据散点图判断，与，哪一个适宜作为粮食亩产量关于化肥施用量的回归方程类型（给出判断即可，不必说明理由）；
(2)根据（1）的判断结果及表中数据，建立关于的回归方程；
(3)根据（2）的回归方程，并预测化肥施用量为27公斤时，粮食亩产量的值；
附：①对于一组数据，其回归直线的斜率和截距的最小二乘估计分别为；②取．

6 . 下面的表里是统计学家安斯库姆（F. Anscombe）所提供的4组数据．这四组数据的线性相关系数非常接近，均约等于0.8161，它们的线性回归方程也基本一致，均可表示为．
数据组A

x	10	8	13	9	11	14	6	4	12	7	5
y	8.04	6.95	7.58	8.81	8.33	9.96	7.24	4.26	10.84	4.82	5.68

数据组B

x	10	8	13	9	11	14	6	4	12	7	5
y	9.14	8.14	8.74	8.77	9.26	8.10	6.13	3.10	9.13	7.26	4.74

数据组C

x	10	8	13	9	11	14	6	4	12	7	5
y	7.46	6.77	12.74	7.11	7.81	8.84	6.08	5.39	8.15	6.42	5.73

数据组D

x	8	8	8	8	8	8	8	8	8	8	19
y	6.58	5.76	7.71	8.84	8.47	7.04	5.25	5.56	7.91	6.89	12.50

(1)这四组数据的线性相关程度真的如此一致吗？
(2)对哪个（些）组的数据，可以用回归直线来预测时的y值？
(3)分别对四组数据提出自己的见解．

7 . 在一次抽样调查中测得样本的5个样本点，数值如下表：

x	0.25	0.5	1	2	4
y	16	12	5	2	1

试建立y与x之间的回归方程.

8 . 如图所示，Geogebra软件中，回归类型分为“线性”“对数”等，分别选择每一种类型进行实验，总结出每一种类型的回归方程的形式．

9 . 某保险公司根据官方公布的历年营业收入，制成表格如下：
表1

年份	2011	2012	2013	2014	2015	2016	2017	2018	2019	2020
年份序号x	1	2	3	4	5	6	7	8	9	10
营业收入y（亿元）	0.52	9.36	33.6	132	352	571	912	1207	1682	2135

由表1，得到下面的散点图：

根据已有的函数知识，某同学选用二次函数模型（b和a是待定参数）来拟合y和x的关系.这时，可以对年份序号做变换，即令，得，由表1可得变换后的数据见表2.
表2

T	1	4	9	16	25	36	49	64	81	100
Y	0.52	9.36	33.6	132	352	571	912	1207	1682	2135

（1）根据表中数据，建立y关于t的回归方程（系数精确到个位数）；
（2）根据（1）中得到的回归方程估计2021年的营业收入，以及营业收入首次超过4000亿元的年份.
附：对于一组数据，其回归直线的斜率和截距的最小二乘估计分别为，.
参考数据：.

10 . 设某幼苗从观察之日起，第天的高度为，测得的一些数据如下表所示：

第天
高度

作出这组数据的散点图发现：与（天）之间近似满足关系式，其中，均为大于0的常数．
（1）试借助一元线性回归模型，根据所给数据，用最小二乘法对，作出估计，并求出关于的经验回归方程；
（2）在作出的这组数据的散点图中，甲同学随机圈取了其中的3个点，记这3个点中幼苗的高度大于的点的个数为，其中为表格中所给的幼苗高度的平均数，试求随机变量的分布列和数学期望．
附：对于一组数据，，…，，其回归直线方程的斜率和截距的最小二乘估计分别为，．