1 . 规定抽球试验规则如下：盒子中初始装有白球和红球各一个，每次有放回的任取一个，连续取两次，将以上过程记为一轮．如果每一轮取到的两个球都是白球，则记该轮为成功，否则记为失败．在抽取过程中，如果某一轮成功，则停止；否则，在盒子中再放入一个红球，然后接着进行下一轮抽球，如此不断继续下去，直至成功．
(1)某人进行该抽球试验时，最多进行三轮，即使第三轮不成功，也停止抽球，记其进行抽球试验的轮次数为随机变量，求的分布列和数学期望；
(2)为验证抽球试验成功的概率不超过，有1000名数学爱好者独立的进行该抽球试验，记表示成功时抽球试验的轮次数，表示对应的人数，部分统计数据如下：

	1	2	3	4	5
	232	98	60	40	20

求关于的回归方程，并预测成功的总人数（精确到1）；
(3)证明：．
附：经验回归方程系数：，；
参考数据：，，（其中，）．

2 . 习近平总书记在十九大报告中指出，必须树立和践行“绿水青山就是金山银山”的生态文明发展理念，这将进一步推动新能源汽车产业的迅速发展.根据近几年我国某新能源汽车的年销售量的调研，做出如图所示的散点图，给出与销售的两种回归模型①，②，你认为哪个模型更适宜_________.（从①②中选一个填到空格处）

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 . 下表为收集到的一组数据：

	21	23	25	27	29	32	35
	7	11	21	24	66	115	325

（1）作出与的散点图，并猜测与之间的关系；
（2）建立与的关系，预报回归模型并计算残差；
（3）利用所得模型，预测时的值．

10 . A、B两个物理兴趣小组在实验室研究某粒子运动轨迹.共同记录到粒子的13个位置的坐标信息如下表：

	-0.93	-0.82	-0.77	-0.61	-0.55	-0.33	-0.27	0.10	0.42	0.58	0.64	0.67	0.76
	-0.26	-0.41	-0.45	0.45	-0.60	-0.67	-0.68	-0.71	0.64	0.55	0.55	0.53	0.46

A小组根据表中数据，直接对y，x作线性回归分析，得到：回归方程为，相关指数；B小组先将数据依变换，进行整理，再对，u作线性回归分析，得到：回归方程为，相关指数根据统计学知识，下列方程中，最有可能是该粒子运动轨迹方程的是（       ）

A．	B．
C．	D．