1 . 混凝土的抗压强度x较容易测定，而抗剪强度y不易测定，工程中希望建立一种能由x推算y的经验公式，下表列出了现有的9对数据，分别为，，…，．

x	141	152	168	182	195	204	223	254	277
y	23.1	24.2	27.2	27.8	28.7	31.4	32.5	34.8	36.2

以成对数据的抗压强度x为横坐标，抗剪强度y为纵坐标作出散点图，如图所示．

(1)从上表中任选2个成对数据，求该样本量为2的样本相关系数r．结合r值分析，由简单随机抽样得到的成对样本数据的样本相关系数是否一定能确切地反映变量之间的线性相关关系？
(2)根据散点图，我们选择两种不同的函数模型作为回归曲线，根据一元线性回归模型及最小二乘法，得到经验回归方程分别为：①，②．经验回归方程①和②的残差计算公式分别为，，．
（ⅰ）求；
（ⅱ）经计算得经验回归方程①和②的残差平方和分别为，，经验回归方程①的决定系数，求经验回归方程②的决定系数．
附：相关系数，决定系数，．

2 . 比亚迪, 这个在中国乘用车市场嶡露头角的中国品牌, 如今已经在全球汽车品牌销量前十中占据一席之地．这一成就不仅是比亚迪的里程硨，更是中国新能源汽车行业的里程碑，标志着中国已经在全球范围内成为了新能源汽车领域的强国．比亚迪旗下的宋plus自2020年9月上市以来，在SUV车型中的月销量遥遥领先，现统计了自上市以来截止到2023年8月的宋plus的月销量数据．
(1)通过调查研究发现，其他新能源汽车的崛起、购置税减免政策的颁布等，影响了汽车的月销量，现将残差过大的数据剔除掉，得到2022年8月至2023年8月部分月份月销量（单位：万辆）和月份编号的成对样本数据统计．

月份	2022.8	2022.9	2022.12	2023.1	2023.2	2023.3	2023.4	2023.6	2023.7	202.8
月份编号	1	2	3	4	5	6	7	8	9	10
月销量（单位：万辆）	4.25	4.59	4.99	3.5	3.78	3.01	2.46	2.72	3.02	3.28

请用样本相关系数说明与之间的关系可否用一元线性回归模型拟合？若能，求出关于的经验回归方程；若不能，请说明理由．（运算过程及结果均精确到0.01）（若，则线性相关程度很高，可用一元线性回归模型拟合）
(2)为庆祝2023年“双节”（中秋节和国庆节），某地店特推出抽奖优惠活动，奖项共设一、二、三等奖三个奖项，其中一等奖、二等奖、三等奖分别奖励1万元、5千元、2千元，抽中一等奖、二等奖、三等奖的概率分别为．现有甲、乙两人参加了抽奖活动（每人只有一次抽奖机会），假设他们是否中奖相互独立，求两人所获奖金总额超过1万元的概率．
参考公式：样本相关系数，．
参考数据：，．

3 . 人口结构的变化，能明显影响住房需求.当一个地区青壮年人口占比高，住房需求就会增加，而当一个地区老龄化严重，住房需求就会下降.某机构随机选取了某个地区的10个城市，统计了每个城市的老龄化率和空置率，得到如下表格.

城市	1	2	3	4	5	6	7	8	9	10	总和
老龄化率	0.17	0.2	0.18	0.05	0.21	0.09	0.19	0.3	0.17	0.24	1.8
空置率	0.06	0.13	0.09	0.05	0.09	0.08	0.11	0.15	0.16	0.28	1.2

并计算得.
(1)若老龄化率不低于，则该城市为超级老龄化城市，根据表中数据，估计该地区城市为超级老龄化城市的频率；
(2)估计该地区城市的老龄化率和空置率的相关系数（结果精确到0.01）.
参考公式：相关系数.

4 . 环境监测部门为调研汽车流量对空气质量的影响，在某监测点统计每日过往的汽车流量（单位：辆）和空气中的PM2.5的平均浓度（单位：）.调研人员收集了50天的数据，汽车日流量与PM2.5的平均浓度的标准差分别为252，36，制作关于的散点图，并用直线与将散点图分成如图所示的四个区域I、II、III、IV，落入对应区域的样本点的个数依次为6，20，16，8.

   

(1)请完成下面的2×2列联表，并判断是否有99%的把握认为PM2.5平均浓度不小于与汽车日流量不小于1500辆有关；

	汽车日流量	汽车日流量	合计
PM2.5的平均浓度
PM2.5的平均浓度
合计

(2)经计算得回归方程为，求相关系数，并判断该回归方程是否有价值.
参考公式：①，其中.

	0.100	0.050	0.010	0.001
	2.706	3.841	6.635	10.828

②回归方程，其中.
③.若，则与有较强的相关性.

5 . 某专营店统计了最近天到该店购物的人数和时间第天之间的数据，列表如下：(1)由表中给出的数据，判断是否可用线性回归模型拟合人数与时间之间的关系？（若，则认为线性相关程度高，可用线性回归模型拟合；否则，不可用线性回归模型拟合.计算时精确到）
(2)该专营店为了吸引顾客，推出两种促销方案：方案一，购物金额每满元可减元；方案二，购物金额超过元可抽奖三次，每次中奖的概率均为，且每次抽奖互不影响，中奖一次打折，中奖两次打折，中奖三次打折.某顾客计划在此专营店购买一件价值元的商品，请从实际付款金额的数学期望的角度分析，选哪种方案更优惠？
参考数据：.附：相关系数.

6 . 云南省统计局发布《全省旅游业发展情况（2015-2022年）》报告，其中2015年至2022年游客总人数y（单位：亿人次）的数据如下表：

年份	2015	2016	2017	2018	2019	2020	2021	2022
年份代号x	1	2	3	4	5	6	7	8
游客总人数y	3.3	4.3	5.7	6.9	8.1	5.3	6.5	8.4

为了预测2023年云南省游客总人数，根据2015年至2022年游客总人数y的数据建立线性回归模型一，得到回归方程：，但由于受到2020年疫情影响，估计预测不准确，若用2015年至2019年数据建立线性回归模型二，得到回归方程：
(1)根据和预测2023年云南省游客总人数（预测数据精确到0.1）；
(2)为了检验两种模型的预测效果，对两种模型作残差分析得到：
模型一：总偏差平方和，残差平方和；
模型二：总偏差平方和，残差平方和，
用来比较模型一与模型二的拟合效果（精确到0.001）；
(3)根据2020年至2022年游客总人数y的数据建立线性回归模型三，求回归方程，并根据预测2023年云南省游客总人数（预测数据精确到0.1）.
参考公式：，，，.

7 . 某研究者搜集了某种花的一些数据（见下表），试分别计算花瓣长与花枝长之间、花瓣长与花萼长之间的相关关系（结果保留三位小数）．

花瓣长x	49	44	32	42	32	53	36	39	37	45	41	48	45	39	40	34	37	35
花枝长y	27	24	12	22	13	29	14	20	16	21	22	25	23	18	20	15	20	13
花萼长z	19	16	12	17	10	19	15	14	15	21	14	22	22	15	14	15	15	16

相关系数，

8 . 为促进全民健身更高水平发展，更好地满足人民群众的健身和健康需求，国家相关部门制定发布了《全民健身计划（2021—2025年）》.相关机构统计了我国2018年至2022年（2018年的年份序号为1，依此类推）健身人群数量（即有健身习惯的人数，单位：百万），所得数据如图所示：
   
(1)若每年健身人群中放弃健身习惯的人数忽略不计，从2022年的健身人群中随机抽取5人，设其中从2018年开始就有健身习惯的人数为X，求；
(2)由图可知，我国健身人群数量与年份序号线性相关，请用相关系数加以说明.
附：相关系数.参考数据：，，，，.

9 . 某地区市场上有种品牌的饼干，它们近一段时间内的平均售价（以下简称“价格”）和销售量的数据如下表所示．

品牌编号	价格/（元/千克）	销售量/千克		品牌编号	价格/（元/千克）	销售量/千克
1	14	1231.85		41	16.67	8874.66
2	34.62	1465.89		42	16.04	8888.74
3	30.86	1774.29		43	14.12	9005.62
4	14	1892.91		44	13.75	9046.93
5	36	2324.44		45	19.87	9384.98
6	28.41	2480.04		46	15.72	9414.11
7	9.09	2545.33		47	25.04	9454.50
8	44.84	2568.11		48	14	9731.32
9	31.68	2638.48		49	11.26	9762.08
10	20	3233.99		50	11.25	9809.51
11	14.67	3518.17		51	20.92	9924.99
12	19.09	3566.58		52	16.95	10101.74
13	26.67	4264.28		53	15.38	10461.08
14	17.51	4672.33		54	13.88	10561.53
15	13	4752.20		55	13.04	10960.55
16	25.24	4865.42		56	29.33	11627.43
17	31.1	5042.91		57	4.9	11838.62
18	26.24	5108.73		58	11.91	12303.55
19	25.88	5367.70		59	13.9	12713.01
20	17.81	5465.26		60	17.78	12830.94
21	29.56	5500.35		61	17.31	13686.17
22	25	5655.53		62	12.27	14181.94
23	31.41	5865.45		63	11.89	15175.16
24	23.48	6103.94		64	10.08	17658.74
25	23.6	6243.10		65	6.13	18058.67
26	22.13	6509.67		66	10.4	19937.88
27	21.48	6758.18		67	12.7	23055.87
28	25.03	7100.93		68	9.19	26508.14
29	19.55	7356.44		69	8	29504.40
30	24.81	7439.63		70	5.22	31693.07
31	20.92	7627.28		71	9.23	32123.53
32	17.7	7740.45		72	7.6	34732.28
33	20.79	7744.67		73	8.33	36321.39
34	24.63	7989.30		74	9.25	36898.25
35	13.59	7996.84		75	9.36	38343.50
36	19.29	8151.09		76	8.42	39033.51
37	20	8231.85		77	6.25	43832.88
38	22.03	8289.18		78	23.01	112827.40
39	20.08	8524.06		79	8.7	139493.40
40	19.03	8689.36		80	12.32	21134.65

试对这种品牌饼干近一段时间内的价格和销售量进行回归分析．

10 . 某公司随机调查了45户家庭，研究其一种产品的家庭人均消费量y与家庭人均月收入x之间的关系，得到的数据如下表所示．

家庭编号	家庭人均月收入x/元	家庭人均消费量y/元
1	5432	6.32
2	2336	3.52
3	3944	6.32
4	4656	21.60
5	9246	29.12
6	17512	76.00
7	8776	41.72
8	16624	54.80
9	14544	46.72
10	13600	41.68
11	5976	26.00
12	13144	25.28
13	3312	4.00
14	2832	1.36
15	10208	15.04
16	5960	6.16
17	3480	11.12
18	4320	4.48
19	6992	12.48
20	12344	42.24
21	8232	5.12
22	5680	32.00
23	6696	33.60
24	13984	39.04
25	11048	27.84
26	10040	21.04
27	14216	39.92
28	2960	4.72
29	9040	38.32
30	3704	4.08
31	6160	13.92
32	5792	32.80
33	6464	31.52
34	6320	6.68
35	6264	26.32
36	3248	3.52
37	9936	25.92
38	5264	17.12
39	13968	45.68
40	3744	5.12
41	8912	15.20
42	3304	4.08
43	14296	66.64
44	11960	40.88
45	12208	31.44

(1)绘制变量y与x的散点图；
(2)计算y与x的相关系数；
(3)试分析研究y与x之间的线性回归关系．