已知一组样本数据点用最小二乘法求得其线性回归方程为若的平均数为，则 （ ）

A．

B．12

C．

D．

某地区2007年至2013年农村居民家庭纯收入y（单位：千元）的数据如下表：

年份	2007	2008	2009	2010	2011	2012	2013
年份代号t	1	2	3	4	5	6	7
人均纯收入y	2.9	3.3	3.6	4.4	4.8	5.2	5.9

 
（1）求y关于t的线性回归方程；
（2）利用（1）中的回归方程，分析2007年至2013年该地区农村居民家庭人均纯收入的变化情况，并预测该地区2015年农村居民家庭人均纯收入.
附：回归直线的斜率和截距的最小二乘法估计公式分别为：
，

某农科所对冬季昼夜温差大小与某反季节大豆新品种发芽多少之间的关系进行分析研究，他们分别记录了12月1日至12月5日的每天昼夜温差与实验室每天每100颗种子中的发芽数，得到如下资料：

日期	12月2日	12月3日	12月4日
温差（）	11	13	12
发芽数（颗）	25	30	26

 
（1）请根据12月2日至12月4日的数据，求出关于的线性回归方程；
（2）该农科所确定的研究方案是：先用上面的3组数据求线性回归方程，再选取2组数据进行检验．若12月5日温差为，发芽数16颗，12月6日温差为，发芽数23颗．由线性回归方程得到的估计数据与所选出的检验数据的误差均不超过2颗，则认为得到的线性回归方程是可靠的，试问（1）中所得的线性回归方程是否可靠？
注：，．

某手机厂商在销售200万台某型号手机时开展“手机碎屏险”活动．活动规则如下：用户购买该型号手机时可选购“手机碎屏险”，保费为x元，若在购机后一年内发生碎屏可免费更换一次屏幕．该手机厂商将在这200万台该型号手机全部销售完毕一年后，在购买碎屏险且购机后一年内未发生碎屏的用户中随机抽取1000名，奖励每名用户1000元的红包．为了合理确定保费x的值，该手机厂商进行了问卷调查，统计后得到下表其中y表示保费为x元时愿意购买该“手机碎屏险”的用户比例：

x	10	20	30	40	50
y

 
（1）根据上面的数据求出y关于x的回归直线方程；
（2）通过大数据分析，在使用该型号手机的用户中，购机后一年内发生碎屏的比例为已知更换一次该型号手机屏幕的费用为2000元，若该手机厂商要求在这次活动中因销售该“手机碎屏险”产生的利润不少于70万元，能否把保费x定为5元？
参考公式：，，．
参考数据：．

已知变量x，y之间具有较强的线性相关性，测得它们的四组数据如表所示：

x	1	2	3	4
y

 
现已求得变量x，y之间的回归方程为，请根据给出的条件，预测时，y的值约为（   ）

A．

B．

C．

D．

为了分析某个高三学生的学习状态．现对他前5次考试的数学成绩x，物理成绩y进行分析．下面是该生前5次考试的成绩．

数学	120	118	116	122	124
物理	79	79	77	82	83

 
附．．
已知该生的物理成绩y与数学成绩x是线性相关的，求物理成绩y与数学成绩x的回归直线方程；
我们常用来刻画回归的效果，其中越接近于1，表示回归效果越好．求．
已知第6次考试该生的数学成绩达到132，请你估计第6次考试他的物理成绩大约是多少？

大学生小赵计划利用假期进行一次短期职业体验，已知小赵想去某单位体验，单位领导告知每天上班的时间单位：小时和工资单位：元如下表所示：

时间x	2	3	5	8	9	12
工资y	30	40	60	90	120	140

 
则小赵这段时间每天工资y与每天工作时间x满足的线性回归方程为（   ）

A．	B．
C．	D．

下表列出了10名5至8岁儿童的体重x(单位kg)(这是容易测得的)和体积y(单位dm³)(这是难以测得的)，绘制散点图发现，可用线性回归模型拟合y与x的关系：

体重x	17.00  10.50  13.80  15.70  11.90  10.20  15.00  17.80  16.00  12.10
体积y	16. 70  10.40  13.50  15.70  11.60  10.00  14.50  17.50  15.40  11.70

 
(1)求y关于x的线性回归方程(系数精确到0.01)；
(2)某5岁儿童的体重为13.00kg，估测此儿童的体积．
附注：参考数据：，，，，
，，137×14=1918.00．
参考公式：回归方程中斜率和截距的最小二乘法估计公式分别为：，．

某景区的各景点从2009年取消门票实行免费开放后，旅游的人数不断地增加，不仅带动了该市淡季的旅游，而且优化了旅游产业的结构，促进了该市旅游向“观光、休闲、会展”三轮驱动的理想结构快速转变．下表是从2009年至2018年，该景点的旅游人数（万人）与年份的数据：

第年	1	2	3	4	5	6	7	8	9	10
旅游人数（万人）	300	283	321	345	372	435	486	527	622	800

 
该景点为了预测2021年的旅游人数，建立了与的两个回归模型：

模型①：由最小二乘法公式求得与的线性回归方程；
模型②：由散点图的样本点分布，可以认为样本点集中在曲线的附近．
（1）根据表中数据，求模型②的回归方程．（精确到个位，精确到0．01）．
（2）根据下列表中的数据，比较两种模型的相关指数，并选择拟合精度更高、更可靠的模型，预测2021年该景区的旅游人数（单位：万人，精确到个位）．

回归方程	①	②
	30407	14607

 
参考公式、参考数据及说明：
①对于一组数据，其回归直线的斜率和截距的最小二乘法估计分别为．
②刻画回归效果的相关指数 ．
③参考数据：，．

5．5	449	6．05	83	4195	9．00

 
表中．

某公司为确定下一年度投入某种产品的宣传费，需了解年宣传费对年销售量(单位：t)的影响.该公司对近5年的年宣传费和年销售量数据进行了研究，发现年宣传费x(万元)和年销售量y(单位：t)具有线性相关关系，并对数据作了初步处理，得到下面的一些统计量的值.

(1)根据表中数据建立年销售量y关于年宣传费x的回归方程；
(2)已知这种产品的年利润z与x，y的关系为，根据(1)中的结果回答下列问题：
①当年宣传费为10万元时，年销售量及年利润的预报值是多少?
②估算该公司应该投入多少宣传费，才能使得年利润与年宣传费的比值最大.
附：回归方程中的斜率和截距的最小二乘估计公式分别为

参考数据：.