某服装商场为了了解毛衣的月销售量y(件)与月平均气温x(℃)之间的关系,随机统计了某4个月的月销售量与当月平均气温,其数据如下表：

(1) 算出线性回归方程; (a,b精确到十分位)
(2)气象部门预测下个月的平均气温约为3℃,据此估计,求该商场下个月毛衣的销售量.
(参考公式：)

为了研究一种昆虫的产卵数和温度是否有关，现收集了7组观测数据列于下表中，并做出了散点图，

发现样本点并没有分布在某个带状区域内，两个变量并不呈现线性相关关系，现分别用模型①与模型；②作为产卵数和温度的回归方程来建立两个变量之间的关系.

温度	20	22	24	26	28	30	32
产卵数个	6	10	21	24	64	113	322
	400	484	576	676	784	900	1024
	1.79	2.30	3.04	3.18	4.16	4.73	5.77

 

26	692	80	3.57
1157.54	0.43	0.32	0.00012

 
其中，，，，
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：，
（1）根据表中数据，分别建立两个模型下关于的回归方程；并在两个模型下分别估计温度为时的产卵数.（与估计值均精确到小数点后两位）（参考数据：）
（2）若模型①、②的相关指数计算分别为，请根据相关指数判断哪个模型的拟合效果更好.

某产品的广告费用x与销售额y的统计数据如下表：

广告费用x(万元)	1	2	4	5
销售额y(万元)	6	14	28	32

 
根据上表中的数据可以求得线性回归方程中的为6.6，据此模型预报广告费用为
10万元时销售额为（　 ）.

A．66.8万元

B．66.4万元

C．66.2万元

D．66.0万元

若某产品的销量（件）与相应的售价（件/元）的一组统计数据如下，且据此所求得的回归方程为．则的值为_____________．

	3	4	5	6
			4

 

某城市理论预测2000年到2004年人口总数与年份的关系如下表所示

年份200（年）	0	1	2	3	4
人口数 （十万）	5	7	8	11	19

 
（1）请画出上表数据的散点图；
（2）请根据上表提供的数据，用最小二乘法求出关于的线性回归方程；
（3）据此估计2005年该城市人口总数.
参考公式： 用最小二乘法求线性回归方程系数公式

在“一带一路”的建设中，中石化集团获得了某地深海油田区块的开采权，集团在该地区随机初步勘探了几口井，取得了地质资料.进入全面勘探时期后，集团按网络点来布置井位进行全面勘探.由于勘探一口井的费用很高，如果新设计的井位与原有井位重合或接近，便利用旧井的地质资料，不必打这口新井，以节约勘探费用.勘探初期数据资料下表：

(1)在散点图中号旧井位置大致分布在一条直线附近，借助前5组数据求得回归线方程为，求，并估计的预报值；
(2)现准备勘探新井，若通过1、3、5、7号井计算出的的值(精确到0.01)相比于(1)中的值之差(即：)不超过10%，则使用位置最接近的已有旧井，否则在新位置打井，请判断可否使用旧井？(参考公式和计算结果：,)
(3)设出油量与钻探深度的比值不低于20的勘探井称为优质井，在原有井号的井中任意勘探3口井，求恰好2口是优质井的概率.

某市政府为了引导居民合理用水，决定全面实施阶梯水价，阶梯水价原则上以住宅（一套住宅为一户）的月用水量为基准定价：若用水量不超过12吨时，按4元/吨计算水费；若用水量超过12吨且不超过14吨时，超过12吨部分按6.60元/吨计算水费；若用水量超过14吨时，超过14吨部分按7.8元/吨计算水费．为了了解全市居民月用水量的分布情况，通过抽样，获得了100户居民的月用水量（单位：吨），将数据按照分成8组，制成了如图1所示的频率分布直方图．

（Ⅰ）假设用抽到的100户居民月用水量作为样本估计全市的居民用水情况．
（ⅰ）现从全市居民中依次随机抽取5户，求这5户居民恰好3户居民的月用水量都超过12吨的概率；
（ⅱ）试估计全市居民用水价格的期望（精确到0.01）；
（Ⅱ）如图2是该市居民李某2016年1～6月份的月用水费（元）与月份的散点图，其拟合的线性回归方程是．若李某2016年1～7月份水费总支出为294.6元，试估计李某7月份的用水吨数．

某种产品的广告费用支出 与销售额之间有如下的对应数据：
（1）求回归直线方程；
（2）据此估计广告费用为10时，销售收入的值。   

	2	4	5	6	8
	30	40	60	50	70

 
( 参考公式：用最小二乘法求线性回归方程系数公式)

对某地区儿童的身高与体重的一组数据，我们用两种模型①，②拟合，得到回归方程分别为，，作残差分析，如表：

身高	60	70	80	90	100	110
体重	6	8	10	14	15	18
	0.41	0.01		1.21	－0.19	0.41
	－0.36	0.07	0.12	1.69	－0.34	－1.12

 
（Ⅰ）求表中空格内的值；
（Ⅱ）根据残差比较模型①，②的拟合效果，决定选择哪个模型；
（Ⅲ）残差大于的样本点被认为是异常数据，应剔除，剔除后对(Ⅱ)所选择的模型重新建立回归方程.
（结果保留到小数点后两位）
附：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，.

某单位在1至4月份用电量（单位：千度）的数据如下表：

已知用电量与月份之间有线性相关关系，其回归方程，由此可预测5月份用电量（单位：千度）约为（  ）

A．1.9

B．1.8

C．1.75

D．