为了更好地规划进货的数量，保证蔬菜的新鲜程度，某蔬菜商店从某一年的销售数据中，随机抽取了8组数据作为研究对象，如表所示（（吨）为买进蔬菜的数量，（天）为销售天数）：

	2	3	4	5	6	7	9	12
	1	2	3	3	4	5	6	8

 

（1）根据上表数据在所给坐标系中绘制散点图，并用最小二乘法求出关于的线性回归方程；
（2）根据（Ⅰ）中的计算结果，该蔬菜商店准备一次性买进25吨，预计需要销售多少天？
（参考数据和公式：，，，， ，.）

根据如下样本数据：

	3	5	7	9
	6		3	2

 
得到回归方程，则

A．

B．变量与线性正相关

C．当＝11时，可以确定＝3

D．变量与之间是函数关系

某地最近五年的粮食需求量逐年上升，表是部分统计数据:

（1）利用所给的数据，求年需求量与年份之间的回归直线方程；
（2）利用（1）中所求出的回归直线方程，预测该地2018年的粮食需求量.
参考公式：，.

某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察了部分几口井，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．勘探初期数据资料见如表：

井号Ⅰ
坐标
钻探深度
出油量

 
（参考公式和计算结果
，，，）
（）号旧井位置线性分布，借助前组数据求得回归直线方程为，求的值，并估计的预报值．
（）现准备勘探新井，若通过，，，号井计算出，的值（，精确到）相比与（）中的，，值之差不超过，则使用位置最接近的已有旧井，否则在新位置打开，请判断可否使用旧井？
（）设出油量与勘探深度的比值不低于的勘探井为优质井，那么在原有口井中任意勘探口井，求勘探优质井数的分布列与数学期望．

某测试团队为了研究“饮酒”对“驾车安全”的影响，随机选取100名驾驶员先后在无酒状态、酒后状态下进行“停车距离”测试.测试的方案：电脑模拟驾驶，以某速度匀速行驶，记录下驾驶员的“停车距离”（驾驶员从看到意外情况到车子停下所需的距离），无酒状态与酒后状态下的实验数据分别列于表1和表2.

表1：

停车距离（米）
频数	26	40	24	8	2

 

表2：

平均每毫升血液酒精含量（毫克）	10	30	50	70	90
平均停车距离（米）	30	50	60	70	90

 

请根据表1，表2回答以下问题.
（1）根据表1估计驾驶员无酒状态下停车距离的平均数；
（2）根据最小二乘法，由表2的数据计算关于的回归方程.
（3）该测试团队认为：驾驶员酒后驾车的“平均停车距离”大于（1）中无酒状态下的停车距离平均数的3倍，则认定驾驶员是“醉驾”.请根据（2）中的回归方程，预测当每毫升血液酒精含量大于多少毫克时为“醉驾”？参考公式：
，.

某产品的广告费用万元与销售额万元的统计数据如下表：

根据以上数据可得回归直线方程，其中，据此模型预报广告费用为6万元时，销售额为65.5万元，则，的值为（  ）

A．，	B．，
C．，	D．，

某房产中介公司2017年9月1日正式开业，现对其每个月的二手房成交量进行统计，表示开业第个月的二手房成交量，得到统计表格如下：

（1）统计中常用相关系数来衡量两个变量之间线性关系的强弱.统计学认为，对于变量，如果，那么相关性很强；如果，那么相关性一般；如果，那么相关性较弱.通过散点图初步分析可用线性回归模型拟合与的关系.计算的相关系数，并回答是否可以认为两个变量具有很强的线性相关关系（计算结果精确到0.01）
（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（计算结果精确到0.01），并预测该房产中介公司2018年6月份的二手房成交量（计算结果四舍五入取整数）.
（3）该房产中介为增加业绩，决定针对二手房成交客户开展抽奖活动.若抽中“一等奖”获6千元奖金；抽中“二等奖”获3千元奖金；抽中“祝您平安”，则没有奖金.已知一次抽奖活动中获得“一等奖”的概率为，获得“二等奖”的概率为，现有甲、乙两个客户参与抽奖活动，假设他们是否中奖相互独立，求此二人所获奖金总额（千元）的分布列及数学期望.
参考数据：，，，，.
参考公式：

网购已经成为一种时尚,商家为了鼓励消费，购买时在店铺领取优惠券,买后给予好评返还现金等促销手段.经统计，近五年某店铺用于促销的费用(万元)与当年度该店铺的销售收人(万元)的数据如下表:

年份	2013年	2014年	2015年	2016年	2017年
促销费用
销售收入

 
（1）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；
（2）2018年度该店铺预测销售收人至少达到万元，则该店铺至少准备投入多少万元的促销费？
参考公式：
参考数据：

已知变量与之间的一组数据：

	2	3	4	5	6
	3	4	6	10	12

 
根据数据表可得回归直线方程，其中，，据此模型预测当时，的估计值是（    ）

A．19

B．20

C．21

D．22

某单位为了了解用电量y度与气温x ℃之间的关系,随机统计了某4天的用电量与当天气温,并制作了对照表:由表中数据得线性回归方程=bx+a中b=-2,预测当气温为-4 ℃时,用电量度数为(　　)

A．68

B．67

C．65

D．64