电动化是汽车工业未来发展的大趋势，在国家的节能减排、排放法规等硬性要求之下，新能源汽车乘势而起，来自中国汽车工业协会的统计数据显示，2018年新能源汽车累计销量已经超过100万辆，意味着我国的新能源汽车市场的正式兴起．某人计划购买一辆某品牌新能源汽车，他从当地该品牌销售网站了解到2018年1月到5月的实际销量如下表：

月份（）	1	2	3	4	5
销量（，单位：辆）	500	600	1000	1400	1700

 
（1）经分析发现，可用线性回归模型拟合当地该品牌新能源汽车实际销量（辆）与月份之间的相关关系．请用最小二乘法求关于的线性回归方程，并据此预测2018年10月份当地该品牌新能源汽车的销量；
（2）2018年6月12日，中央财政和地方财政将根据新能源汽车的最大续航里程对购车补贴进行新一轮调整．下表为2018年执行的补贴政策．

最大续航里程（单位：km）	补贴金额（单位：万元）
	1.50
	2.40
	3.40
	4.50
	5.00

 
某企业一次采购了6辆电动汽车，已知其中有2辆最大续航里程，其余车辆的最大续航里程，若从这6辆车中任取3辆，求这3辆车的补贴金额之和的分布列和数学期望．
参考公式：回归方程，其中，．参考数据：．

某同学在研究性学习中，收集到某工厂今年前5个月某种产品的产量(单位：万件)的数据如下表：

x(月份)	1	2	3	4	5
y(产量)	4	4	5	6	6

 
(1)若从这5组数据中随机抽出2组，求抽出的2组数据恰好是相邻两个月的数据的概率；
(2)求出y关于x的线性回归方程，并估计今年6月份该种产品的产量．
参考公式：，.

从2016年1月1日起，广东、湖北等18个保监局所辖地区将纳入商业车险改革试点范围，其中最大的变化是上一年的出险次数决定了下一年的保费倍率，具体关系如下表：

上一年出险次数	0	1	2	3	4	5次以上(含5次)
下一年保费倍率	85%	100%	125%	150%	175%	200%
连续两年没出险打7折，连续三年没出险打6折

 
经验表明新车商业车险保费与购车价格有较强的线性相关关系，下面是随机采集的8组数据(其中(单位：万元)表示购车价格，(单位：元)表示商业车险保费)：(8，2150)，(11，2400)，(18，3140)，(25，3750)，(25，4000)，(31，4560)，(37，5500)，(45，6500)，已知由这8组数据得到的回归直线方程为．
（1）求的值；
（2）广东李先生2017年1月购买了一辆价值20万元的新车，
①估计李先生购车时的商业车险保费；
②若该车2017年3月已出过一次险，5月又被刮花了，李先生到汽车维修店询价，预计修车费用为500元，理赔专员建议李先生自费维修(即不出险)，你认为李先生是否应该接受该建议？请说明理由．(假设车辆2017年与2018年都购买相同的商业车险产品)

现有某高新技术企业年研发费用投入(百万元)与企业年利润(百万元)之间具有线性相关关系,近5年的年研发费用和年利润的具体数据如表:

年研发费用  (百万元)	1	2	3	4	5
年利润 (百万元)	2	3	4	4	7

 
(1)画出散点图;
(2)求对的回归直线方程；
(3)如果该企业某年研发费用投入8百万元,预测该企业获得年利润为多少?

某医学院读书协会欲研究昼夜温差大小与患感冒人数多少之间的关系，该协会分别到气象局与某医院抄录了1至6月份每月10号的昼夜温差情况与因患感冒而就诊的人数，得到如下频数分布直方图：

该协会确定的研究方案是：先从这六组数据中选取2组，用剩下的4组数据求线性回归方程，再用被选取的2组数据进行检验.
（1）求选取的2组数据恰好是相邻两个月的频率；
（2）已知选取的是1月与6月的两组数据.
（i）请根据2至5月份的数据，求出就诊人数关于昼夜温差的线性回归方程；
（ii）若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人，则认为得到的线性回归方程是理想的，试问该协会所得线性回归方程是否理想？
（参考公式：，）

为了解春季昼夜温差大小与某种子发芽多少之间的关系，现在从4月份的30天中随机挑选了5天进行研究，且分别记录了每天昼夜温差与每天每100颗种子浸泡后的发芽数，得到如下表格：

日期	4月1日	4月7日	4月15日	4月21日	4月30日
温差x/℃	10	11	13	12	8
发芽数y/颗	23	25	30	26	16

 
(1)从这5天中任选2天,记发芽的种子数分别为m,n,求事件“m，n均不小于25”的概率；
(2)从这5天中任选2天，若选取的是4月1日与4月30日的两组数据，请根据这5天中的另三天的数据，求出y关于x的线性回归方程＝x＋；
(3)若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(2)中所得的线性回归方程是否可靠？
参考数据

某车间为了规定工时定额，需要确定加工零件所花费的时间，为此作了四次试验，得到的数据如下：

零件的个数x(个)	2	3	4	5
加工的时间y(小时)	2.5	3	4	4.5

 
(1)在给定的坐标系中画出表中数据的散点图；

(2)求出y关于x的线性回归方程，并在坐标系中画出回归直线；
(3)试预测加工10个零件需要多少时间？
(注：)

某省电视台为了解该省卫视一档成语类节目的收视情况，抽查东西两部各5个城市，得到观看该节目的人数（单位：千人）如下茎叶图所示：

其中一个数字被污损.
（1）求东部各城市观看该节目观众平均人数超过西部各城市观看该节目观众平均人数的概率.
（2）随着节目的播出，极大激发了观众对成语知识的学习积累的热情，从中获益匪浅.现从观看该节目的观众中随机统计了4位观众的周均学习成语知识的时间（单位：小时）与年龄（单位：岁），并制作了对照表（如下表所示）

年龄（岁）	20	30	40	50
周均学习成语知识时间（小时）	2.5	3	4	4.5

 
由表中数据，试求线性回归方程，并预测年龄为55岁观众周均学习成语知识时间.
参考公式：，.

对具有线性相关关系的变量，测得一组数据如下：

	2	4	5	6	8
	20	40	60	70	80

 
根据上表，利用最小二乘法得它们的回归直线方程为，据此模型预测当时，的估计值为（   ）

A．105.5

B．106

C．106.5

D．107

某测试团队为了研究“饮酒”对“驾车安全”的影响，随机选取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要的距离），无酒状态与酒后状态下的试验数据分别列于表

停车距离（米）
频数	26			8	2

 
表

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

 
已知表 数据的中位数估计值为，回答以下问题.
(Ⅰ)求的值，并估计驾驶员无酒状态下停车距离的平均数；
（Ⅱ）根据最小二乘法，由表的数据计算关于的回归方程；
（Ⅲ）该测试团队认为：驾驶员酒后驾车的平均“停车距离”大于（Ⅰ）中无酒状态下的停车距离平均数的倍，则认定驾驶员是“醉驾”.请根据(Ⅱ)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”？
（附：回归方程中，）