近期，某公交公司分别推出支付宝和微信扫码支付乘车活动，活动设置了一段时间的推广期，由于推广期内优惠力度较大，吸引越来越多的人开始使用扫码支付．某线路公交车队统计了活动刚推出一周内每一天使用扫码支付的人次，用表示活动推出的天数，表示每天使用扫码支付的人次（单位：十人次），统计数据如表所示：

	1	2	3	4	5	6	7
	6	11	21	34	66	101	196

 
根据以上数据，绘制了如图所示的散点图．

（1）根据散点图判断，在推广期内，与均为大于零的常数）哪一个适宜作为扫码支付的人次关于活动推出天数的回归方程类型？（给出判断即可，不必说明理由）；
（2）根据（1）的判断结果及表l中的数据，求关于的回归方程，并预测活动推出第8天使用扫码支付的人次；
（3）推广期结束后，车队对乘客的支付方式进行统计，结果如表所示：

支付方式	现金	乘车卡	扫码
比例

 
已知该线路公交车票价为2元，使用现金支付的乘客无优惠，使用乘车卡支付的乘客享受8折优惠，扫码支付的乘客随机优惠，根据统计结果得知，使用扫码支付的乘客，享受7折优惠的概率为，享受8折优惠的概率为，享受9折优惠的概率为．根据所给数据以事件发生的频率作为相应事件发生的概率，估计一名乘客一次乘车的平均费用．
参考数据：

66	1.54	2.711	50.12	3.47

 
其中，.

下面给出四种说法：
①用相关指数R²来刻画回归效果，R²越小，说明模型的拟合效果越好；
②命题P：“∃x₀∈R，x₀²﹣x₀﹣1＞0”的否定是￢P：“∀x∈R，x²﹣x﹣1≤0”；
③设随机变量X服从正态分布N（0，1），若P（x＞1）=p则P（﹣1＜X＜0）= ﹣p
④回归直线一定过样本点的中心（ ）．
其中正确的说法有（  ）

A．①②③

B．①②④

C．②③④

D．①②③④

某企业新研发了一种产品，产品的成本由原料成本及非原料成本组成.每件产品的非原料成本（元）与生产该产品的数量（千件）有关，经统计得到如下数据：

根据以上数据，绘制了散点图.

观察散点图，两个变量不具有线性相关关系，现考虑用反比例函数模型和指数函数模型分别对两个变量的关系进行拟合.已求得用指数函数模型拟合的回归方程为，与的相关系数.参考数据（其中）：

（1）用反比例函数模型求关于的回归方程；
（2）用相关系数判断上述两个模型哪一个拟合效果更好（精确到0.01），并用其估计产量为10千件时每件产品的非原料成本；
（3）该企业采取订单生产模式（根据订单数量进行生产，即产品全部售出）.根据市场调研数据，若该产品单价定为100元，则签订9千件订单的概率为0.8，签订10千件订单的概率为0.2；若单价定为90元，则签订10千件订单的概率为0.3，签订11千件订单的概率为0.7.已知每件产品的原料成本为10元，根据（2）的结果，企业要想获得更高利润，产品单价应选择100元还是90元，请说明理由.
参考公式：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：，，相关系数.

某公司为了了解年研发资金投人量（单位：亿元）对年销售额（单位：亿元）的影响.对公司近年的年研发资金投入量和年销售额的数据，进行了对比分析，建立了两个函数模型：①，②，其中、、、均为常数，为自然对数的底数.并得到一些统计量的值.令，，经计算得如下数据：
 
 
（1）请从相关系数的角度，分析哪一个模型拟合程度更好？
（2）（ⅰ）根据（1）的选择及表中数据，建立关于的回归方程；
（ⅱ）若下一年销售额需达到亿元，预测下一年的研发资金投入量是多少亿元？
附：①相关系数，
回归直线中公式分别为：，；
②参考数据：，，.

如图是某创业公司2017年每月份公司利润（单位：百万元）情况的散点图：为了预测该公司2018年的利润情况，根据上图数据，建立了利润y与月份x的两个线性回归模型：①0.94+0.028；②0.96+0.032lnx，并得到以下统计值：

	模型①	模型②
残差平方和（yi）2	0.000591	0.000164
总偏差平方和（yi）2	0.006050

 
（1）请利用相关指数R²判断哪个模型的拟合效果更好；
（2）为了激励员工工作的积极性，公司每月会根据利润的情况进行奖惩，假设本月利润为y₁，而上一月利润为y₂，计算z，并规定：若z≥10，则向全体员工发放奖金总额z元；若z＜10，从全体员工每人的工资中倒扣10﹣z元作为惩罚，扣完为止，请根据（1）中拟合效果更好的回归模型，试预测208年4月份该公司的奖惩情况？（结果精确到小数点后两位）
参考数据及公式：1.73，2.24，1n2≈0.69，1n3≈1.10，ln5≈1.61．相关指数R²＝1．