某企业为确定下一年投入某种产品的研发费用，需了解年研发费用（单位：千万元）对年销售量（单位：千万件）的影响，统计了近10年投入的年研发费用与年销售量的数据，得到散点图如图所示.

（1）利用散点图判断和（其中均为大于0的常数）哪一个更适合作为年销售量和年研发费用的回归方程类型（只要给出判断即可，不必说明理由）；
（2）对数据作出如下处理，令，得到相关统计量的值如表：根据第（1）问的判断结果及表中数据，求关于的回归方程；

15	15	28.25	56.5

 
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.

下表给出了5组数据(x，y)，为选出4组数据使得x与y的线性相关程度最大，且保留第1组数据(－5，－3)，则应去掉(　　)

第i组	1	2	3	4	5
xi	－5	－4	－3	－2	4
yi	－3	－2	4	－1	6

 

 

A．第2组数据

B．第3组数据

C．第4组数据

D．第5组数据

物价监督部门为调研某公司新开发上市的一种产品销售价格的合理性，对某公司的该产品的销量与价格进行了统计分析，得到如下数据和散点图：

定价x（元／kg）	10	20	30	40	50	60
年销量y（kg）	1150	643	424	262	165	86
z＝21ny	14.1	12.9	12.1	11.1	10.2	8.9

 
（参考数据：，，
，）
（Ⅰ）根据散点图判断，y与x和z与x哪一对具有的线性相关性较强（给出判断即可，不必说明理由）？
（Ⅱ）根据（Ⅰ）的判断结果及数据，建立y关于x的回归方程（方程中的系数均保留两位有效数字）．
附：对于一组数据（x₁，y₁），（x₂，y₂），（x₃，y₃），…，（x_n，y_n），其回归直线的斜率和截距的最小二乘估计分别为，．

下表显示出样本中变量y随变量x变化的一组数据，由此判断它最可能是(　　)

x	4	5	6	7	8	9	10
y	14	18	19	20	23	25	28

 

A．线性函数模型	B．二次函数模型
C．指数函数模型	D．对数函数模型

某企业为确定下一年投入某种产品的研发费用，需了解年研发费用（单位：千万元）对年销售量（单位：千万件）的影响，统计了近年投入的年研发费用与年销售量的数据，得到散点图如图所示：

（Ⅰ）利用散点图判断，和（其中，为大于的常数）哪一个更适合作为年研发费用和年销售量的回归方程类型（只要给出判断即可，不必说明理由）；
（Ⅱ）对数据作出如下处理：令，，得到相关统计量的值如下表：

根据（Ⅰ）的判断结果及表中数据，求关于的回归方程；
（Ⅲ）已知企业年利润（单位：千万元）与，的关系为（其中），根据（Ⅱ）的结果，要使得该企业下一年的年利润最大，预计下一年应投入多少研发费用？
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，