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：

	1	2	3	4	5	6	7	8
	112	61	44.5	35	30.5	28	25	24

 
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）：

183.4	0.34	0.115	1.53	360	22385.5	61.4	0.135

 
（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.

某个制作和外卖意大利比萨的餐饮连锁店，其主要客户群是在校大学生，为研究各店铺某季度的销售额与店铺附近地区大学生人数的关系，随机抽取10个分店的样本，得到数据如下：

店铺编号	地区内大学生数x(万人)	某季度销售额y(万元)
1	0.2	5.8
2	0.6	10.5
3	0.8	8.8
4	0.8	11.8
5	1.2	11.7
6	1.6	13.7
7	2	15.7
8	2	16.9
9	2.2	14.9
10	2.6	20.2

 
(1)画出散点图，并判断各店铺该季度的销售额y与店铺附近地区大学生人数x是否具有线性相关关系．
(2)若具有线性相关关系，求回归方程，若某店铺所在地区内有大学生1万人，预测该店铺的季度销售额．

某汽车公司为调查店个数对该公司汽车销量的影响，对同等规模的四座城市的店一季度汽车销量进行了统计，结果如下：

（1）根据统计的数据进行分析，求关于的线性回归方程；
（2）现要从三座城市的10个店中选取3个做深入调查，求城市中被选中的店个数的分布列和期望.
附：回归方程中的斜率和截距的最小二乘法估计公式分别为：
；.

东莞市公交公司为了方便广大市民出行，科学规划公交车辆的投放，计划在某个人员密集流动地段增设一个起点站，为了研究车辆发车的间隔时间与乘客等候人数之间的关系，选取一天中的六个不同的时段进行抽样调查，经过统计得到如下数据：

间隔时间（分钟）	8	10	12	14	16	18
等候人数（人）	16	19	23	26	29	33

 
调查小组先从这6组数据中选取其中的4组数据求得线性回归方程，再用剩下的2组数据进行检验，检验方法如下：先用求得的线性回归方程计算间隔时间对应的等候人数，再求与实际等候人数的差，若两组差值的绝对值均不超过1，则称所求的回归方程是“理想回归方程”.
参考公式：用最小二乘法求线性回归方程的系数公式：，
（1）若选取的是前4组数据，求关于的线性回归方程；
（2）判断（1）中的方程是否是“理想回归方程”：
（3）为了使等候的乘客不超过38人，试用（1）中方程估计间隔时间最多可以设置为多少分钟？

根据如下样本数据

x	3	4	5	6	7	8
y	﹣4.0	﹣2.5	0.5	﹣0.5	2.0	3.0

 
得到的回归方程为，则（　　）

A．a＞0，b＜0

B．a＞0，b＞0

C．a＜0，b＜0

D．a＜0，b＞0