某公司为了确定下一年度投入某种产品的宣传费用，需了解年宣传费（单位：万元）对年销量（单位：吨）和年利润（单位：万元）的影响.对近6年宣传费和年销量的数据做了初步统计，得到如下数据：

年份	2013	2014	2015	2016	2017	2018
年宣传费x（万元）	38	48	58	68	78	88
年销售量y（吨）	16.8	18.8	20.7	22.4	24.0	25.5

 
经电脑模拟，发现年宣传费（万元）与年销售量（吨）之间近似满足关系式即，对上述数据作了初步处理，得到相关的值如下表：

75.3	24.6	18.3	101.4

 
（Ⅰ）从表中所给出的6年年销售量数据中任选2年做年销售量的调研，求所选数据中至多有一年年销售量低于20吨的概率.
（Ⅱ）根据所给数据，求关于的回归方程；
（Ⅲ）若生产该产品的固定成本为200（万元），且每生产1（吨）产品的生产成本为20（万元）（总成本=固定成本+生产成本+年宣传费），销售收入为（万元），假定该产品产销平衡（即生产的产品都能卖掉），2019年该公司计划投入万元宣传费，你认为该决策合理吗？请说明理由.（其中为自然对数的底数，）
附：对于一组数据，其回归直线中的斜率和截距的最小二乘估计分别为．

新疆在种植棉花有着得天独厚的自然条件，土质呈碱性，夏季温差大，阳光充足，光合作用充分，生长时间长，这种环境下种植的棉花绒长､品质好､产量髙，所以新疆棉花举世闻名.每年五月份，新疆地区进入灾害天气高发期，灾害天数对当年棉花产量有着重要影响，根据过去五年的数据统计，得到相关数据如下表:

灾害天气天数(天)	2	3	4	5	8
棉花产量(吨/公顷)	3.2	2.4	2	1.9	1.7

 
根据以上数据，技术人员分别借助甲､乙两种不同的回归模型，得到两个回归方程，
方程甲:，方程乙:.
（1）为了评价两种模型的拟合效果，完成以下任务:① 完成下表；(计算结果精确到0.1)
②分别计算模型甲与模型乙的残差平方和及，并比铰的大小，判断哪个模型拟合效果更好?

灾害天气天数(天)		2	3	4	5	8
棉花产量(吨公顷)		3.2	2.4	2	1.9	1.7
模型甲	估计值		2.4	2.1		1.6
	残差		0			0.1
模型乙	估计值		2.3	2	1.9
	残差		0.1	0	0

 
（2）根据天气预报，今年五月份新疆市灾害天气是6天的概率是0.5，灾害天气是7天的概率为0.4，灾害天气是10天的概率为0.1，若何女士在新疆市承包了15公顷地种植棉花，请你根据第(1)问中拟合效果较好的模型估计一下何女士今年棉花的产量.(计算过程中所有结果精确到0.01)

某品牌手机销售商今年1，2，3月份的销售量分别是1万部，1.2万部，1.3万部，为估计以后每个月的销售量，以这三个月的销售为依据，用一个函数模拟该品牌手机的销售量y（单位：万部）与月份x之间的关系,现从二次函数 或函数 中选用一个效果好的函数行模拟，如果4月份的销售量为1.37万件，则5月份的销售量为__________万件.

在一次抽样调查中测得样本的5个样本点，数据如下表：

	0.25	0.5	1	2	4
	16	12	5	2	1

 
（1）作出散点图.
（2）根据散点图判断，与哪一个更适合与的回归方程.
（3）根据下面表格中的数据，建立与的回归方程.

1.55	7.2	94.25	21.31	430

 
令  

近期，济南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:

根据以上数据,绘制了散点图.

(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)的判断结果及表中的数据,建立关于的回归方程,并预测活动推出第天使用扫码支付的 人次；
(3)推广期结束后,车队对乘客的支付方式进行统计，结果如下

车队为缓解周边居民出行压力,以万元的单价购进了一批新车,根据以往的经验可知,每辆车每个月的运营成本约为万元.已知该线路公交车票价为元,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中有的概率享受折优惠,有的概率享受折优惠,有的概率享受折优惠.预计该车队每辆车每个月有万人次乘车,根据给数据以事件发生的频率作为相应事件发生的概率,在不考虑其它因素的条件下,按照上述收费标准,假设这批车需要年才能开始盈利,求的值.
参考数据:

其中其中
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公式分别为: .