-
下表为2014年至2017年某百货零售企业的线下销售额(单位：万元），其中年份代码
年份
.
| 年份代码 | 1 | 2 | 3 | 4 |
| 线下销售额 | 95 | 165 | 230 | 310 |
（1）已知与具有线性相关关系，求关于的线性回归方程，并预测2018年该百货零售企业的线下销售额；
（2）随着网络购物的飞速发展，有不少顾客对该百货零售企业的线下销售额持续增长表示怀疑，某调査平台为了解顾客对该百货零售企业的线下销售额持续增长的看法，随机调查了55位男顾客、50位女顾客(每位顾客从“持乐观态度”和“持不乐观态度”中任选一种）， 其中对该百货零售企业的线下销售额持续增长持乐观态度的男顾客有10人、女顾客有20人，补全
列联表，并判断能否在犯错误的概率不超过0.025的前提下认为对该百货零售企业的线下销售额持续增长所持的态度与性别有关？
参考公式及数据：
， 
， 
， 
| 
| 0.05 | 0.025 | 0.010 | 0.005 |
| 
| 3.841 | 5.024 | 6.635 | 7.879 |
经计算得：
，
列联表如下：
| 持乐观态度 | 持不乐观态度 | 合计 |
| 男顾客 | 10 | | 55 |
| 男顾客 | 20 | | 50 |
| 合计 | | | 105 |
-
某市2011年至2017年新开楼盘的平均销售价格(单位：千元/平方米)的统计数据如下表：
| 年份 | 2011 | 2012 | 2013 | 2014 | 2015 | 2016 | 2017 |
| 年份代号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 销售价格 | 3 | 3.4 | 3.7 | 4.5 | 4.9 | 5.3 | 6 |
（1）求关于x的线性回归方程；
（2）利用（1）中的回归方程，分析2011年至2017年该市新开楼盘平均销售价格的变化情况，并预测该市2019年新开楼盘的平均销售价格。
附：参考公式： 
，
，其中
为样本平均值。
参考数据：
．
-
某市2011年至2017年新开楼盘的平均销售价格(单位：千元/平方米)的统计数据如下表：
| 年份 | 2011 | 2012 | 2013 | 2014 | 2015 | 2016 | 2017 |
| 年份代号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 销售价格 | 3 | 3.4 | 3.7 | 4.5 | 4.9 | 5.3 | 6 |
（1）求关于x的线性回归方程；
（2）利用（1）中的回归方程，分析2011年至2017年该市新开楼盘平均销售价格的变化情况，并预测该市2019年新开楼盘的平均销售价格。
附：参考公式： ，，其中为样本平均值。
参考数据： ．
-
某市2011年至2017年新开楼盘的平均销售价格(单位：千元/平方米)的统计数据如下表：
| 年份 | 2011 | 2012 | 2013 | 2014 | 2015 | 2016 | 2017 |
| 年份代号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 销售价格 | 3 | 3.4 | 3.7 | 4.5 | 4.9 | 5.3 | 6 |
附：参考公式：
，
，其中
为样本平均值。
参考数据：
，
．
(1)求关于的线性回归方程；
(2)利用(1)中的回归方程，分析2011年至2017年该市新开楼盘平均销售价格的变化情况，并预测该市2019年新开楼盘的平均销售价格。
-
某地区
年至
年农村居民家庭纯收入（单位：千元）的数据如下表：
| 年份 | 2011 | 2012 | 2013 | 2014 | 2015 | 2016 | 2017 |
| 年份代号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 人均纯收入 | 2.9 | 3.3 | 3.6 | 4.4 | 4.8 | 5.2 | 5.9 |
（Ⅰ）求关于的线性回归方程；
（Ⅱ）利用（Ⅰ）中的回归方程，分析年至年该地区农村居民家庭人均纯收入的变化情况，并预测该地区
年农村居民家庭人均纯收入．
注：
， 
-
根据下图给出的2011年至2016年某企业关于某产品的生产销售（单位：万元）的柱形图，以下结论不正确的是（ ）
A. 逐年比较，2014年是销售额最多的一年
B. 这几年的利润不是逐年提高（利润为销售额减去总成本）
C. 2011年至2012年是销售额增长最快的一年
D. 2014年以来的销售额与年份正相关
-
根据下图给出的2011年至2016年某企业关于某产品的生产销售（单位：万元）的柱形图，以下结论不正确的是（ ）
A. 逐年比较，2014年是销售额最多的一年
B. 这几年的利润不是逐年提高（利润为销售额减去总成本）
C. 2011年至2012年是销售额增长最快的一年
D. 2014年以来的销售额与年份正相关
-
如图是我国2010年至2016年生活垃圾无害化处理量（单位：亿吨）的折线图．
注：年份代码1～7分别对应年份2010～2016.
（Ⅰ）由折线图看出，可用线性回归模型拟合与
的关系，请用相关系数加以说明；
（Ⅱ）建立关于的回归方程（系数精确到0.01），预测2018年我国生活垃圾无害化处理量．
参考数据：
，
，
，
.
参考公式：相关系数
，回归方程
中斜率和截距的最小二乘估计公式分别为
，
.
-
如图是我国2012年至2018年生活垃圾无害化处理量（单位：亿吨）的折线图．注：年份代码1～7分别对应年份2012～2018.
（1）由折线图看出，可用线性回归模型拟合与的关系，请用相关系数加以说明；
（2）建立关于的回归方程（系数精确到0.01），预测2020年我国生活垃圾无害化处理量．
参考数据：，
，
，.
参考公式：相关系数
，回归方程中斜率和截距的最小二乘估计公式分别为
.
-
某地区某农产品近几年的产量统计如表：
| 年份 | 2013 | 2014 | 2015 | 2016 | 2017 | 2018 |
| 年份代码 | 1 | 2 | 3 | 4 | 5 | 6 |
| 年产量（万吨） | 6.6 | 6.7 | 7 | 7.1 | 7.2 | 7.4 |
（1）根据表中数据，建立关于的线性回归方程
；
,
（2）若近几年该农产品每千克的价格
（单位：元）与年产量满足的函数关系式为
，且每年该农产品都能售完.
①根据（1）中所建立的回归方程预测该地区2019（
）年该农产品的产量；
②当
为何值时，销售额
最大？
年份
.
与
具有线性相关关系，求
列联表，并判断能否在犯错误的概率不超过0.025的前提下认为对该百货零售企业的线下销售额持续增长所持的态度与性别有关？
， 
， 
，
，
，其中
为样本平均值。
．
，
，其中
为样本平均值。
，
．
年至
年农村居民家庭纯收入
年农村居民家庭人均纯收入．
注：
的关系，请用相关系数加以说明；
，
，
，
.
中斜率和截距的最小二乘估计公式分别为
，
.
，
；
（单位：元）与年产量
，且每年该农产品都能售完.
）年该农产品的产量；
为何值时，销售额
最大？