13．过点P（2，3），并且在两轴上的截距互为相反数的直线方程为（ ）
| A． | x-y+1=0或3x-2y=0 | B． | x-y+1=0 | ||
| C． | x+y-5=0或3x-2y=0 | D． | x+y-5=0 |
11．
如图，平面α⊥平面ABC，D为线段AB的中点，|AB|=2$\sqrt{3}$，∠CDB=30°，P为面α内的动点，且P到直线CD的距离为1，则∠APB的最大值为 ）
如图，平面α⊥平面ABC，D为线段AB的中点，|AB|=2$\sqrt{3}$，∠CDB=30°，P为面α内的动点，且P到直线CD的距离为1，则∠APB的最大值为 ）| A． | 60° | B． | 90° | C． | 120° | D． | 150° |
9．设x，y∈R，则“x＞y＞0”是“$\frac{x}{y}$＞1”的（ ）
| A． | 充分不必要条件 | B． | 必要不充分条件 | ||
| C． | 充要条件 | D． | 既不充分也不必要条件 |
8．若p∨q为真命题，则下列结论不可能成立的是（ ）
| A． | p真q真 | B． | p假q真 | C． | p真q假 | D． | p假q假 |
7．PM2.5是指空气中直径小于或等于2.5微米的颗粒物（也称可入肺颗粒物）．为了探究车流量与PM2.5的浓度是否相关，现采集到某城市周一至周五某一时间段车流量与PM2.5得数据如下表：
（Ⅰ）根据上表数据求出y与x的线性回归直线方程$\hat y=\hat bx+\hat a$，
（Ⅱ）若周六同一时间段车流量是25万辆，试根据（Ⅰ）中求出的线性回归方程预测此时PM2.5的浓度是多少？（保留整数）
参考公式其中$\stackrel{∧}{b}$=$\frac{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）（{y}_{i}-\overline{y}）}{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）^{2}}$=$\frac{\sum_{i=1}^{n}{x}_{i}{y}_{i}-n\overline{x}\overline{y}}{\sum_{i=1}^{n}{{x}_{i}}^{2}-n{\overline{x}}^{2}}$：方程$\hat y=\hat bx+\hat a$．
| 时间 | 周一 | 周二 | 周三 | 周四 | 周五 |
| 车流量x（万辆） | 50 | 51 | 54 | 57 | 58 |
| PM2.5的浓度y（微克/立方米） | 69 | 70 | 74 | 78 | 79 |
（Ⅱ）若周六同一时间段车流量是25万辆，试根据（Ⅰ）中求出的线性回归方程预测此时PM2.5的浓度是多少？（保留整数）
参考公式其中$\stackrel{∧}{b}$=$\frac{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）（{y}_{i}-\overline{y}）}{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）^{2}}$=$\frac{\sum_{i=1}^{n}{x}_{i}{y}_{i}-n\overline{x}\overline{y}}{\sum_{i=1}^{n}{{x}_{i}}^{2}-n{\overline{x}}^{2}}$：方程$\hat y=\hat bx+\hat a$．
6．在棱长为a正方体ABCD-A1B1C1D1中，AC1和BD1相交于点O，则有（ ）
| A． | $\overrightarrow{AB}•\overrightarrow{{A_1}C}=2{a^2}$ | B． | $\overrightarrow{AB}•\overrightarrow{AC}=\sqrt{2}{a^2}$ | C． | $\overrightarrow{AB}•\overrightarrow{{A_1}O}=\frac{1}{2}{a^2}$ | D． | $\overrightarrow{BC}•\overrightarrow{AO}={a^2}$ |
4．某工厂为了对新研发的一种产品进行合理定价，将该产品按事先拟定的价格进行试销，得到如下数据：
（1）根据上面的数据判断，y=ax+b与y=$\frac{c}{x}$+d哪一个适宜作为产品销量y关于单价x的回归方程类型？（给出判断即可，不必说明理由）
（2）根据（1）的判断结果及表中数据，建立y关于x的回归方程；（计算结果保留两位小数）
参考公式其中$\stackrel{∧}{b}$=$\frac{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）（{y}_{i}-\overline{y}）}{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）^{2}}$=$\frac{\sum_{i=1}^{n}{x}_{i}{y}_{i}-n\overline{x}\overline{y}}{\sum_{i=1}^{n}{{x}_{i}}^{2}-n{\overline{x}}^{2}}$．
0 225883 225891 225897 225901 225907 225909 225913 225919 225921 225927 225933 225937 225939 225943 225949 225951 225957 225961 225963 225967 225969 225973 225975 225977 225978 225979 225981 225982 225983 225985 225987 225991 225993 225997 225999 226003 226009 226011 226017 226021 226023 226027 226033 226039 226041 226047 226051 226053 226059 226063 226069 226077 266669
| 单价x（元） | 0.25 | 0.5 | 1 | 2 | 4 |
| 销量y（件） | 16 | 12 | 5 | 2 | 1 |
（2）根据（1）的判断结果及表中数据，建立y关于x的回归方程；（计算结果保留两位小数）
参考公式其中$\stackrel{∧}{b}$=$\frac{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）（{y}_{i}-\overline{y}）}{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）^{2}}$=$\frac{\sum_{i=1}^{n}{x}_{i}{y}_{i}-n\overline{x}\overline{y}}{\sum_{i=1}^{n}{{x}_{i}}^{2}-n{\overline{x}}^{2}}$．