20．某火锅店为了解气温对营业额的影响，随机记录了该店1月份中5天的日营业额y（单位：千元）与该地当日最低气温x（单位：℃）的数据，如表：
（1）求y关于x的回归方程$\hat y=\hat bx+\hat a$；
（2）判定y与x之间是正相关还是负相关；若该地1月份某天的最低气温为6℃，用所求回归方程预测该店当日的营业额．
（附：回归方程$\hat y=\hat bx+\hat a$中，$\widehat{b}$=$\frac{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）（{y}_{i}-\overline{y}）}{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）^{2}}$=$\frac{\sum_{i=1}^{n}{x}_{i}{y}_{i}-n\overline{x}\overline{y}}{\sum_{i=1}^{n}{{x}_{i}}^{2}-n{\overline{x}}^{2}}$，$\widehat{a}$=$\overline{y}$-$\widehat{b}$$\overline{x}$．）
| x | 2 | 8 | 9 | 11 | 5 |
| y | 12 | 8 | 8 | 7 | 10 |
（2）判定y与x之间是正相关还是负相关；若该地1月份某天的最低气温为6℃，用所求回归方程预测该店当日的营业额．
（附：回归方程$\hat y=\hat bx+\hat a$中，$\widehat{b}$=$\frac{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）（{y}_{i}-\overline{y}）}{\sum_{i=1}^{n}（{x}_{i}-\overline{x}）^{2}}$=$\frac{\sum_{i=1}^{n}{x}_{i}{y}_{i}-n\overline{x}\overline{y}}{\sum_{i=1}^{n}{{x}_{i}}^{2}-n{\overline{x}}^{2}}$，$\widehat{a}$=$\overline{y}$-$\widehat{b}$$\overline{x}$．）
19．某服装店经营某种服装，在某周内获利润y（元）与该周每天销售这种服装件数x之间数据关系见表；
已知$\sum_{i=1}^7{{x_i}^2}$=280，$\sum_{i=1}^7{{y_i}^2}=45309$，$\sum_{i=1}^7{{x_i}{y_i}}=3487$线性回归方程，
（1）求$\overline{x}$，$\overline{y}$；
（2）画出散点图；
（3）求纯利润y与每天销售件数x之间的回归直线方程．
$\stackrel{∧}{b}$=$\frac{\sum_{i=1}^{n}{x}_{i}{y}_{i}-n\overline{x}\overline{y}}{\sum_{i=1}^{n}{{x}_{i}}^{2}-n{\overline{x}}^{2}}$，$\stackrel{∧}{{y}_{i}}$=a+bx，$\stackrel{∧}{a}$=$\overline{y}$-$\stackrel{∧}{b}$$\overline{x}$．
| x | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| y | 66 | 69 | 73 | 81 | 89 | 90 | 91 |
（1）求$\overline{x}$，$\overline{y}$；
（2）画出散点图；
（3）求纯利润y与每天销售件数x之间的回归直线方程．
$\stackrel{∧}{b}$=$\frac{\sum_{i=1}^{n}{x}_{i}{y}_{i}-n\overline{x}\overline{y}}{\sum_{i=1}^{n}{{x}_{i}}^{2}-n{\overline{x}}^{2}}$，$\stackrel{∧}{{y}_{i}}$=a+bx，$\stackrel{∧}{a}$=$\overline{y}$-$\stackrel{∧}{b}$$\overline{x}$．
18．若用水量x与某种产品的产量y的回归直线方程是$\stackrel{∧}{y}$=2x+1250，若用水量为 50kg时，预计的某种产品的产量是（ ）
| A． | 1350 kg | B． | 大于 1350 kg | C． | 小于1350kg | D． | 以上都不对 |
17．某地物价部门对该地的5家商场的某商品一天的销售量及其价格进行调查，5家商场该商品的售价x元和销售量y件之间的一组数据如表所示，由散点图知，销售量y与价格x之间有较好的线性相关关系，其线性回归直线方程是$\stackrel{∧}{y}$=-3.2x+$\stackrel{∧}{a}$，则$\stackrel{∧}{a}$值为（ ）
| 价格x（元） | 9 | 9.5 | 10 | 10.5 | 11 |
| 销售量y（件） | 11 | 10 | 8 | 6 | 5 |
| A． | 30 | B． | 40 | C． | 45 | D． | 50 |
15．某商品在销售过程中投入的销售时间x与销售额y的统计数据如表：
用线性回归分析的方法预测该商品6月份的销售额．
（参考公式：$\stackrel{∧}{b}$=$\stackrel{∧}{a}$x，$\stackrel{∧}{a}$=$\overline{y}$-$\stackrel{∧}{b}$$\overline{x}$，其中$\overline{x}$，$\overline{y}$表示样本平均值）
| 销售时间x（月） | 1 | 2 | 3 | 4 | 5 |
| 销售额y（万元） | 0.4 | 0.5 | 0.6 | 0.6 | 0.4 |
（参考公式：$\stackrel{∧}{b}$=$\stackrel{∧}{a}$x，$\stackrel{∧}{a}$=$\overline{y}$-$\stackrel{∧}{b}$$\overline{x}$，其中$\overline{x}$，$\overline{y}$表示样本平均值）
12．某产品的广告费用x（万元）与销售额y（万元）的统计数据如表：
根据上表可得回归方程$\hat y=\hat bx+\hat a$中$\hat b$的为10.2，据此模型预测广告费用为10万元时，销售额为（ ）万元．
0 240741 240749 240755 240759 240765 240767 240771 240777 240779 240785 240791 240795 240797 240801 240807 240809 240815 240819 240821 240825 240827 240831 240833 240835 240836 240837 240839 240840 240841 240843 240845 240849 240851 240855 240857 240861 240867 240869 240875 240879 240881 240885 240891 240897 240899 240905 240909 240911 240917 240921 240927 240935 266669
| 广告费用x（万元） | 2 | 3 | 4 | 5 | 6 |
| 销售额y（万元） | 29 | 41 | 50 | 59 | 71 |
| A． | 101.2 | B． | 108.8 | C． | 111.2 | D． | 118.2 |