某公司为确定下一年度投入某种产品的宣传费，需了解年宣传费\(x(\)单位：千元\()\)对年销售量\(y(\)单位：\(t)\)和年利润\(z(\)单位：千元\()\)的影响，对近\(8\)年的年宣传费\(x_{i}\)和年销售量\(y_{i}\)\((i=1,2,···,8)\)数据作了初步处理，得到下面的散点图及一些统计量的值．

表中\(w_{i}=\sqrt{{x}_{i}} \)_{, ，\(\bar{w} \)} \(=\dfrac{1}{8}\sum\limits_{i=1}^{8}{w}_{i} \)

\((\)Ⅰ\()\)根据散点图判断，\(y=a+bx\)与\(y=c+d\sqrt{x}\)哪一个适宜作为年销售量\(y\)关于年宣传费\(x\)的回归方程类型？\((\)给出判断即可，不必说明理由\()\)

\((\)Ⅱ\()\)根据\((\)Ⅰ\()\)的判断结果及表中数据，建立\(y\)关于\(x\)的回归方程；

\((\)Ⅲ\()\)以知这种产品的年利率\(z\)与\(x\)、\(y\)的关系为\(z=0.2y-x.\)根据\((\)Ⅱ\()\)的结果回答下列问题：

\((i)\)       年宣传费\(x=49\)时，年销售量及年利润的预报值是多少？

\((ii)\)     年宣传费\(x\)为何值时，年利率的预报值最大？

附：对于一组数据\((u_{1}\) \(v_{1})\)，\((u_{2}\) \(v_{2})…….. (u_{n\;}\) \(v_{n})\)，其回归线\(v=\alpha +\beta u\)的斜率和截距的最小二乘估计分别为：

\(\hat {β}= \dfrac{ \sum\nolimits_{i=1}^{n}({u}_{i}- \overset{¯}{u})({v}_{i}- \overset{¯}{v})}{ \sum\nolimits_{i=1}^{n}({u}_{i}- \overset{¯}{u}{)}^{2}},\hat {a}= \overset{¯}{v}-\hat {β} \overset{¯}{u} \)

下表是关于某设备的使用年限\((\)年\()\)和所需要的维修费用\(y(\)万元\()\)的几组统计数据：

\((1)\)在坐标系中画出上表数据的散点图；

\((2)\)根据上表提供的数据，用最小二乘法求出\(y\)关于\(x\)的线性回归方程\( \overset{¯}{y}= \overset{\}{b}x+ \overset{\}{a} \)；

\((3)\)估计使用年限为\(10\)年时，维修费用为多少？\((\)参考数值：\(2\times 2.2+3\times 3.8+4\times 5.5+5\times 6.5+6\times 7.0=112.3)\)

下表提供了某厂节能降耗技术改造后生产甲产品过程中记录的产量\(x(\)吨\()\)与相应的生产能耗\((\)吨标准煤\()\)的几组对照数据：

\((1)\)请画出上表数据的散点图\(;\)

\((2)\)请根据上表提供的数据，用最小二乘法求出\(y\)关于\(x\)的线性回归方程\( \overset{\}{y}= \overset{\}{b}x+ \overset{\}{a} ;\)

\((3).\)己知该厂技改前\(100\)吨甲产品的生产能耗为\(90\)吨标准煤\(.\)试根据\((2)\)求出的线性回归方程，预测生产\(100\)吨甲产品的生产能耗比技改前降低多少吨标准煤\(?\)

参考公式：用最小二乘法求线性回归方程系数公式\( \overset{\}{b}= \dfrac{ \sum\nolimits_{i=1}^{n}{x}_{i}{y}_{i}-n \overset{¯}{x} \overset{¯}{y}}{ \sum\nolimits_{i=1}^{n}{{x}_{i}}^{2}-n \overset{¯}{x}{\;}^{2}}, \overset{\}{a}= \overset{¯}{y}- \overset{\}{b} \overset{¯}{x} )\)

以下是某地搜集到的新房屋的销售价格\(y\)和房屋的面积\(x\)的数据：

一商场对每天进店人数和商品销售件数进行了统计对比，得到如下表格：

其中\(i\)\(=1\)，\(2\)，\(3\)，\(4\)，\(5\)，\(6\)，\(7.(\)参考数据：\(i=17i=1\)\(x_{i}y_{i}\)\(=3330\)，\( \bar{x} =25\)，\( \bar{y} ≈16\)，\(i=17i=1\)\(x\)\(\rlap{{\!\,}^{2}}{{\!\,}_{i}}=5 075)\)

\((\)Ⅰ\()\)以每天进店人数为横轴，每天商品销售件数为纵轴，画出散点图；

\((\)Ⅱ\()\)求回归直线方程\((\)结果保留到小数点后两位\()\)；

\((\)Ⅲ\()\)预测进店人数为\(80\)人时，商品销售的件数\((\)结果保留整数\()\)．

\((\)注：\(b= \dfrac{ \sum\nolimits_{i=1}^{n}({x}_{i}-x)({y}_{i}-y)}{ \sum\nolimits_{i=1}^{n}({x}_{i}-x{)}^{2}}= \dfrac{ \sum\nolimits_{i=1}^{n}{x}_{i}{y}_{i}-n \bar{x} \bar{y}}{ \sum\nolimits_{i=1}^{n}{{x}_{i}}^{2}-n{ \bar{x}}^{2}} ;a= \bar{y}-b \bar{x} )\)

已知变量\(x\)和\(y\)满足\(\widehat{y}=0.99x+3\)，变量\(y\)和\(z\)的相关系数\(r=-0.91.\)下列结论中正确的是\((\)   \()\)