下图是我国\(2011\)年至\(2017\)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\(2011-2017\)

\((1)\)从\(2011\)年至\(2017\)年中任选\(2\)年，记生活垃圾无害化处理量分别为\(m\)，\(n\)，求事件“\(m\)，\(n\)均不小于\(1.40\)亿吨”的概率；

\((2)\)根据折线图，并用相关系数\(r\)，说明\(y\)与\(t\)的相关关系及相关程度；

\((3)\)建立\(y\)关于\(t\)的回归方程\((\)系数精确到\(0.01)\)，预测\(2019\)年我国生活垃圾无害化处理量．

参考数据：\(\sum\limits_{i=1}^{7}{y}_{i}=9.32 \)，\(\sum\limits_{i=1}^{7}{t}_{i}{y}_{i}=40.17 \)，\(\sqrt{ \sum\limits_{i=1}^{7}(yi- \overset{¯}{y}{)}^{2}}=0.55 \)，\(\sqrt{7}≈2.646 \)．

参考公式：

相关系数\(r= \dfrac{ \sum\nolimits_{i=1}^{n}({t}_{i}- \bar{t})({y}_{i}- \bar{y})}{ \sum\nolimits_{i=1}^{n}({t}_{i}- \overset{¯}{t}{)}^{2} \sum\nolimits_{i=1}^{n}({y}_{i}- \overset{¯}{y}{)}^{2}} \) \(\sum\limits_{i=1}^{n}({t}_{i}- \overset{¯}{t})({y}_{i}- \overset{¯}{y})= \sum\limits_{i=1}^{n}{t}_{i}{y}_{i}-t \sum\limits_{i=1}^{n}{y}_{i} \)．

当\(r\in \left[ -1,-0.75 \right]\)时，负相关很强；当\(r\in \left[ 0.75,1 \right]\)时，正相关很强；

当\(r\in \left( -0.75,-0.30 \right]\)或\(r\in \left[ 0.30,0.75 \right)\)时，相关性一般；当\(r\in \left[ -0.25,0.25 \right]\)时，负相关性较弱．

回归方程\(\hat {y}=\hat {a}+\;\hat {b}t \) 中斜率和截距的最小二乘估计公式分别为：\(\bar{b}= \dfrac{ \sum\nolimits_{i=1}^{n}({t}_{i}- \overset{¯}{t})({y}_{i}- \overset{¯}{y})}{ \sum\nolimits_{i=1}^{n}({t}_{i}- \overset{¯}{t}{)}^{2}} \)，\(\hat {a}=\hat {y}-\hat {b} \bar{t} \)

某房产中介公司\(2017\)年\(9\)月\(1\)日正式开业，现对其每个月的二手房成交量进

行统计，\(y\)表示开业第\(x\)个月的二手房成交量，得到统计表格如下：

\((1)\)统计中常用相关系数\(r\)来衡量两个变量之间线性关系的强弱\(.\)统计学认为，对于变量\(x\)，\(y\)，如果\(|r|\in \left[ 0.75,1\left. {} \right] \right.\)那么相关性很强；如果\(|r|∈[o.3,o.75]\)，那么相关性一般；如果\(|r|\leqslant 0.25\)，那么相关性较弱\(.\)通过散点图初步分析可用线性回归模型拟合\(y\)与\(x\)的关系，计算\((\)\({{x}_{i}},{{y}_{1}}\)\()(i=1\)，\(2\)，\(…\)，\(8)\)的相关系数\(r\)，并回答是否可以认为两个变量具有很强的线性相关关系\((\)计算结果精确到\(0.01)\)．

   \((2)\)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\(\overset{\wedge }{{y}}\,=\overset{\wedge }{{bx}}\,+\overset{\wedge }{{a}}\,\)\((\)计算结果精确到\(0.01)\)，并预测该房产中介公司\(2018\)年\(6\)月份的二手房成交量\((\)计算结果四舍五入取整数\()\)．

参考数据：\(\sum\limits_{i=1}^{8}{x}_{i}{y}_{i}=850, \sum\limits_{i=1}^{8}{{x}_{i}}^{2}=204, \sum\limits_{i=1}^{8}{{y}_{i}}^{2}=3776, \sqrt{21}≈4.58, \sqrt{31}≈5.57 \)

参考公式：\(\hat {b}= \dfrac{ \sum\nolimits_{i=1}^{n}{x}_{i}{y}_{i}-n \bar{xy}}{ \sum\nolimits_{i=1}^{n}{{x}_{i}}^{2}-n{ \bar{x}}^{2}},\hat {a}= \bar{y}-\hat {b} \bar{x},r= \dfrac{ \sum\nolimits_{i=1}^{n}{x}_{i}{y}_{i}-n \bar{xy}}{ \sqrt{ \sum\nolimits_{i=1}^{n}{{x}^{2}}_{i}-n{ \bar{x}}^{2}} \sqrt{ \sum\nolimits_{i=1}^{n}{{y}^{2}}_{i}-n{ \bar{y}}^{2}}} \)

下图是我国\(2008\)年至\(2014\)年生活垃圾无害化处理量\((\)单位：亿吨\()\)的折线图

\((I)\)由折线图看出，可用线性回归模型拟合 \(y\) 与 \(t\)的关系，请用相关系数加以说明；

\((II)\)建立 \(y\) 关于 \(t\) 的回归方程\((\)系数精确到\(0.01)\)，预测\(2016\)年我国生活垃圾无害化处理量\(.\)附注：参考数据：\( \sum\limits_{i=1}^{7}{y}_{i}=9.32 \)，\( \sqrt{ \sum\limits_{i=1}^{7}{\left({y}_{i}- \overset{-}{y}\right)}^{2}} =0.55\) ，\( \sqrt{7}≈2.646.\)参考公式：相关系数  \(r= \dfrac{ \sum\nolimits_{i=1}^{n}({t}_{i}- \overset{-}{t})({y}_{i}- \overset{-}{y})}{ \sqrt{ \sum\nolimits_{i=1}^{n}({t}_{i}- \overset{-}{t}{)}^{2} \sum\nolimits_{i=1}^{n}({y}_{i}- \overset{-}{y}{)}^{2}}} \) 回归方程\( \overset{∧}{y}= \overset{∧}{a}+ \overset{∧}{b} \)中斜率和截距的最小二乘估计公式分别为\( \overset{∧}{b}= \dfrac{ \sum\nolimits_{i=1}^{n}({t}_{i}- \overset{-}{t})({y}_{i}- \overset{-}{y})}{ \sum\nolimits_{i=1}^{n}({t}_{i}- \overset{-}{t}{)}^{2}}\;, \overset{∧}{a}= \overset{-}{y}- \overset{∧}{b} \overset{-}{t} \)

某工厂生产不同规格的一种产品，根据检测标准，其合格产品的质量\(y(g)\)与尺寸\(x(mm)\)之间近似满足关系式\(y=a{{x}^{b}}(a,b\)为大于\(0\)的常数\()\)，现随机抽取\(6\)件合格产品，测得数据如下：

对数据作了初步处理，相关统计量的值如下表：

\((\)Ⅰ\()\)根据所给数据，求\(y\)关于\(x\)的回归方程；

\((\)Ⅱ\()\)按照某项指标测定，所抽取的\(6\)件合格品中有\(3\)件是优等品，现从这\(6\)件合格品中任取\(3\)件，记\(X\)为取到优等品的件数，求随机变量\(X\)的分布列和数学期望．

附：对于一组数据\(({v}_{1},{u}_{1}),({v}_{2},{u}_{2}),⋯,({v}_{n},{u}_{n}) \)，其回归直线\(u=\alpha +\beta v\)的斜率和截距的最小二乘估计值分别为\(\hat{\beta }=\dfrac{\sum\limits_{i=1}^{n}{{{v}_{i}}{{u}_{i}}}-n\bar{v}\cdot \bar{u}}{\sum\limits_{i=1}^{n}{v_{i}^{2}}-n{{{\bar{v}}}^{2}}}\)，\(\hat{\alpha }=\bar{u}-\hat{\beta }\bar{v}\)．