一只药用昆虫的产卵数\(y\)与一定范围内的温度\(x\)有关，现收集了该种药用昆虫的\(6\)组观测数据如表：

温度\(x/^{\circ}C\)	\(21\)	\(23\)	\(24\)	\(27\)	\(29\)	\(32\)
产卵数\(y/\)个	\(6\)	\(11\)	\(20\)	\(27\)	\(57\)	\(77\)

经计算得：\( \overline {x}= \dfrac {1}{6} \sum\limits_{i=1}^{6}x_{i}=26\)，\( \overline {y}= \dfrac {1}{6} \sum\limits_{i=1}^{6}y_{i}=33\)，\( \sum\limits_{i=1}^{6}(x_{i}- \overline {x})(y_{i}- \overline {y})=557\)，\( \sum\limits_{i=1}^{6}(x_{i}- \overline {x})^{2}=84\)，\( \sum\limits_{i=1}^{6}(y_{i}- \overline {y})^{2}=3930\)，线性回归模型的残差平方和\( \sum\limits_{i=1}^{6}(y_{i}- \overset{\hat{} }{y}_{i})^{2}=236.64\)，\(e^{8.0605}≈3167\)，其中\(x_{i}\)，\(y_{i}\)分别为观测数据中的温度和产卵数，\(i=1\)，\(2\)，\(3\)，\(4\)，\(5\)，\(6\)．
\((\)Ⅰ\()\)若用线性回归模型，求\(y\)关于\(x\)的回归方程\( \overset{\hat{} }{y}= \overset{\hat{} }{b}x+ \overset{\hat{} }{a}(\)精确到\(0.1)\)；
\((\)Ⅱ\()\)若用非线性回归模型求得\(y\)关于\(x\)的回归方程为\( \overset{\hat{} }{y}=0.06e^{0.2303x}\)，且相关指数\(R^{2}=0.9522\)．
\((\) \(i\) \()\)试与\((\)Ⅰ\()\)中的回归模型相比，用\(R^{2}\)说明哪种模型的拟合效果更好．
\((ii)\)用拟合效果好的模型预测温度为\(35^{\circ}C\)时该种药用昆虫的产卵数\((\)结果取整数\()\)．
附：一组数据\((x_{1},y_{1})\)，\((x_{2},y_{2})\)，\(…\)，\((x_{n},y_{n})\)，其回归直线\( \overset{\hat{} }{y}= \overset{\hat{} }{b}x+ \overset{\hat{} }{a}\)的斜率和截距的最小二乘估计为\( \overset{\hat{} }{b}= \dfrac { \sum\limits_{i=1}^{n}(x_{i}- \overline {x})(y_{i}- \overline {y})}{ \sum\limits_{i=1}^{n}(x_{i}- \overline {x})^{2}}\)，\( \overset{\hat{} }{a}= \overline {y}- \overset{\hat{} }{b} \overline {x}\)；相关指数\(R^{2}=1- \dfrac { \sum\limits_{i=1}^{n}(y_{i}- \overset{\hat{} }{y}_{i})^{2}}{ \sum\limits_{i=1}^{n}(y_{i}- \overline {y})^{2}}\)．

一只药用昆虫的产卵数\(y\)与一定范围内的温度\(x\)有关，现收集了该种药用昆虫的\(6\)组观测数据如表：

温度\(x/^{\circ}C\)		\(23\)	\(24\)	\(27\)	\(29\)	\(32\)
产卵数\(y/\)个	\(6\)	\(11\)	\(20\)	\(27\)	\(57\)	\(77\)

经计算得：\(\overset{˙}{x}= \dfrac{1}{6} \sum\nolimits_{i=1}^{6}{x}_{i}=26 \)，\(\overset{˙}{y}= \dfrac{1}{6} \sum\nolimits_{i=1}^{6}{y}_{i}=33 \)，\(\sum\nolimits_{i=1}^{6}({x}_{i}-x)({y}_{i}-y)=557 \)，\(\sum\nolimits_{i=1}^{6}({x}_{i}-x{)}^{2}=84 \)，\(\sum\nolimits_{i=1}^{6}({y}_{i}-y{)}^{2}=3930 \)，线性回归模型的残差平方和\(\sum\nolimits_{i=1}^{6}({y}_{i}-{\hat {y}}_{i}{)}^{2}=236.64 \)，\(e^{8.0605}≈3167\)，其中\(x_{i}\)，\(y_{i}\)分别为观测数据中的温度和产卵数，\(i=1\)，\(2\)，\(3\)，\(4\)，\(5\)，\(6\)．
\((\)Ⅰ\()\)若用线性回归模型，求\(y\)关于\(x\)的回归方程\(\hat {y} =\hat {b} x+\hat {a} (\)精确到\(0.1)\)；
\((\)Ⅱ\()\)若用非线性回归模型求得\(y\)关于\(x\)的回归方程为\(\hat {y} =0.06e^{0.2303x}\)，且相关指数\(R^{2}=0.9522\)．
\((\) \(i\) \()\)试与\((\)Ⅰ\()\)中的回归模型相比，用\(R^{2}\)说明哪种模型的拟合效果更好．
\((ii)\)用拟合效果好的模型预测温度为\(35^{\circ}C\)时该种药用昆虫的产卵数\((\)结果取整数\()\)．
附：一组数据\((x_{1},y_{1})\)，\((x_{2},y_{2})\)，\(…\)，\((x_{n},y_{n})\)，其回归直线\(\hat {y} =\hat {b} x+\hat {a} \)的斜率和截距的最小二乘估计为\(\hat {b}= \dfrac{ \sum\nolimits_{i=1}^{n}\left({x}^{i}-x\right)\left({y}_{i}-y\right)}{ \sum\nolimits_{i=1}^{n}({x}_{i}-x{)}^{2}} \)，\(\hat {a} =\overset{˙}{y} -\hat {b} \overset{˙}{x} \)；相关指数\(R^{2}=1- \dfrac{ \sum\nolimits_{i=1}^{n}({y}_{i}-{\hat {y}}_{i}{)}^{2}}{ \sum\nolimits_{i=1}^{n}({y}_{i}-y{)}^{2}} \)．

下列说法：
\(①\)残差可用来判断模型拟合的效果；
\(②\)设有一个回归方程：\(\hat{y}=3-5x\)，变量\(x\)增加一个单位时，\(y\)平均增加\(5\)个单位；
\(③\)线性回归直线：\(\hat{y}=\hat{b}x+\hat{a}\)必过点\(( \bar{x}, \bar{y}) \)；
\(④\)在一个\(2\times 2\)列联表中，由计算得\({{k}^{2}}=13.079\)，则有\(99{ }\!\!\%\!\!{ }\)的把握确认这两个变量间有关系\((\)其中\(P({{k}^{2}}\geqslant 10.828)=0.001)\)；
其中错误的个数是 

某公司想了解对某产品投入的宣传费用与该产品的营业额的影响\(.\)下面是以往公司对该产品的宣传费用\(x\) \((\)单位：万元\()\)和产品营业额\(y\) \((\)单位：万元\()\)的统计折线图．

\((\)Ⅰ\()\)根据折线图可以判断，可用线性回归模型拟合宣传费用\(x\)与产品营业额\(y\)的关系，请用相关系数加以说明；

\((\)Ⅱ\()\)建立产品营业额\(y\)关于宣传费用\(x\)的归方程；

\((\)Ⅲ\()\)若某段时间内产品利润与宣传费\(x\)和营业额\(y\)的关系为\(z=x(y-1.01x-0.08)+50\)，应投入宣传费多少万元才能使利润最大，并求最大利润．

参考数据：\(\sum\limits_{i=1}^{7}{{{y}_{i}}=37.28}\)，\(\overline{y}=5.33\)，\(\sum\limits_{i=1}^{7}{{{x}_{i}}{{y}_{i}}=160.68}\)，\(\sqrt{\sum\limits_{i=1}^{7}{{{({{y}_{i}}-\overline{y})}^{2}}}}=2.2\)，\(f{{{'}}}(x)=0\)

参考公式：相关系数，\(r= \dfrac{ \sum\nolimits_{i-1}^{n}\left({x}_{i}- \bar{x}\right)\left({y}_{i}- \bar{y}\right)}{ \sqrt{ \sum\nolimits_{i=1}^{n}{\left({x}_{i}- \bar{x}\right)}^{2} \sum\nolimits_{i=1}^{n}{\left({y}_{i}- \bar{y}\right)}^{2}}} \)，回归方程\(y=\hat{a}+\hat{b}x\)中斜率和截距分别为\(\hat {b}= \dfrac{ \sum\nolimits_{i=1}^{n}\left({x}_{i}- \bar{x}\right)\left({y}_{i}- \bar{y}\right)}{ \sum\nolimits_{i=1}^{n}{\left({x}_{i}- \bar{x}\right)}^{2}},\hat {a}= \bar{y}-\hat {b} \bar{x} \)  \((\)计算结果保留两位小数\()\)

给出下列命题：
\({①}\) 线性相关系数\(r\)越大，两个变量的线生相关性越强；反之，线性相关性越弱；
\({②}\) 由变量\(x\)和\(y\)的数据得到其回归直线方程\(l:\hat{y}=bx+a\)，则\(l\)一定经过点\(p(\overline{x},\overline{y})\)；
\({③}\) 从匀速传递的产品生产流水线上，质检员每\(10\)分钟从中抽取一件产品进行某项指标检测，这样的抽样是分层抽样；
\({④}\) 在回归分析模型中，残差平方和越小，说明模型的拟合效果越好；
\({⑤}\) 在回归直线方程\(\hat{y}{=}0{.}1x{+}10\)中，当解释变量\(x\)每增加一个单位时，预报变量\(\hat{y}\)大概增加\(0{.}1\)个单位；
其中真命题的序号是______ ．

下列说法：

\(①\)将一组数据中的每个数据都加上或减去同一个常数后，方差恒不变；

\(②\)设有一个回归方程\(\hat{y}=3-5x\)，变量\(x\)增加一个单位时，\(y\)平均增加\(5\)个单位；

\(③\)回归方程\(\hat{y}=\hat{b}x+\hat{a}\)必过\((\overline{x},\overline{y})\)；

\(④\)在一个\(2×2\)列联表中，由计算得\(K^{2}=13.079\)，则有\(99.9％\)的把握确认这两个变量间有关系\(.\)其中错误的个数是\((\)    \()\)

下列四个判断：
\(①\)某校高三一班和高三二班的人数分别是\(m\)，\(n\)，某次测试数学平均分分别是\(a\)，\(b\)，则这两个班的数学平均分为\( \dfrac {a+b}{2}\)；
\(②10\)名工人某天生产同一零件，生产的件数是\(15\)，\(17\)，\(14\)，\(10\)，\(15\)，\(17\)，\(17\)，\(16\)，\(14\)，\(12\)，设其平均数为\(a\)，中位数为\(b\)，众数为\(c\)，则有\(c > a > b\)；
\(③\)从总体中抽取的样本\((x_{1},y_{1})\)，\((x_{2},y_{2})\)，\(…\)，\((x_{n},y_{n})\)，若记\( \overline {x}= \dfrac {1}{n} \sum\limits_{i=1}^{n}x_{i}\)，\( \overline {y}= \dfrac {1}{n} \sum\limits_{i=1}^{n}y_{i}\)则回归直线\(y=bx+a\)必过点\(( \overline {x}, \overline {y})\)；
\(④\)已知\(ξ\)服从正态分布\(N(0,σ^{2})\)，且\(p(-2\leqslant ξ\leqslant 0)=0.3\)，则\(p(ξ > 2)=0.2\)；
其中正确的个数有\((\)　　\()\)