在某次试验中，有两个实验数据\(x\)，\(y\)，统计的结果如表格示。

\((1)\)在给出的坐标系中画出\(x\)，\(y\)的散点图；

\((2)\)根据给出的公式，求出\(y\)对\(x\)的回归直线方程\( \overset{\}{y} = \overset{\}{b} x+ \overset{\}{a} \)，并估计当\(x\)为\(10\)时，\(y\)的值是多少？

\( \overset{\}{b}= \dfrac{ \sum\nolimits{x}_{i}{y}_{i}-n \bar{x} \bar{y}}{ \sum\nolimits{{x}_{i}}^{2}-n{ \bar{x}}^{2}}, \overset{\}{a}= \bar{y}- \overset{\}{b} \bar{x} \)

某公司为了确定下一年度投入某种产品的宣传费，需要了解年宣传费\(x(\)单位：万元\()\)，对年销售量\(y(\)单位：\(t)\)和年利润\(z(\)万元\()\)的影响，为此，该公司对近\(7\)年宣传费\(x_{i}\)和年销售量\(y_{i}=(i=1,2,…,7)\)的数据进行了初步处理，得到了如图所示的散点图和表中的统计量的值．

    其中\(k_{i}=\ln y_{i}\)，\(\overline{k}=\dfrac{1}{7}\sum\limits_{i=1}^{7}{{{k}_{i}}}\)．

    \((\)Ⅰ\()\)根据散点图判断，\(y=bx+a\)与\(y={{c}_{1}}{{e}^{{{c}_{2}}x}}\)哪一个更适宜作为年销售量\(y\)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\()\)已知这种产品年利润\(z\)与\(x\)，\(y\)的关系为\(z=e^{-2.5}y-0.1x+10\)，当年宣传费为\(28\)万元时，年销售量量及年利润的预报值分别是多少？

    附：\(①\)对于一组具有有线性相关关系的数据\((μ_{i},v_{i})(i=1,2,3,…,n)\)，其回归直线\(v=βu+α\)的斜率和截距的最小二乘估计分别为\(\widehat{\beta }=\dfrac{\sum\limits_{i=1}^{n}{(}{{u}_{i}}-\overline{u})({{v}_{i}}-\overline{v})}{\sum\limits_{i=1}^{n}{(}{{u}_{i}}-\overline{u}{{)}^{2}}}\)，\(\widehat{\alpha }=\overline{v}-\widehat{\beta }\overline{u}\)

    \(②\)

\(PM2.5\)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\(PM2.5\)的数据如下表：

\((1)\)根据上表数据，请在下列坐标系中画出散点图；

\((2)\)根据上表数据，用最小二乘法求出\(y\)关于\(x\)的线性回归方程\( \overset{\}{y}= \overset{\}{b}x+ \overset{\}{a} :\begin{cases} \overset{\}{b}= \dfrac{ \sum\nolimits_{i=1}^{n}({x}_{i}- \overset{¯}{x})({y}_{i}- \overset{¯}{y})}{ \sum\nolimits_{i=1}^{n}({x}_{i}- \overset{¯}{x}{)}^{2}} \\ \overset{\}{a}= \bar{y}= \overset{\}{b} \bar{x}.\end{cases}= \dfrac{ \sum\nolimits_{i=1}^{n}{x}_{i}{y}_{i}-n \overset{¯}{xy})}{ \sum\nolimits_{i=1}^{n}x_{i}^{2}-n{ \bar{x}}^{2}}, \)

\((\)参考数据：\( \sum\limits_{i=1}^{5}x_{i}^{2}=14630, \sum\limits_{i=1}^{5}{x}_{i}{y}_{i}=20044 )\)

\((3)\)若周六同一时间段车流量是\(25\)万辆，试根据\((2)\)求出的线性回归方程预测，此时\(PM2.5\)的浓度为多少\((\)保留整数\()\)

在寒假社会实践活动中，对白天平均气温与某家奶茶店的\(A\)牌饮料销量之间的关系进行了分析研究，他分别记录了\(1\)月\(11\)日至\(1\)月\(15\)日的白天气温\(x\)与该奶茶店的\(A\)牌饮料销量\(y(\)杯\()\)，得到如下表数据：

\((2)\)据\((1)\)得的线性回归方程，若天气预报\(1\)月\(16\)号的白天平均气温为\(7(℃)\)，请预测该奶茶店这种饮料的销量．

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