表中提供了某厂节能降耗技术改造后生产\(A\)产品过程中记录的产量\(x(\)吨\()\)与相应的生产能耗\(y(\)吨标准煤\()\)的几组对应数据\(.\)根据下表提供的数据，求出\(y\)关于\(x\)的线性回归方程为\( \hat {y}=0.7x+0.35\)，那么表中\(t\)的值为\((\)　　\()\)

\(x\)	\(3\)	\(4\)	\(5\)	\(6\)
\(y\)	\(2.5\)	\(t\)	\(4\)	\(4.5\)

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\(R^{2}=1- \dfrac { \sum\limits_{i=1}^{n}(y_{i}- \overset{\hat{} }{y}_{i})^{2}}{ \sum\limits_{i=1}^{n}(y_{i}- \overline {y})^{2}}\)．

某车间加工零件的数量\(x\)与加工时间\(y\)的统计数据如表：

零件数\(x(\)个\()\)	\(10\)	\(20\)	\(30\)
加工时间\(y(\)分钟\()\)	\(21\)	\(30\)	\(39\)

现已求得上表数据的回归方程\( \hat y= \hat bx+ \hat a\)中的\( \hat b\)值为\(0.9\)，则据此回归模型可以预测，加工\(100\)个零件所需要的加工时间约为\((\)　　\()\)

假设关于某设备的使用年限\(x\)和所支出的维修费用\(y(\)万元\()\)，有如下的统计数据\((x_{i},y_{i})(i=1,2,3,4,5)\)由资料知\(y\)对\(x\)呈线性相关，并且统计的五组数据得平均值分别为\( \overset{ .}{x}=4\)，\( \overset{ .}{y}=5.4\)，若用五组数据得到的线性回归方程\( \hat y=bx+a\)去估计，使用\(8\)年的维修费用比使用\(7\)年的维修费用多\(1.1\)万元，
\((1)\)求回归直线方程；\((2)\)估计使用年限为\(10\)年时，维修费用是多少？

对于回归直线方程\( \hat y=4.75x+257\)，当\(x=28\)时，\(y\)的估计值为 ______ ．

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\(6\)组观测数据如下表：

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：\(\bar{x}=\dfrac{1}{6}\sum\limits_{i=1}^{6}{{{x}_{i}}}=26\)，\(\bar{y}=\dfrac{1}{6}\sum\limits_{i=1}^{6}{{{y}_{i}}}=33\)，\(\sum\limits_{i=1}^{6}{({{x}_{i}}-\bar{x})({{y}_{i}}}-\bar{y})=557\)，\(\sum\limits_{i=1}^{6}{{{({{x}_{i}}-\bar{x})}^{2}}}=84\)，\(\sum\limits_{i=1}^{6}{({{y}_{i}}}-\bar{y}{{)}^{2}}=3930\)，线性回归模型的残差平方和\(\sum\limits_{i=1}^{6}{({{y}_{i}}}-{{\hat{y}}_{i}}{{)}^{2}}=236.64\)，\(e^{8.0605}≈3167\)，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\(R^{2}=0.95\)．

\(( i )\)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

\(\hat{b}=\dfrac{\sum\limits_{i=1}^{n}{({{x}_{i}}-\bar{x})({{y}_{i}}}-\bar{y})}{\sum\limits_{i=1}^{n}{{{({{x}_{i}}-\bar{x})}^{2}}}},\hat{a}=\bar{y}−\hat{b}\bar{x}\)；相关指数\(R^{2}=1-\dfrac{\sum\limits_{i=1}^{n}{({{y}_{i}}}-{{{\hat{y}}}_{i}}{{)}^{2}}}{\sum\limits_{i=1}^{n}{({{y}_{i}}}-\bar{y}{{)}^{2}}}\)．