18．已知复数z=$\frac{2-i}{i}$（i为虚数单位），则复数z的实部为-1．

17．已知函数f（x）=$\left\{\begin{array}{l}{{e}^{ax}+3，x＞0}\\{\frac{2}{3}{x}^{3}+{x}^{2}+4，x≤0}\end{array}\right.$在[-3，3]上的最大值为$\frac{13}{3}$，则实数a的取值范围是（　　）

A．

[0，$\frac{1}{3}$ln$\frac{4}{3}$]

B．

[$\frac{1}{3}$ln$\frac{4}{3}$，+∞）

C．

（-∞，0]

D．

（-∞，$\frac{1}{3}$ln$\frac{4}{3}$]

16．已知向量$\overrightarrow{a}$=（2，0），$\overrightarrow{b}$=（1，t）（t＞0），若丨$\overrightarrow{a}-\overrightarrow{b}$丨=$\overrightarrow{a}$•$\overrightarrow{b}$，t=（　　）

A．

1

B．

$\sqrt{2}$

C．

$\sqrt{3}$

D．

2

15．从一批羽毛球产品中任取一个，其质量小于4.8g的概率为0.3，质量小于4.85g的概率为0.32，那么质量在[4.8，4.85]（g）范围内的概率是（　　）

A．

0.62

B．

0.38

C．

0.02

D．

0.68

14．下列有关回归分析的论断：
①相关系数r是衡量两个变量之间线性关系强弱的量，|r|越接近1，这两个变量线性相关关系越弱，|r|越接近0，线性相关关系越强；
②随机误差e的均值为0，它的方差σ²越小，预报真实值的精度越高；
③残差图的带状区域的宽度越窄，模型拟合的精度越髙，回归方程的预报精度越高；
④在回归模型中，x只能解释部分y的变化，故x称为解释变量，y称为预报变量，其中所有正确论断的序号是②③④．

13．设函数f（x）=|x+1|-|x-a|（a∈R）
（Ⅰ）当a=l时，求不等式f（x）≤1的解集
（Ⅱ）对任意m∈R^*，x∈R不等式f（x）≤m+$\frac{4}{m}$恒成立，求实数a的取值范围．

12．已知复数z满足3z+$\overline{z}$=8+6i （其中i为虚数单位），则复数z=2+3i．

11．已知函数f（x）=|x-1|-|x|+a．
（1）若a=0，求不等式f（x）≥0的解集；
（2）若方程f（x）+x=0有三个不同的解，求实数a的取值范围．

10．在直角坐标系xOy中，直线l的参数方程是$\left\{\begin{array}{l}{x=\frac{\sqrt{3}}{2}t+m}\\{y=\frac{1}{2}t}\end{array}\right.$（t为参数），以坐标原点O为极点，以x轴的正半轴为极轴，建立极坐标系，曲线C的极坐标方程是ρ=2cosθ．
（1）求直线l的普通方程和曲线C的直角坐标方程；
（2）设点P（m，0），若直线l与曲线C交于A、B两点，且|PA|•|PB|=1，求实数m的值．

9．菜农定期使用低害杀虫农药对蔬菜进行喷洒，以防止害虫的危害，但采集上市时蔬菜仍有少量的残留农药，食用时需要用清水清洗干净．如表是用清水x（单位：千克）清洗该蔬菜1千克后，蔬菜上残留的农药y（单位：微克）的统计表：

x	1	2	3	4	5
y	58	54	39	29	10

（1）令ω=x²，利用给出的参考数据求出y关于ω的回归方程$\widehat{y}$=$\widehat{b}$ω+$\widehat{a}$（$\widehat{a}$，$\widehat{b}$精确到0.1）．
参考数据：$\sum_{i=1}^{5}$ω_i=55，$\sum_{i=1}^{5}$（ω_i-$\overline{ω}$）（y_i-$\overline{y}$）=-751，$\sum_{i=1}^{5}$（ω_i-$\overline{ω}$）²=374．其中ω_i=x${\;}_{i}^{2}$，$\overline{ω}$=$\frac{1}{5}$$\sum_{i=1}^{5}$ω_i．
（2）对于某种残留在蔬菜上的农药，当它的残留量不高于20微克时对人体无害，为了放心食用该蔬菜，请估计至少需要多少千克的清水洗1千克蔬菜？（精确到0.1，参考数据$\sqrt{5}$≈2.24）．
（附：对于一组数据（u₁，v₁），（u₂，v₂），…，（u_n，v_n），其回归直线v=α+βu的斜率和截距的最小二乘估计分别为$\widehat{β}$=$\frac{\sum_{i=1}^{n}（{u}_{i}-\overline{u}）（{v}_{i}-\overline{v}）}{\sum_{i=1}^{n}（{u}_{i}-\overline{u}）^{2}}$，$\widehat{a}$=$\overline{v}$-$\widehat{β}$$\overline{u}$．