"硬科技"是以人工智能,航空航天,生物技术,光电芯片,信息技术,新材料,新能源,智能制造等为代表的高精尖科技,属于由科技创新构成的物理世界,是需要长期研发投入,持续积累才能形成的原创技术,具有极高技术门槛和技术壁垒,难以被复制和模仿。在华为的影响下,我国的一大批自主创新的企业都在打造自己的科技品牌,某高科技企业为确定下一年度投入某种产品的研发费用,需了解年研发费用 $x$(单位:千万元)对年销售量 $y$(单位:千万件)的影响,统计了近 10 年投入的年研发费用 $x$ ,与年销售量 $y_i( i =1,2,3, \cdots, 10)$ 的数据,得到如图所示的散点图.
(1)利用散点图判断,$y=a+b x$ 和 $y=c+d \ln x$(其中 $a, b, c, d$ 为大于 0 的常数)哪一个更适合作为年研发费用 $x$ 和年销售量 $y$ 的回归方程类型;(只要给出判断即可,不必说明理由)
(2)对数据作出如下处理:得到相关统计量的值如表:
其中令 $w_1=\ln x_{ i }, \bar{w}=\frac{1}{10} \sum_{ i =1}^{10} w_{ i }$ .
根据(1)的判断结果及表中数据,求 $y$ 关于 $x$ 的回归方程,并预测投入的年研发费用 28 千万元时的年销售量;
(3)从这 10 年的数据中随机抽取 3 个,记年销售量超过 30 (千万件)的个数为 $X$ ,求 $X$ 的分布列和数学期望.
参考数据和公式: $\ln 2 \approx 0.69, \ln 7 \approx 1.95$ .对于一组数据 $\left(u_1, v_1\right),\left(u_2, v_2\right), \ldots,\left(u_n, v_n\right)$ ,其回归直线 $\hat{v}=\hat{\alpha}+\hat{\beta} u$ 的斜率和截距的最小二乘估计分别为:$\hat{\beta}=\frac{\sum_{i=1}^n u_i v_i-n \overline{u v}}{\sum_{i=1}^n u_i^2-n \bar{u}^2}=\frac{\sum_{i=1}^n\left(u_i-\bar{u}\right)\left(v_i-\bar{v}\right)}{\sum_{i=1}^n\left(u_i-\bar{u}\right)^2}, \hat{\alpha}=\bar{v}-\hat{\beta} \bar{u}$ .