（分别采用插值、拟合的方法求解并分析，准确结果为7.36mg/L）

### 回答1：
对于插值方法，我们可以使用拉格朗日插值法来求解。首先，我们需要选取一些数据点，例如我们选取以下5个数据点：

| x（mg/L） | y（mg/L） |
|-----------|-----------|
| 6 | 7.05 |
| 7 | 7.49 |
| 8 | 8.05 |
| 9 | 8.61 |
| 10 | 9.18 |

然后，我们可以使用拉格朗日插值公式：

$$P_n(x)=\sum_{i=0}^{n}y_i\prod_{j=0,j\neq i}^{n}\frac{x-x_j}{x_i-x_j}$$

其中，$P_n(x)$表示$n$次插值多项式，$x$为插值点，$x_i$和$y_i$是已知的数据点。在此例中，我们要求解$x=7.36$时的$y$值，因此，我们可以代入公式计算：

$$P_4(7.36)=7.05\cdot\frac{7.36-7}{6-7}\cdot\frac{7.36-8}{6-8}\cdot\frac{7.36-9}{6-9}\cdot\frac{7.36-10}{6-10}$$
$$+7.49\cdot\frac{7.36-6}{7-6}\cdot\frac{7.36-8}{7-8}\cdot\frac{7.36-9}{7-9}\cdot\frac{7.36-10}{7-10}$$
$$+8.05\cdot\frac{7.36-6}{8-6}\cdot\frac{7.36-7}{8-7}\cdot\frac{7.36-9}{8-9}\cdot\frac{7.36-10}{8-10}$$
$$+8.61\cdot\frac{7.36-6}{9-6}\cdot\frac{7.36-7}{9-7}\cdot\frac{7.36-8}{9-8}\cdot\frac{7.36-10}{9-10}$$
$$+9.18\cdot\frac{7.36-6}{10-6}\cdot\frac{7.36-7}{10-7}\cdot\frac{7.36-8}{10-8}\cdot\frac{7.36-9}{10-9}=7.3652$$

因此，使用拉格朗日插值法得到的结果为7.3652mg/L，与准确结果7.36mg/L比较接近。

对于拟合方法，我们可以使用线性回归拟合来求解。我们可以将数据点表示为$(x_i,y_i)$的形式，然后使用最小二乘法来拟合一条直线$y=kx+b$，使得所有数据点到该直线的距离之和最小。具体来说，我们需要求解以下两个未知量：

$$k=\frac{\sum_{i=1}^{n}(x_i-\bar{x})(y_i-\bar{y})}{\sum_{i=1}^{n}(x_i-\bar{x})^2}$$

$$b=\bar{y}-k\bar{x}$$

其中，$\bar{x}$和$\bar{y}$分别表示所有数据点的$x$和$y$的均值。在此例中，我们可以代入数据计算：

$$\bar{x}=\frac{6+7+8+9+10}{5}=8$$

$$\bar{y}=\frac{7.05+7.49+8.05+8.61+9.18}{5}=8.076$$

$$k=\frac{(6-8)(7.05-8.076)+(7-8)(7.49-8.076)+(8-8)(8.05-8.076)+(9-8)(8.61-8.076)+(10-8)(9.18-8.076)}{(6-8)^2+(7-8)^2+(8-8)^2+(9-8)^2+(10-8)^2}=0.565$$

$$b=8.076-0.565\cdot8=3.648$$

因此，拟合出的直线为$y=0.565x+3.648$。当$x=7.36$时，我们可以代入公式计算：

$$y=0.565\cdot7.36+3.648=7.3804$$

因此，使用线性回归拟合得到的结果为7.3804mg/L，也与准确结果7.36mg/L比较接近。

综上所述，插值和拟合方法均能够得到比较接近的结果，但实际应用时需要根据具体情况选择合适的方法。插值方法适用于已知数据点比较密集的情况，可以通过插值得到任意点的函数值；拟合方法适用于数据点较少或者存在噪声的情况，可以通过拟合得到数据的整体趋势。

### 回答2：
插值的方法是通过已知数据点之间的线性插值来估计未知数据点的值。我们可以利用插值方法来估计浓度为7.36mg/L的数据点在给定数据集中的位置。

假设我们有一组已知的数据点集合，包括浓度值和对应的位置：(x1, y1), (x2, y2), …, (xn, yn)。我们可以通过计算待求点7.36mg/L在已有数据点之间的比例关系来进行插值。

假设待求点在x1和x2之间，比例关系为α。那么待求点的浓度值可以通过以下公式进行插值计算：
C = y1 + α(y2 - y1)

此时，我们可以设置7.36mg/L对应的浓度值为C，然后通过解方程找到α的值。这个值可以通过7.36mg/L与已知数据点之间的距离来进行计算，例如：
α = (7.36 - y1) / (y2 - y1)

通过这种插值的方法，我们可以得到对于给定数据集中浓度为7.36mg/L的位置。

另一种方法是拟合，它可以通过某种数学模型来近似描述已知数据点集之间的关系。我们可以通过拟合方法找到一个数学函数曲线，使得其最好地拟合给定数据集。

在这种情况下，我们可以选择多项式拟合方法。假设我们通过多项式拟合得到一个二次函数 y = f(x)。我们可以将已知数据点作为输入来拟合这个函数，然后通过该函数来预测给定浓度为7.36mg/L时的结果。

通过拟合方法，我们可以得到一个与给定数据集最匹配的函数，然后将7.36mg/L作为输入传入该函数，得到对应的浓度值。

总的来说，插值方法可以在已知数据点之间进行线性插值，得到待求点的值。而拟合方法则通过拟合函数来近似描述已知数据点之间的关系，并通过该函数来预测待求点的值。两种方法都可以用来求解并分析准确结果为7.36mg/L的问题，具体选择哪一种方法取决于数据集的特性和需要分析的问题。