(1)求样本(,2…,15)的相关系数;
(2)假设该植物的寿命为随机变量X(X可取任意正整数).研究人员统计大量数据后发现:对于任意的,寿命为的样本在寿命超过k的样本里的数量占比与寿命为1的样本在全体样本中的数量占比相同,均等于0.1,这种现象被称为“几何分布的无记忆性”.
(ⅰ)求()的表达式;
(ⅱ)推导该植物寿命期望的值.
附:相关系数.
喜爱篮球运动 | 不喜爱篮球运动 | 合计 | |
男性 | 60 | 40 | 100 |
女性 | 20 | 80 | 100 |
合计 | 80 | 120 | 200 |
(2)校篮球队中的甲、乙、丙三名球员将进行传球训练,第1次由甲将球传出,每次传球时,传球者都等可能的将球传给另外两个人中的任何一人,如此不停地传下去,且假定每次传球都能被接到.记开始传球的人为第1次触球者,第次触球者是甲的概率记为,即.
①求(直接写出结果即可);
②证明:数列为等比数列,并比较第9次与第10次触球者是甲的概率的大小.
0.100 | 0.050 | 0.025 | 0.010 | 0.001 | |
2.706 | 3.841 | 5.024 | 6.635 | 10.828 |
(1)设函数,记“切线-轴数列”为,记为的前n项和,求.
(2)设函数,记“切线-轴数列”为,猜想的通项公式并证明你的结论.
(3)设复数均为不为0的实数,记为的共轭复数,设,记“切线-轴数列”为,求证:对于任意的不为0的实数,总有成立.
学生编号i | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
数学成绩 | 100 | 99 | 96 | 93 | 90 | 88 | 85 | 83 | 80 | 77 |
知识竞赛成绩 | 290 | 160 | 220 | 200 | 65 | 70 | 90 | 100 | 60 | 270 |
学生编号i | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 |
数学成绩 | 75 | 74 | 72 | 70 | 68 | 66 | 60 | 50 | 39 | 35 |
知识竞赛成绩 | 45 | 35 | 40 | 50 | 25 | 30 | 20 | 15 | 10 | 5 |
(1)求这组学生的数学成绩和知识竞赛成绩的样本相关系数(精确到0.01);
(2)设,变量和变量的一组样本数据为,其中两两不相同,两两不相同.记在中的排名是第位,在中的排名是第位,.定义变量和变量的“斯皮尔曼相关系数”(记为)为变量的排名和变量的排名的样本相关系数.
(i)记,.证明:;
(ii)用(i)的公式求得这组学生的数学成绩和知识竞赛成绩的“斯皮尔曼相关系数”约为0.91,简述“斯皮尔曼相关系数”在分析线性相关性时的优势.
注:参考公式与参考数据.
;;.
喜爱阅读 | 不喜爱阅读 | 共计 | |
女生 | 45 | 50 | |
男生 | 15 | ||
共计 |
(2)现进行一项阅读答题测试,测试规则:若该同学连续三次答对,则测试通过,答题结束;若出现连续两次答错,则未通过测试,答题结束.其余情况下可以一直答题,直至出现前面两种情况.已知该同学每次答对的概率为,求该同学通过测试的概率.
参考附表:
0.050 | 0.025 | 0.010 | |
3.841 | 5.024 | 6.635 |
6 . 某校20名学生的数学成绩和知识竞赛成绩如下表:
学生编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
数学成绩 | 100 | 99 | 96 | 93 | 90 | 88 | 85 | 83 | 80 | 77 |
知识竞赛成绩 | 290 | 160 | 220 | 200 | 65 | 70 | 90 | 100 | 60 | 270 |
学生编号 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 |
数学成绩 | 75 | 74 | 72 | 70 | 68 | 66 | 60 | 50 | 39 | 35 |
知识竞赛成绩 | 45 | 35 | 40 | 50 | 25 | 30 | 20 | 15 | 10 | 5 |
计算可得数学成绩的平均值是,知识竞赛成绩的平均值是,并且,,.
(1)求这组学生的数学成绩和知识竞赛成绩的样本相关系数(精确到).
(2)设,变量和变量的一组样本数据为,其中两两不相同,两两不相同.记在中的排名是第位,在中的排名是第位,.定义变量和变量的“斯皮尔曼相关系数”(记为)为变量的排名和变量的排名的样本相关系数.
(i)记,.证明:.
(ii)用(i)的公式求这组学生的数学成绩和知识竞赛成绩的“斯皮尔曼相关系数”(精确到).
(3)比较(1)和(2)(ii)的计算结果,简述“斯皮尔曼相关系数”在分析线性相关性时的优势.
注:参考公式与参考数据.;;.
数学成绩优秀 | 数学成绩不优秀 | 合计 | |
经常整理 | |||
不经常整理 | |||
合计 |
(2)根据图1、图2中的数据,补全上方列联表,并根据小概率值的独立性检验,分析数学成绩优秀与经常整理数学错题是否有关?
(3)用频率估计概率,在全市中学生中按“经常整理错题”与“不经常整理错题”进行分层抽样,随机抽取5名学生,再从这5名学生中随机抽取2人进行座谈.求这2名同学中经常整理错题且数学成绩优秀的人数X的分布列和数学期望.
附:
(1)根据散点图推断两个变量是否线性相关.计算样本相关系数(精确到0.01),并推断它们的相关程度;
(2)(i)假设变量x与变量Y的n对观测数据为(x1,y1),(x2,y2),…,(xn,yn),两个变量满足一元线性回归模型 (随机误差).请推导:当随机误差平方和Q=取得最小值时,参数b的最小二乘估计.
(ii)令变量,则变量x与变量Y满足一元线性回归模型利用(i)中结论求y关于x的经验回归方程,并预测2024年移动物联网连接数.
附:样本相关系数,,,,
下表是2022年卡塔尔世界杯淘汰赛阶段的比赛结果:
淘汰赛 | 比赛结果 | 淘汰赛 | 比赛结果 |
1/8决赛 | 荷兰美国 | 1/4决赛 | 克罗地亚巴西 |
阿根廷澳大利亚 | 荷兰阿根廷 | ||
法国波兰 | 摩洛哥葡萄牙 | ||
英格兰塞内加尔 | 英格兰法国 | ||
日本克罗地亚 | 半决赛 | 阿根廷克罗地亚 | |
巴西韩国 | 法国摩洛哥 | ||
摩洛哥西班牙 | 季军赛 | 克罗地亚摩洛哥 | |
葡萄牙瑞士 | 决赛 | 阿根廷法国 |
(1)请根据上表估计在世界杯淘汰赛阶段通过点球大战分出胜负的概率.
(2)根据题意填写下面的列联表,并通过计算判断是否能在犯错的概率不超过0.01的前提下认为“32支决赛圈球队闯入8强”与是否为欧洲球队有关.
欧洲球队 | 其他球队 | 合计 | |
闯入8强 | |||
未闯入8强 | |||
合计 |
参考公式:
0.1 | 0.05 | 0.01 | 0.005 | 0.001 | |
2.706 | 3.841 | 6.635 | 7.879 | 10.828 |
(1)求这9个生产总值中超过其平均值的概率;
(2)由统计图可看出,从第6年开始,该地区第三产业生产总值呈直线上升趋势,试从第6年开始用线性回归模型预测该地区第11年的第三产业生产总值.
(附:对于一组数据,,,其回归直线的斜率和截距的最小二乘法估计分别为:,.)