(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.
1 | 2 | 3 | 4 | 5 | 6 | |
1 | 1.5 | 3 | 6 | 12 | ||
(2)根据下表数据,用决定系数(只需比较出大小)比较两种模型的拟合效果哪种更好,并选择拟合精度更高的模型,预测年投入额为百万元时,产品的销售量是多少?
经验回归方程 | ||
残差平方和 |
优秀 | 非优秀 | 总计 | |
甲班 | 10 | b | |
乙班 | c | 30 |
0.10 | 0.05 | 0.025 | 0.010 | 0.0005 | 0.001 | |
2.706 | 3.841 | 5.024 | 6.635 | 7.879 | 10.828 |
①列联表中c的值为30,b的值为35;
②列联表中c的值为20,b的值为 45;
③根据列联表中的数据,若按的可靠性要求,能认为“成绩与班级有关系”;
④根据列联表中的数据,若按的可靠性要求,不能认为“成绩与班级有关系”.
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.
;;.
5 . 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.;;.
(1)下图为没有乙种群时,一段时间内甲种群数量与时间的关系折线图.为预测甲种群的数量变化趋势,研究人员提出了两种可能的数学模型:①;②,其中m,n均为大于1的正数.根据折线图判断,应选用哪种模型进行预测,并说明理由.
(2)设,.
①函数的单调性;
②根据①中的结论说明:在绝大多数情况下,经过充分长的时间后,或者甲种群灭绝,或者乙种群灭绝.
注:在题设条件下,各种群数量均有上限值.
(1)某人进行该抽球试验时,最多进行三轮,即使第三轮不成功,也停止抽球,记其进行抽球试验的轮次数为随机变量,求的分布列和数学期望;
(2)为验证抽球试验成功的概率不超过,有1000名数学爱好者独立的进行该抽球试验,记表示成功时抽球试验的轮次数,表示对应的人数,部分统计数据如下:
1 | 2 | 3 | 4 | 5 | |
232 | 98 | 60 | 40 | 20 |
(3)证明:.
附:经验回归方程系数:,;
参考数据:,,(其中,).
(1)完成列联表,试问:是否有99%的把握判断监管力度与食品质量有关联?
监督力度情况 食品质量情况 | 对监督力度满意 | 对监督力度不满意 | 总计 |
对食品质量满意 | 80 | ||
对食品质量不满意 | |||
总计 | 200 |
参考公式:,其中.
参考数据:
①当时,有90%的把握判断变量A、B有关联;
②当时,有95%的把握判断变量A、B有关联;
③当时,有99%的把握判断变量A、B有关联.
①求批次I成品口罩的次品率.
②第四道工序中红外线自动检测为次品的口罩会被自动淘汰,合格的口罩进入流水线并由工人进行抽查检验.已知批次I的成品口罩红外线自动检测显示合格率为92%,求工人在流水线进行人工抽检时,抽检一个口罩恰为合格品的概率(百分号前保留两位小数).
(2)已知某批次成品口罩的次品率为,设100个成品口罩中恰有1个不合格品的概率为,记的最大值点为,改进生产线后批次的口罩的次品率.某医院获得批次,的口罩捐赠并分发给该院医务人员使用.经统计,正常佩戴使用这两个批次的口罩期间,该院医务人员核酸检测情况如下面条形图所示,求,并判断是否有99.9%的把握认为口罩质量与感染新冠肺炎病毒的风险有关?
附:.
0.050 | 0.010 | 0.005 | 0.001 | |
3.841 | 6.635 | 7.879 | 10.828 |
组别号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 |
男同学得分 | 5 | 4 | 5 | 5 | 4 | 5 | 5 | 4 | 4 | 4 | 5 | 5 | 4 |
女同学得分 | 4 | 3 | 4 | 5 | 5 | 5 | 4 | 5 | 5 | 5 | 5 | 3 | 5 |
分差 | 1 | 1 | 1 | 0 | -1 | 0 | 1 | -1 | -1 | -1 | 0 | 2 | -1 |
组别号 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | |
男同学得分 | 4 | 3 | 4 | 4 | 4 | 4 | 5 | 5 | 5 | 4 | 3 | 3 | |
女同学得分 | 5 | 3 | 4 | 5 | 4 | 3 | 5 | 5 | 3 | 4 | 5 | 5 | |
分差 | -1 | 0 | 0 | -1 | 0 | 1 | 0 | 0 | 2 | 0 | -2 | -2 |
(I)完成列联表,并判断是否有90%的把握认为“该次对抗赛是否得满分”与“同学性别”有关;
(Ⅱ)某课题研究小组假设各组男女同学分差服从正态分布,首先根据前20组男女同学的分差确定和,然后根据后面5组同学的分差来检验模型,检验方法是:记后面5组男女同学分差与的差的绝对值分别为,若出现下列两种情况之一,则不接受该模型,否则接受该模型.①存在;②记满足的i的个数为k,在服从正态分布的总体(个体数无穷大)中任意取5个个体,其中落在区间内的个体数大于或等于k的概率为P,.
试问该课题研究小组是否会接受该模型.
0.10 | 0.05 | 0.010 | |
2.706 | 3.841 | 6.635 |
参考公式和数据:
,;若,有,.