1 . （1）设、，，求证：；
（2）请利用二项式定理证明：.

2 . （1）求证：；

（2）利用等式可以化简：；类比上述方法，化简下式：.

（3）已知等差数列的首项为，公差为，求证：对于任意正整数，函数总是关于的一次函数.

3 . 某商场为促销设计了一项回馈客户的抽奖活动，抽奖规则是：有放回的从装有大小相同的6个红球和4个黑球的袋中任意抽取一个，若第一次抽到红球则奖励50元的奖券，抽到黑球则奖励25元的奖券；第二次开始，每一次抽到红球则奖券数额是上一次奖券数额的2倍，抽到黑球则奖励25元的奖券，记顾客甲第n次抽奖所得的奖券数额的数学期望为．
(1)求及的分布列．
(2)写出与的递推关系式，并证明为等比数列；
(3)若顾客甲一共有6次抽奖机会，求该顾客所得的所有奖券数额的期望值．（考数据：​）

6 . 为了解学生中午的用餐方式（在食堂就餐或点外卖）与最近食堂间的距离的关系，某大学于某日中午随机调查了2000名学生，获得了如下频率分布表（不完整）：

学生与最近食堂间的距离						合计
在食堂就餐	0.15		0.10		0.00	0.50
点外卖		0.20			0.00	0.50
合计	0.20			0.15	0.00	1.00

并且由该频率分布表，可估计学生与最近食堂间的平均距离为（同一组数据以该组数据所在区间的中点值作为代表）.
(1)补全频率分布表，并根据小概率值的独立性检验，能否认为学生中午的用餐方式与学生距最近食堂的远近有关（当学生与最近食堂间的距离不超过时，认为较近，否则认为较远）：
(2)已知该校李明同学的附近有两家学生食堂甲和乙，且他每天中午都选择食堂甲或乙就餐.
（i）一般情况下，学生更愿意去饭菜更美味的食堂就餐.某日中午，李明准备去食堂就餐.此时，记他选择去甲食堂就餐为事件，他认为甲食堂的饭菜比乙食堂的美味为事件，且、均为随机事件，证明：：
（ii）为迎接为期7天的校庆，甲食堂推出了如下两种优惠活动方案，顾客可任选其一.
①传统型优惠方案：校庆期间，顾客任意一天中午去甲食堂就餐均可获得元优惠；
②“饥饿型”优惠方案：校庆期间，对于顾客去甲食堂就餐的若干天（不必连续）中午，第一天中午不优惠（即“饥饿”一天），第二天中午获得元优惠，以后每天中午均获得元优惠（其中，为已知数且）.
校庆期间，已知李明每天中午去甲食堂就餐的概率均为（），且是否去甲食堂就餐相互独立.又知李明是一名“激进型”消费者，如果两种方案获得的优惠期望不一样，他倾向于选择能获得优惠期望更大的方案，如果两种方案获得的优惠期望一样，他倾向于选择获得的优惠更分散的方案.请你据此帮他作出选择，并说明理由.
附：，其中.

	0.10	0.010	0.001
	2.706	6.635	10.828

7 . 某区域中的物种C有A种和B种两个亚种．为了调查该区域中这两个亚种的数目比例（A种数目比B种数目少），某生物研究小组设计了如下实验方案：①在该区域中有放回的捕捉50个物种C，统计其中A种数目，以此作为一次试验的结果；②重复进行这个试验n次（其中），记第i次试验中的A种数目为随机变量（）；③记随机变量，利用的期望和方差进行估算．设该区域中A种数目为M，B种数目为N，每一次试验都相互独立．
(1)已知，，证明：，；
(2)该小组完成所有试验后，得到的实际取值分别为（），并计算了数据（）的平均值和方差，然后部分数据丢失，仅剩方差的数据．
（ⅰ）请用和分别代替和，估算和；
（ⅱ）在（ⅰ）的条件下，求的分布列中概率值最大的随机事件对应的随机变量的取值．

8 . 记（且）的展开式中含x项的系数为，含项的系数为．
(1)求；
(2)若，对，3，4成立，求实数a，b，c的值；
(3)对（2）中的实数a，b，c，证明：对任意且，都成立．

9 . 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

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.
；；.