6 . 人工智能发展迅猛，在各个行业都有应用．某地图软件接入了大语言模型后，可以为用户提供更个性化的服务，某用户提出：“请统计我早上开车从家到公司的红灯等待时间，并形成统计表．”地图软件就将他最近100次从家到公司的导航过程中的红灯等待时间详细统计出来，将数据分成了，，，，（单位：秒）这5组，并整理得到频率分布直方图，如图所示．

(1)求图中a的值；
(2)估计该用户红灯等待时间的中位数（结果精确到0.1）；
(3)根据以上数据，估计该用户在接下来的10次早上从家到公司的出行中，红灯等待时间低于85秒的次数．

9 . 某校研究性学习小组研究的课题是数学成绩与物理成绩的关系，随机抽取了20名同学期末考试中的数学成绩和物理成绩，如表1：

表1：
序号	数学	物理
1	144	95
2	130	90
3	124	79
4	120	85
5	110	69
6	107	82
7	103	80
8	102	62
9	100	67
10	98	75
11	98	68
12	95	77
13	94	59
14	92	65
15	90	57
16	88	58
17	85	70
18	85	55
19	80	52
20	75	54

(1)数学120分及以上记为优秀，物理80分及以上记为优秀.
（i）完成如下列联表；

数学成绩	物理成绩		合计
	优秀	不优秀
优秀
不优秀
合计

（ii）依据的独立性检验，能否认为数学成绩与物理成绩有关联？
(2)从这20名同学中抽取5名同学的成绩作为样本，如表2：
表2：

数学成绩	130	110	100	85	75
物理成绩	90	69	67	70	54

如图所示：以横轴表示数学成绩､纵轴表示物理成绩建立直角坐标系，将表2中的成对样本数据表示为散点图，观察散点图，可以看出样本点集中在一条直线附近，由此推断数学成绩与物理成绩线性相关.

（i）求样本相关系数；
（ii）建立物理成绩关于数学成绩的一元线性回归模型，求经验回归方程，并预测数学成绩120的同学物理成绩大约为多少？（四舍五入取整数）
参考公式：（1）样本相关系数.
（2）经验回归方程；.
（3），其中.
临界值表：

	0.1	0.05	0.01	0.005	0.001
	2.706	3.841	6.635	7.879	10.828