1 . 近年来,短视频作为以视频为载体的聚合平台,社交属性愈发突出,在用户生活中覆盖面越来越广泛,针对短视频的碎片化缺陷,将短视频剪接成长视频势必成为一种新的技能.某机构在网上随机对1000人进行了一次市场调研,以决策是否开发将短视频剪接成长视频的APP,得到如下数据:
青年人 | 中年人 | 老年人 | |
对短视频剪接成长视频的APP有需求 | 200 | ||
对短视频剪接成长视频的APP无需求 | 150 |
其中的数据为统计的人数,已知被调研的青年人数为400.
(1)求的值;
(2)根据小概率值的独立性检验,分析对短视频剪接成长视频的APP的需求,青年人与中老年人是否有差异?
参考公式:,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 |
2 . 陕西省从2022年秋季启动新高考,新高考“3+1+2”模式中“3”为全国统一高考科目的语文、数学、外语,“1”为首选科目.要求从物理、历史2门科目中确定1门,“2”为再选科目,要求从思想政治、地理、化学、生物学4门科目中确定2门,共计产生12种组合.某班有学生50名,在选科时,首选科目选历史和物理的统计数据如下表所示:
历史 | 物理 | 合计 | |
男生 | 1 | 24 | 25 |
女生 | 9 | 16 | 25 |
合计 | 10 | 40 | 50 |
附:,其中.
0.100 | 0.050 | 0.010 | 0.005 | 0.001 | |
2.706 | 3.841 | 6.635 | 7.879 | 10.828 |
(1)根据表中的数据,判断是否有99.5%的把握认为学生选择历史与性别有关;
(2)从选择物理类的40名学生中按照分层抽样,任意抽取5名同学成立学习小组,该小组设正、副组长各一名,求正、副组长中至少有一名女同学的概率.
性别 | 体育锻炼 | 合计 | |
喜欢 | 不喜欢 | ||
男 | |||
女 | 50 | 80 | |
合计 | 110 |
A.样本中男生所占比例为 |
B.估计该校不喜欢体育锻炼的学生所占比例为. |
C.样本中喜欢体育锻炼的男生比喜欢体育锻炼的女生多50人 |
D.没有的把握认为是否喜欢体育锻炼与性别有关联 |
总计 | |||
a | b | ||
c | d | ||
总计 |
A.若每个数据a,b,c,d均变为原来的2倍,则的值不变 |
B.越大,两个变量有关联的可能性越大 |
C.对于独立性检验,随机变量的值越小,判定“两变量有关系”犯错误的概率越大 |
D.若计算得到,则有的把握认为与有关 |
A.两个变量x,y的线性相关系数越大,则与之间的线性相关性越强 |
B.若两个变量x,y的线性相关系数,则与之间不具有线性相关性 |
C.在一组样本数据的散点图中,若所有样本点都在直线上,则这组样本数据的样本相关系数为0.9 |
D.在一组样本数据中,根据最小二乘法求得线性回归方程为且,去除两个异常数据和后,若得到的新线性回归直线的斜率为3,则新的线性回归方程为 |
年龄在50岁以上(含50岁) | 年龄在50岁以下 | |||
性别 | 男 | 女 | 男 | 女 |
持支持态度 | 15 | 10 | 30 | 15 |
不持支持态度 | 10 | 10 | 5 | 5 |
7 . 数据显示,中国在线直播用户规模及在线直播购物规模近几年都保持高速增长态势,某线下家电商场为提升人气和提高营业额也开通了在线直播,下表统计了该商场开通在线直播的第x天的线下顾客人数y(单位:百人)的数据:
x | 1 | 2 | 3 | 4 | 5 |
y | 10 | 12 | 15 | 18 | 20 |
(1)根据第1至第5天的数据分析,计算变量y与x的相关系数r,并用r判断两个变量y与x相关关系的强弱(精确到小数点后三位);
(2)根据第1至第5天的数据分析,可用线性回归模型拟合y与x的关系,试求出该线性回归方程并估计该商场开通在线直播的第10天的线下顾客人数.
(参考公式:相关系数,参考数据:
回归方程:,其中,)
8 . 为了比较两种治疗高血压的药(分别称为甲药,乙药)的疗效,随机选取20位患者服用甲药,20位患者服用乙药,这40位患者在服用一段时间后,记录他们日平均降低的血压数值(单位:mmhg).根据记录的数据绘制了如下茎叶图:
(1)根据茎叶图判断哪种药的疗效更好?并给出两种理由进行说明;
(2)求40位患者在服用一段时间后,日平均降低血压数值的中位数,并将日平均降低血压数值超过和不超过的患者数填入下面的列联表:
超过 | 不超过 | |
服用甲药 | ||
服用乙药 |
(3)根据(2)中的列联表,能否有的把握认为这两种药物的疗效有差异?
附:,
0.15 | 0.10 | 0.05 | |
2.072 | 2.706 | 3.841 |
9 . 下表是某地从2019年至2023年能源消费总量近似值(单位:千万吨标准煤)的数据表:
年份 | 2019 | 2020 | 2021 | 2022 | 2023 |
年份代号 | 1 | 2 | 3 | 4 | 5 |
能源消费总量近似值(单位:千万吨标准煤) | 44.2 | 44.6 | 46.2 | 47.8 | 50.8 |
以为解释变量,为响应变量,若以为回归方程,则决定系数0.9298,若以为回归方程,则,则下面结论中正确的有( )
A.变量和变量的样本相关系数为正数 |
B.比的拟合效果好 |
C.由回归方程可准确预测2024年的能源消费总量 |
D. |