1 . 在传染病学中，通常把从致病刺激物侵入机体或者对机体发生作用起，到机体出现反应或开始呈现该疾病对应的相关症状时止的这一阶段称为潜伏期，一研究团队在当地感染某一种传染病的人群中随机抽取了200名患者，其中潜伏期超过5天的患者人数为80．
(1)为了研究这200名患者中潜伏期超过5天的群体与不超过5天的群体的性别是否有显著性差异，该团队将患者按性别分成两组进行对比，人数分布如下表所示：

	潜伏期≤5天	潜伏期>5天	总计
男	67	34	101
女	53	46	99
总计	120	80	200

请根据表中数据，判断这两类人群的性别有无显著性差异（显著性水平），并说明理由；（附：，其中，）
(2)为了进一步深化研究，该团队拟在当地随机抽取名患者开展个案分析．现用200名患者中潜伏期超过5天的频率值，作为“从当地随机抽取一名患者，其潜伏期超过5天”的概率的估计值．若该团队希望事件“这n名患者中，至少有2人的潜伏期超过5天”发生的概率不低于0.9，同时为了保障个案分析的质量，考虑到时间与成本的制约，希望抽取的患者数尽可能少，则该团队应该抽取多少名患者?

2 . 生涯规划是对职业生涯乃至人生进行持续的系统的计划过程.高中选科分类是生涯规划的重要组成部分，生涯规划专业团队为某“乡村振兴县”的高中学生指导学生选科分类，生涯规划团队在该县的高一学生中随机抽取100名学生，进行选科类别与学生性别的关系研究，得到的统计数据如下列联表：（单位：名）

	男生	女生	合计
历史类	15	25	40
物理类	35	25	60
合计	50	50	100

(1)依据的独立性检验，分析学生的性别是否对选科分类有影响；
(2)生涯规划团队远过对随机抽取的100名学生中的男生的样本数据分析得到：首选物理，再选化学和地理的频率为；首选历史，再选化学和地理的频率为.以样本估计总体，频率估计概率，为进一步了解学生选科的情况，再从全校男生中用随机抽样的方法选取4名学生，记选取的4名男生中选化学和地理人数为，求的分布列和数学期望.
附，.

	0.100	0.050	0.010	0.001
	2.706	3.841	6.635	10.828

6 . 随着人工智能的进一步发展，逐渐进入大众视野．是一种基于人工智能的语言模型，具备卓越的自然语言处理能力、广泛的知识覆盖范围和富有创造性的回答能力，是人们学习、工作与生活中的出色助手．尽管如此，也有部分人认为会对人类未来工作产生威胁，由于其在提高工作效率方面的出色表现，将在未来取代一部分人的职业．现对200家企业开展调查，统计每家企业一年内应用的广泛性及招聘人数的增减，得到数据结果统计如下表所示：

应用广泛性	招聘人数减少	招聘人数增加	合计
广泛应用	60	50	110
没有广泛应用	40	50	90
合计	100	100	200

(1)根据小概率的独立性检验，是否有99%的把握认为企业招聘人数的增减与应用的广泛性有关？
(2)用频率估计概率，从招聘人数减少的企业中随机抽取30家企业，记其中广泛应用的企业有X家，事件“”的概率为．求X的分布列并计算使取得最大值时k的值．
附：，其中．

	0.1	0.05	0.01
	2.706	3.841	6.635

7 . 在农业生产中，对植物病害进行诊断可以帮助我们确定并采取适宜的防治措施，能很大程度上减少植物病害的发生，保障农作物的品质和产量．为测量一植物的某项指标值，研究人员引入了一种新型检测方法，该方法每次只需检测叶片黄化程度、病斑面积两项，若叶片黄化程度的百分比大于且白病斑面积的百分比大于，则检验结果为阳性，否则为阴性．为检验该检测方法是否准确，研究人员随机抽取类植物50株（用“*”表示）和类植物50株（用“+”表示）进行检测．检测结果制成如下散点图：

(1)从50株类植物中随机抽取一株，求检测结果呈阳性的概率；
(2)从检测结果呈阴性的类植物和呈阳性的类植物中按照分层抽样的方法抽取8株，再从这8株中随机抽取3株，记这3株中呈阳性的株数为，求的分布列和数学期望；
(3)根据散点图，补全下面的2×2列联表，并判断是否有的把握认为植物的种类与该指标检测结果有关．

植物种类	阳性	阴性	合计
A类植物
B类植物
合计

附：，

	0.050	0.010	0.005
	3.841	6.635	7.879

8 . 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

9 . 某校为了给高三学生举办“18岁成人礼”活动，由团委草拟了活动方案，并以问卷的形式调查了部分同学对活动方案的评分（满分100分），所得评分统计如图所示.

(1)以频率估计概率，若在所有的学生中随机抽取3人，记评分在的人数为，求的数学期望和方差.
(2)为了解评分是否与性别有关，随机抽取了部分问卷，统计结果如下表所示，则依据的独立性检验，能否认为评分与性别有关？

	男生	女生
评分	30	35
评分	20	15

(3)若将（2）中表格的人数数据都扩大为原来的10倍，则依据的独立性检验，所得结论与（2）中所得结论是否一致？直接给出结论即可，不必书写计算过程.

参考数据：

	0.1	0.05	0.01
	2.706	3.841	6.635