1 . 某公司有甲、乙两条生产线生产同一种产品，该产品有两个指标．从两条产品线上各随机抽取一些产品，指标数据如下表：

甲生产线 产品序号	1		2		3		4		5		6		7		8		9	10
指标	0.98		0.96		1.07		1.02		1.00		0.93		0.92		0.96		1.11	1.02
指标	2.01		1.97		1.96		2.03		2.03		1.98		1.95		1.99		2.07	2.02
乙生产线 产品序号		1		2		3		4		5		6		7		8
指标		1.02		0.97		0.95		0.94		1.13		0.98		0.97		1.01
指标		2.01		2.03		2.15		1.93		2.01		2.02		2.19		2.04

假设用频率估计概率，且两条生产线相互独立．
(1)从甲生产线上随机抽取一件产品，估计其指标大于1且指标大于2的概率；
(2)从甲、乙生产线上各随机抽取一件产品，设X表示指标大于2的产品数，估计X的数学期望；
(3)已知产品指标之和与3的差的绝对值越小则产品越好，两条生产线各生产一件产品，甲、乙哪条生产线产品更好的概率估计值最大？（结论不要求证明）

2 . 自2022北京冬奥会以来，花样滑冰项目引起了广泛关注.选手们在冰上起舞，做出步法、旋转、跳跃等技术动作.“技术动作分”由“基础分”和“执行分”相加得到.不同的技术动作，其“基础分”也不同，其中四个跳跃动作4T，4S，4F，4Lz的“基础分”如表1所示.

跳跃动作	4T	4S	4F	4Lz
基础分	9.5	9.7	11.0	11.5

表1
选手表演完，得到相应动作的“执行分”.把“执行分”为非负值的跳跃动作记为“成功”，否则记为“失败”.表2为某选手在上一赛季各跳跃动作的“技术动作分”.

4T	12.04	11.22	4.75	9.06	9.97	11.63	10.98
4S	10.98	10.57	11.32	4.85	9.51	12.07
4F	13.69	5.50	14.02	12.92
4Lz	13.54	14.23	11.21	8.38	11.87

表2
假设用频率估计概率，且选手每个跳跃动作是否“成功”相互独立.
(1)从该选手上一赛季所有4T动作中任选一次，估计这次跳跃为“成功”的概率；
(2)若该选手在本赛季中，计划完成4T，4S，4F 这三个动作，且每个动作只完成一次.将这三个动作中成功的跳跃个数记为X，求X的分布列和数学期望E（X）；
(3)在本赛季中，从四个跳跃动作4T，4S，4F，4Lz中选出三个，使得该选手这三个动作中“成功”的跳跃个数的期望最大，请直接写出这三个动作的名称.

3 . 二维码是一种利用黑､白方块记录数据符号信息的平面图形.某公司计划使用一款由个黑白方块构成的二维码门禁，现用一款破译器对其进行安全性测试，已知该破译器每秒能随机生成个不重复的二维码，为确保一个二维码在1分钟内被破译的概率不高于，则的最小值为__________.

4 . 2022年11月，因受疫情的影响，北京高中全都采用网络授课的方式进行在线教学．北京35中的某老师在高一任教高一1班和高一2班两个班级，其中1班共有学生28人，2班共有学生29人．为了研究学生的学习主动性是否会受到疫情的影响，该名老师统计了连续6天的交作业人数情况，数据如下表：

班级/天	1	2	3	4	5	6
1班（人数）	25	25	20	21	22	21
2班（人数）	27	26	25	24	25	22

(1)从两班所有人当中，随机抽取1人，求该生在第6天作业统计当中，没有交作业的概率；
(2)在高一2班的前3天的作业统计当中，发现只有小明和小华两位同学，是连续3天未交作业，其他人均只有一天未交作业．从高一2班前3天所有未交作业的人中，随机抽取3人，记只有一天未交作业的人数为X，求X的分布列和期望；
(3)在这6次数据统计中，记高一1班每天交作业的人数数据的方差为，每天没交作业的人数数据的方差为，记高一2班每天交作业的人数数据的方差为，每天没交作业的人数数据的方差为，请直接写出，，，的大小关系．

5 . 在机器学习中，精确率、召回率、卡帕系数是衡量算法性能的重要指标．科研机构为了测试某型号扫雷机器人的检测效果，将模拟战场分为100个位点，并在部分位点部署地雷．扫雷机器人依次对每个位点进行检测，表示事件“选到的位点实际有雷”，表示事件“选到的位点检测到有雷”，定义：精确率，召回率，卡帕系数，其中．
(1)若某次测试的结果如下表所示，求该扫雷机器人的精确率和召回率．

	实际有雷	实际无雷	总计
检测到有雷	40	24	64
检测到无雷	10	26	36
总计	50	50	100

(2)对任意一次测试，证明：．
(3)若，则认为机器人的检测效果良好；若，则认为检测效果一般；若，则认为检测效果差．根据卡帕系数评价（1）中机器人的检测效果．

6 . 某年级共200人参加进行物理测试，满分100分，（参考数据：，，）学生的抽测结果服从正态分布，其中60分为及格线，80分为良好线，90分为优秀线，则抽测结果在及格线以上学生人数大约为（       ）

A．137

B．168

C．191

D．195

7 . 为研究中国工业机器人产量和销量的变化规律，收集得到了年工业机器人的产量和销量数据，如下表所示．

年份
产量万台
销量万台

记年工业机器人产量的中位数为，销量的中位数为．定义产销率为“”．
(1)从年中随机取年，求工业机器人的产销率大于的概率；
(2)从年这年中随机取年，这年中有年工业机器人的产量不小于，有年工业机器人的销量不小于．记，求的分布列和数学期望；
(3)从哪年开始的连续年中随机取年，工业机器人的产销率超过的概率最小．结论不要求证明

8 . 图象识别是人工智能领域的一个重要研究方向.某中学人.工智能兴趣小组研发了一套根据人脸照片识别性别的程序.在对该程序的一轮测试中，小组同学输入了200张不同的人脸照片作为测试样本，获得数据如下表（单位：张）：

识别结果 真实性别	男	女	无法识别
男	90	20	10
女	10	60	10

假设用频率估计概率，且该程序对每张照片的识别都是独立的.
(1)从这200张照片中随机抽取一张，已知这张照片的识别结果为女性，求识别正确的概率；
(2)在新一轮测试中，小组同学对3张不同的男性人脸照片依次测试，每张照片至多测一次，当首次出现识别正确或3张照片全部测试完毕，则停止测试.设表示测试的次数，估计的分布列和数学期望；
(3)为处理无法识别的照片，该小组同学提出上述程序修改的三个方案：
方案一：将无法识别的照片全部判定为女性；
方案二：将无法识别的照片全部判定为男性；
方案三：将无法识别的照片随机判定为男性或女性（即判定为男性的概率为50%，判定为女性的概率为.
现从若干张不同的人脸照片（其中男性､女性照片的数量之比为）中随机抽取一张，分别用方案一､方案二､方案三进行识别，其识别正确的概率估计值分别记为.试比较的大小.（结论不要求证明）

9 . 随着生活水平的不断提高，人们对于身体健康越来越重视．为了解人们的健康情况v某地区一体检机构统计了年岁到岁来体检的人数及年龄在，，，的体检人数的频率分布情况，如下表．该体检机构进一步分析体检数据发现：岁到岁（不含岁）体检人群随着年龄的增长，所需面对的健康问题越多，具体统计情况如图．

组别	年龄（岁）	频率
第一组
第二组
第三组
第四组

注：健康问题是指高血压、糖尿病、高血脂、肥胖、甲状腺结节等余种常见健康问题．
(1)根据上表，求从年该体检机构岁到岁体检人群中随机抽取人，此人年龄不低于岁的频率；
(2)用频率估计概率，从年该地区岁到岁体检人群中随机抽取人，其中不低于岁的人数记为，求的分布列及数学期望；
(3)根据图的统计结果，有人认为“该体检机构年岁到岁（不含岁）体检人群健康问题个数平均值一定大于个，且小于个”．判断这种说法是否正确，并说明理由．

10 . 北京市共有16个行政区，东城区、西城区、朝阳区、丰台区、石景山区和海淀区为中心城区，其他为非中心城区.根据《北京市人口蓝皮书・北京人口发展研究报告（2023）》显示，2022年北京市常住人口为2184.3万人，由城镇人口和乡村人口两个部分构成，各区常住人口数量如下表所示：

行政区	东城区	西城区	朝阳区	丰台区	石景山区	海淀区	门头沟区	房山区
城镇人口（万人）	70.4	110	343.3	199.9	56.3	305.4	36.2	102.6
乡村人口（万人）	0	0	0.9	1.3	0	7	3.4	28.5
行政区	通州区	顺义区	昌平区	大兴区	怀柔区	平谷区	密云区	延庆区
城镇人口（万人）	137.3	87.8	185.9	161.6	32.8	27.9	34.9	20.5
乡村人口（万人）	47	44.7	40.8	37.5	11.1	17.7	17.7.	13.9

(1)在16个行政区中随机选择一个，求该区为非中心城区且2022年乡村人口在20万人以下的概率；
(2)若随机从中心城区选取1个，非中心城区选取2个行政区，记选出的3个区中2022年常住人口超过100万人的行政区的个数为，求的分布列及数学期望；
(3)记2022年这16个区的常住人口、城镇人口、乡村人口的方差分别为，，.试判断，，的大小关系.（结论不要求证明）