2 . 乒乓球运动在我国非常普及，被定为“国球”.有非常多的青少年从小就接受系统的训练，所以基本功非常扎实，把乒乓球打到对方球台的指定位置是乒乓球运动的基本功之一，打100个球，若有大于90个打到对方球台的指定位置，则称为“优秀”，否则称为“一般”，在练球时，打球动作有“规范动作”和“不规范动作”两种，且在接受训练的学员中，将训练满10次而不满20次记为1组，训练满20次而不满30次记为2组，如此，，训练满次而不满次记为组.某乒乓球训练部门为了以后优化训练，在“规范动作”和“不规范动作”的两群体中，在组数15组中各随机抽取10人，即两群体中各抽取50人，进行测试得出的关于“优秀”、“一般”的表1和表2如下.表1：
有“规范动作”的学员测试结果（“优秀”个数）

组数	1	2	3	4	5
“优秀”数	1	2	4	6	7

表2：有“不规范动作”的学员测试结果（“优秀”个数）

组数	1	2	3	4	5
“优秀”数	0	1	2	3	4

(1)填写以下表格，依据小概率值的独立性检验分析，推断“优秀”和“一般”与练球时的“规范动作”是否有关.

	“优秀”	“一般”	合计
“规范动作”			50
“不规范动作”			50
合计

(2)在有“规范动作”的学员测试结果中，表示组数，表示“优秀”个数，由表1求平均值和及关于的经验回归方程.
参考数据及公式：，.

	0.15	0.10	0.05	0.025	0.010	0.005	0.001
	2.072	2.706	3.841	5.024	6.635	7.879	10.828

，，，.

10 . 邮件管理是一类非常常见的二元分类问题．如果将“非垃圾邮件”归类为正类邮件，“垃圾邮件”归类为负类邮件，试回答以下问题：
(1)若在邮件中正类邮件与负类邮件的占比分别为和，由于归类模型的误差，归类判断可能出错的概率均为0.05．若某个邮件归类为正类邮件，求它原本是正类邮件的概率；
(2)在机器学习中，利用算法进行归类，常用分别表示将正类邮件归类为正类邮件的个数，将负类邮件归类为负类邮件的个数，将负类邮件归类为正类邮件的个数，将正类邮件归类为负类邮件的个数．统计发现，收到邮件的种类可能与是否在工作日有关．为了验证此现象，在一段时间内，从数据库中随机抽取若干邮件，包含有正类邮件和负类邮件，按照机器学习的方法进行分类后，得到以下数据：．并给出了下表，试回答以下问题：

时间 邮件	工作日	休息日	合计
正类	70
负类		18
合计

（ⅰ）求（充分大）封邮件归类正确的概率；
（ⅱ）补充上表，依据小概率值的独立性检验，分析收到邮件的种类与是否在工作日有关？
附：．

	0.10	0.05	0.001	0.005
	2.706	3.841	6.635	7.879