已知x,y之间的一组数据如表:

(1)分别从集合A=1,3,6,7,8,B=1,2,3,4,5中各取一个数x,y,求x+y≥10的概率;
(2)对于表中数据,甲、乙两同学给出的拟合直线分别为y=
与y=
, 试根据残差平方和:
的大小,判断哪条直线拟合程度更好.
P(K2≥k0) | 0.100 | 0.050 | 0.025 | 0.010 | 0.001 |
k0 | 2.706 | 3.841 | 5.024 | 6.635 | 10.828 |
喜欢甜品 | 不喜欢甜品 | 合计 | |
南方学生 | 60 | 20 | 80 |
北方学生 | 10 | 10 | 20 |
合计 | 70 | 30 | 100 |
(1)根据表中数据,问是否有95%的把握认为“南方学生和北方学生在选用甜品的饮食习惯方面有差异”;
(2)已知在被调查的北方学生中有5名数学系的学生,其中2名喜欢甜品,现在从这5名学生中随机抽取3人,求至多有1人喜欢甜品的概率.
附:K2=
P(K2>k0) | 0.10 | 0.05 | 0.01 | 0.005 |
k0 | 2.706 | 3.841 | 6.635 | 7.879 |
平均每天锻炼 的时间(分钟) | [0,10) | [10,20) | [20,30) | [30,40) | [40,50) | [50,60) |
总人数 | 20 | 36 | 44 | 50 | 40 | 10 |
将学生日均课外课外体育运动时间在[40,60)上的学生评价为“课外体育达标”.
课外体育不达标 | 课外体育达标 | 合计 | |
男 | |||
女 | 20 | 110 | |
合计 |
参考公式:
,其中n=a+b+c+d.
参考数据:
P(K2≥k0) | 0.10 | 0.05 | 0.025 | 0.010 | 0.005 | 0.001 |
k0 | 2.706 | 3.841 | 5.024 | 6.635 | 7.879 | 10.828 |
组别 | 候车时间(单位:min) | 人数 |
一 | [0,5) | 1 |
二 | [5,10) | 5 |
三 | [10,15) | 3 |
四 | [15,20) | 1 |
B .
C .
D .
(Ⅰ)设甲、乙两个班所抽取的10名同学成绩方差分别为
、
,比较
、
的大小(直接写出结果,不写过程);
(Ⅱ)从甲班10人任取2人,设这2人中及格的人数为X,求X的分布列和期望;
(Ⅲ)从两班这20名同学中各抽取一人,在已知有人及格的条件下,求抽到乙班同学不及格的概率.

(Ⅰ)求雕刻师当天收入(单位:元)关于雕刻量n(单位:粒,n∈N)的函数解析式f(n);
(Ⅱ)该雕刻师记录了过去10天每天的雕刻量n(单位:粒),整理得如表:
雕刻量n | 210 | 230 | 250 | 270 | 300 |
频数 | 1 | 2 | 3 | 3 | 1 |
以10天记录的各雕刻量的频率作为各雕刻量发生的概率.
(ⅰ)在当天的收入不低于276元的条件下,求当天雕刻量不低于270个的概率;
(ⅱ)若X表示雕刻师当天的收入(单位:元),求X的分布列和数学期望.
随机变量
的分布列如下:
| -1 | 0 | 1 |
|
|
|
|
当
增大时( )
增大,
增大
B .
减小,
增大
C .
增大,
减小
D .
减小,
减小
(i=1,2,3),则P(X=2)=.
服从正态分布
,
,
,则
的最小值为.
满足P(
=1)=pi , P(
=0)=1—pi , i=1,2.若0<p1<p2<
,则
<
,
<
B .
<
,
>
C .
>
,
<
D .
>
,
>
天的日销售量
(单位:千克)与该地当日最低气温
(单位:
)的数据,如下表所示: | | | | | | |
| | | | | | |
关于
的线性回归方程
;(精确到
)
与
之间是正相关还是负相关;若该地12月份某天的最低气温为
,请用(1)中的回归方程预测该超市当日的销售量. 参考公式:
,
参考数据:
,
和
的线性相关性,甲、乙两人分别作了研究,利用线性回归方程得到回归直线
和
,两人计算
相同,
也相同,则下列说法正确的是( )
与
重合
B .
与
平行
C .
与
交于点(
,
)
D . 无法判定
与
是否相交
,
,则
( )
与父母的平均身高
有较强的线性相关性.某数学小组收集到8个家庭的相关数据,下面是小组制作的统计图散点图、回归直线及回归方程)与原始数据表(局部缺失):
| 家庭编号 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 父母平均身高( | 160.5 | 165 | 167 | 170 | 170.5 | 173 | 174 | 180 |
| 子女平均身高( | 168 | 170 | 172.5 | 187 | 174.5 | 176 | 180 | * |
若剔除4号家庭数据点后,用余下的7个散点作线性回归分析,得到新的回归直线
,判断并证明l与
的位置关系.
附:对于一组数据
,
,…,
,其回归直线
的斜率和截距的最小二乘估计分别为:
,
.