如今我们的互联网生活日益丰富，除了可以很方便地网购，网上叫外卖也开始成为不少人日常生活中不可或缺的一部分，为了解网络外卖在\(A\)市的普及情况，\(A\)市某调查机构借助网络进行了关于网络外卖的问卷调查，并从参与调查的网民中抽取了\(200\)人进行抽样分析，得到表格\((\)单位：人\()\)．

\((2)①\)现从所抽取的女网民中利用分层抽样的方法再抽取\(5\)人，再从这\(5\)人中随机选出了\(3\)人赠送外卖优惠券，求选出的\(3\)人中至少有\(2\)人经常使用网络外卖的概率；

\(②\)将频率视为概率，从\(A\)市所有参与调查的网民中随机抽取\(10\)人赠送礼品，记其中经常使用网络外卖的人数为\(X\)，求\(X\)的数学期望和方差．

参考公式：\({{K}^{2}}=\dfrac{n{{(ad-bc)}^{2}}}{(a+b)(c+d)(a+c)(b+d)}\)，\(n=a+b+c+d\)．

参考数据：

某城市随机抽取一年\((365\)天\()\)内\(100\)天的空气质量指数\(API(Air Pollution Index)\)的监测数据，结果统计如下：

\((\)Ⅰ\()\)若本次抽取的样本数据有\(30\)天是在供暖季，其中有\(7\)天为重度污染，完成下面\(2×2\)列联表，并判断能否有\(95\%\)的把握认为该市本年空气重度污染与供暖有关？

附：\(K^{2}= \dfrac{n\left( \left. ad-bc \right. \right)^{2} }{\left( \left. a+b \right. \right)\left( \left. c+d \right. \right)\left( \left. a+c \right. \right)\left( \left. b+d \right. \right)}\)

\((\)Ⅱ\()\)政府要治理污染，决定对某些企业生产进行管控，当\(API\)在区间\([0,100]\)时企业正常生产；当\(API\)在区间\((100,200]\)时对企业限产\(30\%(\)即关闭\(30\%\)的产能\()\)，当\(API\)在区间\((200,300]\)时对企业限产\(50\%\)，当\(API\)在\(300\)以上时对企业限产\(80\%\)，企业甲是被管控的企业之一，若企业甲正常生产一天可得利润\(2\)万元，若以频率当概率，不考虑其他因素：

\((1)\)在这一年中随意抽取\(5\)天，求\(5\)天中企业被限产达到或超过\(50\%\)的恰为\(2\)天的概率；

\((2)\)求企业甲这一年因限产减少的利润的期望值．

如今我们的互联网生活日益丰富，除了可以很方便地网购，网上叫外卖也开始成为不少人日常生活中不可或缺的一部分，为了解网络外卖在\(A\)市的普及情况，\(A\)市某调查机构借助网络进行了关于网络外卖的问卷调查，并从参与调查的网民中抽取了\(200\)人进行抽样分析，得到表格\((\)单位：人\()\)．

\((1)\)根据表中数据，能否在犯错误的概率不超过\(0.15\)的前提下认为\(A\)市使用网络外卖的情况与性别有关？

\((2)①\)现从所抽取的女网民中利用分层抽样的方法再抽取\(5\)人，再从这\(5\)人中随机选出了\(3\)人赠送外卖优惠券，求选出的\(3\)人中至少有\(2\)人经常使用网络外卖的概率；

\(②\)将频率视为概率，从\(A\)市所有参与调查的网民中随机抽取\(10\)人赠送礼品，记其中经常使用网络外卖的人数为\(X\)，求\(X\)的数学期望和方差．

参考公式：\({{K}^{2}}=\dfrac{n{{(ad-bc)}^{2}}}{(a+b)(c+d)(a+c)(b+d)}\)，\(n=a+b+c+d\)．

参考数据：