7．
为了监控某种零件的一条生产线的生产过程，检验员每天从该生产线上随机抽取\(16\)个零件，并测量其尺寸\((\)单位：\(cm).\)根据长期生产经验，可以认为这条生产线正常状态下生产的零件的尺寸服从正态分布\(N\left( \mu ,{{\sigma }^{2}} \right)\)．
\((1)\)假设生产状态正常，记\(X\)表示一天内抽取的\(16\)个零件中其尺寸在\(\left( \mu -3\sigma ,\mu +3\sigma \right)\)之外的零件数，求\(P\left( X\geqslant 1 \right)\)及\(X\)的数学期望；
\((2)\)一天内抽检零件中，如果出现了尺寸在\(\left( \mu -3\sigma ,\mu +3\sigma \right)\)之外的零件，就认为这条生产线在这一天的生产过程可能出现了异常情况，需对当天的生产过程进行检查．
\((ⅰ)\)试说明上述监控生产过程方法的合理性；
\((ⅱ)\)下面是检验员在一天内抽取的\(16\)个零件的尺寸：
\(9.95\) | \(10.12\) | \(9.96\) | \(9.96\) | \(10.01\) | \(9.92\) | \(9.98\) | \(10.04\) |
\(10.26\) | \(9.91\) | \(10.13\) | \(10.02\) | \(9.22\) | \(10.04\) | \(10.05\) | \(9.95\) |
经计算得\(\bar{x}=\dfrac{1}{16}\underset{16}{\overset{i=1}{\sum}}\,{{x}_{i}}=9.97\)，\(s=\sqrt{\dfrac{1}{16}\underset{16}{\overset{i=1}{\sum}}\,{{\left({{x}_{i}}-\bar{x} \right)}^{2}}}=\sqrt{\dfrac{1}{16}{{(\underset{i=1}{\overset{16}{ \sum }}\,x_{i}^{2}-16{{{\bar{x}}}^{2}})}^{2}}}\approx 0.212\)，其中\({{x}_{i}}\)为抽取的第\(i\)个零件的尺寸，\(i=1,2,\cdot \cdot \cdot ,16\)．
用样本平均数\(\bar{x}\)作为\(\mu \)的估计值\(\hat{\mu }\)，用样本标准差\(s\)作为\(\sigma \)的估计值\(\hat{\sigma }\)，利用估计值判断是否需对当天的生产过程进行检查？剔除\(\left( \hat{\mu }-3\hat{\sigma },\hat{\mu }+3\hat{\sigma } \right)\)之外的数据，用剩下的数据估计\(\mu \)和\(\sigma (\)精确到\(0.01)\)．
附：若随机变量\(Z\)服从正态分布\(N\left( \mu ,{{\sigma }^{2}} \right)\)，则\(P(\mu -3\sigma < Z < \mu +3\sigma )=0.9974\)，
\({{0.9974}^{16}}=0.9592\)，\(\sqrt{0.008}\approx 0.09\)．