截至2019年12月31日，中国共产党党员总数为9191.6万名，同比增长1.46%。在党员的性别、民族和学历上，女党员2559.9万名，少数民族党员680.3万名，大专及以上学历党员4661.5万名。在党员的入党时间上，新中国成立前入党的17.4万名，新中国成立后至党的十一届三中全会前入党的1550.9万名，党的十一届三中全会后至党的十八大前入党的6127.7万名，党的十八大以来入党的1495.6万名。在党员的职业上，工人（含工勤技能人员）644.5万名，农牧渔民2556.1万名，企事业单位、社会组织专业技术人员1440.3万名，企事业单位、社会组织管理人员1010.4万名，党政机关工作人员767.8万名，学生196.0万名，其他职业人员710.4万名，离退休人员1866.1万名。
2019年共发展党员234.4万名，比上年增长14.06%。其中，发展女党员99.4万名，占42.4%；发展少数民族党员23.6万名，占10.1%；发展35岁及以下党员188.3万名，占80.3%；发展具有大专及以上学历的党员106.8万名，占45.6%。发展党员的职业上，工人（含工勤技能人员）14.3万名，企事业单位、社会组织专业技术人员31.6万名，企事业单位、社会组织管理人员25.3万名，农牧渔民42.4万名，党政机关工作人员13.4万名，学生84.4万名，其他职业人员22.9万名。
不能从上述材料中推出的是：
- A.2019年发展的党员人数中，学生党员占比超过33%
- B.截至2019年12月31日，55岁以下党员占党员总数的比重不超过65%
- C.截至2019年12月31日，61岁及以上的党员人数中，新中国成立前入党的不超过0.8%
- D.截至2019年12月31日，从事农牧渔民职业的党员人数与工人（含工勤技能人员）党员人数之比超过400%
正确答案及解析
正确答案
解析
第一步，本题考查综合分析问题，且需选出说法错误的一项。
第二步，A选项，求比重。定位文字材料第二段，“2019年共发展党员234.4万名……学生84.4万名”；根据比重=
，将数据取整代入，
，正确。
B选项，求比重。定位文字材料第一段，“截至2019年12月31日，中国共产党党员总数为9191.6万名”，定位柱状图材料，“截至2019年12月31日，61岁及以上党员2657.7万人，56至60岁党员745.1万人”；根据比重=
，55岁以下党员占比=1-56岁及以上党员占比，将分母截取前三位，分子加法计算考虑截位舍相同，代入数据可得
，正确。
C选项，求比重。定位文字材料第一段，“新中国成立前入党的17.4万名”，定位柱状图材料，“截至2019年12月31日，61岁及以上党员2657.7万名”；根据比重=
，新中国成立前入党的党员现在必然超过61岁（因为2019－1949=70，必然超过61岁），故新中国成立前入党人数占61岁及以上的党员人数的比重为
，正确。
D选项，求比值。定位文字材料第一段，“（截至2019年12月31日）在党员的职业上，工人（含工勤技能人员）644.5万名……农牧渔民2556.1万名”；将数据取整，从事农牧渔民职业的党员人数与工人（含工勤技能人员）党员人数之比约为
，即没有超过400%，错误。
因此，选择D选项。
包含此试题的试卷
你可能感兴趣的试题
日常工作中，如果一件事发展得太过顺利，我们总会隐隐觉得有哪里不对，这样的直觉是有道理的。澳大利亚和法国的研究者们最近在某学术期刊上发表了一篇文章，说明了为什么当所有的证据都指向同一个结果时，它反而可能有问题。他们将此称之为“一致性悖论”。
研究者以证人指认犯人为例研究了一致性悖论，发现在辨认嫌疑人过程中，系统偏差可能来自多种心理偏差，如警方给证人展示照片的方式、证人自身的个人偏见等。而研究者发现，哪怕是细小的偏差都会对最终的整体结果产生极大影响。具体来讲，即使在1%的辨认过程中施加偏差，如暗示某人是犯人，最终当3个以上的证人意见一致时，他们的意见就不再可靠。有趣的是，如果________________。那么其他证人正确的概率反而会大大增加。
为什么会这样？可以用数学中的贝叶斯分析来说明。以扔硬币为例：如果我们有一枚硬币，扔到正面的概率为55％，而非普通硬币的50％，只要扔的次数足够多，就会发现正面向上多于反面向上的次数，进而发现这个硬币是有问题的。换句话说，当我们看到投掷结果中正面向上的次数显著多于反面向上时，就会意识到出问题的是硬币，而非概率定理。同样，根据概率定理，很多证人同时得到一致结论的可能性极低，所以更有可能的是系统出了差错。
在警方组织的嫌疑人指认中，指认同一个人有罪的证人数目越多，这个人真正有罪的概率就越大。然而，这只适用于没有任何系统偏差存在的理想情况。实际情况中，当指认同一个人为犯人的证人数目增加到一个值以后，该嫌疑人真正有罪的概率反而会下降，最终与随机指认毫无差别，且系统偏差越大，概率下降得越早。比方说，如果你让证人完成一项较为容易的任务，比如从一堆香蕉中找出一个苹果，所有人都几乎不会出错，多人结论一致的情况就可能出现，而指认犯人要比在一堆香蕉中找到苹果复杂得多。模拟显示，如果________________，他们认错人的概率会高达48%，在这种情况下，许多证人同时指认一个人为犯人的概率就相当低了；但如果________________，他们认错人的概率会大大降低，多个证人结论一致的情况出现的可能性也会提高。
在法律领域之外，一致性悖论还有很多用武之地，一个重要的应用就是加密技术。数据加密通常通过确认一个很大的数字是否为质数来进行，这个判断过程的错误率要达到非常低才行：低于2的负128次方才可以接受。在这一过程中，可能出现的系统差错就是计算机故障。大多数人都不会想到宇宙射线会导致电脑将一个合数误认为质数，毕竟这件事发生的概率只有10的负13次方——但要注意，这个概率要大于我们所要求的误差（2的负128次方），所以这类误差主导了整个过程的安全性。正因于此，加密协议所宣称的安全程度越高，实际的过程就越容易受计算机故障影响。
一致性悖论虽然听起来违背直觉，但研究者解释，一旦我们了解了足够的信息，就能理解它了。
根据本文，一致性悖论产生的根本原因在于：
-
- A.过程复杂
- B.系统偏差
- C.主观因素影响
- D.评价标准不唯一
- 查看答案
日常工作中，如果一件事发展得太过顺利，我们总会隐隐觉得有哪里不对，这样的直觉是有道理的。澳大利亚和法国的研究者们最近在某学术期刊上发表了一篇文章，说明了为什么当所有的证据都指向同一个结果时，它反而可能有问题。他们将此称之为“一致性悖论”。
研究者以证人指认犯人为例研究了一致性悖论，发现在辨认嫌疑人过程中，系统偏差可能来自多种心理偏差，如警方给证人展示照片的方式、证人自身的个人偏见等。而研究者发现，哪怕是细小的偏差都会对最终的整体结果产生极大影响。具体来讲，即使在1%的辨认过程中施加偏差，如暗示某人是犯人，最终当3个以上的证人意见一致时，他们的意见就不再可靠。有趣的是，如果________________。那么其他证人正确的概率反而会大大增加。
为什么会这样？可以用数学中的贝叶斯分析来说明。以扔硬币为例：如果我们有一枚硬币，扔到正面的概率为55％，而非普通硬币的50％，只要扔的次数足够多，就会发现正面向上多于反面向上的次数，进而发现这个硬币是有问题的。换句话说，当我们看到投掷结果中正面向上的次数显著多于反面向上时，就会意识到出问题的是硬币，而非概率定理。同样，根据概率定理，很多证人同时得到一致结论的可能性极低，所以更有可能的是系统出了差错。
在警方组织的嫌疑人指认中，指认同一个人有罪的证人数目越多，这个人真正有罪的概率就越大。然而，这只适用于没有任何系统偏差存在的理想情况。实际情况中，当指认同一个人为犯人的证人数目增加到一个值以后，该嫌疑人真正有罪的概率反而会下降，最终与随机指认毫无差别，且系统偏差越大，概率下降得越早。比方说，如果你让证人完成一项较为容易的任务，比如从一堆香蕉中找出一个苹果，所有人都几乎不会出错，多人结论一致的情况就可能出现，而指认犯人要比在一堆香蕉中找到苹果复杂得多。模拟显示，如果________________，他们认错人的概率会高达48%，在这种情况下，许多证人同时指认一个人为犯人的概率就相当低了；但如果________________，他们认错人的概率会大大降低，多个证人结论一致的情况出现的可能性也会提高。
在法律领域之外，一致性悖论还有很多用武之地，一个重要的应用就是加密技术。数据加密通常通过确认一个很大的数字是否为质数来进行，这个判断过程的错误率要达到非常低才行：低于2的负128次方才可以接受。在这一过程中，可能出现的系统差错就是计算机故障。大多数人都不会想到宇宙射线会导致电脑将一个合数误认为质数，毕竟这件事发生的概率只有10的负13次方——但要注意，这个概率要大于我们所要求的误差（2的负128次方），所以这类误差主导了整个过程的安全性。正因于此，加密协议所宣称的安全程度越高，实际的过程就越容易受计算机故障影响。
一致性悖论虽然听起来违背直觉，但研究者解释，一旦我们了解了足够的信息，就能理解它了。
根据本文，下列哪种情况中可能存在一致性悖论：
-
- A.检测站对某公司生产的所有新车及使用5年以上的旧车分别进行了尾气检测，检测结果为该公司生产的新车均达到尾气排放标准
- B.低空跳伞世界级选手辛普森有2000次高空跳伞和1400次低空跳伞的经历，但是，他的第1401次低空跳伞，因降落伞未打开而以失败告终
- C.两个城市的两位彩民凭借机选票分享一等奖两注，这两张在同一分钟购买的彩票，不仅中大奖那注号码一致，没中奖的两注机选号码也完全一致
- D.在欧洲殖民者发现澳大利亚的黑天鹅之前，欧洲人曾经认为天鹅都是白色的，后来欧洲人登陆澳大利亚后，一上岸竟发现有黑色的天鹅
- 查看答案
日常工作中，如果一件事发展得太过顺利，我们总会隐隐觉得有哪里不对，这样的直觉是有道理的。澳大利亚和法国的研究者们最近在某学术期刊上发表了一篇文章，说明了为什么当所有的证据都指向同一个结果时，它反而可能有问题。他们将此称之为“一致性悖论”。
研究者以证人指认犯人为例研究了一致性悖论，发现在辨认嫌疑人过程中，系统偏差可能来自多种心理偏差，如警方给证人展示照片的方式、证人自身的个人偏见等。而研究者发现，哪怕是细小的偏差都会对最终的整体结果产生极大影响。具体来讲，即使在1%的辨认过程中施加偏差，如暗示某人是犯人，最终当3个以上的证人意见一致时，他们的意见就不再可靠。有趣的是，如果________________。那么其他证人正确的概率反而会大大增加。
为什么会这样？可以用数学中的贝叶斯分析来说明。以扔硬币为例：如果我们有一枚硬币，扔到正面的概率为55％，而非普通硬币的50％，只要扔的次数足够多，就会发现正面向上多于反面向上的次数，进而发现这个硬币是有问题的。换句话说，当我们看到投掷结果中正面向上的次数显著多于反面向上时，就会意识到出问题的是硬币，而非概率定理。同样，根据概率定理，很多证人同时得到一致结论的可能性极低，所以更有可能的是系统出了差错。
在警方组织的嫌疑人指认中，指认同一个人有罪的证人数目越多，这个人真正有罪的概率就越大。然而，这只适用于没有任何系统偏差存在的理想情况。实际情况中，当指认同一个人为犯人的证人数目增加到一个值以后，该嫌疑人真正有罪的概率反而会下降，最终与随机指认毫无差别，且系统偏差越大，概率下降得越早。比方说，如果你让证人完成一项较为容易的任务，比如从一堆香蕉中找出一个苹果，所有人都几乎不会出错，多人结论一致的情况就可能出现，而指认犯人要比在一堆香蕉中找到苹果复杂得多。模拟显示，如果________________，他们认错人的概率会高达48%，在这种情况下，许多证人同时指认一个人为犯人的概率就相当低了；但如果________________，他们认错人的概率会大大降低，多个证人结论一致的情况出现的可能性也会提高。
在法律领域之外，一致性悖论还有很多用武之地，一个重要的应用就是加密技术。数据加密通常通过确认一个很大的数字是否为质数来进行，这个判断过程的错误率要达到非常低才行：低于2的负128次方才可以接受。在这一过程中，可能出现的系统差错就是计算机故障。大多数人都不会想到宇宙射线会导致电脑将一个合数误认为质数，毕竟这件事发生的概率只有10的负13次方——但要注意，这个概率要大于我们所要求的误差（2的负128次方），所以这类误差主导了整个过程的安全性。正因于此，加密协议所宣称的安全程度越高，实际的过程就越容易受计算机故障影响。
一致性悖论虽然听起来违背直觉，但研究者解释，一旦我们了解了足够的信息，就能理解它了。
第5段中“正因于此”的“此”，指的是：
-
- A.加密技术判断过程的错误率并不可能达到2的负128次方
- B.除宇宙射线外，还有其他因素会引起计算机的系统误差
- C.上述加密技术的判断过程是在目前使用最为广泛的方法
- D.出现计算机故障的概率高于加密技术判断过程的错误率
- 查看答案
日常工作中，如果一件事发展得太过顺利，我们总会隐隐觉得有哪里不对，这样的直觉是有道理的。澳大利亚和法国的研究者们最近在某学术期刊上发表了一篇文章，说明了为什么当所有的证据都指向同一个结果时，它反而可能有问题。他们将此称之为“一致性悖论”。
研究者以证人指认犯人为例研究了一致性悖论，发现在辨认嫌疑人过程中，系统偏差可能来自多种心理偏差，如警方给证人展示照片的方式、证人自身的个人偏见等。而研究者发现，哪怕是细小的偏差都会对最终的整体结果产生极大影响。具体来讲，即使在1%的辨认过程中施加偏差，如暗示某人是犯人，最终当3个以上的证人意见一致时，他们的意见就不再可靠。有趣的是，如果________________。那么其他证人正确的概率反而会大大增加。
为什么会这样？可以用数学中的贝叶斯分析来说明。以扔硬币为例：如果我们有一枚硬币，扔到正面的概率为55％，而非普通硬币的50％，只要扔的次数足够多，就会发现正面向上多于反面向上的次数，进而发现这个硬币是有问题的。换句话说，当我们看到投掷结果中正面向上的次数显著多于反面向上时，就会意识到出问题的是硬币，而非概率定理。同样，根据概率定理，很多证人同时得到一致结论的可能性极低，所以更有可能的是系统出了差错。
在警方组织的嫌疑人指认中，指认同一个人有罪的证人数目越多，这个人真正有罪的概率就越大。然而，这只适用于没有任何系统偏差存在的理想情况。实际情况中，当指认同一个人为犯人的证人数目增加到一个值以后，该嫌疑人真正有罪的概率反而会下降，最终与随机指认毫无差别，且系统偏差越大，概率下降得越早。比方说，如果你让证人完成一项较为容易的任务，比如从一堆香蕉中找出一个苹果，所有人都几乎不会出错，多人结论一致的情况就可能出现，而指认犯人要比在一堆香蕉中找到苹果复杂得多。模拟显示，如果________________，他们认错人的概率会高达48%，在这种情况下，许多证人同时指认一个人为犯人的概率就相当低了；但如果________________，他们认错人的概率会大大降低，多个证人结论一致的情况出现的可能性也会提高。
在法律领域之外，一致性悖论还有很多用武之地，一个重要的应用就是加密技术。数据加密通常通过确认一个很大的数字是否为质数来进行，这个判断过程的错误率要达到非常低才行：低于2的负128次方才可以接受。在这一过程中，可能出现的系统差错就是计算机故障。大多数人都不会想到宇宙射线会导致电脑将一个合数误认为质数，毕竟这件事发生的概率只有10的负13次方——但要注意，这个概率要大于我们所要求的误差（2的负128次方），所以这类误差主导了整个过程的安全性。正因于此，加密协议所宣称的安全程度越高，实际的过程就越容易受计算机故障影响。
一致性悖论虽然听起来违背直觉，但研究者解释，一旦我们了解了足够的信息，就能理解它了。
如果要论证在指证嫌疑人的过程中不存在一致性悖论，则需要补充下列哪一组证明：
①所有证人都保持客观公正的态度
②所有证人都在犯罪现场看到了嫌疑人
③该名嫌疑犯在犯罪发生时的确在场
④该名嫌疑犯曾经犯过同样的罪行
⑤所有照片都体现出了嫌疑犯独有的外貌特征
⑥警察以同样方式对所有证人展示照片
-
- A.①②⑥
- B.①④⑤
- C.②③⑤
- D.③④⑥
- 查看答案
日常工作中，如果一件事发展得太过顺利，我们总会隐隐觉得有哪里不对，这样的直觉是有道理的。澳大利亚和法国的研究者们最近在某学术期刊上发表了一篇文章，说明了为什么当所有的证据都指向同一个结果时，它反而可能有问题。他们将此称之为“一致性悖论”。
研究者以证人指认犯人为例研究了一致性悖论，发现在辨认嫌疑人过程中，系统偏差可能来自多种心理偏差，如警方给证人展示照片的方式、证人自身的个人偏见等。而研究者发现，哪怕是细小的偏差都会对最终的整体结果产生极大影响。具体来讲，即使在1%的辨认过程中施加偏差，如暗示某人是犯人，最终当3个以上的证人意见一致时，他们的意见就不再可靠。有趣的是，如果________________。那么其他证人正确的概率反而会大大增加。
为什么会这样？可以用数学中的贝叶斯分析来说明。以扔硬币为例：如果我们有一枚硬币，扔到正面的概率为55％，而非普通硬币的50％，只要扔的次数足够多，就会发现正面向上多于反面向上的次数，进而发现这个硬币是有问题的。换句话说，当我们看到投掷结果中正面向上的次数显著多于反面向上时，就会意识到出问题的是硬币，而非概率定理。同样，根据概率定理，很多证人同时得到一致结论的可能性极低，所以更有可能的是系统出了差错。
在警方组织的嫌疑人指认中，指认同一个人有罪的证人数目越多，这个人真正有罪的概率就越大。然而，这只适用于没有任何系统偏差存在的理想情况。实际情况中，当指认同一个人为犯人的证人数目增加到一个值以后，该嫌疑人真正有罪的概率反而会下降，最终与随机指认毫无差别，且系统偏差越大，概率下降得越早。比方说，如果你让证人完成一项较为容易的任务，比如从一堆香蕉中找出一个苹果，所有人都几乎不会出错，多人结论一致的情况就可能出现，而指认犯人要比在一堆香蕉中找到苹果复杂得多。模拟显示，如果________________，他们认错人的概率会高达48%，在这种情况下，许多证人同时指认一个人为犯人的概率就相当低了；但如果________________，他们认错人的概率会大大降低，多个证人结论一致的情况出现的可能性也会提高。
在法律领域之外，一致性悖论还有很多用武之地，一个重要的应用就是加密技术。数据加密通常通过确认一个很大的数字是否为质数来进行，这个判断过程的错误率要达到非常低才行：低于2的负128次方才可以接受。在这一过程中，可能出现的系统差错就是计算机故障。大多数人都不会想到宇宙射线会导致电脑将一个合数误认为质数，毕竟这件事发生的概率只有10的负13次方——但要注意，这个概率要大于我们所要求的误差（2的负128次方），所以这类误差主导了整个过程的安全性。正因于此，加密协议所宣称的安全程度越高，实际的过程就越容易受计算机故障影响。
一致性悖论虽然听起来违背直觉，但研究者解释，一旦我们了解了足够的信息，就能理解它了。
文中有3处画线部分，将以下3句依次填入，顺序正确的是：
①每个证人都曾经被犯人劫持为人质
②证人中有一个人与其他人的意见不合
③证人们都只在犯人逃走时匆匆瞥了一眼
-
- A.①②③
- B.②③①
- C.③①②
- D.②①③
- 查看答案