已知不合格率p，p<=0.1，对以下两个问题进行代码求解 (1)在 95%的信度下认定零配件次品率超过标称值，则拒收这批零配件； (2) 在 90%的信度下认定零配件次品率不超过标称值，则接收这批零配件。

对于这两个问题，我们可以使用二项分布的概率计算来进行判断。假设标称合格率为q=1-p，我们需要计算在给定条件下达到特定次品率的概率，并与置信区间进行比较。

在Python中，可以使用`scipy.stats.binom`模块来模拟这个过程。这里是一个简单的代码示例：

import numpy as np
from scipy.stats import binom, norm

def is_rejected(p, confidence_level):
    n = 1000  # 假设每批零配件检查1000件
    q = 1 - p  # 标称合格率

    # 1) 在95%信度下，如果95%的次品率大于标称值，即q * n + 1.96 * sqrt(n*q*(1-q)) > 0.95n
    critical_success_rate = confidence_level * n
    failure_threshold = q * n + norm.ppf((confidence_level + 0.5) / 2, scale=np.sqrt(n * q * (1 - q)))
    
    if failure_threshold > critical_success_rate:
        return True  # 拒绝
    else:
        return False  # 接受

# 对于每个问题分别计算
problem_1_confidence = 0.95
reject_1 = is_rejected(p, problem_1_confidence)
print(f"在 {problem_1_confidence} 信度下，如果次品率超过 {p*100}%，则{'' if reject_1 else '不'}拒收.")

problem_2_confidence = 0.90
accept_2 = is_rejected(p, problem_2_confidence)
print(f"在 {problem_2_confidence} 信度下，如果次品率不超过 {p*100}%，则{'' if accept_2 else '不'}接收.")