【文章內(nèi)容簡介】 類錯(cuò)誤風(fēng)險(xiǎn)皆選定為5%，其計(jì)算結(jié)果為：3 種催化劑下的產(chǎn)量都顯著不同。催化劑A 的產(chǎn)量顯著高于催化劑C 的產(chǎn)量，催化劑C 的產(chǎn)量顯著高于催化劑B 的產(chǎn)量，當(dāng)然催化劑A 的產(chǎn)量也顯著高于催化劑B 的產(chǎn)量。51. M 公司生產(chǎn)墊片。在生產(chǎn)線上，隨機(jī)抽取100 片墊片，標(biāo)準(zhǔn)差為。取10 片疊起來，則這10 片墊片疊起來后總厚度的均值和方差為：A. 均值 ；B. 均值 20mm；C. 均值 20mm；D. 均值 20mm；方差452. M 車間負(fù)責(zé)測量機(jī)柜的總電阻值。由于現(xiàn)在使用的是自動數(shù)字式測電阻儀，不同的測量員間不再有什么差別，但在測量時(shí)要先設(shè)定初始電壓值V，這里對V 可以有3 種選擇方法。作測量系統(tǒng)分析時(shí)，使用傳統(tǒng)方法，對10 個(gè)機(jī)柜，都用3 種不同選擇的V 值，各測量2 次。在術(shù)語“測量系統(tǒng)的重復(fù)性（Repeatability）”和“測量系統(tǒng)的再現(xiàn)性（Reproducibility）”中，術(shù)語“再現(xiàn)性”應(yīng)這樣解釋：A. 不使用不同的測量員，就不再有“再現(xiàn)性”誤差了。B. 不同的設(shè)定的V 值所引起的變異是“再現(xiàn)性”誤差。C. 同一個(gè)設(shè)定的V 值，多次重復(fù)測量同樣一個(gè)機(jī)柜所引起的變異是“再現(xiàn)性”誤差。D. 在不同時(shí)間周期內(nèi)，用此測電阻儀測量同一個(gè)機(jī)柜時(shí)，測量值的波動是“再現(xiàn)性”誤差。53. 在箱線圖(BoxPlot)分析中，已知最小值=4；Q1=1；Q3=4；最大值=7；則正確的說法是：A． 上須觸線終點(diǎn)為：7；下須觸線終點(diǎn)為：B． 上須觸線終點(diǎn)為：；下須觸線終點(diǎn)為：C． 上須觸線終點(diǎn)為：7；下須觸線終點(diǎn)為：4D． 上須觸線終點(diǎn)為：；下須觸線終點(diǎn)為：454. 強(qiáng)力變壓器公司的每個(gè)工人都操作自己的15 臺繞線器生產(chǎn)同種規(guī)格的小型變壓器。原定的變壓，但實(shí)際上的電壓比總有些誤差。為了分析究竟是什么原因?qū)е码妷罕茸儺愡^大，讓3 個(gè)工人，每人都操作自己任意選定的10 臺繞線器各生產(chǎn)1 臺變壓器，對每臺變壓器都測量了2次電壓比數(shù)值，這樣就得到了共60 個(gè)數(shù)據(jù)。為了分析電壓比變異產(chǎn)生的原因，應(yīng)該：A. 將工人及繞線器作為兩個(gè)因子，進(jìn)行兩種方式分組的方差分析（TwoWay ANOVA），分別計(jì)算出兩個(gè)因子的顯著性，并根據(jù)其顯著性所顯示的P 值對變異原因作出判斷。B. 將工人及繞線器作為兩個(gè)因子，按兩個(gè)因子交叉（Crossed）的模型，用一般線性模型（GeneralLinear Model）計(jì)算出兩個(gè)因子的方差分量及誤差的方差分量，并根據(jù)這些方差分量的大小對變異原因作出判斷。C. 將工人及繞線器作為兩個(gè)因子，按兩個(gè)因子嵌套（Nested）的模型，用全嵌套模型（FullyNested ANOVA）計(jì)算出兩個(gè)因子的方差分量及誤差的方差分量，并根據(jù)這些方差分量的大小對變異原因作出判斷。D. 根據(jù)傳統(tǒng)的測量系統(tǒng)分析方法（GageRR Study Crossed），直接計(jì)算出工人及繞線器兩個(gè)因子方差分量及誤差的方差分量，并根據(jù)這些方差分量的大小對變異原因作出判斷。55. 對于兩總體均值相等性檢驗(yàn)，當(dāng)驗(yàn)證了數(shù)據(jù)是獨(dú)立的且為正態(tài)后，還要驗(yàn)證二者的等方差性，然后就可以使用雙樣本的T 檢驗(yàn)。這時(shí)是否可以使用單因子的方差分析（ANOVA）方法予以替代，這里有不同看法。正確的判斷是：A. 兩總體也屬于多總體的特例，因此，所有兩總體均值相等性T 檢驗(yàn)皆可用ANOVA 方法解決。B. 兩總體雖屬于多總體的特例，但兩總體均值相等性T 檢驗(yàn)的功效（Power）比ANOVA 方法要高，因而不能用ANOVA 方法替代。C. 兩總體雖屬于多總體的特例，但兩總體均值相等性T 檢驗(yàn)的計(jì)算比ANOVA 方法要簡單，因而不能用ANOVA 方法替代。D. 兩總體雖屬于多總體的特例，但兩總體均值相等性T 檢驗(yàn)可以處理對立假設(shè)為單側(cè)（例如“大于”）的情形，而ANOVA 方法則只能處理雙側(cè)（即“不等于”）的問題，因而不能用ANOVA方法替代。56. M 公司中的Z 車間使用多臺自動車床生產(chǎn)螺釘，其關(guān)鍵尺寸是根部的直徑。為了分析究竟是什么原因?qū)е轮睆阶儺愡^大，讓3 個(gè)工人，并隨機(jī)選擇5 臺機(jī)床，每人分別用這5 車床各生產(chǎn)10 個(gè)螺釘，共生產(chǎn)150 個(gè)螺釘，對每個(gè)螺釘測量其直徑，得到150 個(gè)數(shù)據(jù)。為了分析直徑變異產(chǎn)生的原因，應(yīng)該：A. 將工人及螺釘作為兩個(gè)因子，進(jìn)行兩種方式分組的方差分析（TwoWay ANOVA），分別計(jì)算出兩個(gè)因子的顯著性，并根據(jù)其顯著性所顯示的P 值對變異原因作出判斷。B. 將工人及螺釘作為兩個(gè)因子，按兩個(gè)因子交叉（Crossed）的模型，用一般線性模型（GeneralLinear Model）計(jì)算出兩個(gè)因子的方差分量及誤差的方差分量，并根據(jù)這些方差分量的大小對變異原因作出判斷。C. 將工人及螺釘作為兩個(gè)因子，按兩個(gè)因子嵌套（Nested）的模型，用全嵌套模型（Fully NestedANOVA）計(jì)算出兩個(gè)因子的方差分量及誤差的方差分量，并根據(jù)這些方差分量的大小對變異原因作出判斷。D. 根據(jù)傳統(tǒng)的測量系統(tǒng)分析方法（GageRR Study Crossed），直接計(jì)算出工人及螺釘兩個(gè)因子方差分量及誤差的方差分量，并根據(jù)這些方差分量的大小對變異原因作出判斷。57. 在選定Y 為響應(yīng)變量后, 選定了X1,X2,X3 為自變量,并且用最小二乘法建立了多元回歸方程。在MINITAB 軟件輸出的ANOVA 表中，看到PValue=。在統(tǒng)計(jì)分析的輸出中，找到了對各個(gè)回歸系數(shù)是否為0 的顯著性檢驗(yàn)結(jié)果。由此可以得到的正確判斷是：A． 3 個(gè)自變量回歸系數(shù)檢驗(yàn)中，應(yīng)該至少有1 個(gè)以上的回歸系數(shù)的檢驗(yàn)結(jié)果是顯著的（即至少有1 個(gè)以上的回歸系數(shù)檢驗(yàn)的 PValue ），不可能出現(xiàn)3 個(gè)自變量回歸系數(shù)檢驗(yàn)的 PValue 的情況B． 有可能出現(xiàn) 3 個(gè)自變量回歸系數(shù)檢驗(yàn)的 PValue 的情況，這說明數(shù)據(jù)本身有較多異常值，此時(shí)的結(jié)果已無意義，要對數(shù)據(jù)重新審核再來進(jìn)行回歸分析。C． 有可能出現(xiàn) 3 個(gè)自變量回歸系數(shù)檢驗(yàn)的 PValue 的情況，這說明這3 個(gè)自變量間可能有相關(guān)關(guān)系，這種情況很正常。D．ANOVA 表中的PVALUE= 說明整個(gè)回歸模型效果不顯著，回歸根本無意義。58. 已知一組壽命（Life Time）數(shù)據(jù)不為正態(tài)分布。現(xiàn)在希望用BoxCox 變換將其轉(zhuǎn)化為正態(tài)分布。在確定變換方法時(shí)得到下圖：LambdaStDev1 0 1 2 3543210Lower?CL Upper?CLLimitLambda(using % confidence)Estimate Lower?CL Upper?CL Best ValueBoxCox Plot of Life time從此圖中可以得到結(jié)論：A. 將原始數(shù)據(jù)取對數(shù)后，可以化為正態(tài)分布。B. 將原始數(shù)據(jù)求其 次方后，可以化為正態(tài)分布。C. 將原始數(shù)據(jù)求平方根后，可以化為正態(tài)分布。D. 對原始數(shù)據(jù)做任何BoxCox 變換，都不可能化為正態(tài)分布。59. 為了研究軋鋼過程中的延伸量控制問題,在經(jīng)過2 水平的4 個(gè)因子的全因子試驗(yàn)后，得到了回歸方程。其中，因子A 代表軋壓長度，低水平是50cm，高水平為70cm。響應(yīng)變量Y 為延伸量（單位為cm）。在代碼化后的回歸方程中， A 因子的回歸系數(shù)是4。問，換算為原始變量（未代碼化前）的方程時(shí)，此回歸系數(shù)應(yīng)該是多少？A. 40B. 4C. D. 60. 為了判斷兩個(gè)變量間是否有相關(guān)關(guān)系，抽取了30 對觀測數(shù)據(jù)。計(jì)算出了他們的樣本相關(guān)系數(shù)為，對于兩變量間是否相關(guān)的判斷應(yīng)該是這樣的：A． 由于樣本相關(guān)系數(shù)小于 ,所以二者不相關(guān)B． 由于樣本相關(guān)系數(shù)大于 ,所以二者相關(guān)C． 由于檢驗(yàn)兩個(gè)變量間是否有相關(guān)關(guān)系的樣本相關(guān)系數(shù)的臨界值與樣本量大小有關(guān),所以要查樣本相關(guān)系數(shù)表才能決定D． 由于相關(guān)系數(shù)并不能完全代表兩個(gè)變量間是否有相關(guān)關(guān)系,本例信息量不夠,不可能得出判定結(jié)果61. 響應(yīng)變量Y 與兩個(gè)自變量（原始數(shù)據(jù)）X1及X2 建立的回歸方程為:1 2 y = + 30000x + 由此方程可以得到結(jié)論是:A. X1對Y 的影響比X2對Y 的影響要顯著得多B. X1對Y 的影響比X2對Y 的影響相同C. X2對Y 的影響比X1對Y 的影響要顯著得多D. 僅由此方程不能對X1及X2對Y 影響大小作出判定62. 為了判斷改革后的日產(chǎn)量是否比原來的200 （千克）有所提高，抽取了20 次日產(chǎn)量，發(fā)現(xiàn)日產(chǎn)量平均值為201（千克）。對此可以得到判斷：A．只提高1 千克，產(chǎn)量的提高肯定是不顯著的B．日產(chǎn)量平均值為201（千克），確實(shí)比原來200（千克）有提高C．因?yàn)闆]有提供總體標(biāo)準(zhǔn)差的信息，因而不可能作出判斷D．不必提供總體標(biāo)準(zhǔn)差的信息，只要提供樣本標(biāo)準(zhǔn)差的信息就可以作出判斷63. 六西格瑪團(tuán)隊(duì)分析了歷史上本車間產(chǎn)量（Y）與溫度（X1）及反應(yīng)時(shí)間（X2）的記錄。建立了Y 對于X1 及X2 的線性回歸方程，并進(jìn)行了ANOVA、回歸系數(shù)顯著性檢驗(yàn)、相關(guān)系數(shù)計(jì)算等，證明我們選擇的模型是有意義的，各項(xiàng)回歸系數(shù)也都是顯著的。下面應(yīng)該進(jìn)行：A. 結(jié)束回歸分析，將選定的回歸方程用于預(yù)報(bào)等B. 進(jìn)行殘差分析，以確認(rèn)數(shù)據(jù)與模型擬合得是否很好，看能否進(jìn)一步改進(jìn)模型C. 進(jìn)行響應(yīng)曲面設(shè)計(jì)，選擇使產(chǎn)量達(dá)到最大的溫度及反應(yīng)時(shí)間D. 進(jìn)行因子試驗(yàn)設(shè)計(jì)，看是否還有其它變量也對產(chǎn)量有影響，擴(kuò)大因子選擇的范圍64. 回歸方程Y = ? X∧30 中，Y 的誤差的方差的估計(jì)值為9，當(dāng)X = 1時(shí)，Y 的95%的近似預(yù)測區(qū)間是A. (23,35)B. (24,36)C. (20,38)D. (21,39)65. 某工序過程有六個(gè)因子A、B、C、D、E、F，工程師希望做部分因子試驗(yàn)確定主要的影響因素，準(zhǔn)備采用262設(shè)計(jì)，而且工程師根據(jù)工程經(jīng)驗(yàn)判定AB、BC、AE、 DE之間可能存在交互作用，但是MINITAB給出的生成元（Generators）為 E = ABC, F = BCD，為了不讓可能顯著的二階交互作用相互混雜，下列生成元可行的是:A. E=ABD， F=ABCB. E=BCD， F=ABCC. E=ABC， F=ABDD. E=ACD， F=BCD66. 下列哪項(xiàng)設(shè)計(jì)是適合作為改進(jìn)階段開始的篩選實(shí)驗(yàn)（Screening Experiment）：A. 8 因子的全因子實(shí)驗(yàn)B. 8 因子的部分因子實(shí)驗(yàn)C. 中心復(fù)合設(shè)計(jì)（CCD）D. BoxBehnken 設(shè)計(jì)67. 在4 個(gè)因子A、B、C、D 的全因子設(shè)計(jì)中，增加了3 個(gè)中心點(diǎn)的試驗(yàn)。分析試驗(yàn)結(jié)果，用MINITAB軟件計(jì)算，其結(jié)果如下：Factorial Fit: y versus A, B, C, DAnalysis of Variance for y (coded units)Source DF Seq SS Adj SS Adj MS F PMain Effects 4 2Way