【文章內(nèi)容簡(jiǎn)介】 以有3 種選擇方法。作測(cè)量系統(tǒng)分析時(shí)，使用傳統(tǒng)方法，對(duì)10 個(gè)機(jī)柜，都用3 種不同選擇的V 值，各測(cè)量2 次。在術(shù)語(yǔ)“測(cè)量系統(tǒng)的重復(fù)性（Repeatability）”和“測(cè)量系統(tǒng)的再現(xiàn)性（Reproducibility）”中，術(shù)語(yǔ)“再現(xiàn)性”應(yīng)這樣解釋?zhuān)?B A. 不使用不同的測(cè)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(cè)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(cè)電阻儀測(cè)量同一個(gè)機(jī)柜時(shí)，測(cè)量值的波動(dòng)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(shuō)法是：53 A 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：4解析：=*(Q3Q1)=上須觸線終點(diǎn)為=Q3+=4+= 7(max) 所以改為7下須觸線終點(diǎn)為=== (min) 所以為 A是正解 54. 強(qiáng)力變壓器公司的每個(gè)工人都操作自己的15 臺(tái)繞線器生產(chǎn)同種規(guī)格的小型變壓器。，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^(guò)大，讓3個(gè)工人，每人都操作自己任意選定的10 臺(tái)繞線器各生產(chǎn)1 臺(tái)變壓器，對(duì)每臺(tái)變壓器都測(cè)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：54 C 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(duì)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(duì)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(duì)變異原因作出判斷。D. 根據(jù)傳統(tǒng)的測(cè)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(duì)變異原因作出判斷。55. 對(duì)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： D 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(jiǎn)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(duì)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(wèn)題，因而不能用ANOVA方法替代。56. M 公司中的Z 車(chē)間使用多臺(tái)自動(dòng)車(chē)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^(guò)大，讓3 個(gè)工人，并隨機(jī)選擇5 臺(tái)機(jī)床，每人分別用這5 車(chē)床各生產(chǎn)10 個(gè)螺釘，共生產(chǎn)150 個(gè)螺釘，對(duì)每個(gè)螺釘測(cè)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：56 CA. 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(duì)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(duì)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(duì)變異原因作出判斷。D. 根據(jù)傳統(tǒng)的測(cè)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(duì)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(duì)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：57 C 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(shuō)明數(shù)據(jù)本身有較多異常值，此時(shí)的結(jié)果已無(wú)意義，要對(duì)數(shù)據(jù)重新審核再來(lái)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(shuō)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(shuō)明整個(gè)回歸模型效果不顯著，回歸根本無(wú)意義。58. 已知一組壽命（Life Time）數(shù)據(jù)不為正態(tài)分布?，F(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：58 B A. 將原始數(shù)據(jù)取對(duì)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(duì)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(guò)程中的延伸量控制問(wèn)題,在經(jīng)過(guò)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(zhǎng)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(wèn)，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？59 C 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(duì)觀測(cè)數(shù)據(jù)。，對(duì)于兩變量間是否相關(guān)的判斷應(yīng)該是這樣的：60 CA．,所以二者不相關(guān)B．,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: 61 DA. X1對(duì)Y 的影響比X2對(duì)Y 的影響要顯著得多B. X1對(duì)Y 的影響比X2對(duì)Y 的影響相同C. X2對(duì)Y 的影響比X1對(duì)Y 的影響要顯著得多D. 僅由此方程不能對(duì)X1及X2對(duì)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(lái)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(duì)此可以得到判斷：62 D 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(lái)200（千克）有提高C．因?yàn)闆](méi)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(chē)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(duì)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：63 B 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(duì)產(chǎn)量有影響，擴(kuò)大因子選擇的范圍64. 回歸方程Y = 30?X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(cè)區(qū)間是：64 A A. (23,35)B. (24,36)C. (20,38)D. (21,39)解析：當(dāng)X=1時(shí),Y=29,其PI為Y加減2S，方差為9 ，S值為3，29+6=35，296=23選擇A65. 某工序過(guò)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: 65 D （代入排除法）A. E=ABD， F=ABCB. E=BCD， F=ABCC. E=ABC， F=ABDD. E=ACD， F=BCD解析：使用代入法。對(duì)于A，若E=ABD,則ABDE=1，推導(dǎo)出AB=DE，混雜；對(duì)于B,若E=BCD，則BCDE=1，推導(dǎo)出BC=DE，混雜；對(duì)于C，若E=ABC，則ABCE=1，推導(dǎo)出BC=AE，混雜。對(duì)于D,若E=ACD，則ACDE=1，AC=DE、AE=CD、AD=CE,均無(wú)混雜，若F=BCD，則BCDF=1，BC=DF、BD=CF、BF=CD,均無(wú)混雜。故選D。66. 下列哪項(xiàng)設(shè)計(jì)是適合作為改進(jìn)階段開(kāi)始的篩選實(shí)驗(yàn)（Screening Experiment）：66 B 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 Interactions 6 Residual Error 8 Curvature 1 Lack of Fit 5 Pure Error 2 Total 18 在正交試驗(yàn)中，假定數(shù)據(jù)在擬合線性模型后，試驗(yàn)數(shù)據(jù)的殘差有共同的方差，對(duì)于方差的估計(jì)量應(yīng)該是MSE（Mean Square Error，即平均誤差均方和），在本題中是：67 AA. B. C. D. 68. 下列哪種響應(yīng)曲面設(shè)計(jì)肯定不具有旋轉(zhuǎn)性（Rotatability）68 C A. CCD（中心復(fù)合設(shè)計(jì)，Central Composite Design）B. CCI（中心復(fù)合有界設(shè)計(jì)，Central Composite Inscribed Design）C. CCF（中心復(fù)合表面設(shè)計(jì)，Central Composite FaceCentered Design）D. BB （BB 設(shè)計(jì)，BoxBehnken Design）69. 經(jīng)過(guò)團(tuán)隊(duì)的頭腦風(fēng)暴確認(rèn)，影響過(guò)程的因子有A、B、C、D、E 及F 共六個(gè)。其中除因子的主效應(yīng)外，還要考慮3 個(gè)二階交互效應(yīng)AB、AC 及DF，所有三階以上交互作用可以忽略不計(jì)。由于試驗(yàn)成本較高，限定不可能進(jìn)行全面的重復(fù)試驗(yàn)，但仍希望估計(jì)出隨機(jī)誤差以準(zhǔn)確檢驗(yàn)各因子顯著性。在這種情況下，應(yīng)該選擇進(jìn)行：69 B A. 全因子試驗(yàn)B. 部分實(shí)施的二水平正交試驗(yàn)，且增加若干中心點(diǎn)C. 部分實(shí)施的二水平正交試驗(yàn)，不增加中心點(diǎn)D. PlackettBurman 設(shè)計(jì)70. 在部分實(shí)施的因子試驗(yàn)設(shè)計(jì)中，考慮了A，B，C，D，E 及F 共 6 個(gè)因子，準(zhǔn)備進(jìn)行16 次試驗(yàn)。在計(jì)算機(jī)提供的混雜別名結(jié)構(gòu)表（Alias Structure Table）中，看到有二階交互作用效應(yīng)AB 與CE相混雜（Confounded），除此之外還有另一些二階交互作用效應(yīng)相混雜，但未看到任何主效應(yīng)與某二階交互作用效應(yīng)相混雜。此時(shí)可以斷定本試驗(yàn)設(shè)計(jì)的分辯度（Resolution）是：70 BA． 3B． 4C． 5D． 671. 在部分實(shí)施的因子設(shè)計(jì)中，如何利用下面這張表格來(lái)制訂試驗(yàn)計(jì)劃非常重要。六西格瑪團(tuán)隊(duì)在分析過(guò)程改進(jìn)時(shí)，大家共同確認(rèn)至少要考慮7 個(gè)因子。經(jīng)費(fèi)的限制使得連中心點(diǎn)在內(nèi)的試驗(yàn)總次數(shù)不能超過(guò)20 次。對(duì)于在試驗(yàn)中是否應(yīng)考慮第8 個(gè)因子，大家意見(jiàn)不統(tǒng)一。你贊成下列哪個(gè)人的意見(jiàn)？71 B 2 3 4 5 6 7 8 9 10 11 12 13 14 154 Full III8 Full IV III III III16 Full V IV IV IV III III III III