发布时间 : 星期日 文章2010六西格玛黑带试题更新完毕开始阅读
子方差分量及误差的方差分量,并根据这些方差分量的大小对变异原因作出判断.
（6）55. 对于两总体均值相等性检验,当验证了数据是独立的且为正态后,还要验证二者的等方差性,然 后就可以使用双样本的T检验.这时是否可以使用单因子的方差分析(ANOVA)方法予以替代,这里 有不同看法.正确的判断是:
A. 两总体也属于多总体的特例,因此,所有两总体均值相等性T检验皆可用ANOVA方法解决. B. 两总体虽属于多总体的特例,但两总体均值相等性T检验的功效(Power)比ANOVA方法要 高,因而不能用ANOVA方法替代.
C. 两总体虽属于多总体的特例,但两总体均值相等性T检验的计算比ANOVA方法要简单,因 而不能用ANOVA方法替代.
D. 两总体虽属于多总体的特例,但两总体均值相等性T检验可以处理对立假设为单侧(例如 \大于\的情形,而ANOVA方法则只能处理双侧(即\不等于\的问题,因而不能用ANOVA 方法替代.
（6）56. M公司中的Z车间使用多台自动车床生产螺钉,其关键尺寸是根部的直径.为了分析究竟是什么 原因导致直径变异过大,让3个工人,并随机选择5台机床,每人分别用这5车床各生产10个螺钉, 共生产150个螺钉,对每个螺钉测量其直径,得到150个数据.为了分析直径变异产生的原因,应该: A. 将工人及螺钉作为两个因子,进行两种方式分组的方差分析(Two-Way ANOVA),分别计算 出两个因子的显著性,并根据其显著性所显示的P值对变异原因作出判断.
B. 将工人及螺钉作为两个因子,按两个因子交叉(Crossed)的模型,用一般线性模型(General Linear Model)计算出两个因子的方差分量及误差的方差分量,并根据这些方差分量的大 小对变异原因作出判断.
C. 将工人及螺钉作为两个因子,按两个因子嵌套(Nested)的模型,用全嵌套模型(Fully Nested ANOVA)计算出两个因子的方差分量及误差的方差分量,并根据这些方差分量的大小对变异 原因作出判断.
D. 根据传统的测量系统分析方法(GageRR Study- Crossed),直接计算出工人及螺钉两个因 子方差分量及误差的方差分量,并根据这些方差分量的大小对变异原因作出判断.
（6）57. 在选定Y为响应变量后, 选定了X1,X2,X3为自变量,并且用最小二乘法建立了多元回归方程.在 MINITAB软件输出的ANOVA表中,看到P-Value=0.0021.在统计分析的输出中,找到了对各个回归系 数是否为0的显著性检验结果.由此可以得到的正确判断是:
A. 3个自变量回归系数检验中,应该至少有1个以上的回归系数的检验结果是显著的(即至 少有1个以上的回归系数检验的 P-Value 小于0.05),不可能出现3个自变量回归系数检 验的 P-Value 都大于0.05的情况
B. 有可能出现3个自变量回归系数检验的 P-Value 都大于0.05的情况,这说明数据本身有 较多异常值,此时的结果已无意义,要对数据重新审核再来进行回归分析.
C. 有可能出现3个自变量回归系数检验的 P-Value 都大于0.05的情况,这说明这3个自变 量间可能有相关关系,这种情况很正常.
D.ANOVA表中的P-VALUE=0.0021说明整个回归模型效果不显著,回归根本无意义.
（5）58. 已知一组寿命(Life Time)数据不为正态分布.现在希望用Box-Cox变换将其转化为正态分布. 在确定变换方法时得到下图:
从此图中可以得到结论:
A. 将原始数据取对数后,可以化为正态分布. B. 将原始数据求其 0.2次方后,可以化为正态分布. C. 将原始数据求平方根后,可以化为正态分布.
D. 对原始数据做任何Box-Cox变换,都不可能化为正态分布.
（6）59. 为了研究轧钢过程中的延伸量控制问题,在经过2水平的4个因子的全因子试验后,得到了回归 方程.其中,因子A代表轧压长度,低水平是50cm,高水平为70cm.响应变量Y为延伸量(单位为 cm).在代码化后的回归方程中, A因子的回归系数是4.问,换算为原始变量(未代码化前)的方 程时,此回归系数应该是多少 A. 40 B. 4 C. 0.4 D. 0.2
（6）60. 为了判断两个变量间是否有相关关系,抽取了 30 对观测数据.计算出了他们的样本相关系数为 0.65,对于两变量间是否相关的判断应该是这样的: A. 由于样本相关系数小于0.8,所以二者不相关 B. 由于样本相关系数大于0.6,所以二者相关
C. 由于检验两个变量间是否有相关关系的样本相关系数的临界值与样本量大小有关, 所以要查样本相关系数表才能决定
D. 由于相关系数并不能完全代表两个变量间是否有相关关系,本例信息量不够,不可 能得出判定结果
（6）61. 响应变量Y与两个自变量(原始数据)X1及X2建立的回归方程为: 210003.0300002.2xxy++= 由此方程可以得到结论是:
A. X1对Y的影响比X2对Y的影响要显著得多 B. X1对Y的影响比X2对Y的影响相同 C. X2对Y的影响比X1对Y的影响要显著得多 D. 仅由此方程不能对X1及X2对Y影响大小作出判定
（6）62. 为了判断改革后的日产量是否比原来的200 (千克)有所提高,抽取了20次日产量,发现日产 量平均值为201(千克).对此可以得到判断: A.只提高1千克,产量的提高肯定是不显著的
B.日产量平均值为201(千克),确实比原来200(千克)有提高 C.因为没有提供总体标准差的信息,因而不可能作出判断
D.不必提供总体标准差的信息,只要提供样本标准差的信息就可以作出判断
（6）63. 六西格玛团队分析了历史上本车间产量(Y)与温度(X1)及反应时间(X2)的记录.建立了Y 对 于X1及X2的线性回归方程,并进行了ANOVA,回归系数显著性检验,相关系数计算等,证明我们选 择的模型是有意义的,各项回归系数也都是显著的.下面应该进行: A. 结束回归分析,将选定的回归方程用于预报等
B. 进行残差分析,以确认数据与模型拟合得是否很好,看能否进一步改进模型 C. 进行响应曲面设计,选择使产量达到最大的温度及反应时间
D. 进行因子试验设计,看是否还有其它变量也对产量有影响,扩大因子选择的范围 （6）64. 回归方程XY = ∧
30中,Y的误差的方差的估计值为9,当1=X时,Y的95%的近似预测区间 是 A. (23,35) B. (24,36) C. (20,38) D. (21,39)
（7）65. 某工序过程有六个因子A,B,C,D,E,F,工程师希望做部分因子试验确定主要的影响因素,准 备采用26-2设计,而且工程师根据工程经验判定AB,BC,AE, DE之间可能存在交互作用,但是MINITAB 给出的生成元(Generators)为 E = ABC, F = BCD,为了不让可能显著的二阶交互作用相互混杂, 下列生成元可行的是: A. E=ABD, F=ABC B. E=BCD, F=ABC C. E=ABC, F=ABD D. E=ACD, F=BCD
（7）66. 下列哪项设计是适合作为改进阶段开始的筛选实验(Screening Experiment): A. 8因子的全因子实验 B. 8因子的部分因子实验 C. 中心复合设计(CCD) D. Box-Behnken 设计
（7）67. 在4个因子A,B,C,D的全因子设计中,增加了3个中心点的试验.分析试验结果,用MINITAB 软件计算,其结果如下:
在正交试验中,假定数据在拟合线性模型后,试验数据的残差有共同的方差,对于方差的估计量应该 是MSE(Mean Square Error,即平均误差均方和),在本题中是: A. 0.08920 B. 0.14170 C. 0.71361 D. 0.28340
（7）68. 下列哪种响应曲面设计肯定不具有旋转性(Rotatability) A. CCD(中心复合设计,Central Composite Design)
B. CCI(中心复合有界设计,Central Composite Inscribed Design) C. CCF(中心复合表面设计,Central Composite Face-Centered Design) D. BB (BB设计,Box-Behnken Design)
（7）69. 经过团队的头脑风暴确认,影响过程的因子有A,B,C,D,E及F共六个.其中除因子的主效应 外,还要考虑3个二阶交互效应AB,AC及DF,所有三阶以上交互作用可以忽略不计.由于试验成本 较高,限定不可能进行全面的重复试验,但仍希望估计出随机误差以准确检验各因子显著性.在这种 情况下,应该选择进行: A. 全因子试验
B. 部分实施的二水平正交试验,且增加若干中心点 C. 部分实施的二水平正交试验,不增加中心点 D. Plackett-Burman设计
（7）70. 在部分实施的因子试验设计中,考虑了A,B,C,D,E及F共 6个因子,准备进行16次试验. 在计算机提供的混杂别名结构表(Alias Structure Table)中,看到有二阶交互作用效应 AB 与 CE 相混杂(Confounded),除此之外还有另一些二阶交互作用效应相混杂,但未看到任何主效应与某二 阶交互作用效应相混杂.此时可以断定本试验设计的分辩度(Resolution)是 A. 3 B. 4 C. 5 D. 6