2010六西格玛黑带考试试题(8)

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:

Lambda

StDev

3210-1 5 4 3 2 1 0

Lower CL Upper CL

Limit

Lambda

0.221445

(u sin g 95.0% c o n fid en c e)

E stimate 0.221445

Lo w er C L 0.060195

U p p er C L 0.396962

Best Value

Box-Cox Plot of Life time

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

六西格玛六西格玛

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: …… 此处隐藏：239字，全部文档内容请下载后查看。喜欢就下载吧 ……