今日 5 道练习题,请先独立思考,再查看每题答案和解析。
第1题(来源:2017年六西格玛黑带真题【黑带】)
在改进阶段中,安排了试验的设计与分析.仅对新建立的模型进行一般的统计分析是不够的,还必须进行残差的诊断.这样做的目的是:
A.判断模型与数据的拟合是否有问题
B.判断各主效应与交互效应是否显著
C.协助寻找出因子的最佳设置,以使响应变量达到最优化
D.判断试验过程中试验误差是否有不正常的变化
正确答案:A,D
解析:《六西格玛黑带》第七章 P391(残差诊断)
试验设计分析的第一步是拟合选定的模型,这个时候要看模型是否有效,是否存在失拟、弯曲,评估出主效应和交互效应是否显著。 分析的第二步是进行残差诊断,其主要目的是基于残差的状况来诊断模型是否与数据拟合的很好,另外从输出的四合一图中,评估残差是否有喇叭口或漏斗状,是否随机出现在残差=0的上下,从而评估是否有不正常的试验误差存在。 而寻找出因子的最佳设置则是出现在残差和模型都没有问题之后,对选定的模型进行分析解释,找到因子的最佳位置。
第2题(来源:2017年六西格玛黑带真题【黑带】)
在测量系统分析计算重复性和再现性(R&R)时,相对于极差法(RangeMethod)而言,采用方差分析和方差估计法的优点是:
A.计算简便
B.可以估计交互作用的影响
C.可以进行深层次的统计分析
D.是精确算法,计算结果没有误差
正确答案:B,C
解析:《六西格玛黑带》第五章 P191-192
量具G R&R分析的两种分析法:
-均值极差法(X bar-R):假设部品和测量者之间没有交互作用之后进行分析(传统方法)。
-方差分析法(ANOVA):部品和测量者之间存在交互作用的情况
A:算方差肯定没有算极差简便;
D:多精确啊还能没有误差,再说题目上都说了方差“估计”,如果没有误差也不叫“估计”了。
第3题(来源:2017年六西格玛黑带真题【黑带】)
对部分实施因子试验的理解,下面说法正确的是:
A.混杂现象的出现是完全可以避免的
B.混杂现象的结果是可以选择的
C.任何主效应与二阶交互效应的混杂都必须避免
D.存在某些二阶交互作用的混杂通常是可以允许的
正确答案:B,D
解析:《六西格玛黑带》第七章 P406
任何部分的因子试验,混杂是不可避免的,我们只是希望混杂安排得更好些,尽量让我们感兴趣的因子或交互作用只与更高阶的交互作用向混杂。
而错误选项A.C说得过于绝对,一点都不严谨、一看就不对。
第4题(来源:2017年六西格玛黑带真题【黑带】)
在试验设计中,我们常常要将原来对于因子设定的各水平值实行"代码化"(Coding).例如在2水平时,把"高""低"二水平分别记为"+1"及"-1".这样做的好处是:
A.比未代码化时提高了计算的精度.
B.代码化后,可以通过直接比较各因子或因子间的交互作用的回归系数之绝对值以确定效应的大小,即回归系数之绝对值越大者该效应越显著;而未代码化时不能这样判断.
C.代码化后,删除回归方程中某些不显著之项时,其它各项回归系数不变;未代码化时,在删除某些不显著之项时其它各项回归系数可能有变化.
D.由于代码化后,各因子或因子间的交互作用的回归系数之估计量间相互无关,如果在对系数进行系数显著性检验时,某系数P—value较大(例如大于0.2),证明它们效应不显著,可以直接将其删除;而未代码化时,各项回归系数间可能有关,因而即使某系数系数显著性检验时的P—value较大,也不能冒然删除.
正确答案:B,C,D
解析:A. 提高计算精度并不是代码化的主要目的。虽然代码化可能会简化计算过程,但它更多是为了便于解释和分析结果,而不是为了提高计算精度。因此,这个选项不是代码化的主要好处。
B. 代码化后,回归系数的绝对值可以直接反映因子效应的大小,这是代码化的一个重要优势。在没有代码化的情况下,由于原始水平的尺度不同,直接比较回归系数的大小并不合适。代码化后,所有的因子都在相同的尺度上,因此回归系数的绝对值可以用来比较因子效应的大小。
C. 代码化后的另一个好处是,删除回归方程中不显著的项时,其他项的回归系数不会改变。这是因为代码化使得回归系数与原始数据的尺度无关。在没有代码化的情况下,删除不显著的项可能会影响到其他项的回归系数,因为它们之间存在尺度上的依赖关系。
D. 代码化还可以使得各因子或因子间的交互作用的回归系数估计量相互独立。这意味着在进行系数显著性检验时,如果某个系数的P值较大,表明其效应不显著,可以将其从模型中删除,而不影响其他系数的估计。在没有代码化的情况下,由于系数之间可能存在相关性,即使某个系数的P值较大,也不能轻易删除,因为它可能与其他系数的估计有关。
综上所述,选项B.C和D都是代码化的好处,而选项A不是。因此,正确答案应该是B.C和D
第5题(来源:2017年六西格玛黑带真题【黑带】)
对于响应曲面方法的正确叙述是:
A.响应曲面方法是试验设计方法中的一种
B.响应曲面方法是在最优区域内建立响应变量与各自变量的二次回归方程
C.响应曲面方法可以找寻到响应变量最优区域
D.响应曲面方法可以判明各因子显著或不显著
正确答案:A,B
解析:《六西格玛黑带》第七章 P422
在实际工作中,常常需要研究响应变量Y 究竟如何依赖于自变量,进而找到自变量的设置使得响应变量得到最佳值(望大、望小或望目)。如果自变量的个数较少(通常不超过3个),则响应曲面方法是最好的方法之一。本方法特别适合于响应变量望大或望小的情形,而参数稳健设计方法则更适合于响应变量望目的情形。我们通常的作法是这样的:先用二水平因子试验的数据,拟合一个线性的回归方程(可以含交叉乘积项),如果发现有弯曲的趋势,则拟合一个含二次项的回归方程。
福州考生加油,每天进步一点点!
【提示】 每日一练由同创云课堂整理,题目均来源于历年真题和高频考点,帮助考生利用碎片时间高效备考。