六西格瑪試卷全套(含答案)

1、一、單選題：1. 黑帶是 六西格瑪 管理中最為重要的角色之一。在下面的陳述中，哪些不是六西格瑪 黑帶應(yīng)承擔(dān)的任務(wù)：A.在倡導(dǎo)者（Champion）和資深黑帶（MBB）的指導(dǎo)下，帶領(lǐng)團(tuán)隊完成 六西格瑪項目B. 運(yùn)用 六西格瑪 管理工具方法，發(fā)現(xiàn)問題產(chǎn)生的根本原因，確認(rèn)改進(jìn)機(jī)會；C. 與倡導(dǎo)者資深黑帶以及項目相關(guān)方溝通，尋求各方的支持和理解；D. 負(fù)責(zé)整個組織六西格瑪 管理的部署， 為團(tuán)隊確定六西格瑪 管理推進(jìn)目標(biāo)， 分配資源并監(jiān)控進(jìn)展。2. 確定項目選擇及項目優(yōu)先級是下列哪個角色的責(zé)任A.黑帶B 黑帶大師C.綠帶D 倡導(dǎo)者3. 在分析 X R 控制圖時應(yīng)A. 先分析X 圖然后再分析R 圖B. 先

2、分析R 圖然后再分析X 圖C. X 圖和 R 圖無關(guān)，應(yīng)單獨分析D. 以上答案都不對4. 在 六西格瑪管理的組織結(jié)構(gòu)中，下面的陳述哪個是正確的：A. 黑帶應(yīng)當(dāng)自主決定項目選擇B 綠帶的數(shù)量和素質(zhì)是推行六西格瑪 獲得成功的關(guān)鍵因素C 倡導(dǎo)者對 六西格瑪 活動整體負(fù)責(zé)，確定前進(jìn)方向D 以上都不是5. 質(zhì)量管理大師戴明先生在其著名的質(zhì)量管理十四條中指出 “停止依靠檢驗達(dá)成質(zhì)量的做法” ，這句話的含義是：A. 企業(yè)雇傭了太多的檢驗人員，對經(jīng)營來說是不經(jīng)濟(jì)的。B. 質(zhì)量是設(shè)計和生產(chǎn)出來的，不是檢驗出來的。C. 在大多數(shù)情況下，應(yīng)該由操作人員自己來保證質(zhì)量，而不是靠檢驗員保證。D. 人工檢驗的效率和準(zhǔn)確率

3、較低，依靠檢驗是不能保證質(zhì)量的。6 . 在下列陳述中，不正確的是：A. 六西格瑪管理僅是適合于制造過程質(zhì)量改進(jìn)的工具；B. 六西格瑪管理是保持企業(yè)經(jīng)營業(yè)績持續(xù)改善的系統(tǒng)方法；C. 六西格瑪管理是增強(qiáng)企業(yè)領(lǐng)導(dǎo)力和綜合素質(zhì)的管理模式；D. 六西格瑪管理是不斷提高顧客滿意程度的科學(xué)方法7 .下列說法錯誤的是:A. 界定階段包括界定項目范圍、組成團(tuán)隊。B. 測量階段主要是測量過程的績效，即 Y ，在測量前要驗證測量系統(tǒng)的有效性，找到并確認(rèn)影響Y 的關(guān)鍵原因。C. 分析階段主要是針對Y 進(jìn)行原因分析，找到并驗證關(guān)鍵原因。D. 改進(jìn)階段主要是針對關(guān)鍵原因 X 尋找改進(jìn)措施，并驗證改進(jìn)措施。8 .在以下常用

4、的QC 新七種工具方法中，用于確定項目工期和關(guān)鍵路線的工具是：A. 親和圖 B. 矩陣圖 C. PDPC 法 D. 網(wǎng)絡(luò)圖9 . 平衡記分卡“”是由下述哪幾個維度構(gòu)成的：A. 財務(wù)、顧客、內(nèi)部業(yè)務(wù)流程、員工學(xué)習(xí)與成長B. 評價系統(tǒng)、戰(zhàn)略管理系統(tǒng)、內(nèi)部溝通系統(tǒng)C. 業(yè)績考評系統(tǒng)、財務(wù)管理系統(tǒng)、內(nèi)部流程D. 財務(wù)系統(tǒng)、績效考核系統(tǒng)、顧客關(guān)系管理系統(tǒng)10 . 在質(zhì)量功能展開（QFD, Quality Function Deployment） 中，首要的工作是：A. 客戶競爭評估 B. 技術(shù)競爭評估C. 決定客戶需求D. 評估設(shè)計特色11 .在某檢驗點，對1000 個某零件進(jìn)行檢驗，每個零件上有10

5、個缺陷機(jī)會，結(jié)果共發(fā)現(xiàn) 16 個零件不合格，合計32 個缺陷，則 DPMO 為A. 0.0032 B. 3200 C. 32000 D. 160012 .下面列舉的工具中，哪個一般不是在項目選擇時常用的工具：A. 排列圖（Pareto）B. 實驗設(shè)計C. QFD D. 因果矩陣13 六西格瑪 項目團(tuán)隊在明確項目范圍時，應(yīng)采用以下什么工具？A. 因果圖 B. SIPOC 圖 C. PDPC 法 D. 頭腦風(fēng)暴法14 . 哪種工具可以用于解決下述問題：一項任務(wù)可以分解為許多作業(yè)，這些作業(yè)相互依賴和相互制約，團(tuán)隊希望把各項作業(yè)之間的這種依賴和制約關(guān)系清晰地表示出來，并通過適當(dāng)?shù)姆治稣页鲇绊戇M(jìn)度的關(guān)鍵

6、路徑，從而能進(jìn)行統(tǒng)籌協(xié)調(diào)。A. PDPC（過程決策程序圖） B.箭條圖（網(wǎng)絡(luò)圖） C.甘特圖 D.關(guān)聯(lián)圖15 .下述團(tuán)隊行為標(biāo)示著團(tuán)隊進(jìn)入了哪個發(fā)展階段？團(tuán)隊的任務(wù)已為其成員所了解，但他們對實現(xiàn)目標(biāo)的最佳方法存在著分歧，團(tuán)隊成員仍首先作為個體來思考，并往往根據(jù)自己的經(jīng)歷做出決定。這些分歧可能引起團(tuán)隊內(nèi)的爭論甚至矛盾。A. 形成期 B. 震蕩期 C. 規(guī)范期 D. 執(zhí)行期16 .在界定階段結(jié)束時，下述哪些內(nèi)容應(yīng)當(dāng)?shù)靡源_定？1、項目目標(biāo)2 、項目預(yù)期的財務(wù)收益3、項目所涉及的主要過程4 、項目團(tuán)隊成員A. 1 ；B. 1 和 4 ；C. 2 和 3；D. 1、 2、 3 和 4。17 .在項目特許

7、任務(wù)書（Team Charter）中，需要陳述 經(jīng)營情況”（Business Cas他被稱為項目背景） 。該項內(nèi)容是為了說明：A. 為什么要做該項目；B. 項目的目標(biāo)；C. 項目要解決的問題；D. 問題產(chǎn)生的原因。18 . 一個過程由三個工作步驟構(gòu)成（如圖所示） ，每個步驟相互獨立，每個步驟的一次合格率 FTY 分別是： FTY1 = 99% ； FTY2 = 97% ； FTY3 = 96% 。則整個過程的流通合格率為A. 92.2%B. 99%C. 96%D. 97.3%19.在談到激勵技巧時，常常會基于馬斯洛（Maslow）的人的五個基本需求”理論 馬斯洛認(rèn)為：人們的最初激勵來自于最低層

8、次的需求，當(dāng)這個需求被滿足后，激勵便來自于下一個需求。 那么， 按照馬斯洛理論， 人們需求層次從低到高的順序就是：A.安全需要一生存需要一尊重-歸屬感一成就或自我實現(xiàn)步驟1步驟2步驟3B.生存需要-安全需要-尊重-歸屬感一成就或自我實現(xiàn)C.生存需要-安全需要-歸屬感-尊重一成就或自我實現(xiàn)D.生存需要-安全需要-歸屬感一成就或自我實現(xiàn)一尊重20. 劣質(zhì)成本的構(gòu)成是：A. 內(nèi)部損失和外部損失成本B. 不增值的預(yù)防成本鑒定成本內(nèi)部損失和外部損失成本C. 不增值的預(yù)防成本內(nèi)部損失和外部損失成本D. 鑒定成本內(nèi)部損失和外部損失成本21. 某生產(chǎn)線上順序有3 道工序，其作業(yè)時間分別是8 分鐘、 10 分鐘

9、、 6 分鐘，則生產(chǎn)線的節(jié)拍是：A. 8 分鐘 B. 10 分鐘 C. 6 分鐘 D. 以上都不對22. 下述網(wǎng)絡(luò)圖中，關(guān)鍵路徑是？（時間單位：天）A.B.C.一一一一D.一一一一23. 對于離散型數(shù)據(jù)的測量系統(tǒng)分析，通常應(yīng)提供至少 30 件產(chǎn)品，由 3 個測量員對每件產(chǎn)品重復(fù)測量2 次，記錄其合格與不合格數(shù)目。對于30 件產(chǎn)品的正確選擇方法應(yīng)該是：A. 依據(jù)實際生產(chǎn)的不良率，選擇成比例的合格及不合格樣品B. 至少 10 件合格，至少10 件不合格，這與實際生產(chǎn)狀態(tài)無關(guān)C. 可以隨意設(shè)定比率,因為此比率與測量系統(tǒng)是否合格是無關(guān)的D. 以上都不對24 美國工程師的項目報告中提到，在生產(chǎn)過程中，當(dāng)

10、華氏度介于 （70,90）之間時 , 產(chǎn)量獲得率 （以百分比計算） 與溫度 （以華氏度為單位） 密切相關(guān) （相關(guān)系數(shù)為0.9） ，而且得到了回歸方程如下:Y = 0.9X+32 黑帶張先生希望把此公式中的溫度由華氏度改為攝氏度。他知道攝氏度（C）與華氏度（F）間的換算關(guān)系是：C = 5/9 （ F -32） 請問換算后的相關(guān)系數(shù)和回歸系數(shù)各是多少？A. 相關(guān)系數(shù)為0.9，回歸系數(shù)為1.62B. 相關(guān)系數(shù)為0.9，回歸系數(shù)為0.9C. 相關(guān)系數(shù)為0.9，回歸系數(shù)為0.5D. 相關(guān)系數(shù)為0.5，回歸系數(shù)為0.525. 對于流水線上生產(chǎn)的一大批二極管的輸出電壓進(jìn)行了測定。經(jīng)計算得知，它們的中位數(shù)為

11、2.3V 。 5 月 8 日上午，從該批隨機(jī)抽取了 400 個二極管，對于它們的輸出電壓進(jìn)行了測定。記X 為輸出電壓比2.3V 大的電子管數(shù)，結(jié)果發(fā)現(xiàn)， X=258支。為了檢測此時的生產(chǎn)是否正常。先要確定X 的分布?？梢詳嘌裕篈. X 近似為均值是200，標(biāo)準(zhǔn)差是20 的正態(tài)分布。B. X 近似為均值是200，標(biāo)準(zhǔn)差是10 的正態(tài)分布。C. X 是（ 180， 220）上的均勻分布。D. X 是（ 190， 210）上的均勻分布。26. 容易看到，在一個城市中不同收入者的住房面積相差懸殊，分布一般會呈現(xiàn)出嚴(yán)重的右偏傾向。為了調(diào)查S 市的住房狀況，隨機(jī)抽取了 1000 個住戶，測量了他們的住房面

12、積。在這種情況下，代表一般住房狀況的最有代表性的指標(biāo)應(yīng)該是：A 樣本平均值（Mean）B 去掉一個最高值，去掉一個最低值，然后求平均C 樣本眾數(shù)（Mode ） ，即樣本分布中概率最高者。D 樣本中位數(shù)（Median ）27. 在起重設(shè)備廠中 , 對于供應(yīng)商提供的墊片厚度很敏感。 墊片厚度的公差限要求為12 毫米±1 毫米。供應(yīng)商對他們本月生產(chǎn)狀況的報告中只提供給出 Cp=1.33,Cpk=1.00 這兩個數(shù)據(jù)。這時可以對于墊片生產(chǎn)過程得出結(jié)論說 :A. 平均值偏離目標(biāo)12毫米大約0.25 毫米B. 平均值偏離目標(biāo)12毫米大約0.5 毫米C. 平均值偏離目標(biāo)12毫米大約0.75 毫米D

13、. 以上結(jié)果都不對28.下表是一個分組樣本分組區(qū)間 （ 35， 45 （ 45， 55 （ 55， 65 （ 65， 75 頻數(shù)38 7 2 則其樣本均值X 近似為A. 50B. 54C. 62D. 6429. 在某快餐店中午營業(yè)期間內(nèi)，每分鐘顧客到來人數(shù)為平均值是8 的泊松（Poissonj）分布。若考慮每半分鐘到來的顧客分布，則此分布近似為：A.平均值是8的泊松（Poisson）分布B.平均值是4的泊松（Poisson）分布C.平均值是2的泊松（Poisson）分布 D.分布類型將改變。30. 一批產(chǎn)品分一、二、三級，其中一級品是二級品的二倍，三級品是二級品的一半，若從該批產(chǎn)品中隨機(jī)抽取一

14、個，此產(chǎn)品為二級品的概率是A. 1/3B. 1/6C. 1/7D. 2/731. 為調(diào)查呼吸阻塞癥在中國發(fā)病率， 發(fā)了 5000 份問卷。 由于呼吸阻塞癥與嗜睡癥有密切關(guān)系，問卷都是關(guān)于是否有嗜睡傾向的。后來，問卷只回收了約 1000 份，對回答了問卷的人進(jìn)行了檢測，發(fā)現(xiàn)呼吸阻塞癥患病率為12%。對此比率數(shù)值是否準(zhǔn)確的判斷應(yīng)為：A. 可以認(rèn)為此數(shù)是發(fā)病率的正確估計B. 由于未回收問卷較多，此值估計偏高C. 由于未回收問卷較多，此值估計偏低D. 1000 份太少，上述發(fā)病率的估計無意義32. 對于一組共28 個數(shù)據(jù)進(jìn)行正態(tài)性檢驗。 使用 MINITAB 軟件， 先后依次使用了“ Anderso-

15、nDarling ，”“ Rya-nJoiner ( Similar to Shapiro-Wilk ) ” 及 “ Kolmogorov-Smirnov ”種方法，但卻得到了 3種不同結(jié)論："Andersc-Darling檢斗欲p-value0.005 因而判數(shù)據(jù) “非正態(tài) ”，“Rya-nJoiner(Similar toShapiro-Wilk ) ” 檢驗 p-value0.10 以及"Kolmogorov - Smirnov檢目P p-value0.15都判數(shù)據(jù) 芷態(tài)”。這時候正確的判斷是： A 按少數(shù)服從多數(shù)原則，判數(shù)據(jù) “正態(tài) ” 。B 任何時候都相信 “最權(quán)

16、威方法 ”。在正態(tài)分布檢驗中，相信MINITAB 軟件選擇的缺省方法“Anderso-Darlin g”是最優(yōu)方法，判數(shù)據(jù)非正態(tài)”。C 檢驗中的原則總是 “拒絕是有說服力的 ” ，因而只要有一個結(jié)論為 “拒絕 ”則相信 此結(jié)果。因此應(yīng)判數(shù)據(jù) “非正態(tài) ” 。D 此例數(shù)據(jù)太特殊，要另選些方法再來判斷，才能下結(jié)論。33. 已知化纖布每匹長100 米，每匹布內(nèi)的瑕疵點數(shù)服從均值為10 的 Poisson 分布?？p制一套工作服需要4 米化纖布。問每套工作服上的瑕疵點數(shù)應(yīng)該是：A. 均值為10的 Poisson 分布B. 均值為2.5的 Poisson 分布C. 均值為0.4的 Poisson 分布D.

17、 分布類型已改變34. 從平均壽命為 1000 小時壽命為指數(shù)分布的二極管中，抽取100 件二極管，并求出其平均壽命。則A. 平均壽命仍為均值是1000 小時的指數(shù)分布B. 平均壽命近似為均值是1000 小時，標(biāo)準(zhǔn)差為1000 小時的正態(tài)分布C. 平均壽命近似為均值是1000 小時，標(biāo)準(zhǔn)差為100 小時的正態(tài)分布D. 以上答案都不對。35. 某供應(yīng)商送來一批零件，批量很大，假定該批零件的不良率為1%，今從中隨機(jī)抽取 32 件， 若發(fā)現(xiàn) 2 個或 2 個以上的不良品就退貨， 問接受這批貨的概率是多少？A. 72.4%B. 23.5%C. 95.9%D. 以上答案都不對36. 某企業(yè)用臺秤對某材料

18、進(jìn)行稱重， 該材料重量要求的公差限為500 ±15 克。 現(xiàn)將一個 500 克的砝碼，放在此臺秤上去稱重，測量20 次，結(jié)果發(fā)現(xiàn)均值為 510 克，標(biāo)準(zhǔn)差為 1 克。這說明：A. 臺秤有較大偏倚（ Bias） ，需要校準(zhǔn)B. 臺秤有較大的重復(fù)性誤差，已不能再使用，需要換用精度更高的天平。C. 臺秤存在較大的再現(xiàn)性誤差，需要重復(fù)測量來減小再現(xiàn)性誤差。D. 測量系統(tǒng)沒有問題，臺秤可以使用。37. 在數(shù)字式測量系統(tǒng)分析中，測量人員間基本上無差異，但每次都要對初始狀態(tài) 進(jìn)行設(shè)定，這時，再現(xiàn)性誤差是指：A. 被測對象不變，測量人員不變，各次獨立重復(fù)測量結(jié)果之間的差異； B. 被測對象不變，在不

19、同初始狀態(tài)的設(shè)定下，各次測量結(jié)果之間的差異； C. 同一測量人員，對各個被測對象各測一次，測量結(jié)果之間的差異； D. 以上都不是。38. 車床加工軸棒，其長度的公差限為180 ±3 毫米。在測量系統(tǒng)分析中發(fā)現(xiàn)重復(fù)性標(biāo)準(zhǔn)差為 0.12 毫米，再現(xiàn)性標(biāo)準(zhǔn)差為 0.16 毫米。從 %P/T 的角度來分析，可以得到結(jié)論：A. 本測量系統(tǒng)從%P/T角度來說是完全合格的B. 本測量系統(tǒng)從%P/T角度來說是勉強(qiáng)合格的C. 本測量系統(tǒng)從%P/T角度來說是不合格的D. 上述數(shù)據(jù)不能得到 %P/T 值，從而無法判斷39. 在鉗工車間自動鉆空的過程中， 取 30 個鉆空結(jié)果分析， 其中心位置與規(guī)定中心點在

20、水平方向的偏差值的平均值為 1 微米， 標(biāo)準(zhǔn)差為 8 微米。 測量系統(tǒng)進(jìn)行分析后發(fā)現(xiàn)重復(fù)性（Repeatability）標(biāo)準(zhǔn)差為3微米，再現(xiàn)性（Reproducibility ） 標(biāo)準(zhǔn)差為4 微米。從精確度/ 過程波動的角度來分析，可以得到結(jié)論:A.本測量系統(tǒng)從精確度/過程波動比（RR%）來說是完全合格的B.本測量系統(tǒng)從精確度/過程波動比（RR%）來說是勉強(qiáng)合格的C.本測量系統(tǒng)從精確度/過程波動比（RR%）來說是不合格的D. 上述數(shù)據(jù)不能得到精確度/過程波動比（RR%）, 從而無法判斷40. 對于正態(tài)分布的過程,有關(guān)p C 、 pk C 和缺陷率的說法，正確的是：A. 根據(jù) p C 不能估計缺

21、陷率, 根據(jù) pk C 才能估計缺陷率B. 根據(jù) p C 和 pk C 才能估計缺陷率C. 缺陷率與 p C 和 pk C 無關(guān)D. 以上說法都不對41. 對于一個穩(wěn)定的分布為正態(tài)的生產(chǎn)過程，計算出它的工序能力指數(shù)p C =1.65 ，pk C =0.92。這時，應(yīng)該對生產(chǎn)過程作出下列判斷：A 生產(chǎn)過程的均值偏離目標(biāo)太遠(yuǎn)，且過程的標(biāo)準(zhǔn)差太大。B 生產(chǎn)過程的均值偏離目標(biāo)太遠(yuǎn)，過程的標(biāo)準(zhǔn)差尚可。C 生產(chǎn)過程的均值偏離目標(biāo)尚可，但過程的標(biāo)準(zhǔn)差太大。D 對于生產(chǎn)過程的均值偏離目標(biāo)情況及過程的標(biāo)準(zhǔn)差都不能作出判斷。42. 假定軸棒生產(chǎn)線上， 要對軸棒長度進(jìn)行檢測。 假定軸棒長度的分布是對稱的 （不一定是

22、正態(tài)分布） ，分布中心與軸棒長度目標(biāo)重合。對于 100 根軸棒，將超過目標(biāo)長度者記為 “ 號，” 將小于目標(biāo)長度者記為“-”號。記 N 為出現(xiàn)正號個數(shù)總和， 則 N 的分布近似為：A （ 40， 60）間的均勻分布。B （ 45 ， 55）間的均勻分布。C均值為50，標(biāo)準(zhǔn)差為10 的正態(tài)分布。D 均值為50 ，標(biāo)準(zhǔn)差為5 的正態(tài)分布。43. 某生產(chǎn)線有三道彼此獨立的工序， 三道工序的合格率分別為： 95%， 90% ， 98%。如下圖所示：每道工序后有一檢測點，可檢出前道工序的缺陷，缺陷不可返修,問此時整條線的初檢合格率是多少？A. 90%B. 98%C. 83.79%D. 83%44. 一批

23、數(shù)據(jù)的描述性統(tǒng)計量計算結(jié)果顯示， 均值和中位數(shù)都是100。 這時， 在一般情況下可以得到的結(jié)論是：A. 此分布為對稱分布B. 此分布為正態(tài)分布C. 此分布為均勻分布D. 以上各結(jié)論都不能肯定45. 從參數(shù)入=0.4的指數(shù)分布中隨機(jī)抽取容量為25的一個樣本，則該樣本均值 2 =準(zhǔn)差近似為：A. 0.4B. 0.5C. 1.4D. 1.546. 某藥廠最近研制出一種新的降壓藥，為了驗證新的降壓藥是否有效，實驗可按如下方式進(jìn)行：選擇若干名高血壓病人進(jìn)行實驗，并記錄服藥前后的血壓值，然后通過統(tǒng)計分析來驗證該藥是否有效。對于該問題 ,應(yīng)采用 :A 雙樣本均值相等性檢驗B 配對均值檢驗CF 檢驗D 方差分

24、析47. 為了判斷 A 車間生產(chǎn)的墊片的變異性是否比 B 車間生產(chǎn)的墊片的變異性更小，各抽取 25 個墊片后，測量并記錄了其厚度的數(shù)值，發(fā)現(xiàn)兩組數(shù)據(jù)都是正態(tài)分布。下面應(yīng)該進(jìn)行的是：A 兩樣本 F 檢驗B 兩樣本 T 檢驗C 兩樣本配對差值的 T 檢驗D 兩樣本 Mann-Whitney 秩和檢驗48. 為了降低汽油消耗量， M 研究所研制成功一種汽油添加劑。該所總工程師宣稱此添加劑將使行駛里程提高 2% 。 X 運(yùn)輸公司想驗證此添加劑是否有效，調(diào)集本公司各種型號汽車30 輛， 發(fā)給每輛汽車普通汽油及加注添加劑汽油各 10 升， 記錄了每輛車用兩種汽油的行駛里程數(shù)，共計60 個數(shù)據(jù)。檢驗添加劑是

25、否有效的檢驗方 法應(yīng)該是：B. 配對樣本檢驗D. 兩樣本非參數(shù)Mann-Whitney 檢驗A. 雙樣本均值相等性 T 檢驗。C. F 檢驗49. 原來本車間生產(chǎn)的鋼筋抗拉強(qiáng)度不夠高，經(jīng)六西格瑪 項目改進(jìn)后，鋼筋抗拉強(qiáng)度似有提高。為了檢驗鋼筋抗拉強(qiáng)度改進(jìn)后是否確有提高，改進(jìn)前抽取8 根鋼筋，改進(jìn)后抽取10 根鋼筋，記錄了他們的抗拉強(qiáng)度。希望檢驗兩種鋼筋的抗拉強(qiáng)度平均值是否有顯著差異。經(jīng)檢驗，這兩組數(shù)據(jù)都符合正態(tài)分布。在檢查兩樣本的方差是否相等及均值是否相等時，用計算機(jī)計算得到下列結(jié)果。Test for Equal Variances for strength F-Test0.181Test S

26、tatistic 1.96P-Value 0.188Levene's TestTest Statistic 1.96P-ValueTwo-sample T for strength_After vs strength_BeforeN Mean StDev SE Meanstrength_After 10 531.45 9.84 3.1strength_Before 8522.445.88 2.1Difference = mu (strength_After) - mu (strength_Before)Estimate for difference: 9.0125095% lower

27、bound for difference: 2.10405T-Test of difference = 0 (vs ): T-Value = 2.28 P-Value = 0.018 DF = 16A. 改進(jìn)后平均抗拉強(qiáng)度有提高，但抗拉強(qiáng)度的波動也增加了。B. 改進(jìn)后平均抗拉強(qiáng)度有提高，但抗拉強(qiáng)度的波動未變。C. 改進(jìn)后平均抗拉強(qiáng)度無提高，但抗拉強(qiáng)度的波動增加了。D. 改進(jìn)后平均抗拉強(qiáng)度無提高，抗拉強(qiáng)度的波動也未變。50. 為了比較 A、 B、 C 三種催化劑對硝酸氨產(chǎn)量的影響，在三種催化劑下，各生產(chǎn)了 6 批產(chǎn)品。進(jìn)行了單因素方差分析(ANOVA )后，得到結(jié)果如下所顯示。One-way A

28、NOVA: product versus CatalystSourceDFSSMS FCatalyst270.1135.06Error1546.833.12Total17116.94S = 1.767 R-Sq59.95% R-Sq(adj)Level N Mean StDev= 54.61%P11.230.001A 6 26.500 1.871B 6 21.667 1.633C 6 24.000 1.789*Tukey 95% Simultaneous Confidence IntervalsAll Pairwise Comparisons among Levels of CatalystI

29、ndividual confidence level = 97.97%Catalyst = A subtracted from:Catalyst Lower Center UpperB -7.481 -4.833 -2.186C -5.147 -2.500 0.147Catalyst = B subtracted from:Catalyst Lower Center UpperC -0.314 2.333 4.981*Fisher 95% Individual Confidence IntervalsAll Pairwise Comparisons among Levels of Cataly

30、st Simultaneous confidence level = 88.31%Catalyst = A subtracted from:Catalyst Lower Center UpperB -7.008 -4.833 -2.659C -4.674 -2.500 -0.326Catalyst = B subtracted from:Catalyst Lower Center UpperC 0.159 2.333 4.508由上面這些結(jié)果，如果我們希望兩兩比較時總的第 I 類錯誤風(fēng)險控制為5% ，應(yīng)該選用的結(jié)論是：A. 3 種催化劑效果無顯著差異。B. 采用 Tukey 方法，總第I 類錯

31、誤風(fēng)險為 5%，其計算結(jié)果為： AC 間、 BC 間無顯著差異，但催化劑 A 的產(chǎn)量顯著高于催化劑B 的產(chǎn)量。C. 采用 Tukey 方法， 全部總體參加比較時， 總第 I 類錯誤風(fēng)險選定為 5% ， 其計算結(jié)果為： AC 間無顯著差異， 但催化劑 A 及 C 的產(chǎn)量都顯著高于催化劑 B 的產(chǎn)量。D. 采用 Fisher 方法，多總體中任意二總體進(jìn)行比較時，第I 類錯誤風(fēng)險皆選定為5% ，其計算結(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)

32、墊片。在生產(chǎn)線上，隨機(jī)抽取100 片墊片，發(fā)現(xiàn)其厚度分布均值為2.0mm,標(biāo)準(zhǔn)差為0.2mm。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2.0mm;方差0.2B.均值20mm;方差0.04C.均值20mm;方差0.4D.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，使用傳統(tǒng)方法，對10 個機(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)

33、”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. 同一個設(shè)定的 V 值， 多次重復(fù)測量同樣一個機(jī)柜所引起的變異是 “再現(xiàn)性 ”誤差。D. 在不同時間周期內(nèi)， 用此測電阻儀測量同一個機(jī)柜時， 測量值的波動是 “再現(xiàn)性 ” 誤差。53. 在箱線圖(Box-Plot)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 上須觸線終點為：7 ；下須觸線終點為：-3.5B 上須觸線終點為：8.5；下

34、須觸線終點為：-3.5C上須觸線終點為：7 ；下須觸線終點為：-4D 上須觸線終點為：8.5 ；下須觸線終點為：-454. 強(qiáng)力變壓器公司的每個工人都操作自己的 15 臺繞線器生產(chǎn)同種規(guī)格的小型變壓器。原定的變壓之電壓比為2.50，但實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因子，進(jìn)行兩種方式分組的方差分析( Two-WayANOVA ) ，分別計算出兩個因子的

35、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因子，按兩個因子交叉(Crossed!)的模型，用一般線性模型( GeneralLinear Model )計算出兩個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因子，按兩個因子嵌套(Nested)的模型，用全嵌套模型( FullyNested ANOVA) 計算出兩個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) ，直接計算出工人及繞

36、線器兩個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，當(dāng)驗證了數(shù)據(jù)是獨立的且為正態(tài)后，還要驗證二者的等方差性，然后就可以使用雙樣本的 T 檢驗。這時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檢驗的功效（Power）比 ANOVA 方法要高，因而不能用 ANOV A 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 檢驗的計算比

37、ANOV A 方法要簡單，因而不能用 ANOV A 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 檢驗可以處理對立假設(shè)為單側(cè)（例如 “大于 ”）的情形，而ANOV A 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 個螺釘， 共生產(chǎn) 150 個螺釘， 對每個螺釘測量其直徑，得到 150 個數(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

38、兩個因子， 進(jìn)行兩種方式分組的方差分析 （ Two-Way ANOVA ） ， 分別計算出兩個因子的顯著性，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因子，按兩個因子交叉（Crossed!）的模型，用一般線性模型（ GeneralLinear Model ）計算出兩個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因子，按兩個因子嵌套（Nested）的模型，用全嵌套模型（Fully NestedANOVA）計算出兩個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

39、測量系統(tǒng)分析方法（ GageRR Study- Crossed） ，直接計算出工人及螺 釘兩個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 P-Value=0.0021。在 統(tǒng)計分析的輸出中，找到了對各個回歸系數(shù)是否為 0 的顯著性檢驗結(jié)果。由此可以 得到的正確判斷是：A 3 個自變量回歸系數(shù)檢驗中， 應(yīng)該至少有1 個以上的回歸系數(shù)的檢驗結(jié)果是顯著的（即至少有1 個以上的回歸系數(shù)檢驗的 P-Value

40、 小于 0.05） ，不可能出現(xiàn)3 個自變量回歸系數(shù)檢驗的 P-Value 都大于 0.05 的情況B 有可能出現(xiàn)3 個自變量回歸系數(shù)檢驗的 P-Value 都大于 0.05 的情況，這說明數(shù)據(jù)本身有較多異常值，此時的結(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 個自變量回歸系數(shù)檢驗的 P-Value 都大于 0.05 的情況，這說明這 3 個自變量間可能有相關(guān)關(guān)系，這種情況很正常。D ANOV A 表中的 P-VALUE=0.0021 說明整個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?，F(xiàn)在希望用 Box-Cox

41、 變換將其轉(zhuǎn)化為正態(tài)分布。在確定變換方法時得到下圖： LambdaLower?CL Upper?CL LimitLambda0.221445（using 95.0% confidence）Estimate 0.221445Lower?CL 0.060195Upper?CL 0.396962Best ValueBox-Cox 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0.2 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 Box-Cox 變換，都不可能化為正態(tài)分布。59.

42、 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 個因子的全因子試驗后，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，此回歸系數(shù)應(yīng)該是多少？A. 40B. 4C. 0.4D. 0.260. 為了判斷兩個變量間是否有相關(guān)關(guān)系， 抽取了 30 對觀測數(shù)據(jù)。 計算出了他們的樣本相關(guān)系數(shù)為0.65，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0.8,所以二者不相關(guān)B 由于樣本相關(guān)系數(shù)大于0.6,所以二者相關(guān)C 由于

43、檢驗兩個變量間是否有相關(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 與兩個自變量（原始數(shù)據(jù)） X1 及 X2 建立的回歸方程為y = 2.2+30000 X 1+0.0003X 2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

44、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） ，確實比原來200（千克）有提高C.因為沒有提供總體標(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)隊分析了歷史上本車間產(chǎn)量（Y）與溫度（X1）及反應(yīng)時間（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、相關(guān)系數(shù)計算等，證明我們選擇的模型是有意義的，各項回歸系數(shù)也都是顯著的。下面

45、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，選擇使產(chǎn)量達(dá)到最大的溫度及反應(yīng)時間D. 進(jìn)行因子試驗設(shè)計， 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 = 30 X 中， Y 的誤差的方差的估計值為9， 當(dāng) X = 1 時， 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. 某工序過程有六個因子A、 B 、 C、 D、 E、 F ，工程師希望做部分因子試驗確定主要的影響因素， 準(zhǔn)備采用 26-

46、2 設(shè)計， 而且工程師根據(jù)工程經(jīng)驗判定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. 下列哪項設(shè)計是適合作為改進(jìn)階段開始的篩選實驗（ Screening Experiment） ：A. 8 因子的全因子實驗B. 8 因子的部分因子實驗C. 中心復(fù)合設(shè)計（ CCD）D. Box-Behnken 設(shè)

47、計67. 在 4 個因子 A、 B 、 C、 D 的全因子設(shè)計中，增加了 3 個中心點的試驗。分析試驗結(jié)果，用 MINITAB 軟件計算，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 8.16108 8.16108 2.04027 22.87 0.0002-Way Interactions 6 0.67659 0.67659 0.11276 1.26 0.369Residual Err

48、or 8 0.71361 0.71361 0.08920Curvature 1 0.02558 0.02558 0.02558 0.26 0.626Lack of Fit 5 0.40463 0.40463 0.08093 0.57 0.735Pure Error 2 0.28340 0.28340 0.14170Total 18 9.55127在正交試驗中，假定數(shù)據(jù)在擬合線性模型后，試驗數(shù)據(jù)的殘差有共同的方差，對于方差的估計量應(yīng)該是 MSE （Mean Square Error,即平均誤差均方和）,在本題中是：A. 0.08920 B. 0.14170C. 0.71361 D. 0.2834

49、068. 下列哪種響應(yīng)曲面設(shè)計肯定不具有旋轉(zhuǎn)性（ Rotatability ）A. CCD （中心復(fù)合設(shè)計， Central Composite Design）B. CCI （中心復(fù)合有界設(shè)計， Central Composite Inscribed Design）C. CCF （中心復(fù)合表面設(shè)計， Central Composite Face-Centered DesignD. BB （ BB 設(shè)計， Box-Behnken Design）69. 經(jīng)過團(tuán)隊的頭腦風(fēng)暴確認(rèn)，影響過程的因子有A、 B、 C、 D 、 E 及 F 共六個。其中除因子的主效應(yīng)外，還要考慮3個二階交互效應(yīng)AB、AC及D

50、F,所有三階以上交互作用可以忽略不計。由于試驗成本較高，限定不可能進(jìn)行全面的重復(fù)試驗，但仍希望估計出隨機(jī)誤差以準(zhǔn)確檢驗各因子顯著性。 在這種情況下， 應(yīng)該選擇進(jìn)行：A. 全因子試驗B. 部分實施的二水平正交試驗，且增加若干中心點C. 部分實施的二水平正交試驗，不增加中心點D. Plackett-Burman 設(shè)計70. 在部分實施的因子試驗設(shè)計中，考慮了 A ， B， C ， D ， E 及 F 共 6 個因子，準(zhǔn)備進(jìn)行16次試驗。在計算機(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

51、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。此時可以斷定本試驗設(shè)計的分辯度（Resolution）是A 3B 4C 5D 671. 在部分實施的因子設(shè)計中，如何利用下面這張表格來制訂試驗計劃非常重要。六西格瑪 團(tuán)隊在分析過程改進(jìn)時，大家共同確認(rèn)至少要考慮7 個因子。經(jīng)費(fèi)的限制使得連中心點在內(nèi)的試驗總次數(shù)不能超過20 次。對于在試驗中是否應(yīng)考慮第 8 個因子，大家意見不統(tǒng)一。你贊成下列哪個人的意見？A 由 7 個因子增加到 8 個因子， 必然要增加試驗次數(shù)， 既然試驗總次數(shù)限定了， 不可能考慮增加此因子。B 從表中看到， 7 個因子在 16 次試驗時可以達(dá)到分

52、辨度為 4， 8 個因子在 16 次 試驗時也可以達(dá)到分辨度為 4 ，多增加因子沒使試驗計劃分辨度減小，所以可以增 加到 8 個因子。C 正交試驗著重看正交表中一共有多少列。 16 次的正交表（L16） 中， 共有 15 列，可以一直增加到 15 個因子，增加到 8 個因子當(dāng)然沒問題了。D 這張表根本決定不了最多可以排多少因子， 要根據(jù)實際經(jīng)驗判斷第 8 個因子是 否重要，然后根據(jù)其重要性再決定是否選入。72. 六西格瑪 團(tuán)隊在研究過程改進(jìn)時，大家共同確認(rèn)要考慮8 個因子。經(jīng)費(fèi)的限制使得試驗總次數(shù)應(yīng)盡可能地少，但仍希望不要使主效應(yīng)與二階交互作用相混雜。除了應(yīng)安排 4 個中心點外，對于還該進(jìn)行多

53、少次試驗，大家意見不一致。參考有關(guān)表格，你贊成下列哪個人的意見？A. 32 次。 B. 16 次。C. 12 次( Plackett-Burman 設(shè)計) 。 D. 8 次。73. 在進(jìn)行響應(yīng)曲面設(shè)計中，常常選用 CCD 方法而不用 BOX-Beknken 設(shè)計，其最主要理由是：A. CCD 有旋轉(zhuǎn)性，而Box-Beknken 設(shè)計沒有旋轉(zhuǎn)性B. CCD 有序貫性，而Box-Beknken 設(shè)計沒有序貫性C. CCD 試驗點比 BOX-Beknken 設(shè)計試驗點少D. 以上各項都對74. 光潔磁磚廠在20 天內(nèi)，每天從當(dāng)日生產(chǎn)的磁磚中隨機(jī)抽取5 塊，測量其平面度( Flatness) ，并求出

54、其平均值。其平均值的趨勢圖如圖1 所示。粗略看來，生產(chǎn)是穩(wěn)定的。 下面將每天5 塊磁磚的平面度數(shù)值全部直接畫出， 則其趨勢圖如圖 2 所示。從這兩張圖中可以看出生產(chǎn)中存在什么問題？A. 生產(chǎn)根本不穩(wěn)定。B. 平面度指標(biāo)不服從正態(tài)分布C. 每天內(nèi)的平面度波動不大，但每天間的平面度波動較大D. 這兩張圖什么問題也不能說明。IndexMean12 4 6 8 10 12 14 16 18 204.704.654.604.554.504.454.40Time Series Plot of Mean1圖 1 平面度日平均值趨勢圖Index x1 10 20 30 40 50 60 70 80 90 1004.74.64.54.44.3Time Series Plot of x圖 2 每塊磁磚平面度趨勢圖75某企業(yè)希望分析其加工軸棒的直徑波動情況并進(jìn)行過程控制。工序要求為20 ±0.0星米。在對直徑的測量時，有兩種意見，一是建議用塞規(guī)，測量結(jié)果為通過/不通過，每分鐘可測 5 根； 另一種意見是采用游標(biāo)卡尺測出具體直徑值， 每分鐘只能測 1 根軸。經(jīng)驗表明，軸的合格率為 99%左右。若希望進(jìn)行過程控制，應(yīng)采取的最佳方案是：A 用塞規(guī)，每次檢測100 件作為一個樣本，