我
- A.原有的11 次试验结果仍然可以利用.
- B.新设计仍保持有旋转性(Rotatability).
- C.新设计对每个因子仍只需安排3 个水平.
- D.新设计对每个因子的代码水平仍保持在(-1,1)范围内.
- A.找出因子A 的最好水平
- B.找出因子c 的最好水平
- C.找出因子A 和B 的最好水平搭配
- D.找出因子D 的最好水平
- A.元器件参数所取数值的误差
- B.用户使用环境条件变化形成的误差
- C.重复试验中的随机误差
- D.产品制造过程中工艺条件变化形成的误差
- A.可以得到纯误差项
- B.检验模型的弯曲性
- C.使模型系数的估计更准确
- D.不破坏正交性和平衡性
- 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
- 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.
- 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
- 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
- A.比较多个正态总体的均值是否相等
- B.比较多个正态总体的方差是否相等
- C.比较多个总体的分布类型是否相同
- D.分解数据的总变异(Variation)为若干有意义的分量
- 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
