单选题在一个试验设计的分析问题中，建立响应变量与各因子及交互效应的回归方程可以有两种方法：一是对各因子的代码值（CodeUnits）建立回归方程；二是直接对各因子的原始值（UncodedUnits）建立回归方程。在判断各因子或交互作用是否影响显著时，要进行对各因子回归系数的显著性检验，可以使用这两种方法中的哪一种（）？A两种方程检验效果都一样，用哪种都可以B只有用代码值（CodeUnits）建立的回归方程才准确；用原始值（UncodedUnits）建立的回归方程有时判断不一定准确C只有用原始值（UncodedUnits）建立的回归方程才准确；用代码值（CodeUnits）建立的回归方程有时判断不一定准确D根本用不着回归方程，ANOVA表中结果信息已经足够进行判断因子的显著性
单选题
在一个试验设计的分析问题中，建立响应变量与各因子及交互效应的回归方程可以有两种方法：一是对各因子的代码值（CodeUnits）建立回归方程；二是直接对各因子的原始值（UncodedUnits）建立回归方程。在判断各因子或交互作用是否影响显著时，要进行对各因子回归系数的显著性检验，可以使用这两种方法中的哪一种（）？
A
两种方程检验效果都一样，用哪种都可以
B
只有用代码值（CodeUnits）建立的回归方程才准确；用原始值（UncodedUnits）建立的回归方程有时判断不一定准确
C
只有用原始值（UncodedUnits）建立的回归方程才准确；用代码值（CodeUnits）建立的回归方程有时判断不一定准确
D
根本用不着回归方程，ANOVA表中结果信息已经足够进行判断因子的显著性
参考解析
解析：
暂无解析
相关考题：
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40cm,高水平为100cm。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3。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.40B.4C.0.3D.0.1
在一个试验设计的分析问题中,建立响应变量与各因子及交互效应的回归方程可以有两种办法:一种是对各因子的代码值(CodedUnits)建立回归方程;另一种是直接对各因子的原始值(UncodedUnits)建立回归方程。在判断各因子或交互效应是否影响显着时,要进行对各因子回归系数的显着性检验时,可以使用这两种方程中的哪一种?() A.两种方程检验效果一样，用哪种都可以B.只有用代码值(CodedUnits)回归方程才准确;用原始值(UncodedUnits)回归方程有时判断不准确C.只有用原始值(UncodedUnits)回归方程才准确;用代码值(CodedUnits)回归方程有时判断不准确D.根本用不着回归方程，ANOVA表中结果信息已经足够进行判断
某六西格玛团队在改进阶段需进行一次试验设计,现有四个因子A,B,C,D,均为连续变量,分析认为除AB.AC二阶交互作用可能显着外,其余二阶交互作用不可能显着,三阶及以上交互作用也都可忽略,但不清楚因子与响应输出之间是否一定线性。下列哪种试验安排最合适:() A.部分因子试验附加了3个中心点B.全因子试验附加3个中心点C.部分因子试验无中心点D.全因子试验无中心点
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”。以下何者是對的:() 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着;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着之项时，其它各项回归系数不变;未代码化时,在删除某些不显着之项时其它各项回归系数可能有变化D.代码化后,回归方程式的常数项(截距)等于将自变数以"0"带入回归方程式后,输出变量(y)的预测值
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着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
在单因子试验中，假定因子A有r个水平，可以看成有r个总体，若符合用单因子方差分析方法分析数据的假定时，所检验的原假设是( )。A．各总体分布为正态B．各总体的均值相等C．各总体的方差相等D．各总体的变异系数相等
分辨度是部分因子试验设计的重要指标。若已知某部分因子试验设计的分辨度为Ⅲ，则以下的表述正确的是（）A、各主效应之间不混杂B、主效应与二阶交互作用之间不存在混杂C、主效应与三阶交互作用之间不存在混杂D、某些二阶效应之间可能存在混杂
为了获取关于提高特种钢的弹性值的有关信息，安排了一个3因子的全因子试验设计，进行了23+4共12次试验。在分析问题时发现，模型拟合并不好，主要是各因子的弯曲效应显著。经领导批准后，可以安排响应曲面设计。由于经费很紧张，希望尽量利用这12次试验结果数据，但有两个因子在因子试验时已处于试验范围的边界上。问：这时候应采取下列哪种设计？（）A、CCC设计（中心复合序贯设计）B、CCI设计（中心复合有界设计）C、CCF设计（中心复合表面设计）D、BB设计（Box-Behnken设计）
对于响应曲面方法正确的是（）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
在因子设计阶段，对3个因子A、B及C，进行二水平全因子共11次试验后，可以确认3者皆显著，但却发现了显著的弯曲。决定增做些试验点，形成响应曲面设计。一个团队成员建议在新设计中使用CCF（中心复合表面设计，Central Composite Face-Centered Design）。他这样建议的好处是（）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。
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。
在试验设计的最后阶段，已经确认了3个关键影响因素，且3个因素的影响可能非线性，我们想知道响应变量Y究竟如何依赖于3个关键影响因素，进而找到自变量的设置，使得响应变量能取得最佳值（望大或望小），选择哪种设计较好？（）A、响应曲面设计B、部分因子试验设计C、Plackett-Burman设计D、全因子试验设计
在一个试验设计的分析问题中，建立响应变量与各因子及交互效应的回归方程可以有两种方法：一是对各因子的代码值（CodeUnits）建立回归方程；二是直接对各因子的原始值（UncodedUnits）建立回归方程。在判断各因子或交互作用是否影响显著时，要进行对各因子回归系数的显著性检验，可以使用这两种方法中的哪一种（）？A、两种方程检验效果都一样，用哪种都可以B、只有用代码值（CodeUnits）建立的回归方程才准确；用原始值（UncodedUnits）建立的回归方程有时判断不一定准确C、只有用原始值（UncodedUnits）建立的回归方程才准确；用代码值（CodeUnits）建立的回归方程有时判断不一定准确D、根本用不着回归方程，ANOVA表中结果信息已经足够进行判断因子的显著性
以下对试验设计DOE表述错误的是（）A、部分因子试验只能分析主效应，不能分析交互效应B、部分实施因子试验只做全因子试验中的部分设计点来进行分析C、全因子试验可以分析到全部交互作用D、试验因子个数超过5个以上时，一般不建议使用全因子试验
以下关于DOE中代码化的说法正确的是（）A、代码化是将该因子所取的低水平设定的代码值取为-1，高水平设定的代码值取为+1，中心水平为0B、代码化后的回归方程中，自变量及交互作用项的各系数可以直接比较，系数绝对值大者之效应比系数绝对值小者之效应更重要、更显著C、代码化后的回归方程内各项系数的估计量间是不相关的D、在自变量代码化后，回归方程中的常数项就有了具体的物理意义
多选题在因子设计阶段，对3个因子A、B及C，进行二水平全因子共11次试验后，可以确认3者皆显著，但却发现了显著的弯曲。决定增做些试验点，形成响应曲面设计。一个团队成员建议在新设计中使用CCF（中心复合表面设计，Central Composite Face-Centered Design）。他这样建议的好处是（）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。
多选题某工程师在六西格玛项目中关于选择试验设计方案与团队成员产生了分歧，该试验有6个因子，皆为连续型变量，根据工程经验，并非所有因子都显著。他准备用两水平设计，但是有的工程师认为个别因子与响应之间可能存在非线性，建议用三水平设计，为了用较少的试验次数得到响应与因子的模型，你认为哪些是可以实现试验次数较少的试验设计方案：（）A进行三水平36全因子设计，一次性拟合出模型；B先进行26-2的部分因子试验设计，筛选出关键因子后再进行全因子试验，若发现曲性，再进行响应曲面设计；C先进行26-3的部分因子试验设计，筛选出关键因子，必要时再进行折叠设计，然后再进行全因子试验，若发现曲性，再进行响应曲面设计；D先进行26的全因子试验设计，筛选出关键因子，然后再进行全因子试验，若发现曲性，再进行响应曲面设计。
单选题在单因子试验中，假定因子A有r个水平，可以看成有r个总体，若符合用单因子方差分析方法分析数据的假定，则所检验的原假设是（ ）。A各总体分布为正态B各总体的均值相等C各总体的方差相等D各总体的变异系数相等
多选题在试验设计中，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。
单选题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？（）A40B4C0.4D0.2
多选题以下关于DOE中代码化的说法正确的是（）A代码化是将该因子所取的低水平设定的代码值取为-1，高水平设定的代码值取为+1，中心水平为0B代码化后的回归方程中，自变量及交互作用项的各系数可以直接比较，系数绝对值大者之效应比系数绝对值小者之效应更重要、更显著C代码化后的回归方程内各项系数的估计量间是不相关的D在自变量代码化后，回归方程中的常数项就有了具体的物理意义
多选题改进阶段中，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
多选题某六西格玛项目团队面临一个试验设计问题：影响因素初步估计在10个以上，需要筛选关键的影响因素，可采用的试验设计方法有（）A部分因子试验设计B全因子试验设计C响应曲面模型X影响Y的程度，自变量较少DPlackett-Bruman设计
多选题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
多选题以下对试验设计DOE表述错误的是（）A部分因子试验只能分析主效应，不能分析交互效应B部分实施因子试验只做全因子试验中的部分设计点来进行分析C全因子试验可以分析到全部交互作用D试验因子个数超过5个以上时，一般不建议使用全因子试验