问题：
[单选] 一批数据的描述性统计量计算结果显示，均值和中位数都是100。这时，在一般情况下可以得到的结论是（）.
此分布为对称分布。此分布为正态分布。此分布为均匀分布。以上各结论都不能肯定。
问题：
[单选] 从参数λ=0.4的指数分布中随机抽取容量为25的一个样本，则该样本均值准差近似为（）.
0.4。0.5。1.4。1.5。
问题：
[单选] 为了判断A车间生产的垫片的变异性是否比B车间生产的垫片的变异性更小，各抽取25个垫片后，测量并记录了其厚度的数值，发现两组数据都是正态分布。下面应该进行的是（）
A：等方差检验。B：双样本T检验。C：单样本T检验。
问题：
[单选] M公司生产垫片。在生产线上，随机抽取100片垫片，发现其厚度分布均值为2.0mm，标准差为0.2mm。取10片叠起来，则这10片垫片叠起来后总厚度的均值和方差为（）.
均值2.0mm；方差0.2。均值20mm；方差0.04。均值20mm；方差0.4。均值20mm；方差4。
问题：
[单选] M车间负责测量机柜的总电阻值。由于现在使用的是自动数字式测电阻仪，不同的测量员间不再有什么差别，但在测量时要先设定初始电压值V，这里对V可以有3种选择方法。作测量系统分析时，使用传统方法，对10个机柜，都用3种不同选择的V值，各测量2次。在术语“测量系统的重复性（Repeatability）”和“测量系统的再现性（Reproducibility）”中，术语“再现性”应这样解释（）.
不使用不同的测量员，就不再有“再现性”误差了。。不同的设定的V值所引起的变异是“再现性”误差。。同一个设定的V值，多次重复测量同样一个机柜所引起的变异是“再现性”误差。。在不同时间周期内，用此测电阻仪测量同一个机柜时，测量值的波动是“再现性”误差。。
问题：
[单选] 在箱线图（Box-Plot）分析中，已知最小值=-4；Q1=1；Q3=4；最大值=7；则正确的说法是（）.
上须触线终点为：7；下须触线终点为：-3.5。上须触线终点为：8.5；下须触线终点为：-3.5。上须触线终点为：7；下须触线终点为：-4。上须触线终点为：8.5；下须触线终点为：-4。
问题：
[单选] 强力变压器公司的每个工人都操作自己的15台绕线器生产同种规格的小型变压器。原定的变压之电压比为2.50，但实际上的电压比总有些误差。为了分析究竟是什么原因导致电压比变异过大，让3个工人，每人都操作自己任意选定的10台绕线器各生产1台变压器，对每台变压器都测量了2次电压比数值，这样就得到了共60个数据。为了分析电压比变异产生的原因，应该（）.
将工人及绕线器作为两个因子，进行两种方式分组的方差分析（Two-WayANOVA.，分别计算出两个因子的显著性，并根据其显著性所显示的P值对变异原因作出判断。。将工人及绕线器作为两个因子，按两个因子交叉（CrosseD.的模型，用一般线性（GeneralLinearModel）计算出两个因子的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。。将工人及绕线器作为两个因子，按两个因子嵌套（NesteD.的模型，用全嵌套模型（FullyNestedANOVA.计算出两个因子的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。。根据传统的测量系统分析方法（GageRRStudy-CrosseD.，直接计算出工人及绕线器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。。
问题：
[单选] M公司中的Z车间使用多台自动车床生产螺钉，其关键尺寸是根部的直径。为了分析究竟是什么原因导致直径变异过大，让3个工人，并随机选择5台机床，每人分别用这5车床各生产10个螺钉，共生产150个螺钉，对每个螺钉测量其直径，得到150个数据。为了分析直径变异产生的原因，应该（）.
将工人及螺钉作为两个因子，进行两种方式分组的方差分析（Two-Way ANOVA.，分别计算出两个因子的显著性，并根据其显著性所显示的P值对变异原因作出判断。。将工人及螺钉作为两个因子，按两个因子交叉（CrosseD.的模型，用一般线性模（GeneralLinear Model）计算出两个因子的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。。将工人及螺钉作为两个因子，按两个因子嵌套（NesteD.的模型，用全嵌套模型（Fully NestedANOVA.计算出两个因子的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。。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。。
问题：
[单选] 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（）.
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。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。。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。。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。。
问题：
[单选] 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？（）
40。4。0.4。0.2。
