A.8因子的全因子实验
B.8因子的部分因子实验
C.中心复合设计（CCD.
D.Box-Behnken设计

A.E=ABD，F=ABC
B.E=BCD，F=ABC
C.E=ABC，F=ABD
D.E=ACD，F=BCD

A.（23，35）
B.（24，36）
C.（20，38）
D.（21，39）

A.结束回归分析，将选定的回归方程用于预报等
B.进行残差分析，以确认数据与模型拟合得是否很好，看能否进一步改进模型
C.进行响应曲面设计，选择使产量达到最大的温度及反应时间
D.进行因子试验设计，看是否还有其它变量也对产量有影响，扩大因子选择的范围

A.只提高1千克，产量的提高肯定是不显著的
B.日产量平均值为201（千克），确实比原来200（千克）有提高
C.因为没有提供总体标准差的信息，因而不可能作出判断
D.不必提供总体标准差的信息，只要提供样本标准差的信息就可以作出判断

A.X1对Y的影响比X2对Y的影响要显著得多
B.X1对Y的影响比X2对Y的影响相同
C.X2对Y的影响比X1对Y的影响要显著得多
D.仅由此方程不能对X1及X2对Y影响大小作出判定

A.由于样本相关系数小于0.8，所以二者不相关
B.由于样本相关系数大于0.6，所以二者相关
C.由于检验两个变量间是否有相关关系的样本相关系数的临界值与样本量大小有关，所以要查样本相关系数表才能决定
D.由于相关系数并不能完全代表两个变量间是否有相关关系，本例信息量不够，不可能得出判定结果

A.40
B.4
C.0.4
D.0.2

A.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
B.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。
C.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。
D.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。

A.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，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。
B.将工人及螺钉作为两个因子，按两个因子交叉CrosseD的模型，用一般线性模型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。
C.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。
D.根据传统的测量系统分析方法，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。