Six Sigma Green Belt Test Review

1. Which distribution is appropriate for a continuous set of data with a fixed lower boundary but no upper 
a. Johnson 
b. exponential 
c. normal 
d. Logormal
2. Which of the following is a disadvantage of using engineering process control devices to prevent deviation?
a. The devices must be monitored by human operators. 
b. The use of these devices precludes the use of statistical process controls. 
c. These devices require constant maintenance. 
d. These devices cannot handle multiple inputs.
3. Which of the following is a disadvantage of higher­order multiple regression models?
a. These models do a poor job of defining the area around a stationary point. 
b. Comprehensive and detailed experiments must be performed on the main effects. 
c. These models rarely have clear peaks and valleys. 
d. Small regions are difficult to perceive.
4. In hypothesis testing, why is it better to set a p value than to select a significance level?
a. It ensures that a true hypothesis will not be rejected. 
b. It is then easier to make adjustments later in the experiment. 
c. It enables the collection of more samples. 
d. It makes it possible to reject the null hypothesis.
5. Which statistical distribution is appropriate for continuous data with neither an upper nor a lower boundary?
a. Lognormal 
b. Weibull 
c. Exponential 
d. Normal
Answers & Explanations
1. D: Lognormal. A lognormal distribution is appropriate for a continuous set of data with a fixed lower boundary but 
no upper boundary. In most cases, the lower boundary on a lognormal distribution is zero. These distributions can be 
tested with a goodness­of­fit test. A Johnson distribution is more appropriate for continuous data that for whatever 
reason is inappropriate for a normal or exponential distribution. An exponential distribution is appropriate for any set of
continuous data, though these distributions are most often used for frequency data. A normal distribution is appropriate 
for a set of continuous data with neither an upper nor a lower boundary. The normal distribution follows the pattern of 
the classic bell curve.

3.2. they are excellent at clearly defining the area around a stationary point. In hypothesis testing. they are very effective at mapping small regions in the process. in what is known as a Type 1 error. it's better to set a p value than  to select a significance level because it is then easier to make adjustments later in the experiment. In general. However. In most lognormal and Weibull distributions. For one thing. B: The use of these devices precludes the use of statistical process controls. D: Normal. There is always a possibility of rejecting a true hypothesis. One disadvantage of using engineering  process controls to prevent deviation is that the use of these devices precludes the use of statistical process controls. Otherwise. A normal distribution is appropriate for continuous data with neither an upper nor a lower boundary. and in most cases engineering process controls do not require constant maintenance. A lognormal or Weibull distribution is appropriate for sets of  continuous data with a fixed lower boundary but no upper boundary. It is not necessary for these devices to be monitored by human operators. 5. However.  Continuous data is obtained through measurement. and either method maintains the possibility that the null hypothesis will be rejected. They typically have well­defined peaks and valleys. One disadvantage of higher­ order multiple regression models is that comprehensive and detailed experiments must be performed on the main  effects. mean that any data related to their activities is not independent. the  lower boundary is zero.  which facilitates analysis. it will not be wise to assume that the results of the higher­order multiple regression models are  useful or accurate. The constant  adjustments made by these devices. the engineering process controls used by  heavy industry are capable of handling a number of different inputs and outputs simultaneously. An  engineering process control is a mechanism that automatically adjusts inputs when it detects variations in the process. B: Comprehensive and detailed experiments must be performed on the main effects. The number of samples collected is not dependent on whether a p value is set or a  significance level is selected. higher­order multiple regression models have a number of advantages. A thermostat is a basic example of an engineering process control. however. . a p value  allows for more freedom in the later parts of the experiment. Also. and  therefore cannot be analyzed with statistical process control charts. 4. B: It is then easier to make adjustments later in the experiment. so they are able to  achieve a high level of precision and detail. An exponential distribution is appropriate for continuous data sets in which the values are  relatively consistent.