Professional Documents
Culture Documents
Chuong 1 Tin Hoc CN Minitab PDF
Chuong 1 Tin Hoc CN Minitab PDF
1) Chọn biểu tượng Minitab trên Desktop của màn hình hoặc
2) Theo ñường dẫn Stat > Progam > MINITAB 14 > MINITAB 14
Giao diện phần mềm Minitab 14 for Windows XP gồm một số thành phần chính: 1)
Menu Bar, 2) Standard toolbar, 3) Project Manager Toolbar, 4) Worksheet Toolbar, 5)
Title, 6) Session Window, 7) Data Window 8) Project Manager Window và 8) Status bar.
Title
Data
Window
(Worksheet
Windows)
Status Bar
5
1.2. Nhật ñồ và thống kê
a. Tóm tắt dữ liệu ñối với biến ñịnh lượng
Ví dụ 1.1: Khối lượng (gam) của 16 chuột cái tại thời ñiểm cai sữa như sau:
54,1 49,8 24,0 46,0 44,1 34,0 52,6 54,4
56,1 52,0 51,9 54,0 58,0 39,0 32,7 58,5
Descriptive Statistics: P
Variable N N* Mean SE Mean StDev Minimum Q1 Median Q3 Maximum
P 16 0 47.58 2.54 10.16 24.00 40.28 51.95 54.33 58.50
6
Minitab cho kết quả theo mặc ñịnh. Có thể sử dụng một trong các tùy chọn (option)
sau ñây ñể cho ra kết quả phù hợp
Chọn Statistics…có thể lựa chọn các tham số sau ñây
7
Khai báo vào By variables (Optional) ñể tính các tham số thống kê theo phân loại nhóm.
Descriptive Statistics: P
Variable LUA N N* Mean SE Mean StDev Minimum Q1 Median Q3
P 1 8 0 44.88 3.82 10.79 24.00 36.53 47.90 53.73
2 8 0 50.28 3.32 9.39 32.70 42.23 53.00 57.53
8
Ví dụ 1.2: Số bò sữa ở ba trại A, B, C lần lượt là 106, 132 và 122 con. Chọn ngẫu
nhiên và kiểm tra bệnh viêm nội mạc tử cung ở 3 trại, kết quả như sau:
Cách 1:
Trại A A A A A A A A A A A A A A A A A
Bò
1 2 3 4 5 6 7 8 9 10 1 12 13 14 15 16 17
số
Kết
+ - - - + + + - - - + - - - - - +
quả
Trại B B B B B B B B B B B B B B B B B B B B B B
Bò
1 2 3 4 5 6 7 8 9 10 1 12 13 14 15 16 17 18 19 20 21 22
số
Kết
- - + - - - - - + + - - - - - + - + - + - -
quả
Trại C C C C C C C C C C C C C C C C C C C C
Bò
1 2 3 4 5 6 7 8 9 10 1 12 13 14 15 16 17 18 19 20
số
Kết
+ + - - - - + - - - + - + - - - - + + +
quả
Cách 2:
Trại Viêm nội mạc tử cung Tổng số
Có Không
A 6 11 17
B 6 16 22
C 8 12 20
Số liệu ñược nhập vào cột trong Windows Worksheet (với cách 1)
9
Options Display hiển thị:
Count
tần số ñối với từng trường hợp
Row percents
tỷ lệ (phần trăm) theo hàng
Column percents
tỷ lệ (phần trăm) theo cột
Total percents
tỷ lệ (phần trăm) theo hàng/cột tổng số
ðối với biến ñịnh tính có thể mô tả bằng biểu ñồ thanh (Bar Chart), biểu ñồ bánh (Pie Chart).
Graph Bar Chart…Counts of unique values
Chọn OK Chọn Multiple Graphs…
10
Số liệu ñược nhập vào cột trong Windows Worksheet (với cách 2)
11
1.3. Ước lượng và kiểm ñịnh giá trị trung bình
a. Kiểm ñịnh phân phối chuẩn
ðối với tất cả các phép thử dưới ñây biến ñịnh lượng ñều ñược giả thiết là số liệu thu
thập ñược (số liệu thô) tuân theo phân phối chuẩn. Nếu số liệu không tuân theo phân phối
chuẩn thì các phép thử sẽ không có hiệu lực. Trong trường hợp này cần biến ñổi số liệu về
phân phối chuẩn hoặc sử dụng kiểm ñịnh phi tham số.
Giả thiết của phép thử: H0: Số liệu có phân bố chuẩn và H1: Số liệu không có phân bố
chuẩn
Ví dụ 1.3: Tăng trọng trung bình (gam/ngày) của 36 lợn nuôi vỗ béo giống Landrace
ñược rút ngẫu nhiên từ một trại chăn nuôi. Số liệu thu ñược như sau:
577 596 594 612 600 584 618 627 588 601 606 559 615 607 608 591 565 586
621 623 598 602 581 631 570 595 603 605 616 574 578 600 596 619 636 589
Cán bộ kỹ thuật trại cho rằng tăng trọng trung bình của toàn ñàn lợn trong trại là
607gam/ngày. Theo anh chị kết luận ñó ñúng hay sai, vì sao? Biết rằng ñộ lệch chuẩn của
tính trạng này là 21,75 gam.
Nhập số liệu vào Worksheet Stat Basic Statistics Normality Test...
12
Giá trị P-Value = 0,997 trong ñồ thị trên lớn hơn 0,05 (α), như vậy H0 ñược chấp nhận.
Kết luận số liệu tuân theo phân phối chuẩn.
b. Phép thử Z
Sử dụng phép thử Z ñể kiểm ñịnh một giá trị trung bình khi biết ñộ lệch chuẩn của
σ). Minitab sẽ tính khoảng tin cậy (CI 95%) và thực hiện phép kiểm ñịnh. ðối
quần thể (σ
với kiểm ñịnh 2 phía ta có giả thiết: H0: µ = µ 0 với ñối thiết µ ≠ µ 0; trong ñó µ là giá trị
trung bình của quần thể và µ 0 là giá trị kiểm ñịnh.
Stat Basic Statistics 1-sample Z...
Trong Samples in columns khai báo
cột số liệu (P).
Trong Standard deviation ñiền giá trị
21,75 (ñộ lệch chuẩn của quần thể σ).
Trong Test mean ñiền giá trị 607 (giá
trị quần thể kiểm ñịnh µ0).
Chọn OK ñể có kết quả
One-Sample Z: P
Test of mu = 607 vs not = 607
The assumed standard deviation = 21.75
Variable N Mean StDev SE Mean 95% CI Z P
P 36 599.194 18.656 3.625 (592.090; 606.299) -2.15 0.031
Với xác suất của phép thử P = 0,031 < 0,05 (α), bác bỏ H0 và chấp nhận ñối thiết H1.
Kết luận: Tăng trọng của lợn Landrace ở trại nêu trên không bằng 607 gam/ ngày (P <
0,05). Khoảng tin cậy 95% là 592,090 – 606,299 gam/ ngày.
One-Sample Z
Test of mu = 607 vs not = 607
The assumed standard deviation = 21.75
N Mean SE Mean 95% CI Z P
36 599.194 3.625 (592.089; 606.299) -2.15 0.031
13
c. Phép thử T
Trong trường hợp không biết ñộ lệch chuẩn của quần thể (σ), phép thử T ñược sử dụng
ñể kiểm ñịnh giá trị trung bình và ñộ lệch chuẩn của mẫu (s) ñược sử dụng thay ñộ lệch
chuẩn quần thể. Giả thiết của phép thử, cấu trúc số liệu tương tự như ở phép thử Z.
Stat Basic Statistics 1-sample T...
Khai báo ñối với số liệu thô .. và ñối với số liệu tinh
Với P = 0,017 ta cũng có kết luận tương tự như ñối với khi sử phép thử Z.
1.4. Kiểm ñịnh 2 giá trị trung bình
Khi tiến hành thí nghiệm ñể so sánh sự khác nhau giữa 2 công thức thí nghiệm, có 2
trường hợp chọn mẫu có thể xảy ra: 1) Chọn mẫu ñộc lập và 2) chọn mẫu theo cặp (xem
2.4, tr.23, Giáo trình Thiết kế thí nghiệm 2007). Tuỳ thuộc vào cách chọn mẫu bố trí thí
nghiệm mà ta có thể sử dụng phép thử T hay T cặp cho phù hợp.
a. Kiểm ñịnh sự ñồng nhất của phương sai khi lấy mẫu ñộc lập
ðối với kiểm ñịnh 2 giá trị trung bình, ngoài giả thiết là số liệu tuân theo phân phối
chuẩn, còn vấn ñề thứ 2 là Hai phương sai có ñồng nhất hay không?
ðối với kiểm ñịnh hai phía ta có giả thiết H0: Hai phương sai ñồng nhất (σ²1 = σ²2) và
H1: Hai phương sai không ñồng nhất (σ²1 ≠ σ²2) . Khi chấp nhận giả thiết H0, phương sai
chung (σ2)sẽ ñược sử dụng ñể tiến hành kiểm ñịnh trong phép thử T; ngược lại (bác bỏ H0)
thì phép thử T gần ñúng sẽ ñược thực hiện.
Ví dụ 1.4: ðể so sánh khối lượng của 2 giống bò, tiến hành chọn ngẫu nhiên và cân 12
con ñối với giống thứ nhất và 15 con ñối với giống thứ 2. Khối lượng (kg) thu ñược như sau:
Giống bò thứ nhất 187,6 180,3 198,6 190,7 196,3 203,8 190,2 201,0
194,7 221,1 186,7 203,1
Giống bò thứ hai 148,1 146,2 152,8 135,3 151,2 146,3 163,5 146,6
162,4 140,2 159,4 181,8 165,1 165,0 141,6
14
Theo anh (chị), khối lượng của 2 giống bò có sự sai khác không?
Cấu trúc số liệu của bài toán kiểm ñịnh 2 giá trị trung bình có thể ñược trình bày bằng
một trong 2 cách sau ñây:
Cách 1: Số liệu của 2 công thức thí Cách 2: Số liệu ñược nhập vào 2 cột
nghiệm ñược nhập vào một cột và cột thứ riêng biệt theo từng công thức thí
2 ñể xác ñịnh giá trị của từng công thức nghiệm. Tên cột thể hiện giá trị trong
.... mỗi công thức
Lưu ý: Cấu trúc số liệu có thể nhập trong cùng một Worksheet hoặc 2 Worksheet riêng biệt.
Stat Basic Statistics 2 Variances...
Cấu trúc số liệu cách 1 ... cách 2
Có thể sử dụng Summarized data khi số liệu ñã ñược tinh hoá. ðối với trường hợp
này cần khai báo dung lượng mẫu (Sample size) và phương sai (Variance) ñối với từng
công thức thí nghiệm tương ứng (First hoặc Second).
Chọn OK ñể có kết quả
15
Test for Equal Variances: KL versus GIONG
95% Bonferroni confidence intervals for standard deviations
GIONG N Lower StDev Upper
1 12 7.17875 10.6160 19.6238
2 15 8.63359 12.3014 20.8502
F-Test (normal distribution)
Test statistic = 0.74; p-value = 0.631
Levene's Test (any continuous distribution)
Test statistic = 0.46; p-value = 0.503
Xác suất p-value = 0,631 > 0,05 (α) vì vậy H0 ñược chấp nhận. Kết luận hai phương
sai ñồng nhất (P > 0,05).
b. Phép thử T
Sử dụng phép thử T ñể kiểm ñịnh 2 giá trị trung bình khi không biết ñộ lệch chuẩn của
quần thể (σσ). Minitab sẽ tính khoảng tin cậy (CI 95%) sự chênh lệch giữa 2 giá trị trung
bình quần thể và thực hiện phép kiểm ñịnh. ðối với kiểm ñịnh 2 phía ta có giả thiết: H0: µ 1
= µ 2 với ñối thiết H1: µ 1 ≠ µ 2; trong ñó µ 1 và µ 2 là giá trị trung bình của quần thể thứ nhất
và thứ 2.
Stat Basic Statistics 2-Sample T...
Có thể sử dụng Summarized data khi số liệu ñã ñược tinh hoá. ðối với trường hợp
này cần khai báo dung lượng mẫu (Sample size), giá trị trung bình (Mean) và ñộ lệch
chuẩn (Standard deviation) ñối với từng công thức thí nghiệm tương ứng (First hoặc
Second).
Chọn Assume equal variances nếu 2 phương sai ñồng nhất và ngược lại nếu 2 phương
sai không ñồng nhất (xem 4.1).
Chọn hiển thị ñồ thị trong Graphs... và mức tin cậy trong Options..., theo mặc ñịnh
Minitab tính khoảng tin cậy 95%.
Với cấu trúc số liệu cách 1 ... cách 2
16
Two-Sample T-Test and CI: KL; GIONG
Two-sample T for KL
GIONG N Mean StDev SE Mean
1 12 196.2 10.6 3.1
2 15 153.7 12.3 3.2
Difference = mu (1) - mu (2)
Estimate for difference: 42.4750
95% CI for difference: (33.2301; 51.7199)
T-Test of difference = 0 (vs not =): T-Value = 9.46 P-Value = 0.000 DF = 25
Both use Pooled StDev = 11.5901
Xác suất p-value = 0,000 < 0,05 (α) vì vậy H0 bị bác bỏ và H1 ñược chấp nhận. Kết
luận rằng Khối lượng của hai giống bò có sự sai khác (P-value < 0,05).
c. Phép thử T cặp ñôi
ðối với các thí nghiệm chọn mẫu theo cặp, ñiều kiện duy nhất của bài toán là kiểm tra
phân bố chuẩn của phần chênh lệch (d) số liệu giữa 2 công thức thí nghiệm.
Với kiểm ñịnh 2 phía ta có giả thiết H0: µd = 0 ñối thiết H1: µd ≠ 0 (µd là trung bình của
sự chênh lệch giữa 2 trung bình µ 1 và µ 2).
Ví dụ 1.5: Tăng trọng (pound) của 10 cặp bê sinh ñôi giống hệt nhau với hai chế ñộ
chăm sóc khác nhau (A và B). Bê trong từng cặp ñược bắt thăm ngẫu nhiên về một trong
hai cách chăm sóc.
Hãy kiểm ñịnh giả thiết H0: Tăng trọng trung bình ở hai cách chăm sóc như nhau, ñối
thiết H1: Tăng trọng trung bình ở hai cách chăm sóc khác nhau với mức ý nghĩa α = 0,05.
Số liệu thu ñược như sau:
Cặp sinh ñôi 1 2 3 4 5 6 7 8 9 10
Tăng trọng ở cách A 43 39 39 42 46 43 38 44 51 43
17
Calculator...
Calc …chọn OK ñể có ñược phần chênh lệch
Tiến hành kiểm ñịnh phân bố chuẩn của phần chênh lệch D (xem 4.1)
Stat Basic Statistics Paired T..
Có thể sử dụng Summarized data
(differences) khi sử dụng các thông tin
của cột chênh lệch D ñể kiểm ñịnh.
ðối với trường hợp này cần khai báo
dung lượng mẫu (Sample size), giá trị
trung bình (Mean) và ñộ lệch chuẩn
(Standard deviation) của cột D.
Chọn hiển thị ñồ thị trong Graphs... và
mức tin cậy trong Options..., theo mạc
ñịnh Minitab tính khoảng tin cậy 95%.
Chọn OK ñể có kết quả
Paired T-Test and CI: A; B
Paired T for A - B
N Mean StDev SE Mean
A 10 42.8000 3.8239 1.2092
B 10 38.2000 4.1312 1.3064
Difference 10 4.60000 1.95505 0.61824
95% CI for mean difference: (3.20144; 5.99856)
T-Test of mean difference = 0 (vs not = 0): T-Value = 7.44 P-Value = 0.000
Xác suất p-value = 0,000 < 0,05 (α) vì vậy H0 bị bác bỏ và H1 ñược chấp nhận. Kết
luận rằng Tăng trọng trung bình ở hai cách chăm sóc có sự sai khác (P-value < 0,05).
1.5. Phân tích phương sai
Phân tích phương sai (Analysis of Variance - ANOVA) là công cụ hữu ích ñể so sánh
nhiều giá trị trung bình. ðiều kiện của bài toán phân tích phương sai là 1) số liệu tuân theo
phân bố chuẩn và 2) phương sai ñồng nhất. Trong khuôn khổ giáo trình này chúng tôi chỉ
ñề cập ñến việc kiểm tra ñiều kiện của bài toán ñối với các mô hình thiết kế thí nghiệm ñơn
giản (Thí nghiệm một yếu tố hoàn toàn ngẫu nhiên).
ðể kiểm ñịnh 2 phía ta có giả thiết H0: µ1 = µ2 = ... = µa ñối thiết H1: µ1 ≠ µ2 ≠ ...≠ µa
(µ là trung bình của quần thể ở công thức thí nghiệm thứ 1, 2, ...a).
18
a. Thí nghiệm một yếu tố hoàn toàn ngẫu nhiên
Xét trường hợp ñơn giản nhất ñối với bài toán phân tích phương sai. Chỉ có một yếu tố
duy nhất trong thí nghiệm, các yếu tố phi thí nghiệm còn lại ñược coi là có tác ñộng như
nhau ñến ñối tượng thí nghiệm.
Ví dụ 1.6: Theo dõi tăng trọng của cá (kg) A B C D E
trong thí nghiệm với 5 công thức nuôi (A, 0,95 0,43 0,70 1,00 0,90
B, C, D và E). Hãy cho biết tăng trọng của
0,85 0,45 0,90 0,95 1,00
cá ở các công thức nuôi. Nếu có sự khác
nhau thì tiến hành so sánh sự sai khác của 0,85 0,40 0,75 0,90 0,95
từng cặp giá trị trung bình. 0,90 0,42 0,70 0,90 0,95
Cấu trúc số liệu của bài toán kiểm ñịnh nhiều giá trị trung bình có thể ñược trình bày
bằng một trong 2 cách sau:
Cách 1: Số liệu của các công thức thí Cách 2: Số liệu ñược nhập vào các cột
nghiệm ñược nhập vào một cột và cột thứ riêng biệt theo công thức thí nghiệm. Tên
2 ñể xác ñịnh giá trị của từng công thức cột thể hiện giá trị trong mỗi công thức
Kiểm tra ñiều kiện của bài toán (sự ñồng nhất của phương sai và phân phối chuẩn của
số liệu) sẽ ñược trình bày sau. Tiến hành so sánh các giá trị trung bình bằng phép phân tích
phương sai (ANOVA) ñối với cấu trúc số liệu cách 1 và cách 2.
Với các bài toán sử dụng phép phân tích phương sai ñể so sánh, cấu trúc số liệu cách 1
sẽ phù hợp và thuận lợi hơn trong quá trình xử lý số liệu. Trong các ví dụ tiếp theo chúng
tôi chỉ ñề cập ñến việc xử lý số liệu có cấu trúc cách 1.
Stat ANOVA One-Way... Stat ANOVA One-Way (Unstacked)...
19
Chọn OK ñể có kết quả
One-way ANOVA: KL versus TA
Source DF SS MS F P
TA 4 0.76325 0.19081 60.99 0.000
Error 15 0.04693 0.00313
Total 19 0.81018
S = 0.05593 R-Sq = 94.21% R-Sq(adj) = 92.66%
Individual 95% CIs For Mean Based on
Pooled StDev
Level N Mean StDev --+---------+---------+---------+-------
A 4 0.8875 0.0479 (--*--)
B 4 0.4250 0.0208 (--*--)
C 4 0.7625 0.0946 (--*--)
D 4 0.9375 0.0479 (--*--)
E 4 0.9500 0.0408 (-*--)
--+---------+---------+---------+-------
0.40 0.60 0.80 1.00
Pooled StDev = 0.0559
Xác suất p-value = 0,000 < 0,05 (α) vì vậy H0 bị bác bỏ và H1 ñược chấp nhận. Kết luận
rằng Tăng trọng trung bình của cá ở các công thức thức ăn có sự sai khác (P-value < 0,05).
So sánh cặp khi bác bỏ giả thiết H0 chấp nhận giả thiết H1
Chọn Comparisons... trong hộp thoại One-Way Analysis of Variances
Các lựa chọn:
Tukey’s, family error rate: với sai số
của toàn bộ các cặp so sánh là 5%
Fisher’s, individual error rate: với sai
số của từng cặp so sánh là 5%
Dunnett’s, family error rate: so sánh
với nhóm ñối chứng, sai số của toàn bộ
các cặp so sánh là 5%
Hsu’s MCB, family error rate: với sai
số của toàn bộ các cặp so sánh là 5%
Chọn OK ñể có kết quả
Tukey 95% Simultaneous Confidence Intervals
All Pairwise Comparisons among Levels of TA
Individual confidence level = 99.25%
TA = A subtracted from:
TA Lower Center Upper --------+---------+---------+---------+-
B -0.58471 -0.46250 -0.34029 (---*--)
C -0.24721 -0.12500 -0.00279 (--*---)
D -0.07221 0.05000 0.17221 (--*---)
E -0.05971 0.06250 0.18471 (---*--)
--------+---------+---------+---------+-
-0.35 0.00 0.35 0.70
20
TA = B subtracted from:
TA Lower Center Upper --------+---------+---------+---------+-
C 0.21529 0.33750 0.45971 (---*--)
D 0.39029 0.51250 0.63471 (---*--)
E 0.40279 0.52500 0.64721 (--*--)
--------+---------+---------+---------+-
-0.35 0.00 0.35 0.70
TA = C subtracted from:
TA Lower Center Upper --------+---------+---------+---------+-
D 0.05279 0.17500 0.29721 (--*--)
E 0.06529 0.18750 0.30971 (--*---)
--------+---------+---------+---------+-
-0.35 0.00 0.35 0.70
TA = D subtracted from:
TA Lower Center Upper --------+---------+---------+---------+-
E -0.10971 0.01250 0.13471 (--*---)
--------+---------+---------+---------+-
-0.35 0.00 0.35 0.70
Ngoài kết quả phân tích phương sai như phần trên, Minitab ñã cung cấp kết quả so
sánh từng cặp. Sự sai khác có ý nghĩa (P-value < 0,05) giữa các nghiệm thức dựa trên
khoảng tin cậy của từng cặp. Không có sự sai khác giữa các nghiệm thức nếu khoảng tin
cậy có chứa số 0 và ngược lại có sự sai khác nếu không chứa số 0. Ví dụ trong kết quả nêu
trên nếu so sánh giữa A-B ta có khoảng tin cậy (-0,58471; -0,34029) không chứa số không
nên kết luận có sự sai khác giữa A và B (P-value < 0,05). Nếu so sánh A và D ta có khoảng
tin cậy (-0,07221; +17221) có chứa số 0 nên kết luận không có sự sai khác giữa A và D (P-
value > 0,05). ðể có thể trình bày kết quả so sánh cặp ñôi bạn ñọc có thể tham khảo trang
57 chương 4 Giáo trình Thiết kế thí nghiêm (2007).
Kiểm tra sự ñồng nhất của phương sai với cấu trúc số liệu cách 1
Stat ANOVA Test for Equal Variances... Chọn OK ñể hiển thị ñồ thị và
..kết quả
Test for Equal Variances: KL versus TA
95% Bonferroni confidence intervals for standard deviations
TA N Lower StDev Upper
A 4 0.0231412 0.0478714 0.309607
B 4 0.0100628 0.0208167 0.134631
C 4 0.0457534 0.0946485 0.612137
21
D 4 0.0231412 0.0478714 0.309607
E 4 0.0197348 0.0408248 0.264034
Bartlett's Test (normal distribution)
Test statistic = 5.76; p-value = 0.218
Levene's Test (any continuous distribution)
Test statistic = 0.81; p-value = 0.539
Xác suất p-value = 0,218 > 0,05 (α) vì vậy H0 ñược chấp nhận. Kết luận rằng Các
Phương sai ñồng nhất (P-value > 0,05).
Kiểm tra phân bố chuẩn với cấu trúc số liệu cách 1
Không tiến hành kiểm tra phân bố chuẩn của cột số thô (KL) mà tiến hành kiểm tra
phần sai số ngẫu nhiên εij theo mô hình:
yi j = µ + ai + εi j (i = 1, a; j = 1, ri)
trong ñó yij = quan sát thứ j ở công thức i, µ= trung bình chung, ai = chênh lệch do ảnh
hưởng của công thức i và εij = sai số ngẫu nhiên; các εij ñộc lập, phân phối chuẩn N∼(0,σ2).
Nếu phần sai số ngẫu nhiên tuân theo phân phối chuẩn thì số liệu bài toán cũng có phân
phối chuẩn.
Stat ANOVA One-Way... Chọn Store residuals và OK ñể có RESI1 (εij)
Tiến hành kiểm tra phân bố chuẩn của cột số liệu RESI1 (xem 3.1 Kiểm ñịnh phân
phối chuẩn). Phép kiểm ñịnh sẽ cho ta P-Value = 0,159 > 0,05 (α) nên có thể kết luận Số
liệu tuân theo phân phối chuẩn (P > 0,05).
Lưu ý: Với cấu trúc số liệu cách 2, có thể kiểm ñịnh phân phối chuẩn của số liệu với
từng nghiệm thức riêng biệt. Kết quả kiểm ñịnh, xác suất ñể số liệu ở các nghiệm thức A,
B, C, D và E có phân phối chuẩn lần lượt là 0,255; 0,845; 0,092; 0,255 và 0,410. Ta cũng
có kết luận tương tự.
b. Thí nghiệm một yếu tố khối ngẫu nhiên ñầy ñủ
Xem xét một thí nghiệm mà ñối tượng thí nghiệm chịu tác ñộng ñồng thời của một yếu
tố chính (yếu tố thí nghịêm) và yếu tố phụ (khối).
Ví dụ 1.7: Nghiên cứu số lượng tế bào lymphô ở chuột (×1000 tế bào mm-3 máu)
ñược sử dụng 4 loại thuốc khác nhau (A, B, C và D; thuốc D là placebo) qua 5 lứa; số liệu
thu ñược trình bày ở bảng dưới. Cho biết ảnh hưởng của thuốc ñến tế bào lymphô?
22
Lứa 1 Lứa 2 Lứa 3 Lứa 4 Lứa 5
Thuốc A 7,1 6,1 6,9 5,6 6,4
Thuốc B 6,7 5,1 5,9 5,1 5,8
Thuốc C 7,1 5,8 6,2 5,0 6,2
Thuốc D 6,7 5,4 5,7 5,2 5,3
So sánh sự sai khác giữa các nghiệm thức bằng Phân tích phương sai (ANOVA)
Stat ANOVA Two-Way... Chọn Store residuals ñể có RESI1
Xác suất của phép thử ñối với yếu tố Thuốc P = 0,001 < 0,05 (α), bác bỏ giả thiết H0
và chấp nhận ñối thiết H1. Kết luận thuốc có ảnh khác nhau lên tế bào lymphô của chuột (P
< 0,05).
23
Ví dụ 1.8: Một thí nghiệm ñược tiến hành ñể Khối
xác ñịnh ảnh hưởng của 3 công thức thức ăn
I II III IV
(A1, A2 và A3) ñến tăng trọng trung bình trên
ngày (gam / ngày) của bê ñực. Bê ñực ñược 826 864 795 850
A1
806 834 810 845
cân và chia thành 4 khối dựa theo khối lượng
bắt ñầu thí nghiệm. Trong mỗi khối có 6 ñộng A2
827 871 729 860
vật thí nghiệm ñược chọn ra và ñược phân 800 881 709 840
ngẫu nhiên về với các nghiệm thức. Số liệu 753 801 736 820
thu thập sau khi kết thúc thí nghiệm như sau: A3
773 821 740 835
Stat ANOVA General Linear Model... Chọn Comparisons ñể so sánh cặp ñôi
Xác suất của phép thử ñối với yếu tố Thức ăn P = 0,005 nên bác bỏ giả thiết H0 và
chấp nhận ñối thiết H1. Kết luận công thức ăn có ảnh ñến tăng trọng của bê. Xác suất của
phép thử ñối với yếu tố KHOI P = 0,000 nên bác bỏ giả thiết H0 và chấp nhận ñối thiết H1.
Kết luận KHOI có ảnh ñến tăng trọng của bê.
24
1.6. Tương quan và hồi quy
ðể tính hệ số tương quan và xây dựng phương trình hồi quy, số liệu luôn phải tạo
thành từng bộ và ñược nhập vào từng cột ñối từng chỉ tiêu.
Ví dụ 1.9: Tiến hành cân khối lượng (P), ño ñường kính lớn (D) và ñường kính bé (d)
của 22 quả trứng gà. Số liệu thu ñược trình bày ở bảng dưới ñây.
P (gam) 66,80 60,10 71,20 61,60 61,20 59,00 67,90 59,00 51,50 62,60 64,20
D (mm) 58,37 54,95 60,58 56,73 57,36 53,26 57,07 58,17 52,28 55,62 56,82
d (mm) 45,12 44,35 45,56 44,34 43,57 44,86 46,27 42,82 41,91 44,95 44,79
P (gam) 71,20 54,20 54,50 69,10 55,90 66,00 68,00 62,00 56,70 67,00 53,80
D (mm) 61,15 54,24 54,99 60,99 54,41 58,19 59,93 56,80 55,66 58,49 52,44
d (mm) 46,00 42,58 42,32 44,85 42,62 45,69 45,50 44,20 42,41 45,56 43,38
a. Hệ số tương quan
Giả thiết ñối với kiểm ñịnh hai phía H0: ρ = 0 và ñối thiết H1: ρ ≠ 0, trong ñó ρ là
tương quan giữa 2 biến nghiên cứu.
Stat Basic Statistics Correlation... Chọn OK ñể có kết quả
Correlations: KL; DL; DN
KL DL
DL 0.897
0.000
DN 0.905 0.648
0.000 0.001
Cell Contents: Pearson correlation
P-Value
Chọn Display p-values ñể hiển thị xác
suất ñối với từng hệ số tương quan.
Chọn Store matrix (display nothing) ñể
nhớ ma trận hệ số tương quan vào bộ nhớ
ñệm và không hiển thị kết quả ra màn hình.
Hệ số tương quan giữa khối lượng và ñường kính lớn là 0,897; khối lượng và ñường
kính bé là 0,905; ñường kính lớn và ñường kính bé là 0,648. Xác suất ñối với từng hệ số
25
tương quan (p-values) ñều bé hơn 0,05 (α) vì vậy kết luận mối quan hệ giữa các chỉ tiêu
này khác 0.
b. Phương trình hồi quy tuyến tính
Có thể xây dựng hồi quy ñơn biến y = a + bx hoặc ña biến y = a + b1x1 + b2x2
+...+bnxn. Có thể xây dựng phương trình hồi tuyến tính ñơn biến quy ước tính khối lượng
trứng thông qua ñường kính lớn/ñường kính bé hoặc ña biến thông qua ñường kính lớn và
ñường kính bé.
Stat Regression Regression...
Response: Khai báo cột C1 (KL) biến
phụ thuộc.
Predictors: Khai báo cột C2 (DL) biến
ñộc lập.
Chọn OK ñể có kết quả
Phương trình hồi quy ước tính khối lượng (y) thông qua ñường kính lớn (x) y = -53,7 + 2,04x.
Bảng thứ nhất trong phần kết quả kiểm ñịnh các hệ số của phương trình hồi quy. Với xác
suất P = 0,000 ta có thể kết luận các hệ số trong phương trình hồi quy khác 0 (P < 0,05).
Hệ số xác ñịnh của phương trình R² = 80,4%, hiệu chỉnh R² = 79,4%.
Các quan sát ngoại lai (Unusual Observations) trong mô hình và ví dụ nêu trên. Các
giá trị ở hàng thứ 7 và 8 trong ví dụ trên ñược coi là ngoại lai.
Stat Regression Regression...
26
Predictors: Khai báo cột C2 (DL) và
C3 (DN) biến ñộc lập.
ðể xây dựng phương trình hồi quy ña
biến, biến ñộc lập bao gồm từ 2 biến trở
lên.
Chọn OK ñể có kết quả.
Ta có kết quả hoàn toàn tương tự như việc xây dựng phương trình hồi quy ñơn giản.
27
- Confidence level for mean: 95% (ñộ tin cậy 95%).
- K-th largest: 1 (1 Số lớn nhất, 2 số lớn nhì ).
- K-th smallest: 1 (1 Số nhỏ nhất, 2 số nhỏ nhì ).
- Output range: miền ra.
- Summary Statistics: ðánh dấu √ nếu muốn hiện các thống kê cơ bản.
- OK.
Ví dụ 1.1: Khối lượng (gam) của 16 chuột cái tại thời ñiểm cai sữa:
54.1 49.8 24 46 44.1 34 52.6 54.4 56.1 52 51.9 54 58 39 32.7 58.5
Chọn Tools>Data Analysis>Descriptive Statistics, sau ñó khai báo hộp thoại (xem
hình sau)
28
- Kurtosis ñánh giá ñường mật ñộ phân phối của dãy số liệu có nhọn hơn hay tù hơn
ñường mật ñộ chuẩn tắc. Nếu trong khoảng từ -2 ñến 2 thì có thể coi ñộ nhọn xấp xỉ ñộ
nhọn chuẩn.
- Skewness ñánh giá ñường phân phối nghiêng trái hay nghiêng phải. Nếu trong
khoảng từ -2 ñến 2 thì có thể coi số liệu cân ñối xấp xỉ phân phối chuẩn .
- Confidence Level ñược hiểu là nửa ñộ dài khoảng tin cậy. Giả sử Confidence Level là m
thì khoảng tin cậy của trung bình tổng thể là: (Mean- m , Mean+m). Trong ví dụ 1.1 ta có khoảng
tin cậy 95% của “dài bông” là: (47.575 - 5.415 , 47.575 - 5.415), tức là (42.160, 52.990).
2.1.2. Tổ chức ñồ
Tần số xuất hiện của số liệu trong các khoảng cách ñều nhau cho phép phác hoạ biểu
ñồ tần số, còn gọi là tổ chức ñồ. ðể vẽ tổ chức ñồ cần phải tiến hành phân tổ số liệu.
a. Tạo miền phân tổ
ðể tiến hành phân tổ số liệu (tạo Bin), cần thực hiện các bước sau:
- Dùng các hàm Min, Max ñể xác ñịnh giá trị nhỏ nhất và giá trị lớn nhất.Tính biên ñộ
= Max - Min. Dựa vào ñó ta có thể ñịnh số tổ cần chia. Số tổ có thể theo công thức
k=6*log(n), n là số số liệu. Từ ñó ta ñịnh ra khoảng cách tổ là h = biên ñộ/k.
ðịnh ra giá trị cận dưới và giá trị cận trên của miền phân tổ, thường thì lấy giá trị cận
dưới nhỏ hơn Min, giá trị cận trên lớn hơn Max.
- Ghi giá trị cận dưới vào ô ñầu của miền phân tổ. Con trỏ tại ô này.
- Chọn Edit > Fill > Series ñể khai báo các mục:
+ Trong mục Series in chọn Columns (dữ liệu theo cột).
+ Trong mục Type chọn Linear (dữ liệu tăng theo cấp số cộng).
+ Trong Step value: nhập giá trị bước tăng (h).
+ Trong Stop value: nhập giá trị cuối (giá trị cận trên).
+ OK.
Ví dụ 1.2: Dựa trên 30 số liệu về chiều dài cá ta tạo miền phân tổ (Bin) như trên hình
sau, với miền phân tổ từ ô D2 tới ô D12 (kể cả nhãn), giá trị cận dưới là 10, cận trên là 55,
giá trị bước tăng 5.
Hình 1.1. Tạo miền Bin cho các số liệu về chiều dài cá
29
b. Vẽ tổ chức ñồ
Chọn Tools> Data Analysis> Histogam ñể khai báo các mục:
- Input range: miền dữ liệu.
- Input Bin: miền phân tổ.
- Labels: nhãn ở dòng ñầu nếu có.
- Output range: Miền kết quả.
- Pareto: tần số sắp xếp giảm dần.
- Cumulative Percentage: Tần suất cộng dồn %.
- Chart output: Biểu ñồ.
- OK.
Trong ví dụ 1.2 chọn Tools> Data Analysis> Histogam và khai báo như trong hình sau:
30
So sánh khối lượng của 2 giống bò
Giống 1 188 180 199 191 196 204 190 201 195 221 187 203
Giống 2 148 146 153 135 151 146 164 147 162 140 159 182 165 165 142
31
Kết quả thu ñược như sau:
F-Test Two-Sample for Variances
Giống 1 Giống 2
Mean 196.1750 153.7000
Variance 112.7002 151.3243
Observations 12 15
df 11 14
F 0.7448
P(F<=f) one-tail 0.3156
F Critical one-tail 0.3651
2.2.2. So sánh trung bình trường hợp hai mẫu ñộc lập khi biết phương sai σ 21 và σ 22
Bài toán ở ñây là cần thông qua hai mẫu ñể kiểm ñịnh giả thuyết H0: m1 = m2 (kỳ vọng
của biến X bằng kỳ vọng của biến Y) với ñối thuyết H1: m1 ≠ m2 ở mức ý nghĩa α .
Rút mẫu ñộc lập từ hai tổng thể phân phối chuẩn, trong một số tình huống nào ñó
chúng ta có thể ước lượng ñược phương sai (thường xảy ra khi ñiều tra lại một tổng thể sau
một thời gian chưa lâu, nên phương sai chưa thay ñổi, do ñó lấy phương sai của lần ñiều tra
trước làm σ21 và σ22, chẳng hạn khi xem xét các kết quả phân tích của hai phòng thí
nghiệm mà ñộ chính xác ñã ổn ñịnh, từ ñó có các ước lượng về phương sai).
Trường hợp mẫu lớn: Khi việc rút hai mẫu quan sát từ hai tổng thể ñược tiến hành một
cách ñộc lập thì chúng ta có hai mẫu ñộc lập. Nếu dung lượng của cả hai mẫu ñều lớn
(thường quy ước là n1 ≥ 30, n2 ≥ 30) ta có thể tiến hành z-test nhưng thay hai phương sai
của tổng thể σ21 và σ22 bằng phương sai mẫu s12 và s22
a. Các bước thực hiện
Chọn Tools >Data Analysis > z-Test: Two Sample for Means, sau ñó lần lượt trả lời:
- Variable 1 Range: miền dữ liệu của biến 1, kể cả dòng ñầu chứa nhãn.
- Variable 2 Range: Miền dữ liệu của biến thứ hai, kể cả dòng ñầu chứa nhãn.
- Labels: Chọn mục này nếu miền dữ liệu chọn cả dòng nhãn.
32
- Hypothesized means difference: Giả thuyết về hiệu hai trung bình của hai tổng thể. Nếu
lấy giả thuyết H0: m1=m2 thì ghi 0. Nếu lấy giả thuyết H1: m1=m2+d thì ghi d (d là 1 số) .
- Variable 1 variance: Phương sai của biến 1 (nhập σ21).
- Variable 2 variance: Phương sai của biến 2 (nhập σ22).
- Output Range: Chọn miền trống ñể ñưa ra kết quả.
- Chọn OK.
Ví dụ 1.4: Thực hiện thí nghiệm ño chiều dài của 2 giống cá x và y. Với giống cá x lấy
mẫu ño 10 con cá, Với giống cá y lấy mẫu ño 12 con cá, ta có bảng số liệu sau, biết
phương sai của giống cá x là 11.6, của giống cá y là 10.9.
Hãy so sánh chiều dài của 2 giống cá x và y.
Chọn Tools >Data Analysis > z-Test: Two Sample for Means, sau ñó khai báo theo
hộp thoại sau:
33
- Observations: Số quan sát n1 và n2.
- Hypothesized means difference: Giả thuyết về hiệu hai trung bình của hai tổng thể. Nếu
lấy giả thuyết H0: m1=m2 thì ghi 0. Nếu lấy giả thuyết H1: m1=m2+d thì ghi d (d là 1 số) .
- z: Giá trị z thực nghiệm tính theo công thức sau:
z=(a1-a2)/Sqrt(σ21/n1 + σ22/n2 )
- P(Z<=z) one-tail: Giá trị P một phía
- z Critical one-tail: Giá trị z lý thuyết (tới hạn) một phía.
- P(Z<=z) two-tail: Giá trị P hai phía.
- z Critical two-tail: Giá trị z lý thuyết (tới hạn) hai phía
Chú ý: Ta có thể dùng một số hàm trong Excel ñể tính một số kết quả:
+ Giá trị P một phía tính bằng hàm 1-Normsdist(z).
+ Giá trị P hai phía tính bằng hàm (1-Normsdist(z))*2.
+ Giá trị tới hạn của hàm phân phối chuẩn tắc z một phía tính bằng hàm
Normsinv(0.95).
+ Giá trị z tới hạn hai phía tính bằng hàm Normsinv(0.975).
Kết luận: Nếu P two-tail > mức ý nghĩa α = 0.05 thì chập nhận H0 ngược lại bác bỏ H
0 chấp nhận H1.
Trong ví dụ giá trị P hai phía lớn hơn mức ý nghĩa α = 0.05 nên kết luận: chiều dài của
hai giống cá không khác nhau.
2.2.3. So sánh hai mẫu kiểu cặp ñôi
Ta xét thí dụ: lấy một tổ chim và cân trọng lượng chim cái, trọng lượng chim ñực ta
ñược các cặp số liệu, lấy mẫu với dung lượng là n thì ta có n cặp số liệu, trường hợp này là
lấy mẫu cặp ñôi. Nếu lấy một số chim ñực ngẫu nhiên trong nhiều chim ñực và lấy một số
chim cái ngẫu nhiên trong nhiều chim cái thì có hai mẫu quan sát ñộc lập.
Trường hợp khác, nếu ta ñem 10 mẫu ñất, mỗi mẫu chia ñôi, một nửa giao cho phòng
phân tích A thực hiện, nửa kia giao cho phòng phân tích B thì thu ñược số liệu cặp ñể so
sánh kết quả của hai phòng phân tích, hoặc nếu ta ñem hai giống lúa cấy trên một số ruộng,
mỗi ruộng chia ñôi, một nửa cấy giống A, một nửa cấy giống B thì có hai mẫu cặp ñể so
sánh, hay nếu ño một chỉ số sinh lý hoặc sinh hoá của một bệnh nhân khi mới nhập viện và
ño lại chỉ số ñó sau một thời gian ñiều trị thì có hai mẫu quan sát cặp ñể ñánh giá hiệu quả
ñiều trị.
Chú ý rằng, khi rút hai mẫu cặp ta có hai mẫu cùng số quan sát n, các số liệu sắp xếp
thành cặp ñứng ở hai cột cạnh nhau.
a. Các bước thực hiện
Chọn Tools >Data Analysis > t-Test: Paired Two Sample for Means, sau ñó lần lượt
trả lời:
- Variable 1 Range: miền dữ liệu của biến 1, kể cả dòng ñầu chứa nhãn.
- Variable 2 Range: Miền dữ liệu của biến thứ hai, kể cả dòng ñầu chứa nhãn.
- Labels: Chọn mục này nếu miền dữ liệu chọn cả dòng nhãn
34
- Hypothesized means difference: Giả thiết về hiệu hai trung bình của hai tổng thể.
Nếu lấy giả thuyết H0: m1=m2 thì ghi 0. Nếu lấy giả thuyết H0: m1=m2+d thì ghi d (d là một
số nào ñó)
- Output Range: Chọn miền trống ñể ñặt ra kết quả.
Ví dụ 1.5: Tăng trọng (pound) của 10 cặp bê sinh ñôi giống hệt nhau dưới hai chế ñộ
chăm sóc A và B khác nhau. Bê trong từng cặp ñược bắt thăm ngẫu nhiên về một trong hai
cách chăm sóc.
Hãy kiểm ñịnh giả thiết H0: Tăng trọng trung bình ở hai cách chăm sóc như nhau, ñối
thiết H1: Tăng trọng trung bình khác nhau ở hai cách chăm sóc với mức ý nghĩa α = 0,05.
Số liệu thu ñược như sau:
Tăng trọng ở cách A 43 39 39 42 46 43 38 44 51 43
Tăng trọng ở cách B 37 35 34 41 39 37 35 40 48 36
Chọn Tools >Data Analysis > t-Test: Paired Two Sample for Means, khai báo hộp
thoại như sau:
35
b. Phân tích kết quả
Bảng kết quả có hai cột cho hai mẫu quan sát. Bảng này có các hàng:
- Mean: Trung bình mẫu a1, a2.
- Variance: Phương sai mẫu s12, s22.
- Observations: Số quan sát n1 và n2 (bằng nhau và bằng số cặp số liệu n).
- Pearson Correlation: Hệ số tương quan r của 2 mẫu.
- Hypothesized means difference: Giả thuyết về hiệu hai trung bình của hai tổng thể. Nếu
lấy giả thuyết H0: m1=m2 thì ghi 0. Nếu lấy giả thuyết H1: m1=m2+d thì ghi d (d là 1 số) .
- df: Bậc tự do bằng số cặp trừ 1 (n-1).
- t Stat: Giá trị t thực nghiệm
- P(T<=t) one-tail: Giá trị P một phía.
- t Critical one-tail: Giá trị t một phía.
- P(T<=t) two-tail: Giá trị P hai phía.
- t Critical two-tail: Giá trị t hai phía.
Kết luận: Do giá trị P hai phía nhỏ hơn mức ý nghĩa α = 0.05 nên trong ví dụ trên ta
bác bỏ H0, chấp nhận giả thuyết H1 (m1≠m2) và ñồng thời t thực nghiệm > t một phía nên
m1> m2, có nghĩa là tăng trọng cách A lớn hơn tăng trọng của cách B.
2.2.4. So sánh trung bình khi lấy mẫu ñộc lập với giả thuyết hai phương sai bằng nhau
Trường hợp mẫu lớn: Khi việc rút hai mẫu quan sát từ hai tổng thể ñược tiến hành một
cách ñộc lập thì chúng ta có hai mẫu ñộc lập. Nếu dung lượng của cả hai mẫu ñều lớn
(thường quy ước là n1 ≥ 30, n2 ≥ 30) ta có thể tiến hành z-test nhưng thay hai phương sai
của tổng thể σ 21và σ 22 bằng phương sai mẫu s12 và s22.
Trường hợp mẫu bé (n1,n2 nhỏ hơn 30) thì ta gặp bài toán khó, gọi tên là bài toán
Berens – Fisher. Trong trường hợp này, nếu coi hai phương sai của hai tổng thể bằng nhau
(cần kiểm ñịnh giả thuyết phụ về sự bằng nhau của hai phương sai) thì có thể tiếp tục tính
toán như sau:
36
Ví dụ 1.6: Có 2 giống bò, tiến hành chọn ngẫu nhiên và cân 12 con ñối với giống thứ
nhất và 15 con ñối với giống thứ 2. Khối lượng (kg) thu ñược như sau:
So sánh khối lượng của 2 giống bò
Giống 1 188 180 199 191 196 204 190 201 195 221 187 203
Giống 2 148 146 153 135 151 146 164 147 162 140 159 182 165 165 142
Kiểm ñịnh giả thiết H0: khối lượng trung bình của 2 giống bò như nhau.
- Trước tiên ta phải kiểm ñịnh sự bằng nhau của hai phương sai, trong mục 1.2.1 và ở
ví dụ 1.3 ta ñã có kết luận hai phương sai bằng nhau.
- Bước tiếp theo ta ñi so sánh trung bình với giả thiết phương sai bằng nhau:
Chọn Tools >Data Analysis > t-Test: Two-Sample Assuming Equal Variances, khai
báo hộp thoại như sau:
Giống 1 Giống 2
Mean 196.175 153.7
Variance 112.7002 151.3243
Observations 12 15
Pooled Variance 134.3297
Hypothesized Mean Difference 0
df 25
t Stat 9.46241
P(T<=t) one-tail 0.00000
t Critical one-tail 1.70814
P(T<=t) two-tail 0.00000
t Critical two-tail 2.05954
37
b. Phân tích kết quả
Bảng kết quả thu ñược có hai cột cho hai mẫu quan sát, và lần lựơt có các hàng sau:
- Mean: Trung bình mẫu a1, a2.
- Variance: Phương sai mẫu s12, s22.
- Observations: Số quan sát n1 và n2.
- Pooled Variance: Phương sai chung tính theo công thức
s2=((n1-1)s12+( n2-1)s22)/(n1+n2-2)
- Hypothesized means difference: Giả thiết về hiệu hai trung bình của hai tổng thể.
Nếu lấy giả thuyết H0: m1=m2 thì ghi 0. Nếu lấy giả thuyết H0: m1=m2+d thì ghi d (d là một
số nào ñó) .
- df: Bậc tự do (n1+ n2-2)
- t Stat: Giá trị t thực nghiệm tính theo công thức:
t = (a1-a2)/Sqrt(s2×(1/n1+1/n2))
- P(T<=t) one-tail: Giá trị P một phía.
- t Critical one-tail: Giá trị t một phía.
- P(T<=t) two-tail: Giá trị P hai phía.
- t Critical two-tail: Giá trị t hai phía.
Chú ý: có thể tìm ñược các giá trị theo các hàm của Excel
+ Giá trị P một phía và hai phía qua hàm Tdist(z,f,1) và Tdist(z,f,2).
+ Giá trị t lý thuyết một phía qua hàm TINV(0.10,f).
+ Giá trị t lý thuyết hai phía qua hàm TINV(0.05,f).
Kết luận: Do giá trị P hai phía nhỏ hơn mức ý nghĩa α = 0.05 nên trong ví dụ trên ta
bác bỏ H0, chấp nhận giả thuyết H1 (m1≠m2) và ñồng thời t thực nghiệm > t một phía nên
m1> m2, có nghĩa là khối lượng trung bình của giống bò 1 lớn hơn khối lượng trung bình
của giống bò 2.
2.2.5. So sánh trung bình khi lấy mẫu ñộc lập với giả thuyết hai phương sai khác nhau
Trong trường hợp mẫu bé và phương sai khác nhau thì có thể thực hiện theo các bước sau:
a. Các bước thực hiện
Chọn Tools >Data Analysis > t-Test: Two-Sample Assuming Unequal Variances, sau
ñó lần lượt trả lời:
- Variable 1 Range: miền dữ liệu của biến 1, kể cả dòng ñầu chứa nhãn.
- Variable 2 Range: Miền dữ liệu của biến thứ hai, kể cả dòng ñầu chứa nhãn.
- Labels: Chọn mục này nếu miền dữ liệu chọn cả dòng nhãn
- Hypothesized means difference: Giả thiết về hiệu hai trung bình của hai tổng thể.
Nếu lấy giả thuyết H0: m1=m2 thì ghi 0. Nếu lấy giả thuyết H0: m1=m2+d thì ghi d (d là một
số nào ñó)
- Output Range: Chọn miền trống ñể ñặt ra kết quả.
Ví dụ 1.7: Thực hiện thí nghiệm ño chiều dài của 2 giống cá x và y. Với giống cá x lấy
mẫu ño 10 con cá, Với giống cá y lấy mẫu ño 12 con cá, ta có bảng số liệu sau.
Hãy so sánh chiều dài của 2 giống cá x và y.
38
x 15 17 20 23 25 17 18 22 24 22
y 14 12 13 28 12 17 25 24 30 21 23 30
* Bước 1: Kiểm ñịnh sự bằng nhau của hai phương sai, thực hiện theo mục 1.2.1, ta có
kết quả sau:
F-Test Two-Sample for Variances
x y
Mean 20.3 20.75
Variance 11.5667 48.2045
Observations 10 12
df 9 11
F 0.23995
P(F<=f) one-tail 0.02047
F Critical one-tail 0.32232
Kết luận: P một phía < 0.05 nên bác bỏ H0, chấp nhận H1 tức là hai phương sai khác nhau.
* Bước 2: Kiểm ñịnh sự bằng nhau của hai trung bình với giả thuyết hai phương sai
khác nhau:
Chọn Tools >Data Analysis > t-Test: Two-Sample Assuming Unequal Variances, khai
báo hộp thoại như sau:
39
b. Phân tích kết quả
ðánh giá kết quả như trọng mục 1.2.4 ở trên.
Kết luận: Theo kết quả trên giả thuyết H0 vẫn ñược chấp nhận ở mức ý nghĩ 0.05 do P
hai phía lớn hơn mức ý nghĩa α = 0.05, tức là chiều dài của 2 giống cá không khác nhau.
2.3. Phân tích phương sai
Phân tích phương sai là công cụ chủ yếu ñể phân tích các số liệu khi theo dõi ảnh
hưởng của các nhân tố (factor) và ảnh hưởng tương tác của chúng. ðể thu thập số liệu, thí
nghiệm cần ñược thiết kế phù hợp với mục ñích nghiên cứu và ñiều kiện cụ thể nơi tiến
hành thí nghiệm. ðể phân tích một nhân tố, thí nghiệm thường ñược thiết kế theo kiểu
hoàn toàn ngẫu nhiên, kiểu khối hoàn toàn ngẫu nhiên, hay ô vuông La tinh. ðể phân tích
hai nhân tố, thí nghiệm ñược bố trí theo kiểu khối ngẫu nhiên, kiểu trực giao, kiểu chia ô
lớn, ô nhỏ. Từ ba nhân tố trở lên thì cần bố trí thí nghiệm sao cho mỗi nhân tố có hai mức
hay mỗi nhân tố có ba mức.
1.3.1. Phân tích phương sai một nhân tố
Phân tích phương sai một nhân tố ñược sử dụng ñể phân tích số liệu khi theo dõi ảnh
hưởng của các mức của nhân tố tới kết quả, như ảnh hưởng của các công thức cho ăn ñến
năng suất thịt lợn, ảnh hưởng của các công thức ñiều trị thuốc ñến tỷ lệ bệnh...
ðể phân tích phương sai một nhân tố cần thiết kế thí nghiệm kiểu hoàn toàn ngẫu
nhiên, mỗi mức lặp lại một số lần, số lần lặp của các mức của nhân tố không cần phải bằng
nhau. Số liệu ñược ñiền theo cột hoặc theo hàng (nếu vào theo hàng thì mỗi hàng ứng với
một mức của nhân tố), ô ñầu tiên ghi tên mức, các ô tiếp theo ghi số liệu.
Giả sử thí nghiệm ñược bố trí theo k mức tác ñộng khác nhau của nhân tố A, mỗi mức
ñược lặp lại ni lần, i= 1, k và n1 + n2+…+ nk là tổng số các thí nghiệm.
Gọi Xij là số liệu thu ñược của thí nghiệm ở mức i và lần lặp thứ j. Ta có bảng thực
nghiệm sau:
Mức của nhân tố A Số liệu thực nghiệm
1 X11 X12 … X1n1
2 X21 X22 … X2n2
… … … … …
k Xk1 Xk2 … Xknk
S 21
Nếu k ñám ñông có phân phối chuẩn N(mi,δ2), i = 1, k thì ñại lượng F =
S 22
Trong ñó S21 là phương sai gây ra do tác ñộng của các mức, S22 là phương sai do ngẫu
nhiên. F có phân phối Fisher với k-1; n-k bậc tự do.
Bài toán phân tích phương sai ñưa về việc kiểm ñịnh giả thiết:
H0: m1= m2=… = mk
ðối giả thiết H1: Có ít nhất hai trị trung bình khác nhau.
Giả thiết H0 bị bác bỏ ở mức α nếu: F > Fα(k-1,n-k) với Fα(k-1,n-k) là số tìm ñược ở
bảng F, mức α với k-1, n-k bậc tự do.
40
a. Các bước thực hiện trong Excel
Chọn Tools> Data Analysis > Anova: Single Factor và khai báo:
- Input range: Khai báo miền dữ liệu vào (một chữ nhật bao trùm toàn bộ các ô chứa
tên mức và toàn bộ các số liệu).
- Grouped by: Column (số liệu theo cột) hoặc row (số liệu theo hàng)
- Label in First column: nhãn dòng ñầu.
- Alpha: 0.05 mức ý nghĩa α.
- Output range: miền ra.
- Chọn nút OK
b. Phân tích kết quả
- Kết quả in ra gồm các thống kê cơ bản cho từng mức (trung bình, ñộ lệch chuẩn...) và
bảng phân tích phương sai.
- Nếu giá trị xác suất P-value >= alpha (hoặc F thực nghiệm <= F lý thuyết) thì chấp
nhận H0 các công thức không có khác biệt ñáng kể.
- Nếu giá trị xác suất P-value < alpha (hoặc F thực nghiệm > F lý thuyết) thì bác bỏ Ho
chấp nhận H1 các công thức có tác ñộng khác nhau tới kết quả.
- Khi kết luận các công thức có tác ñộng khác nhau tới kết quả thì phải tiến hành bước
tiếp theo là so sánh các công thức ñể rút ra công thức nào tốt nhất.
1.3.2. So sánh các trung bình dùng ngưỡng so sánh LSD (Least sinificance diffrence)
Phần mềm Excel không cho phép so sánh các trung bình của các nhóm ứng với các
mức của nhân tố (các công thức). Tuy nhiên, nếu cần so sánh trung bình mi (với ri lần lặp)
với trung bình mj (rj lần lặp) người dùng có thể tự tính thêm LSD (Least Significance
Difference) theo công thức LSD = tα,f × SQRT(s2(1/ri + 1/rj)), trong ñó s2 là phương sai
chung ñược ước lượng bởi trung bình của sai số bình phương trong nội bộ nhóm (MS
within groups), α = 1-p, và tα,f là giá trị t của bảng Student ứng với mức ý nghĩa α và f bậc
tự do. tα,f có thể tìm ñược bằng cách tra bảng số hay bằng hàm TINV trong Excel.
* Tính trị tuyệt ñối của hiệu các trung bình mi, mj: |mi- mj|
* So sánh nếu |mi- mj| > LSD thì hai trung bình là khác nhau, ngược lại 2 trung bình
ñược coi là không khác nhau. Thông thường người ta lập bảng hiệu các trung bình, sau ñó
lập bảng ghi kết quả so sánh.
Ví dụ 1.8: Theo dõi tăng trọng của cá (kg), thí nghiệm với 5 công thức nuôi (A, B, C,
D, E). . Số liệu thu ñược như bảng sau. Hãy cho biết công thức nào tốt nhất
41
Chọn Tools> Data Analysis > Anova: Single Factor và khai báo theo hộp thoại sau:
SUMMARY
ANOVA
Source of Variation SS df MS F P-value F crit
Between Groups 0.76325 4 0.190813 60.99494 4.24E-09 3.055568
Within Groups 0.046925 15 0.003128
Total 0.810175 19
* Kết luận: P- value < 0.05 (mức ý nghĩa của kiểm ñịnh) nên bác bỏ Ho chấp nhận H1
các công thức có tác ñộng khác nhau tới kết quả.
* So sánh các trung bình:
42
2.3.3. Phân tích phương sai hai nhân tố
Khi phân tích phương sai hai nhân tố A và B thì có thể xảy ra các hai trường hợp:
trường hợp A và B không tương tác (biến ñộng gây nên bởi tác ñộng ñồng thời của A và B
gần sát 0) và trường hợp A và B tương tác (nếu trái lại). Phân tích phương sai một nhân tố
bố trí kiểu khối hoàn toàn ngẫu nhiên ñược coi là trường hợp riêng của phân tích phương
sai hai nhân tố không tương tác (nhân tố khối là nhân tố thứ hai không tương tác với nhân
tố thứ nhất). Khi phân tích phương sai hai nhân tố không tương tác, số liệu cần ñược sắp
xếp theo cách sau: hàng là các mức của nhân tố thứ nhất, cột là các mức của nhân tố thứ
hai (trong trường hợp cần phân tích phương sai một nhân tố bố trí kiểu khối ngẫu nhiên thì
hàng là các mức của nhân tố, cột là các khối ngẫu nhiên).
a. Phân tích phương sai hai nhân tố không tương tác (không lặp)
Xét trường hợp thí nghiệm liên quan tới 2 nhân tố A và B, mỗi nhân tố có một số mẫu.
Xét trường hợp không có tương tác giữa Avà B.
Nhân tố A 1 2 … kA
Nhân tố B
43
Ta ñi kiểm ñịnh giả thuyết H0A và H0B với các ñối thuyết H1A và H1B (Giả thiết H0A:
Các mức của nhân tố A có tác ñộng như nhau. Giả thiết H0B: Các mức của nhân tố B có tác
ñộng như nhau)
s2 A s2B
Các ñại lượng thống kê: FA = và F =
s2R B
s2R
Trong ñó S2A là phương sai do nhân tố A, S2B là phương sai do nhân tố B, S2R là
phương sai do nhân tố ngẫu nhiên.
Nếu: FA > F 0.05A kết luận các mức của nhân tố theo cột (A) có ảnh hưởng khác nhau
ñến số liệu nghiên cứu.
FB > F 0.05B kết luận các mức của nhân tố theo dòng (B) có ảnh hưởng khác nhau ñến
số liệu nghiên cứu.
* Các bước thực hiện trong Excel
Chọn Tools >Data Analysis >Anova: Two Factor Without Replication sau ñó khai báo
tiếp các thông tin trong hình sau:
Hình 1.4. Hộp thoại khai báo ñể phân tích phương sai không tương tác
* Phân tích kết quả
- Nếu FA > F Crit A thì các mức của nhân tố A có ảnh hưởng khác nhau ñến kết quả.
- Nếu kết luận các mức của nhân tố A có ảnh hưởng khác nhau ñến kết quả thì ta tiến
hành so sánh trung bình của các mức trong nhân tố A theo chỉ số LSD (tương tự trong phần
phân tích phương sai một nhân tố).
- Nếu FB > F Crit B thì các mức của nhân tố B có ảnh hưởng khác nhau ñến kết quả.
- Nếu kết luận các mức của nhân tố B có ảnh hưởng khác nhau ñến kết quả thì ta tiến
hành so sánh trung bình của các công thức trong nhân tố B theo chỉ số LSD (tương tự trong
phần phân tích phương sai một nhân tố).
Chú ý: F là F thực nghiệm, F Crit là F lý thuyết có thể tìm bằng hàm FINV(...)
F Crit A = FINV(α, kA -1, (kA-1)(kB-1)) , F Crit B = FINV(α, kB -1, (kA-1)(kB-1))
Ví dụ 1.9: Mead và cộng sự nghiên cứu số lượng tế bào Lymphô ở chuột (×1000 tế
bào mm-3máu) , sử dụng 4 loại thuốc, qua 5 lứa. Số liệu ñược cho trên bảng sau. Thực
hiện trong Excel khai báo dữ liệu theo hộp thoại sau:
44
Kết quả xử lý cho trong bảng sau:
Anova: Two-Factor Without Replication
SUMMARY Count Sum Average Variance
Thuốc A 5 32.1 6.42 0.367
Thuốc B 5 28.6 5.72 0.442
Thuốc C 5 30.3 6.06 0.578
Thuốc D 5 28.3 5.66 0.373
Total 8.8855 19
Kết luận:
+ Với nhân tố thuốc thì khi sử dụng các loại thuốc khác nhau có ảnh hưởng tới số
lượng tế bào lymphô trong máu (F > F crit).
+ Với nhân tố lứa thì các lứa khác nhau cũng ảnh hưởng tới số lượng tế bào lymphô
trong máu (F > F crit).
b. Phân tích phương sai hai nhân tố có tương tác (có lặp)
Trong trường hợp này khi phân tích phương sai ta phải tính ñến sự tác ñộng ñồng thời
của A và B. Số liệu sắp xếp như sau:
- Nhân tố 1 ñánh theo hàng với các mức khác nhau, nhân tố 2 ñánh theo cột với các
mức khác nhau.
45
- Mỗi mức của nhân tố 1 (thường gọi là nhân tố A) ñược dành m hàng (cho m lần lặp)
còn mỗi mức của nhân tố 2 (thường gọi là nhân tố B) là 1 cột.
- Tên mỗi mức của nhân tố A chỉ viết một lần trong ô ñầu tiên của mức ñó, các tên
mức của nhân tố B thì ghi ñầu ở mỗi cột. Các ô từ hàng 2 cột 2 trở ñi ghi số liệu.
Số liệu bố trí theo bảng sau:
B 1 2 ... kB
A
1 X111 X121 ... X1kB1
X112 X122 ... X1kB2
... ... ... ...
X11m X12m ... X1kBm
2 X211 X221 ... X2KB1
X212 X222 ... X2kB2
... ... ... ...
X21m X22m ... X2kBm
... ... ... ... ...
kA XkA11 XkA21 ... XkAkB1
XkA12 XkA22 ... XkAkB2
... ... ... ...
XkA1m XkA2m ... XkAkBm
Tổng số lượng quan sát: n = m kA kB
S2A S 2B S 2 AB
Các ñại lượng thống kê: FA = , FB = , F AB =
S 2R S 2R S 2R
Trong ñó S2A là phương sai do nhân tố A, S2B là phương sai do nhân tố B, SAB là
phương sai do tương tác AB, S2R là phương sai do nhân tố ngẫu nhiên.
* Các bước thực hiện trong Excel
Chọn Tools >Data Analysis >Anova: Two Factor With Replication, sau ñó khai báo
các thông tin như sau:
46
* Phân tích kết quả
- Nếu FA > F Crit A thì các mức của nhân tố A có ảnh hưởng khác nhau ñến kết quả.
- Nếu FB > F Crit B thì các mức của nhân tố B có ảnh hưởng khác nhau ñến kết quả.
- Nếu FAB > F Crit AB thì tương tác A B có ảnh hưởng ñến kết quả.
Ví dụ 1.10: Một nghiên cứu tiến hành ñể xác ñịnh ảnh hưởng của việc bổ sung 2 loại
vitamin (A và B) vào thức ăn ñể tăng trọng (kg/ngày) của lợn. Hai mức ñối với vitamin A
(0 và 4 mg) và 2 mức ñối với vitamin B (0 và 5 mg). Số liệu thu ñược khi kết thúc thí
nghiệm ñược trình bày như sau:
Vitamin A 0 mg 4 mg
Vitamin B 0 mg 5 mg 0 mg 5 mg
0.585 0.567 0.473 0.684
0.536 0.545 0.450 0.702
0.458 0.589 0.869 0.900
0.486 0.536 0.473 0.698
0.536 0.549 0.464 0.693
Chọn Tools >Data Analysis >Anova: Two Factor With Replication, sau ñó khai báo
các thông tin như sau:
47
Chú ý: Miền dữ liệu vào (Input Range) A2: C12. Không chọn ô có nhãn Vitamin B,
mà ở ñây chỉ nhập ñể xem choão. Số lần lặp là 5.
Kết quả thu ñược như bảng sau:
Anova: Two-Factor With Replication
SUMMARY 0 mg 5 mg Total
0 mg
Count 5 5 10
Sum 2.601 2.786 5.387
Average 0.5202 0.5572 0.5387
Variance 0.0024342 0.0004432 0.00165912
4 mg
Count 5 5 10
Sum 2.729 3.677 6.406
Average 0.5458 0.7354 0.6406
Variance 0.0327317 0.0085118 0.02831604
Total
Count 10 10
Sum 5.33 6.463
Average 0.533 0.6463
Variance 0.015811333 0.0128009
ANOVA
Source of Variation SS df MS F P-value F crit
Sample 0.05191805 1 0.05191805 4.706889479 0.045448 4.493998
Columns 0.06418445 1 0.06418445 5.818961082 0.028222 4.493998
Interaction 0.02910845 1 0.02910845 2.638971553 0.123804 4.493998
Within 0.1764836 16 0.01103023
Total 0.32169455 19
48
ðối với 2 biến x và y, hệ số tương quan mẫu r ñược tính theo công thức sau:
( )( )
n
∑ x i − X yi − Y
r = i =1
(n − 1)s x s y
ở ñây x và sx là trung bình và ñộ lệch chuẩn mẫu ñối với mẫu thứ nhất, y và sy là
trung bình và ñộ lệch chuẩn của mẫu thứ 2.
* Tính hệ số tương quan trong Excel:
Excel cho phép tính hệ số tương quan ñơn giữa các biến sắp xếp thành một bảng gồm
n hàng, n cột (mỗi cột là 1 biến).
a. Các bước thực hiện
Chọn Tools>Data Analysis>Correlation và khai báo các mục:
- Input range: miền dữ liệu kể cả nhãn.
- Grouped by: Column (số liệu theo cột).
- Labels in first row: ðánh dấu √ vào ô này nếu có nhãn ở dòng ñầu.
- Output range: miền ra.
- OK.
b. Phân tích kết quả
- Hệ số tương quan của dòng và cột ghi ở ô giao giữa dòng và cột.
- Hệ số tương quan âm (< 0) thể hiện mối tương quan nghịch biến.
- Các hệ số tương quan có giá trị tuyệt ñối xấp xỉ 0.7 trở lên thể hiện mối tương quan
tuyến tính (tương quan mạnh) giữa hai biến.
Ví dụ 1.11: Xác ñịnh mối tương quan giữa khối lượng của gà mái (kg) và thu nhận
thức ăn trong một năm (kg). Tiến hành quan sát 10 gà mái và thu ñược kết quả sau:
Khối lượng gà mái 2.3 2.6 2.4 2.2 2.8 2.3 2.6 2.6 2.4 2.5
Khối lượng thức ăn 43 46 45 46 50 46 48 49 46 47
49
- Kết quả thu ñược trên bảng sau:
Khối lượng gà mái Khối lượng thức ăn
Khối lượng gà mái 1
Khối lượng thức ăn 0.779445522 1
- Kết luận: Hệ số tương quan giữa khối lượng gà mái và khối lượng thức ăn là
0.779445522 , thể hiện mối tương quan tuyến tính.
2.4.2. Hồi quy tuyến tính trong excel
Excel cho phép tìm phương trình hồi quy tuyến tính ñơn y= a+ bx và hồi quy tuyến
tính bội y= a0 + a1x1 + a2x2 + . . . + anxn. Các biến ñộc lập chứa trong n cột, biến phụ thuộc
y ñể trong một cột, các giá trị tương ứng giữa biến ñộc lập và biến phụ thuộc ñược xếp trên
cùng một hàng.
a. Các bước thực hiện
Chọn Tools>Data Analysis>Regression và khai báo các mục:
- Input y range: miền dữ liệu biến y.
- Input x range: miền dữ liệu các biến x.
- Label: ðánh dấu √ vào ô này nếu có nhãn ở dòng ñầu.
- Confidence level: 95% (ñộ tin cậy 95%).
- Constant in zero: ðánh dấu √ nếu hệ số tự do a0 = 0 .
- Output range: miền xuất kết quả.
- Residuals: ðánh dấu √ vào ô này ñể hiện phần dư hay sai lệch giữa y thực nghiệm và
y theo hồi quy.
- Standardized residuals: ðánh dấu √ ñể hiện phần dư ñã chuẩn hoá.
- Residuals plot: ðánh dấu √ ñể hiện ñồ thị phần dư.
- Line fit plots: ðánh dấu √ ñể hiện ñồ thị các ñường dự báo.
- Normal probability plot: ðánh dấu √ ñể hiện ñồ thị phần dư ñã chuẩn hoá.
- OK.
b. Phân tích kết quả
- Nếu hệ số tương quan bội xấp xỉ 0.7 hoặc lớn hơn thì mô hình hồi quy tuyến tính là
thích hợp (ngược lại nên tìm mô hình khác).
- Hệ số tương quan R square trong cho biết bao nhiên % sự biến ñộng của y là do các
yếu tố x gây nên.
- Hệ số Adjusted R square nếu không sát gần với R square chứng tỏ không phải tất cả
các biến ñưa vào là thực sự cần thiết.
- Trong bảng phân tich hồi quy nếu mức ý nghĩa kiểm ñịnh F (Significiance F) nhỏ
hơn mức ý nghĩa α thì phương trình hồi quy tuyến tính ñược chấp nhận.
- Nhìn vào các hệ số của các biến ta viết ñược ñường hồi quy dự báo
- Nếu suất cho ở cột P-value của hệ số của xi > α thì hệ số của biến ñó có thể coi là
bằng không. Trong trường hợp này, cần tiến hành lọc bớt biến xi ñể ñược ñường hồi quy
với các hệ số ñều có ý nghĩa.
50
Ví dụ 1.12: Xác ñịnh phương trình hồi quy giữa khối lượng của gà mái (kg) và thu
nhận thức ăn trong một năm (kg). Tiến hành quan sát 10 gà mái và thu ñược kết quả sau:
Khối lượng gà mái 2.3 2.6 2.4 2.2 2.8 2.3 2.6 2.6 2.4 2.5
Khối lượng thức ăn 43 46 45 46 50 46 48 49 46 47
Regression Statistics
Multiple R 0.779445522
R Square 0.607535322
Observations 10
ANOVA
df SS MS F Significance F
Total 9 0.301
Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Upper 95.0%
Khối lượng thức ăn 0.070879121 0.020141 3.5190908 0.0078563 0.024433162 0.11732508 0.11732508
51
BÀI TẬP CHƯƠNG I
Bài 1: Một thí nghiệm ñược tiến hành nhằm so sánh nồng ñộ Epinephrine (PEP) trong
huyết tương chó ở các thuốc gây mê khác nhau. Trong nghiên cứu này 10 cho ñược chọn
tham gia thí nghiệm. Ba loại thuốc gây mê ñược lựa chọn ngẫu nhiên ñể lần lượt gây mê
cho mỗi chó. Kết quả thu ñược như sau:
Chó số 1 2 3 4 5 6 7 8 9 10
Thuốc A 1,07 1,35 0,69 0,28 1,24 1,53 0,49 0,56 1,02 0,30
Thuốc B 0,30 0,39 0,63 0,68 0,38 0,21 0,88 0,39 0,51 0,32
Thuốc C 0,28 0,51 1,00 0,39 0,29 0,36 0,32 0,69 0,17 0,33
So sánh lượng thức ăn thu nhận qua thí nghiệm nêu trên?
52