BÀI TẬP LỚN SỐ 5

CÂU 1A
1. Đề bài:
Hiệu suất phần trăm (%) của một phản ứng hóa học được nghiên cứu theo 3 yếu tố: pH
(A), nhiệt độ (B) và chất xúc tác (C) được trình bày trong bảng sau:
Yếu tố B
Yếu tố A
B1 B2 B3 B4
A1 C1 9 C2 14 C3 16 C4 12
A2 C2 12 C3 15 C4 12 C1 10
A3 C3 13 C4 14 C1 11 C2 14
A4 C4 10 C1 11 C2 13 C3 13
Hãy đánh giá về ảnh hưởng của các yếu tố trên hiệu suất phản ứng
2. Dạng bài: Phân tích phương sai 3 yếu tố
3. Cơ sở lý thuyết:
- Sự phân tích này được dùng để đánh giá về sự ảnh hưởng của 2 yếu tố trên các giá trị
quan sát G (i=1, 2, ….r: yếu tố A; j=1, 2, ….r: yếu tố B; k=1, 2, ….r: yếu tố C).
- Mô hình:

Khi nghiên cứu ảnh hưởng của hai yếu tố, mỗi yếu tố có n mức, thì người ta dùng mô
hình vuông la tinh n x m. Ví dụ mô hình vuông la tinh 4 x 4.

B C D A
C D A B
D A B C
A B C D

Mô hình vuông la tinh 3 yếu tố được trình bày như sau:

Yếu tố Yếu tố B
A B1 B2 B3 B4 Ti
A1 C1 Y 111 C2 Y 122 C3 Y 133 C4 Y 144 T1
A2 C2 Y 212 C3 Y 223 C4 Y 234 C1 Y 211 T2
A3 C3 Y 313 C4 Y 324 C1 Y 334 C2 Y 342 T3
A4 C4 Y 414 C1 Y 421 C2 Y 412 C3 Y 443 T4
Ti T1 T2 T3 T4
Bảng ANOVA
Nguồn Bình phương trung Giá trị
Bậc tự do Tổng số bình phương
sai số bình thống kê
Yếu tố Ti...2 T...2
r SSR MSR
A ( r  1) SSR    2 MSR  FR 
i 1 r r (r  1) MSE
(hàng)
Yếu tố r T j2... T...2 SSC MSC
B ( r  1) SSC    MSC  FC 
j 1 r r2 ( r  1) MSE
(cột)
Yếu tố r
Tk2... T...2 SSF MSF
( r  1) SSF    2 MSF  F
C k 1 r r (r  1) MSE
SSE
Sai số (r  1).(r  2) SSE  SST  ( SSF  SSR  SSC ) MSE 
(r  1)(r  2)
Tổng T...2
(r 2  1) SST   Yijk2 
cộng i j k r2

Trắc nghiệm
- Giả thiết:
H 0 : 1   2  ....k  “Các giá trị trung bình bằng nhau”

H1 : i   j
 “Có ít nhất hai giá trị trung bình khác nhau”

- Giá trị thống kê FR , FC , F

- Biện luận:

Nếu FR  F [r  1, (r  1)( r  2)] -> Chấp nhận H 0 (Yếu tố A)

Nếu FC  F [r  1, (r  1)(r  2)] -> Chấp nhận H 0 (Yếu tố B)

Nếu F  F [r  1,(r  1)(r  2)] -> Chấp nhận H 0 (Yếu tố C)

4. Giải toán bằng phần mềm IBM SPSS
Bước 1: Đặt giả thiết:
H1 : Hiệu suất phản ứng trung bình của các phản ứng không phụ thuộc vào pH (Yếu tố
pH không ảnh hưởng đến hiệu suất phản ứng trung bình).
H 1 : Tồn tại 2 pH có hiệu suất phản ứng trung bình khác nhau.

H 2 : Hiệu suất phản ứng trung bình của các phản ứng không phụ thuộc vào nhiệt độ (Yếu
tố nhiệt độ không ảnh hưởng đến hiệu suất phản ứng trung bình).

H 2 : Tồn tại 2 nhiệt độ có hiệu suất phản ứng trung bình khác nhau.

H 3 : Hiệu suất phản ứng trung bình của các phản ứng không phụ thuộc vào chất xúc tác
(Yếu tố chất xúc tác không ảnh hưởng đến hiệu suất phản ứng trung bình).

H 3 : Tồn tại 2 chất xúc tác có hiệu suất phản ứng trung bình khác nhau.

Bước 2: Khai báo biến dữ liệu trong cửa sổ Varible view:

Bước 3: Nhập số liệu vào cửa sổ Data view:

Bước 4: Chọn Analyze → General Linear Model → Univariate

Bước 5: Đưa biến Hieusuatphanung vào khung Dependent Variable; đưa các biến pH,
Nhietdo và Chatxuctac vào khung Fixed Factor(s).
Bước 6: Chọn Model → Build terms → đưa các biến pH, Nhietdo và Chatxuctac vào
khung Model → Continue.

Bước 7: Chọn Options, nhập mức ý nghĩa ở ô Significance level = 0,05 → Continue.
Bước 8: Kết quả và biện luận.

 r  1 ;  r  1  r  2     3; 6 
Dò bảng phân phối Fischer ở mức ý nghĩa 5% với bậc tự do 

ta được F0.05 (3;6)  4, 76 ( dò bảng VIII trang 201 Giáo trình với n1  3; n2  6 )
Bảng Test of Between-Subjects Effects cho ta kết quả:
FR  FpH  3,105
FC  FNhietdo  11,947
F  FChatxuctac  30, 053

FR  F0,05 sigFpH  0,110    0, 05

( hoặc ) → Chấp nhận giả thiết H1 (pH)
 ( hoặc sigFnhietdo  0,006    0,05 ) → Bác bỏ giả thiết H 2 (Nhietdo)
FC  F0,05

( sigFchatxuctac  0, 001    0, 05 ) → Bác bỏ giả thiết H 3 (Chatxuctac)

F  F0,05

Bước 9: Kết luận:

- Yếu tố pH không ảnh hưởng đến hiệu suất phản ứng trung bình
- Tồn tại 2 nhiệt độ có hiệu suất phản ứng trung bình khác nhau
- Tồn tại 2 chất xúc tác có hiệu suất phản ứng trung bình khác nhau

CÂU 1B
1. Đề bài:
Người ta đã dùng ba mức nhiệt độ gồm 105, 120, 135℃ kết hợp với ba khoảng thời gian
là 15, 30 và 60 phút để thực hiện một phản ứng tổng hợp. Các hiệu suất của phản ứng (%)
được trình bày trong bảng sau đây:
Thời gian (phút) Nhiệt độ (℃) Hiệu suất (%)
X1 X2 Y
15 105 1.87
30 105 2.02
60 105 3.28
15 120 3.05
30 120 4.07
60 120 5.54
15 135 5.03
30 135 6.45
60 135 7.26

Hãy cho biết yếu tố nhiệt độ và/hoặc yếu tố thời gian có liên quan tuyến tính với hiệu
suất của phản ứng tổng hợp? Nếu có thì điển kiện nhiệt độ 115℃ trong vòng 50 phút thì
hiệu suất phản ứng sẽ là bao nhiêu?

2. Dạng bài: HỒI QUY TUYẾN TÍNH ĐA THAM SỐ

3. Cơ sở lí thuyết
Chúng ta xem xét mối liên hệ tuyến tính giữa một biến phụ thuộc Y và các biến độc lập

X i (i = 1, 2,...k). Đồ thị phân tán giữa các biến là một gợi ý cho chúng ta loại hàm số

toán học thích hợp để mô tả và tóm tắt các dữ liệu quan sát.

Phương trình tổng quát: X0 ,X1 ,..., X k  B0  B1 X 1  B1 X 1  ...  Bk X k
Y

Bảng ANOVA:

Tổng số bình Bình phương trung Giá trị thống

Nguồn sai số Bậc tự do
phương bình kê

 
n 2
MSR
Hồi quy k SSR   Yi '  Y ' MSR  SSR F
i 1 MSE

SSR    Y  Y 
n 2
Sai số N  k 1 i
'
MSE  SSE / ( N  2)
i 1

Tổng cộng N 1

Giá trị thống kê

Giá trị R bình phương:
2
Giá trị R được hiệu chỉnh( Adjusted R Square)
SSR kF
R2  
SST ( N  k  1)  kF
2
Giá trị R được hiệu chỉnh (Adjusted R Square)
( N  1) R 2  k k (1  R 2 )
R 2
ii R 
2

N  k 1 ( N  k  1)
2
( Rii sẽ trở nên âm hay không xác định nếu R hay N nhỏ )
2
Độ lệch chuẩn:
SSE
S
( N  k  1) ( S  0,30 là khá tốt)
Trắc nghiệm thống kê:

Đối với một phương trình hồi quy YX  B0  BX , ý nghĩa thống kê của các hệ số Bi ( B0
hay B ) được đánh giá bằng trắc nghiệm t (phân phối Student) trong khi tính chất thích

hợp của phương trình YX  f ( X ) được đánh giá bằng trắc nghiệm F (phân bố Fischer).
Trắc nghiệm t:
- Giả thiết:
H 0 : i  0 “Các hệ số hồi quy không có ý nghĩa”

H 0 : i  0 “Có ít nhất vài hệ số hồi quy có ý nghĩa”

Bậc tự do của giá trị t:   N  k  1 .

Bi  i S2 B
t ; S n2  n

2
Sn2
S n
(X  X ) 2

- Giá trị thống kê: i 1

Phân bố Student   N  k  1
t  t  N  k  1
- Biện luận: Nếu →Chấp nhận giả thiết H 0
Trắc nghiệm F
- Giả thiết:
H 0 : i  0 “Phương trình hồi quy không thích hợp”.

H 0 : i  0 “Phương trình hồi quy thích hợp” với ít nhất vài B .

i

MSR
F
- Giá trị thống kê: MSE

Phân bố Fischer v1  k , v2  N  k  1
- Biện luận:

Nếu F  F (k , N  k  1) →Chấp nhận giả thiết H 0

4. Giải toán bằng phần mềm IBM SPSS
Bước 1: Đặt giả thiết:
H : “Hệ số tự do và hệ số góc không có ý nghĩa thống kê”

H : “Hệ số tự do và hệ số góc có ý nghĩa thống kê”

H 0 : “Phương trình hồi quy không thích hợp”

H 0 : “Phương trình hồi quy là thích hợp”

Bước 2: Khai báo biến dữ liệu trong cửa sổ Variable View.

Bước 3: Nhập số liệu vào cửa sổ Data View:

Bước 4: Chọn Analyze → Regression → Linear Regression

Bước 5: Hộp thoại Linear Regression hiện lên, nếu:

+ Tìm phương trình YX 1  f ( X 1 ) , ta đưa biến phụ thuộc Y vào ô Dependent, biến độc lập
X1, vào ô Independent(s).
+ Tìm phương trình YX 2  f ( X 2 ) , ta đưa biến phụ thuộc Y vào ô Dependent, biến độc lập
X2, vào ô Independent(s).

Y  f (X , X )
+ Tìm phương trình X , X 1 2 1 2
, ta đưa biến phụ thuộc Y vào ô Dependent, biến
độc lập X1, X2 vào ô Independent(s).
Bước 6: Chọn Statistics → click chọn R squared change và Descriptives…→Continue
Với mức ý nghãi mặc định là 0,05 chọn OK.

Bước 7: Vẽ đồ thị: trong cửa sổ Output chọn Graphs → Legacy Dialogs → Scatter/Dot...
→ Simple Scatter →Define
Bước 8: Chọn biến tương ứng hai trục X, Y→OK
Bước 9: Kết quả và biện luận:

*Phương trình hồi quy: YX 1  f ( X 1 )

Dựa vào bảng Coefficientsa, cột B ta xác định được các hệ số : B0  2,73 và B1  0, 045
Suy ra phương trình hồi quy:
 YX 1  2, 73  0, 045 X 1 R 2  0, 214; S  1,8112
Dò bảng phân phối Fischer ở mức ý nghĩa 5% với bậc tự do (1; N-k-1) = (1; 7) (N = 9 và
k = 1 là số biến độc lập), ta được F0.05(1;7) = 5,59
Dò bảng phân phối Student ở mức ý nghĩa 5% với bậc tự do (N-k-1) = 7 (N = 9 và k = 1
là số biến độc lập), ta được t0.025 = 2,365
t0 = 2,129 < t0,025 = 2,365 (Hay Sig. = 0,071 > 𝛼 = 0,05) → Chấp nhận giả thiết H
t1 =1,381 < t0,025 = 2,365 (Hay Sig. = 0,21 > 𝛼 = 0,05) → Chấp nhận giả thiết H

F = 1,908 < F0,05 = 5,59 (Hay Sig. = 0,21 > 𝛼 = 0,05) → Chấp nhận giả thiết H 0
Kết luận:

- Vậy các hệ số 2,37(B0); 0,045(B1) của phương trình hồi quy YX 1  2, 73  0, 045 X 1 đều
không có ý nghĩa thống kê.
- Phương trình hồi quy không thích hợp.
- Yếu tố thời gian không có liên quan tuyến tính với hiệu suất của phản ứng tổng hợp.

*Phương trình hồi quy: YX 2  f ( X 2 )

Dựa vào bảng Coefficientsa, cột B ta xác định được các hệ số : B0  11,14 và B2  0,13
Suy ra phương trình hồi quy:
YX 2  11,14  0,13 X 2 R 2  0, 763; S  0,9936
Dò bảng phân phối Fischer ở mức ý nghĩa 5% với bậc tự do (1; N-k-1) = (1; 7) (N = 9 và
k = 1 là số biến độc lập), ta được F0.05(1;7) = 5,59
Dò bảng phân phối Student ở mức ý nghĩa 5% với bậc tự do (N-k-1) = 7 (N = 9 và k = 1
là số biến độc lập), ta được t0.025 = 2,365
t0 = 3,415 > t0,025 = 2,365 (Hay Sig.= 0,011 < 𝛼 = 0,05) → Bác bỏ giả thiết H
t1 =4,754 > t0,025 = 2,365 (Hay Sig.= 0,002 < 𝛼 = 0,05) → Bác bỏ giả thiết H

F = 22,598 > F0,05 = 5,59 (Hay Sig.= 0,002 < 𝛼 = 0,05) → Bác bỏ giả thiết H 0
Kết luận:

- Vậy các hệ số -11,14 (B0); 0,13 (B1) của phương trình hồi quy YX 2  11,14  0,13 X 2
đều có ý nghĩa thống kê.
- Phương trình hồi quy này thích hợp.
- Yếu tố nhiệt độ có liên quan tuyến tính với hiệu suất của phản ứng tổng hợp.

YX1 , X 2  f ( X 1 , X 2 )
*Phương trình hồi quy:
Dựa vào bảng Coefficientsa, cột B ta xác định được các hệ số: B0  12, 70 và B1  0, 045

và B2  0,13
Suy ra phương trình hồi quy:
YX1 , X 2  12, 70  0,045 X 1  0,13 X 2 R 2  0,97; S  0,3299
Dò bảng phân phối Fischer ở mức ý nghĩa 5% với bậc tự do (2; N-k-1) = (2; 6) (N = 9 và
k = 2 là số biến độc lập), ta được F0.05(2;6) = 5,14
Dò bảng phân phối Student ở mức ý nghĩa 5% với bậc tự do (N-k-1) = 6 (N = 9 và k = 2
là số biến độc lập), ta được t0.025 = 2,447
t0 = 11,519 > t0,025 = 2,447 (Hay Sig.= 0,000026 < 𝛼 = 0,05) → Bác bỏ giả thiết H
t1 =7,582 > t0,025 = 2,447 (Hay Sig. = 0,000274 < 𝛼 = 0,05) → Bác bỏ giả thiết H
t2 =14,328 > t0,025 = 2,447 (Hay Sig. = 0,000007 < 𝛼 = 0,05) → Bác bỏ giả thiết H

F = 131,204 > F0,05 = 5,14 (Hay Sig.= 0,000011 < 𝛼 = 0,05) → Bác bỏ giả thiết H 0
Kết luận:
- Vậy các hệ số -12,70 (B0); 0,045 (B1); 0,13 (B2) của phương trình hồi quy

YX1 , X 2  12,70  0, 045 X 1  0,13 X 2

đều có ý nghĩa thống kê.
- Phương trình hồi quy này thích hợp.
- Hiệu suất suất của phản ứng tổng hợp có liên quan tuyến tính với cả hai yếu tố là nhiệt
độ và thời gian.
- Hiệu suất phản ứng trong điều kiện nhiệt độ 115℃ trong vòng 50 phút là:
YX 1, X 2  12, 70  0, 045 X 1  0,13 X 2  12, 70  0, 045  50  0,13 115  4,5%
CÂU 2
1. Đề bài:
Một nông trường nuôi ba giống bò sữa A, B, C. Lượng sữa của các con bò này được
thống kê trong bảng sau:
Lượng sữa
Loại
Ít Trung bình Nhiều
A 92 37 46
B 53 15 19
C 75 19 12
Với mức ý nghĩa 0,05, hãy nhận định xem có phải ba giống bò này thuần nhau về phương
diện sản lượng sữa hay không?
2. Dạng bài: Kiểm định về phân bố
3. Cơ sở lý thuyết:
4. Giải toán bằng phần mềm EXCEL
Bước 1: Đặt giả thiết:
H 0 : Ba giống bò này có phân bố tỷ lệ như nhau về phương diện sản lượng sữa.

H1 : Tồn tại 2 giống bò có phân bố tỷ lệ không như nhau về phương diện sản lượng sữa.

Bước 2: Nhập bảng số liệu:

Bước 2: Tính tổng hàng, tổng cột:

Quét bảng số liệu dư 1 hàng 1 cột:

Vào Formulas → chọn Autosum

Kết quả:
Bước 3: Lập bảng tần số lý thuyết:

Tần số lý thuyết được tính theo công thức:

Tổng cột × Tổng hàng

TSLT =
Tổng cộng

Tính giá trị tần số lý thuyết của a11:

Quét 9 ô có chứa các giá trị tần số lý thuyết cần tìm:

Sử dụng tổ hợp phím F2 + (Ctrl Enter)
Kết quả:

Bước 4: Tính P – Value:

Vào Formulas → chọn Insert Function

Gõ CHITEST vào thanh tìm kiếm hàm → Go

Chọn hàm CHITEST → OK

Actual_Range: quét vùng số liệu đề bài, Expected_Range: quét vùng tần số lý thuyết →
OK

Bước 5: Kết quả và biện luận:

p-value = 0,0225 < α =0,05 → Bác bỏ giả thiết H0
Bước 6: Kết luận:
- Ba giống bò không thuần nhau về phương diện sản lượng sữa.
CÂU 3
1. Đề bài:
Hãy phân tích tình hình kinh doanh của một số ngành nghề ở quận 4 quận nội thành trên
cơ sở số liệu về doanh thu của một số cửa hàng như sau:
Khu vực kinh doanh
Ngành nghề kinh doanh
Q1 Q2 Q3 Q4
Điện lạnh 2.5:2.7:2.0:3.0 3.1:3.5:2.7 2.0:2.4 5.0:5.4
Vật liệu xây dựng 0.6:10.4 15.0 9.5:9.3:9.1 19.5:17.5
Dịch vụ tin học 1.2:1.0:9.8:1.8 2.0:2.2:1.8 1.2:1.3:1.2 5.0:4.8:5.2
2. Dạng bài: Phân tích phương sai 2 yếu tố có lặp
3. Cơ sở lý thuyết:
4. Giải toán bằng phần mềm EXCEL
Bước 1: Đặt giả thiết:
H1 : Doanh thu trung bình của các cửa hàng không phụ thuộc vào ngành nghề kinh

doanh. H 1 : Tồn tại 2 ngành nghề kinh doanh có doanh thu trung bình của các cửa hàng
khác nhau.
H 2 : Doanh thu trung bình của các cửa hàng không phụ thuộc vào khu vực kinh doanh.

H 2 : Tồn tại 2 khu vực kinh doanh có doanh thu trung bình của các cửa hàng khác nhau.

H 3 : Không có sự tương tác giữa ngành nghề kinh doanh và khu vực kinh doanh lên
doanh thu trung bình.

H 3 : Có sự tương tác giữa ngành nghề kinh doanh và khu vực kinh doanh lên doanh thu
trung bình.
Bước 2: Nhập bảng số liệu:
Bước 3: Chọn Data → Data Analysis → Anova: Two-Factors With Replication

Bước 4: Input range: quét vùng số liệu, Row pers sample: nhập 4, Anpha: 0,05, Ouput
range: chọn địa chỉ ô cần xuất dữ liệu → OK
Bước 5: Kết quả và biện luận:
FSample = 2,8929 < Fcrit = 3,2594→ Chấp nhận giả thiết H1
FColumns = 0,8189 < Fcrit = 2,8663→ Chấp nhận giả thiết H2
FInteraction = 0,6498 < Fcrit = 3,3638→ Chấp nhận giả thiết H3
Bước 6: Kết luận:
- Doanh thu trung bình của các cửa hàng không phụ thuộc vào ngành nghề kinh doanh.
- Doanh thu trung bình của các cửa hàng không phụ thuộc vào khu vực kinh doanh.
- Không có sự tương tác giữa ngành nghề kinh doanh và khu vực kinh doanh lên doanh
thu trung bình.
CÂU 4
1. Đề bài:
Một nhóm gồm 105 nhà doanh nghiệp Mỹ được phân loại căn cứ theo thu nhập hàng năm và
tuổi của họ. Kết quả thu được như sau:
Thu nhập
Tuổi
Dưới 100 000 $ Từ 100 000 $ - 399 599 $ Trên 400 000 $
Dưới 40 6 9 5
Từ 40 đến 54 18 19 8
Trên 54 11 12 17
Với mức ý nghĩa 1%, kiểm định giả thiết cho rằng tuổi và mức thu nhập có quan hệ với
nhau hay không?
2. Dạng bài: Kiểm định tính độc lập.
3. Cơ sở lý thuyết:
4. Giải toán bằng phần mềm EXCEL
Bước 1: Đặt giả thiết:
H 0 : Tuổi và mức thu nhập độc lập với nhau.

H1 : Tuổi và mức thu nhập phụ thuộc với nhau.

Bước 2: Nhập bảng số liệu:

Bước 2: Tính tổng hàng, tổng cột:

Quét bảng số liệu dư 1 hàng 1 cột:

Vào Formulas → chọn Autosum

Kết quả:
Bước 3: Lập bảng tần số lý thuyết:

Tần số lý thuyết được tính theo công thức:

Tổng cột × Tổng hàng

TSLT =
Tổng cộng

Tính giá trị tần số lý thuyết của a11:

Quét 9 ô có chứa các giá trị tần số lý thuyết cần tìm:

Sử dụng tổ hợp phím F2 + (Ctrl Enter)
Kết quả:

Bước 4: Tính P – Value:

Vào Formulas → chọn Insert Function

Gõ CHITEST vào thanh tìm kiếm hàm → Go

Chọn hàm CHITEST → OK

Actual_Range: quét vùng số liệu đề bài, Expected_Range: quét vùng tần số lý thuyết →
OK

Bước 5: Kết quả và biện luận:

p-value = 0,1438 > α =0,01 → Chấp nhận giả thiết H0
Bước 6: Kết luận:
- Tuổi và mức thu nhập không có mối quan hệ với nhau.
CÂU 5
1. Đề bài:
Sau đây là số liệu về một loại báo ngày bán được ở 5 quận nội thành:
Quận nội thành
Ngày khảo sát
Q1 Q2 Q3 Q4 Q5
Thứ hai 22 18 22 18 18
Thứ ba 21 18 22 18 19
Thứ tư 25 25 25 19 20
Thứ năm 24 24 18 20 22
Thứ sáu 28 19 15 22 25
Thứ bảy 30 22 28 25 25
Lượng báo bán ra ở 5 quận có thực sự khác nhau không? Chọn α = 1%. Lượng báo bán ra
có chịu tác động của yếu tố các ngày trong tuần không?
2. Dạng bài: Phân tích phương sai 2 yếu tố không lặp
3. Cơ sở lý thuyết:
4. Giải toán bằng phần mềm EXCEL
Bước 1: Đặt giả thiết:
H1 : Lượng báo bán ra trung bình không chịu tác động của yếu tốt các ngày trong tuần.

H 1 : Tồn tại 2 ngày khải sát có lượng báo bán ra trung bình khác nhau.

H 2 : Lượng báo bán ra trung bình giữa các quận nội thành là bằng nhau.

H 2 : Tồn tại 2 quận nội thành có lượng báo bán ra trung bình khác nhau.

Bước 2: Nhập bảng số liệu:

Bước 2: Chọn Data → Data Analysis → Anova: Two-Factor Without Replication

Bước 3: Input range: quét vùng số liệu, chọn Labels, Anpha: 0,01, Ouput range: chọn địa
chỉ ô cần xuất dữ liệu → OK
Bước 5: Kết quả và biện luận:
FRows = 3,5672 < Fcrit = 4,1027→ Chấp nhận giả thiết H1
FColumns = 2,4748 < Fcrit = 4,4307→ Chấp nhận giả thiết H2
Bước 6: Kết luận:
- Lượng báo bán ra trung bình không chịu tác động của yếu tốt các ngày trong tuần.
- Lượng báo bán ra trung bình giữa các quận nội thành là như nhau. (không khác nhau).