ĐẠI HỌC CẦN THƠ

TRƯỜNG BÁCH KHOA

KHOA QUẢN LÝ CÔNG NGHIỆP
BỘ MÔN TOÁN ỨNG DỤNG – QLCN

BÀI TẬP THỰC HÀNH

MÔN TOÁN ỨNG DỤNG

GIẢNG VIÊN HƯỚNG DẪN: SINH VIÊN THỰC HIỆN:

Ths. Võ Thị Kim Cúc
Nguyễn Chánh Hào - B2203935
Trương Hoàng Hạ Long - B2203944
Vương Nguyên Ngọc - B2203948
Tăng Hồng Phát - B2203953
Phan Khương Thành Quí - B2203954

Cần Thơ, ngày 23 tháng 11 năm 2023

 BẢNG ĐÁNH GIÁ THÀNH VIÊN NHÓM
Tên thành viên Mã số sinh viên Mức độ đóng góp
Nguyễn Chánh Hào B2203935 100%
Trương Hoàng Hạ Long B2203944 100%
Vương Nguyên Ngọc B2203948 100%
Tăng Hồng Phát B2203953 100%

Phan Khương Thành Quí B2203954 100%

 PHẦN BÀI TẬP
CHƯƠNG V: KHỐI (BLOCKING)- BÌNH PHƯƠNG LA TINH
BT1: Kiểm tra độ cứng

Mẫu thử Treatment

Loại tip
1 2 3 4 Total
1 9,3 9,4 9,6 10 38,3
2 9,4 9,3 9,8 9,9 38,4
3 9,2 9,4 9,5 9,7 37,8
4 9,7 9,6 10 10,2 39,5
Block
37,6 37,7 38,9 39,8 y.. = 154
totals
4 4 2
y ..
SST = ∑ ∑ y ij2 - = (9,32 + 9,42 + 9,62 + 102 + 9,42 + 9,32 + 9,82 + 9,92 + 9,22
i=1 j=1 N
2
154
+ 9,42 + 9,52 + 9,72 + 9,72 + 9,62 + 102 + 10,22) - = 1,29
16
1 4 2 y2 1 154
2
SSBlocks = ∑ y . j - .. = ( 37,62 + 37,72 + 38,92 + 39,82 ) - = 0,825
a j=1 N 4 16
1 4 2 y2 1 154
2
SSTreatments = ∑ yi . - .. = ( 38,32 + 38,42 + 37,82 + 39,52 ) - = 0,385
b i=1 N 4 16
SSE = SST - SSTreatments - SSBlocks = 1,29 – 0,385 – 0,825 = 0,08
SS Treatments 0,385
MSTreatments = = = 0,128
a−1 4−1
SS E 0 , 08
MSE = = = 0,0089
(a−1)(b−1) ( 4−1)(4−1)
KẾT QUẢ F0
MSTreatments 0,128
F0 = = = 14,4 > F 0.05 ,3 ,9 = 3,8625
MS E 0,0089

=> Các loại đầu tip khác nhau sẽ gây ra ảnh hưởng lên kết quả đo độ cứng của
vật liệu
BT2: Kiểm tra độ mòn sơn (sơn kẻ đường)
1. ANOVA with Block
Method
Factor coding (-1, 0, +1)
Factor Information
Factor Type Levels Values
Location Fixed 4 Harrisburg, Philadelphia,
Pittsburgh, Scranton
Paint Fixed 4 Y-0242, Y-0314, Y-1424,
Y-1723
Analysis of Variance
 Source DF Adj SS Adj MS F-Value P-Value
Location 3 38.69 12.896 10.04 0.003
Paint 3 30.69 10.229 7.96 0.007
Error 9 11.56 1.285
Total 15 80.94
Kết luận: P-Value của Location và Paint đều nhỏ hơn 0.05 nên cả hai đều có ảnh
hưởng đáng kể
2. One-way ANOVA
2.1 Yếu tố Location
Method
Null All means are equal
hypothesis
Alternative Not all means are equal
hypothesis
Significance α = 0.05
level
Equal variances were assumed for the analysis.
Factor Information
Factor Levels Values
Location 4 Harrisburg, Philadelphia, Pittsburgh,
Scranton
Tukey Simultaneous Tests for Differences of Means
Difference SE of Adjusted
Difference of Levels of Means Difference 95% CI T-Value P-Value
Philadelphia - 2,25 1,33 (-1,69. 1,70 0,367
Harrisburg 6,19)
Pittsburgh - Harrisburg 1,00 1,33 (-2,94. 0,75 0,873
4,94)
Scranton - Harrisburg -2,00 1,33 (-5,94. -1,51 0,463
1,94)
Pittsburgh - -1,25 1,33 (-5,19. -0,94 0,783
Philadelphia 2,69)
Scranton - Philadelphia -4,25 1,33 (-8,19. - -3,20 0,033
0,31)
Scranton - Pittsburgh -3,00 1,33 (-6,94. -2,26 0,162
0,94)
Individual confidence level = 98,83%
Kết luận:
+ Chỉ có cặp Scranton – Philadelphia có P-value = 0.033 < α = 0.05 là có sự khác
biệt giữa trung bình các mức yếu tố.
+ Chỉ có đường Scranton – Philadelphia không đi qua vạch 0 nên có sự khác biệt
giữa trung bình các mức yếu tố

Kết luận:
+ Giá trị PntWear cao nhất thuộc về Philadelphia.
+ Giá trị PntWear nhỏ nhất thuộc về Scranton.
2.2 Yếu tố Paint
Method
Null hypothesis All means are equal
Alternative hypothesis Not all means are equal
Significance level α = 0,05
Equal variances were assumed for the analysis.

Factor Information

Factor Levels Values

Paint 4 Y-0242. Y-0314. Y-1424. Y-1723
Tukey Simultaneous Tests for Differences of Means
Difference of Difference SE of T- Adjusted
Levels of Means Difference 95% CI Value P-Value
Y-0314 - Y- -2,00 1,45 (-6,30. -1,38 0,533
0242 2,30)
Y-1424 - Y- -3,25 1,45 (-7,55. -2,25 0,166
0242 1,05)
Y-1723 - Y- -3,50 1,45 (-7,80. -2,42 0,126
0242 0,80)
Y-1424 - Y- -1,25 1,45 (-5,55. -0,86 0,823
0314 3,05)
Y-1723 - Y- -1,50 1,45 (-5,80. -1,04 0,732
0314 2,80)
Y-1723 - Y- -0,25 1,45 (-4,55. -0,17 0,998
1424 4,05)
Individual confidence level = 98,83%
Kết luận:
+ Mọi cặp mức độ đều có P-value = 0.033 < α = 0.05 nên không có sự khác biệt
giữa trung bình các mức yếu tố.
+ Mọi cặp đều đi qua vạch 0 nên không có sự khác biệt giữa trung bình các mức
yếu tố

Kết luận:
+ Giá trị PntWear cao nhất thuộc về Y-0242
+ Giá trị PntWear nhỏ nhất thuộc về Y-1723
3. Residuals plot
Kết luận:
+ Biểu đồ Normal Probability và Histogram cho thấy dữ liệu có thể đến từ một
tổng thể có phân phối chuẩn. Tuy nhiên sẽ có 1 vài điểm dữ liệu bị lệch.
+ Biểu đồ Versus Order cho thấy không có xu hướng tuần hoàn giữa các điểm dữ
liệu 0  Dữ liệu độc lập
+ Biểu đồ Versus Fits cho thấy variances có sự chênh lệch.
4. Comparisons (Paint Levels)
Grouping Information Using the Tukey Method and 95% Confidence
Paint N Mean Grouping
Y-0242 4 14.25 A
Y-0314 4 12.25 A B
Y-1424 4 11.00 B
Y-1723 4 10.75 B
Means that do not share a letter are significantly different.
Kết luận:
+ Cặp (Y-0242; Y-0314) cùng nhóm A  Có sự tương đồng/ giống nhau.
+ Các cặp (Y-0314; Y-1424), (Y-0314; Y-1723), (Y-1424; Y-1723) cùng nhóm B
 Có sự tương đồng/ giống nhau.
+ Các cặp còn lại (Y-0242: Y-1424) và (Y-0242; Y-1723) không cùng nhóm  Có
sự khác biệt đáng kể.
Tukey Pairwise Comparisons:

Kết luận:
+ Hai cặp màu sơn (Y-1424; Y-0242) và (Y-1723; Y-0242) không đi qua giá trị 0
 Có sự khác biệt đáng kể.
+ Các cặp còn lại đi qua giá trị 0  Có sự tương đồng với nhau.
 CHƯƠNG VI: THIẾT KẾ GIAI THỪA
BT: Nướng Bánh
1. Tạo một thiết kế giai thừa đầy đủ với 2 yếu tố, thời gian và nhiệt độ, lặp lại thí
nghiệm 2 lần
Design Summary
Factors: 2 Base Design: 2. 4
Runs: 8 Replicates: 2
Blocks: 1 Center pts (total): 0

2. Mở file Cake.MPJ

3.Điều chỉnh mô hình thích hợp cho dữ liệu

Coded Coefficients
Term Effect Coef SE Coef T-Value P-Value VIF
Constant 24,775 0,615 40,29 0,000
Temp -5,050 -2,525 0,615 -4,11 0,015 1,00
Time -15,550 -7,775 0,615 -12,64 0,000 1,00
Temp*Time 3,850 1,925 0,615 3,13 0,035 1,00

Analysis of Variance
Source DF Adj SS Adj MS F-Value P-Value
Model 3 564,25 188,085 62,18 0,001
Linear 2 534,61 267,305 88,37 0,000
Temp 1 51,00 51,005 16,86 0,015
 Time 1 483,60 483,605 159,87 0,000
2-Way Interactions 1 29,64 29,645 9,80 0,035
Temp*Time 1 29,64 29,645 9,80 0,035
Error 4 12,10 3,025
Total 7 576,35
Kết luận:
+ Giá trị P-value của Temp và Time đều nhỏ hơn 0.05, Time và Term có ảnh
hưởng đến biến đáp ứng (Moisture)
+ P-value của tương tác Time và Temp cũng nhỏ hơn 0.05 nên có sự tương tác của
Time và Temp

Kết luận: Biểu đồ Pareto cho thấy, ảnh hưởng chuẩn hóa = 2.78
 Nhân tố A và B vượt qua đường 2.78, A và B có ảnh hưởng đến biến đáp
ứng.
 Tương tác AB cũng vượt qua đường 2.78 cho thấy có ảnh hưởng.
4. Kiểm tra các giả định của mô hình bằng cách sử dụng Residual Plot

Kết luận:
+ Biểu đồ Normal Probability và Histogram cho thấy dữ liệu có thể đến từ một
tổng thể có phân phối chuẩn. Tuy nhiên sẽ có 1 vài điểm dữ liệu bị lệch.
+ Biểu đồ Versus Order cho thấy không có xu hướng tuần hoàn giữa các điểm dữ
liệu 0  Dữ liệu độc lập
+ Biểu đồ Versus Fits cho thấy variances có sự chênh lệch.
5. Tạo Factorial Plots và sử dụng Responde Optimizer để xác định cài đặt tốt
nhất về thời gian và nhiệt độ nhằm đạt được độ ẩm mục tiêu là 26%, với giới hạn
dưới là 25% và giới hạn trên là 27%.
Factorial Plots
Kết luận:
+ Biểu đồ Main effects cho thấy:
 Khi tăng Nhiệt độ từ 325°F lên 375°F, trung bình độ ẩm giảm
 Khi tăng Thời gian từ 30 lên 50 phút, trung bình độ ẩm giảm
+ Biểu đồ Interaction: Tại 325°F, thời gian nướng bánh 30 phút sẽ có độ ẩm cao
hơn. Khi tăng lên 375°F, độ ẩm cả hai thời gian giảm nhưng độ ẩm của thời gian
nướng bánh 30 phút vẫn cao hơn.
Responde Optimizer
Parameters
Response Goal Lower Target Upper Weight Importance
Moisture Target 25 26 27 1 1
Solution
Moisture Composite
Solution Temp Time Fit Desirability
1 375 33,5897 26 1

Kết luận: Mức độ mong muốn (Desirability) bằng 1 cho thấy đây là trường hợp lý
tưởng. Vậy để đạt được độ ẩm 26% thì phải nướng bánh ở nhiệt độ 375°F trong thời
gian 33,5897 phút.
 CHƯƠNG VII: THIẾT KẾ GIAI THỪA 2 MỨC
BT: Sự mài mòn của động cơ
1. Sử dụng Power và Sample size để đánh giá Power của thí nghiệm này nhằm
phát hiện sự khác biệt là 1.5 với độ lệch chuẩn là 1, α =0 , 05
2-Level Factorial Design
α = 0.05 Assumed standard deviation = 1
Method
Factors: 3 Base Design: 3. 8
Blocks: 2
Results
Center
Points
Per
Block Effect Reps Total Runs Power
0 1,5 2 16 0,730630

Kết luận: Với sự khác biệt là 1.5 và độ lệch chuẩn là 1, α =0 , 05 thì mức Power phù
hợp là khoản 0.73
2. Đánh giá lại Power với hệ số α =0 , 1
2-Level Factorial Design
α = 0.1 Assumed standard deviation = 1
Results
Center
Points
Per
Block Effect Reps Total Runs Power
0 1,5 2 16 0,852902
Kết luận: Với sự khác biệt là 1.5 và độ lệch chuẩn là 1, α =0 , 1 thì mức Power phù
hợp là khoảng 0.85
3.Tạo thiết kế giai thừa đầy đủ
Design Summary
Factors: 3 Base Design: 3. 8
Runs: 16 Replicates: 2
Blocks: 2 Center pts (total): 0

Kết luận: Thiết kế với sự kết hợp của 3 yếu tố, 16 điểm thử nghiệm được chia
thành 2 khối với mỗi điều kiện được lặp lại 2 lần.
4. Thực hiện phân tích mô hình sử dụng Dataset” EngWear.MPJ’, sử dụng
apha=0,1
4.1 Analyze Factorial Design
Coded Coefficients
Term Effect Coef SE Coef T-Value P-Value VIF
Constant 3,8875 0,0865 44,96 0,000
Blocks
1 -0,0375 0,0865 -0,43 0,678 1,00
Viscosity 1,1750 0,5875 0,0865 6,79 0,000 1,00
Temp - -0,4625 0,0865 -5,35 0,001 1,00
0,9250
Additive 0,1250 0,0625 0,0865 0,72 0,493 1,00
Viscosity*Temp - -0,0125 0,0865 -0,14 0,889 1,00
0,0250
Viscosity*Additive 0,4250 0,2125 0,0865 2,46 0,044 1,00
Temp*Additive 0,2250 0,1125 0,0865 1,30 0,234 1,00
Viscosity*Temp*Additive 0,0250 0,0125 0,0865 0,14 0,889 1,00
Model Summary
S R-sq R-sq(adj) R-sq(pred)
0.345894 92.24% 83.38% 59.48%
Kết luận:
+ Hệ số lạm phát phương sai VIF = 1  Tốt, cho thấy tác động của đa cộng tuyến
giữa các yếu tố dự đoán là không tăng.
+ R-sq(pred) = 59.48% có sự chênh lệch với R-sq = 92.24% và R-sq(adj) = 83.38%
cho thấy có một số điểm dữ liệu ảnh hưởng hoặc có quá nhiều biến dự đoán không
cần thiết trong mô hình.
Analysis of Variance
Source DF Adj SS Adj MS F-Value P-Value
Model 8 9.9600 1.24500 10.41 0.003
Blocks 1 0.0225 0.02250 0.19 0.678
Linear 3 9.0075 3.00250 25.10 0.000
Viscosity 1 5.5225 5.52250 46.16 0.000
Temp 1 3.4225 3.42250 28.61 0.001
Additive 1 0.0625 0.06250 0.52 0.493
2-Way Interactions 3 0.9275 0.30917 2.58 0.136
Viscosity*Temp 1 0.0025 0.00250 0.02 0.889
Viscosity*Additive 1 0.7225 0.72250 6.04 0.044
Temp*Additive 1 0.2025 0.20250 1.69 0.234
3-Way Interactions 1 0.0025 0.00250 0.02 0.889
Viscosity*Temp*Additive 1 0.0025 0.00250 0.02 0.889
Error 7 0.8375 0.11964
 Total 15 10.7975

Kết luận:
+ P- Value của C, AB, BC và ABC đều lớn hơn 0.1 nên ảnh hưởng không đáng kể
+ P-Value của A, B và AC nhỏ hơn 0.1 nên có ảnh hưởng

Kết luận: Biểu đồ Pareto cho thấy, ảnh hưởng chuẩn hóa = 2.365
 Nhân tố A, B và tương tác AC vượt qua đường 2.365  A, B và AC có ảnh
hưởng đến biến đáp ứng.
 Ngược lại, nhân tố C và các tương tác BC, AB, ABC không cho thấy ảnh
hưởng.
4.2 Hiệu chỉnh mô hình
Analysis of Variance

Source DF Adj SS Adj MS F-Value P-Value

Model 4 9,6900 2,42250 24,06 0,000
Blocks 1 0,0225 0,02250 0,22 0,646
Linear 2 8,9450 4,47250 44,42 0,000
Viscosity 1 5,5225 5,52250 54,85 0,000
Temp 1 3,4225 3,42250 33,99 0,000
2-Way Interactions 1 0,7225 0,72250 7,18 0,021
Viscosity*Additive 1 0,7225 0,72250 7,18 0,021
Error 11 1,1075 0,10068
Total 15 10,7975
Kết luận:
+ P- Value của AC lớn hơn 0.1 nên ảnh hưởng không đáng kể
+ P-Value của A, B nhỏ hơn 0.1 nên có ảnh hưởng
=> loại bỏ AC

Analysis of Variance

Source DF Adj SS Adj MS F-Value P-Value

Model 2 8,945 4,4725 31,39 0,000
Linear 2 8,945 4,4725 31,39 0,000
Viscosity 1 5,522 5,5225 38,75 0,000
Temp 1 3,423 3,4225 24,02 0,000
Error 13 1,852 0,1425
Total 15 10,797
Kết luận: P-Value của A, B nhỏ hơn 0.1 nên có ảnh hưởng
4.3 Kiểm tra giả định

Kết luận:
+ Biểu đồ Normal Probability và Histogram cho thấy dữ liệu có thể đến từ một
tổng thể có phân phối chuẩn. Tuy nhiên sẽ có 1 vài điểm dữ liệu bị lệch.
+ Biểu đồ Versus Order cho thấy không có xu hướng tuần hoàn giữa các điểm dữ
liệu 0  Dữ liệu độc lập
+ Biểu đồ Versus Fits cho thấy variances có sự chênh lệch.
4.4 Factorial Plot

Kết luận: Biểu đồ cho thấy:

 Khi tăng độ nhớt từ 30 lên 40, mức độ mài mòn sẽ tăng
 Khi tăng nhiệt đô từ 75 lên 100 phút, mức độ mài mòn giảm
4.5 Cube Plot

Kết luận:
+ Khi chất phụ gia là loại A, độ nhớt của dầu là 40 và nhiệt độ là 75 thì làm
giảm độ mài mòn của động cơ nhiều nhất.
+ Khi chất phụ gia là loại A, độ nhớt của dầu là 30 và nhiệt độ là 100 thì giảm
độ mài mòn của động cơ ít nhất.
+ Loại B tương tự.
4.6 Contour Plot

Kết luận:
+ Khi nhiệt độ (temperature) dao động từ 93-100 và độ nhớt (viscosity) nằm
trong khoảng từ 30-34 thì độ hao mòn của động cơ < 3.00
+ Khi nhiệt độ (temperature) dao động từ 75-80 và độ nhớt (viscosity) nằm
trong khoảng từ 38-40 thì độ hao mòn của động cơ > 4.5
 CHƯƠNG VIII: HỒI QUY TUYẾN TÍNH
BT1: Hiệu suất dây đai công nghiệp
1. Tạo Matrix plot. Kiểm tra các mối tương quan.

Correlations
Tension Speed
Speed -0,042
Hours -0,280 -0,425

Kết luận: Mối tương quan nghịch tồn tại giữa Hours và từng yếu tố dự đoán:
 Tốc độ vận hành (Speed): R= - 0.280
 Độ căng dây đai (Tension):R= - 0.425
2. Sử dụng Stat > Regression > Regression > Fit Regression Model cho cả ba yếu
tố dự đoán. (Gợi ý: Belt là một yếu tố dự đoán phân loại.)
Regression Equation
Belt
HS Hours = 2213 - 0,286 Tension - 0,4020 Speed

NS Hours = 2014 - 0,286 Tension - 0,4020 Speed

WS Hours = 2012 - 0,286 Tension - 0,4020 Speed

Coefficients

Term Coef SE Coef T-Value P-Value VIF

Constant 2213 144 15,38 0,000
Tension -0,286 0,281 -1,02 0,313 1,18
 Speed -0,4020 0,0475 -8,47 0,000 1,55
Belt
NS -198,6 33,5 -5,93 0,000 2,05
WS -201,2 31,8 -6,32 0,000 1,90

Analysis of Variance
Source DF Adj SS Adj MS F-Value P-Value
Regression 4 804497 201124 22,30 0,000
Tension 1 9307 9307 1,03 0,313
Speed 1 647154 647154 71,75 0,000
Belt 2 412546 206273 22,87 0,000
Error 72 649381 9019
Total 76 1453879
Kết luận:
+ VIF < 5 nên hiện tượng Đa cộng tuyến không phải vấn đề
+ P-value của ba yếu tố dự đoán đều nhỏ hơn 0.05 nên có ảnh hưởng đáng kể
3. Kiểm tra các giả định.

Kết luận:
+ Biểu đồ Normal Probability và Histogram cho thấy dữ liệu có thể đến từ một
tổng thể có phân phối chuẩn. Tuy nhiên sẽ có 1 vài điểm dữ liệu bị lệch.
+ Biểu đồ Versus Order cho thấy không có xu hướng tuần hoàn giữa các điểm dữ
liệu 0  Dữ liệu độc lập
+ Biểu đồ Versus Fits cho thấy variances có sự chênh lệch.
4. Tạo biểu đồ phân tán Hours so với Speed được nhóm theo Belt.

Kết luận: Mối tương quan giữa Hours và Speed được nhóm theo Belt là tương quan
nghịch. Các điểm nằm rải rác ngẫu nhiên cho thấy tương quan yếu.

BT2: Thời lượng giấc ngủ

1. Tạo Matrix plot và kiểm tra tính tương quan.
Correlations
Body Wght Max Life Gestation
(Kg) (Years) (Days) Predation Exposure
Max Life 0,302
(Years)
Gestation 0,690 0,637
(Days)
Predation 0,049 -0,126 0,141
Exposure 0,351 0,360 0,625 0,627
Sleep (Hours) -0,317 -0,396 -0,629 -0,460 -0,668
Kết luận: Mối tương quan nghịch tồn tại giữa Sleep và từng yếu tố dự đoán:
 Body Wght: R= - 0.317
 Max life: R= - 0.396
 Gestation: R= - 0.629
 Predation: R= - 0.460
 Exposure: R= - 0.668
2. Dùng Best Subsets để xác định mô hình “tốt nhất”
Response is Sleep (Hours)

B G P
o M e r E
d a s e x
y x t d p
a a o
W L t t s
g i i i u
h f o o r
Vars R-Sq R-Sq (adj) R-Sq (pred) Mallows Cp St e n n e
1 44,7 43,6 40,5 10,9 3,5156 X
2 53,7 51,7 47,9 3,5 3,2506 X X
3 55,6 52,7 41,8 3,5 3,2178 X X X
4 56,7 53,0 42,0 4,3 3,2086 X X X X
5 57,0 52,2 38,1 6,0 3,2341 X X X X X
Kết luận:
+ Mô hình bao gồm Body Wght, Gestation, Predation và Exposure là tốt nhất, vì:
 Có chỉ số R-Sq (adj) lớn nhất: 53,0
 Có chỉ số S nhỏ nhất: 3,2086
 Có chỉ số CP gần bằng số lượng tham số: 4
+ Có thể xem xét mô hình Gestation và Predation do có R-Sq (pred) lớn nhất: 47.9
và chỉ số R-Sq (adj), S tương đương
3. Dùng Fit Regression Model để xác định những biến quan trọng khi α
=0.05. Điều chỉnh mô hình cho đến khi mô hình chỉ chứa các biến có P-
value < 0.05.
Regression Equation
Sleep (Hours) = 16,93 + 0,000710 Body Wght (Kg) - 0,0181 Max Life (Years)
- 0,01745 Gestation (Days) - 0,906 Predation - 0,539 Exposure
Coefficients
Term Coef SE Coef T-Value P-Value VIF
Constant 16,93 1,17 14,49 0,000
Body Wght (Kg) 0,000710 0,000669 1,06 0,295 2,09
Max Life (Years) -0,0181 0,0343 -0,53 0,600 2,04
Gestation (Days) -0,01745 0,00666 -2,62 0,012 4,31
Predation -0,906 0,459 -1,97 0,055 2,23
Exposure -0,539 0,529 -1,02 0,314 3,34
Kết luận:
+ VIF < 5 nên hiện tượng Đa cộng tuyến không phải vấn đề
+ P- Value của Body Wght, Max Life, Predation và Exposure đều lớn hơn 0.05 nên
ảnh hưởng không đáng kể
+ P-Value của Gestation nhỏ hơn 0.05 nên có ảnh hưởng
=> Loại bỏ Max Life vì có P- Value lớn nhất: 0.600
Regression Equation
Sleep = 16,68 + 0,000802 Body Wght (Kg) - 0,01924 Gestation (Days)
(Hours) - 0,826 Predation
- 0,584 Exposure
Coefficients
Term Coef SE Coef T-Value P-Value VIF
Constant 16,68 1,06 15,73 0,000
Body Wght (Kg) 0,000802 0,000641 1,25 0,218 1,95
Gestation (Days) -0,01924 0,00570 -3,38 0,002 3,20
Predation -0,826 0,430 -1,92 0,061 1,99
Exposure -0,584 0,518 -1,13 0,266 3,25
Kết luận:
+ VIF < 5 nên hiện tượng Đa cộng tuyến không phải vấn đề
+ P- Value của Body Wght, Predation và Exposure đều lớn hơn 0.05 nên ảnh hưởng
không đáng kể
+ P-Value của Gestation nhỏ hơn 0.05 nên có ảnh hưởng
=> Loại bỏ Exposure vì có P- Value lớn nhất: 0.266
Regression Equation
Sleep = 16,76 + 0,000898 Body Wght (Kg) - 0,02325 Gestation (Days)
(Hours) - 1,163 Predation
Coefficients
Term Coef SE Coef T-Value P-Value VIF
Constant 16,76 1,06 15,79 0,000
 Body Wght (Kg) 0,000898 0,000637 1,41 0,166 1,92
Gestation (Days) -0,02325 0,00446 -5,21 0,000 1,95
Predation -1,163 0,310 -3,76 0,000 1,02
Kết luận:
+ VIF < 5 nên hiện tượng Đa cộng tuyến không phải vấn đề
+ P- Value của Body Wght lớn hơn 0.05 nên ảnh hưởng không đáng kể
+ P-Value của Gestation và Predation đều nhỏ hơn 0.05 nên có ảnh hưởng
=> Loại bỏ Body Wght
Regression Equation
Sleep (Hours) = 16,43 - 0,01891 Gestation (Days) - 1,193 Predation
Coefficients
Term Coef SE Coef T-Value P-Value VIF
Constant 16,43 1,05 15,71 0,000
Gestation (Days) -0,01891 0,00326 -5,80 0,000 1,02
Predation -1,193 0,312 -3,82 0,000 1,02
Kết luận:
+ P-Value của Gestation và Predation đều nhỏ hơn 0.05 nên có ảnh hưởng đáng kể
4. Kiểm tra các giả định và Outliers
4.1 Kiểm tra các giả định

Kết luận:
+ Biểu đồ Normal Probability và Histogram cho thấy dữ liệu có thể đến từ một
tổng thể có phân phối chuẩn. Tuy nhiên sẽ có 1 vài điểm dữ liệu bị lệch.
+ Biểu đồ Versus Order cho thấy không có xu hướng tuần hoàn giữa các điểm dữ
liệu 0  Dữ liệu độc lập
+ Biểu đồ Versus Fits cho thấy variances có sự chênh lệch.
4.2 Kiểm tra Outlier
Grubbs' Test
Variable N Mean StDev Min Max G P
Body Wght 51 224 988 0 6654 6,50 0,000
(Kg)
Max Life 51 20,15 19,03 2,00 100,00 4,20 0,000
(Years)
Gestation 51 142,1 142,5 12,0 645,0 3,53 0,008
(Days)
Predation 51 2,843 1,488 1,000 5,000 1,45 1,000
Exposure 51 2,451 1,579 1,000 5,000 1,61 1,000
Sleep (Hours) 51 10,349 4,679 2,600 19,900 2,04 1,000
Kết luận:
+ P-Value của Body Wght, Max Life và Gestation đều nhỏ hơn 0.05 nên tồn tại
điểm ngoại lai
+P-Value của Predation, Exposure và Sleep đều lớn hơn 0.05 nên không có điểm
ngoại lai
Outlier
Variable Row Outlier
Body Wght (Kg) 1 6654
Max Life (Years) 28 100
Gestation (Days) 1 645
Kết luận: Điểm ngoại lai nằm ở:
 Body Wght: hàng 1 với giá trị là 6654
 Max Life: hàng 28 với giá trị là 100
 Gestation: hàng 1 với giá trị 645