Chương 5.

Bài tập 1. Kiểm tra độ cứng

Mẫu thử Treatment

Loại tip
Total
1 2 3 4
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 Total 37.6 37.7 38.9 39.8 y.. = 154
4 4 2 2
y .. 154
SST = ∑ ∑ 2
( 2 2 2 2
y − ¿ 9.3 + 9.4 +…+10 + 10.2 −
ij
) =1.29
i=1 j=1 N 16
4 2 2
1 y 1 154
SSBlocks ¿ ∑ y 2. j − .. = ( 37.6 2+37.7 2+ 38.92+ 39.82 )− =0.825
a j=1 N 4 16
4 2 2
1 y .. 1 154
SSTreatments ¿ ∑ y
2
−
b i=1 i . N 4
= ( 38.3
2
+ 38.4
2
+37.8
2
+39.5
2
) −
16
=0.385

SSE = SST - SSBlocks - SSTreatments = 1.29 - 0.825 - 0.385 = 0.08

S S Treatments 0.385
MSTreatments ¿ = =0.128
a−1 4−1

S SE 0.08
MSE ¿ = =0.009
( a−1 )( b−1 ) ( 4−1 ) ( 4−1 )

M STreatments 0.128
F0 ¿ = =14.438
M SE 0.09

→ F0 > F0.05,3,9 = 3.86

Vì vậy ta bác bỏ giả thuyết H0, có thể kết luận các đầu tip khác nhau không gây ảnh
hưởng đến kết quả đo độ cứng của vật liệu.
VD:

1. ANOVA with Blocks

Nhận xét:
Ta có thể thấy cả vị trí thành phố và loại sơn có ảnh hưởng dáng kể đến độ mòn của sơn kẻ
đường.

- Vị trí thành phố cho thấy tác động lớn hơn.

- Loại sơn cũng cho tác động đến biến đáp ứng là độ mòn của sơn.
2. One-way ANOVA
Nhận xét:
- Dùng One-way ANOVA để xác định thành phần tác động lớn nhất đến độ mòn.
- Ta có thể thấy tác động cao nhất đến độ mòn của sơn thuộc về thành phố Philadelphia và
thấp nhất thuộc về thành phố Scranton.
3. Residuals plot
Nhận xét :
Biểu đồ Normal Pro và Histogram cho thấy dữ liệu có thể đến từ một tổng thể có phân phối
chuẩn. Tuy nhiên vẫn có 1 vài điểm dữ liệu bị lệch.
Biểu đồ Versus cho ta thấy có xu hướng tuần hoàn giữa các điểm dữ liệu → dữ liệu độc lập

4. Comparisons (paint levels)

Nhận xét:
- Ta có thể thấy loại sơn Y-0242 và Y-0314 có sự tương đồng nhau và Y-0314 cũng có sự
tương đồng với 2 loại sơn còn lại là Y-1424 và Y-1723 vì chúng cùng thuộc 1 nhóm với
nhau.
- Loại sơn Y-0242 không có sự tương đồng với Y-1424 và Y-1723 vì chúng không thuộc
cùng 1 nhóm.
Chương 6:

Bài tập 2:

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

Giá trị p-value của nhiệt độ và thời gian đều nhỏ hơn α =0.05 , nên cả thời
gian và nhiệt độ đều ảnh hưởng đến độ ẩm của bánh.

Tương tự, p-value của tương tác nhiệt độ và thời gian cũng nhỏ hơn
α =0.05 , nên sự tương tác của thời gian và nhiệt độ cũng ảnh hưởng đến độ
ẩm của bánh.
Nhìn vào biểu đồ ta thấy sự ảnh hưởng của thời gian, nhiệt độ và cả sự tương tác của hai
nhân tố này đều vượt qua đường cố định nên cả ba đều ảnh hưởng đến độ ẩm của bánh.
CAKE.MTW

Response Optimization: Moisture

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
Multiple Response Prediction

Variable Setting
Temp 375

Time 33.5897

Response Fit SE Fit 95% CI 95% PI

Moisture 26.00 1.03 (23.13, 28.87) (20.38, 31.62)
Chương 7
1. Đánh giá Power với α=0.05
Method
Factors: 3 Base Design: 3, 8

Blocks: 2

Results

Center
Points Effect Rep Total Runs Power
0 1.5 2 16 0.748017
Với α=0.05 chỉ số Power ở mức 75% (không đạt yêu cầu lớn hơn hoặc bằng 80%)
2. Đánh giá lại Power với hệ số α=0.1
Method
Factors: 3 Base Design: 3, 8

Blocks: 2

Results
Center
Points Effect Reps Total Runs Power
0 1.5 2 16 0.86181
8

Với α=0.1 chỉ số Power đạt mức 86%

3. Phân tích mô hình sử dụng α=0.1
Analysis of Variance
Source DF AdjSS AdjMS F-Value P-Value
Model 8 9.9600 1.2450 10.41 0.003
Blocks 1 0.0225 0.0220 0.19 0.678
Linear 3 9.0075 3.0020 25.10 0.000
Viscosity 1 5.5225 5.5220 46.16 0.000
Temp 1 3.4225 3.4220 28.61 0.001
Additive 1 0.0625 0.0620 0.52 0.493
2-Way Interactions 3 0.9275 0.3097 2.58 0.136
Viscosity*Temp 1 0.0025 0.0020 0.02 0.889
Viscosity*Additive 1 0.7225 0.7220 6.04 0.044
Temp*Additive 1 0.2025 0.2020 1.69 0.234
3-Way Interactions 1 0.0025 0.0020 0.02 0.889
Viscosity*Temp*Additive 1 0.0025 0.0020 0.02 0.889
Error 7 0.8375 0.1194
Total 15 10.795

Giá trị p-value của độ nhớt, nhiệt độ động cơ và sự tương tác giữa độ nhớt và chất phụ
gia nhỏ hơn 0.05 nên có sự ảnh hưởng đến độ mài mòn của động cơ
Biểu đồ Pareto cho thấy ảnh hưởng chuẩn hóa bằng 1.895: Độ nhớt của dầu, nhiệt độ
động cơ, sự tương tác của độ nhớt và chất phụ gia vượt qua đường 1.895 nên độ nhớt của
dầu,nhiệt độ động cơ và sự tương tác giữa độ nhớt và chất phụ gia ảnh hưởng đến độ mài
mòn của động cơ
* Loại bỏ các yếu tố không ảnh hưởng đến độ mài mòn của động cơ

Analysis of Variance
Source DF Adj SS Adj MS F-Value P-Value
Model 5 9.7525 1.95050 18.67 0.000
Blocks 1 0.0225 0.02250 0.22 0.653
Linear 3 9.0075 3.00250 28.73 0.000
Viscosity 1 5.5225 5.52250 52.85 0.000
Temp 1 3.4225 3.42250 32.75 0.000
Additive 1 0.0625 0.06250 0.60 0.457
2-WayInteractions 1 0.7225 0.72250 6.91 0.025

Viscosity*Additive 1 0.7225 0.72250 6.91 0.025

Error 10 1.0450 0.10450
Total 15 10.795
Các nhân tố ảnh hưởng đều vượt qua đường cố định nên có sự ảnh hưởng đáng kể đến
biến đáp ứng
Vậy để giảm độ mài mòn của động cơ thì độ nhớt của dầu nên ở trong khoảng (30,32) và
nhiệt độ động cơ ở khoảng (95,100) độ
CHƯƠNG 8:

BT2: Thời lượng giấc ngủ

1. Tạo matrix plot và kiểm tra tính tương quan.

- Matrix plot:
 - Kiểm tra tính tương quan:

Correlations

Body Wght Max Life Gestation

(Kg) (Years) (Days) Predation Exposure
Max Life (Years) 0.302

Gestation (Days) 0.690 0.637

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

Ma trận tương quan thể hiện mối tương quan nghịch giữa Sleep (Hours) và từng yếu tố
dự đoán còn lại như sau:

 Body Wght (Kg): R = -0.317

 Max Life (Years): R = -0.396

 Gestation (Days): R = -0.629

Predation: R = -0.46

Exposure: R = -0.668
 2. Dùng Best Subsets để xác định mô hình “tốt nhất”
Response is Sleep (Hours)

M G
a e
B x s
o t
d L a
y i t
f i
W e o P
g n r E
h ( e x
t Y ( d p
e D a o
( a a t s
K r y i u
g s s o r
Vars R-Sq R-Sq (adj) R-Sq (pred) Mallows Cp S) ) ) 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

3. Dùng Fit Regression Model để xác định những biến quan trọng khi anpha = 0.05
Điều chỉnh mô hình cho đến khi mô hình chỉ chứa các biến có p-value < 0.05

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

Model Summary

S R-sq R-sq(adj) R-sq(pred)

3.2340 57.01% 52.23% 38.12%
9
 Ta thấy Body Wght, Max Life và Exposure đều là các biến không quan trọng vì
có giá trị p-value > 0.05, lần lượt loại bỏ các biến này. Sau khi điều chỉnh, mô
hình chỉ chứa các biến có p-value < 0.05

VIF = 1.02 (~1)  tốt

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

Model Summary

S R-sq R-sq(adj) R-sq(pred)

3.25063 53.67% 51.74% 47.91%

4. Kiểm tra các giả định và Outliers.