Với mức ý nghĩa 3.so.sánh tỉ lệ năm 2024
Rça sut tbkc eïAbƾƧkc Cjkc vjïk? ^bf Wua PrukcKcîy 3 tbçkc 0 kāf 8>87 pqtrukc27>Ncfgjm.adf RQPE Kcîy 3 tbçkc 0 kāf 8\>87 7/18 Fa ma 7 8 1 0 pqtrukc27>Ncfgjm.adf RQPE Kcîy 3 tbçkc 0 kāf 8\>87 8/18 Fa tjïu vî aça hîj tdçk ejf ėkb @g vîd fu ėju trg, tg xça ėkb cj tbuyt ėƾa kïu rg mî ėÿkc bgysgj ⇘ Ejf ėkb cj tbuyt . Aça hîj tdçk ejf ėkb tbƾkc cp?Pbgf s ėa trƾkc ag HKK ag tkc tb? t m p , trukc híkb ¼ ,pbƾƧkc sgj ρ 8 .Wuy mut pbèk pbj ag HKK.Pækb ėa mp ag HKK. pqtrukc27>Ncfgjm.adf RQPE Kcîy 3 tbçkc 0 kāf 8\>87 1/18 Ví dụ: nhiệt độ sấy thịt cá và nông sản; hàm lượng đường bổ sung; loại nấm men; loại và hàm lượng enzyme; các chất bảo quản
Các phần tử riêng biệt trong cùng một nhân tố thí nghiệm gọi là mức Ví dụ: nhân tố nhiệt độ trong thủy phân tinh bột gạo, khi thí nghiệm thực hiện ở 3 nhiệt độ khác nhau gọi là 3 mức nhiệt độ.
Một tổ hợp các mức khác nhau của các nhân tố gọi là nghiệm thức hay công thức thí nghiệm Ví dụ:
Đơn vị thí nghiệm hay lô thí nghiệm là nhóm vật liệu trên đó ta tác động một hoặc một số nhân tố nào đó mà ta muốn đo lường các ảnh hưởng của nó. Ví dụ: Một lô đất, chậu đất, ống nghiệm, dĩa petri, cây ăn trái, cây rừng, con thú, con người,...
Sai số thí nghiệm là tổng cộng các nguồn biến động không kiểm soát được Có 2 dạng:
Lặp lại là tập hợp các đơn vị thí nghiệm được nhận cùng một nghiệm thức Chức năng:
Các yêu cầu để xác định số lần lặp lại
Chương 2:�KIỂM ĐỊNH GIẢ THIẾT THỐNG KÊ� 2.1 KIỂM ĐỊNH GIẢ THIẾT (Tests of Hypothesis)
H0 : μ = μ0
Ha : μ ≠ μ0
Ha : μ < μ0
Ha : μ > μ0
Đúng Sai Kết Luận Bác bỏ H0 Xác suất sai lầm loại I \= α \= Mức ý nghĩa Xác suất kết luận đúng \= 1 - β \= Độ mạnh của kiểm định Chấp nhận H0 Xác suất kết luận đúng \= 1 – α Xác suất sai lầm loại II \= β Bốn khả năng có thể xảy ra cho một kiểm định giả thiết
Độ mạnh của kiểm định là 1 - β. Đó là xác suất bác bỏ giả thiết H0 khi nó thật sự sai
(1) Đặt các giả thiết H0 và Ha (2) Định rõ mức ý nghĩa α (3) Tính giá trị của số thống kê kiểm định (4) Tìm giá trị chuẩn ở mức ý nghĩa α đã định (5) So sánh giá trị của của số thống kê kiểm định và giá trị tới hạn để đi đến quyết định chấp nhận hay bác bỏ giả thiết H0, tùy theo giá trị của số thống kê kiểm định rơi vào vùng chấp nhận hay vùng bác bỏ. (6) Rút ra kết luận 2.2 KiỂM ĐỊNH GIẢ THIẾT VỀ GIÁ TRỊ TRUNG BÌNH CỦA TỔNG THỂ (μ)
Giả thiết được đặt là H0: μ = μ0, với μ0 là một số nào đó. Vì cỡ mẫu lớn, nên chúng ta sử dụng biến ngẫu nhiên:
12,0 10,1 11,3 10,6 11,0 10,1 12,6 9,4 11,9 6,3 10,4 11,6 9,5 12,5 10,8 11,6 12,7 13,3 11,6 10,5 10,9 9,8 11,5 13,1 10,3 8,1 11,6 12,6 12,1 10,7 8,2 12,8 11,5 10,7 12,7 12,3 13,6 11,4 10,3 9,3 13,0 11,0 12,5 12,4 11,5
H0 : μ = 10,5 tấn/giờ Ha : μ > 10,5 tấn/giờ
Ta có: Nên:
- Nếu giá trị P nhỏ hơn hoặc bằng với mức ý nghĩa đã định (α), lúc đó loại giả thiết không - Ngược lại, không loại giả thiết không. Hướng dẫn nguyên tắc để giải thích giá trị P của một kiểm định giả thiết Giá trị P Mức quan trọng của dẫn chứng bác bỏ H0 Giải thích kết quả (Ký hiệu) \> 0,05 Giữa 0,05 và 0,01 Giữa 0,01 và 0,001 < 0,001 Không ý nghĩa (ns) Có ý nghĩa ở mức 5% (*) Có ý nghĩa ở mức 1% (**) Có ý nghĩa ở mức 1‰ (***)
Nếu phương sai chưa biết và cỡ mẫu nhỏ, chúng ta sử dụng biến ngẫu nhiên: Ví dụ: Để xem xét khả năng tạo dai của một loại phụ gia, qua thực hiện người ta nhận thấy phụ gia này làm tăng khả năng tạo dai sản phẩm. Để kiểm chứng, một nhà nghiên cứu lấy 20 mẫu trong quá trình sản xuất có sử dụng phụ gia tạo dai để đo cấu trúc về độ dai (g/cm). Kết quả được ghi nhận như sau Biết độ dai sản phẩm khi không sử dụng phụ gia là 4.0 (g/cm) và α = 0.05 Hãy kiểm định xem có phải dùng phụ gia có thể cải thiện được độ dai sản phẩm? Giải:
Tra bảng t ở f = 20 - 1 = 19 Ta có giá trị tới hạn t0.05 = 2,093 Ta có: Nên: Do t kiểm định > t giả thiết nên bác bỏ giải thiết H0, chấp nhận giải thiết Ha Nên việc sử dụng phụ gia có thể cải thiện độ dai của sản phẩm 2.2 KIỂM ĐỊNH GIẢ THIẾT VỀ GIÁ TRỊ TỈ LỆ (P)
Hoặc với điều kiện np0 ≥ 5 và n (1 - p0) ≥ 5 Ví dụ: Một nhà máy sản xuất tự động cho tỉ lệ chính phẩm là 98%. Sau một thời gian hoạt động, người ta nghi ngờ tỉ lệ trên đã bị giảm. Kiểm tra ngẫu nhiên 500 sản phẩm thấy có 28 phế phẩm. Với α = 0,05; hãy kiểm định xem chất lượng làm việc của máy có còn được như trước hay không? Giải: Gọi p là xác suất của chính phẩm, ta có: Đặt các giả thiết H0 : p0 = 0,98 (Chất lượng làm việc của máy vẫn như cũ) Ha : p0 ≠ 0,98 (Chất lượng làm việc của máy đã bị thay đổi)
μ = np0 = 500 (0,98) = 490
Đây là dạng kiểm định hai đuôi (dấu ≠). Ở mức ý nghĩa α = 0,05, giá trị z tới hạn của mỗi đuôi (phải và trái) có diện tích bằng α/2 = 0,05/2 = 0,025 tìm được trong phụ lục z bằng 1,96. Giá trị z = -5,75 nằm trong vùng bác bỏ giả thiết H0 ở đuôi trái, hoặc nếu lấy giá trị tuyệt đối của z, lúc đó giá trị│z│cũng nằm trong vùng bác bỏ giả thiết H0 ở đuôi phải Như vậy chất lượng làm việc của máy đã thay đổi hoặc chất lượng làm việc của máy đã bị giảm vì < p0 = 0,98 . 4.3 Tìm khoảng tin cậy cho một trung bình (μ) hoặc một tỉ lệ (P)
Khoảng tin cậy của μ là một khoảng gồm các con số đạt được từ số ước lượng của μ; Nghĩa là cùng với số phần trăm định rõ chúng ta tin cậy như thế nào khi μ nằm trong khoảng đó. Phần trăm tin cậy được gọi là mức độ tin cậy (1 - α).
Ta có: Nên Hoặc Do đó khoảng tin cậy (1 - α) cho μ ở mỗi lần lấy mẫu là:
Khoảng tin cậy 1 - α như sau: Hoặc Như vậy, khoảng tin cậy (1 - α) cho μ là:
Phương pháp phân tích phương sai là phương pháp phân tách phương sai tổng hay còn gọi là phương sai chung thành các phương sai thành phần Phân tích phương sai gồm các nội dung sau: - Xác định phương sai giữa các mẫu - Phương sai trong các mẫu - So sánh sai khác giữa các phương sai thành phần Các nhóm phân tích phương sai - Phân tích phương sai với một yếu tố thí nghiệm - Phân tích phương sai với hai yếu tố thí nghiệm - Phân tích phương sai với ba yếu tố thí nghiệm…… Tại sao phải phân tích ANOVA?
Thí nghiệm một nhân tố là kiểu thí nghiệm trong đó chỉ có một nhân tố thay đổi, còn các nhân tố khác được giữ ổn định.
- Phân tích phương sai dễ dàng ngay cả khi các nghiệm thức có số lần lặp lại không bằng nhau. - Phương pháp phân tích đơn giản ngay cả khi có số liệu thiếu. - Có tính linh hoạt cao, được sử dụng với số nghiệm thức và số lần lặp lại bất kỳ, mỗi nghiệm thức có thể có số lần lặp lại không bằng nhau.
- dfTC = (r)(t) - 1 - dfNT = t -1 - dfSS = t(r - 1) hoặc dfSS = dfTC - dfNT Trong đó: - r: số lần lặp lại - t: số nghiệm thức Ví dụ: Kết quả thí nghiệm so sánh 3 nghiệm thức, mỗi nghiệm được lập lại 5 lần. Thí nghiệm được bố trí hoàn toàn ngẫu nghiên và thu được kết quả như sau: Hãy thực hiện phân tích phương sai để kiểm định giả thuyết về sự bằng nhau của các trung bình mẫu và rút ra kết luận.
- dfTC = (r)(t) – 1 = 5.3 – 1 = 14 - dfNT = t -1 = 3 – 1 = 2
hoặc dfSS = dfTC - dfNT = 14 – 2 =12
cv= 10,13% *= khác biệt ở mức ý nghĩa 5% Phân tích phương sai đối với cỡ mẫu không bằng nhau
Ví dụ:
A B C D 9 10 10 11 12 7 8 10 16 6 8 7 15 12 12 7 7 9 14 52 35 38 65 190 Giải
- dfTC = n – 1 = 19 – 1 = 18 - dfNT = t -1 = 4 – 1 = 3 - dfSS = dfTC - dfNT = 18 – 3 =15
- Hệ số hiệu chỉnh: - Tổng bình phương tổng cộng: - Tổng bình phương nghiệm thức: - Tổng bình phương sai số (SSSS): SSSS \= SSTC - SSNT \= 152 – 46,82 = 105,18
- Trung bình bình phương nghiệm thức (MSNT): - Trung bình bình phương sai số (MSSS):
Kết luận: do F-tính nhỏ hơn F-bảng ở mức ý nghĩa 5% nên giữa các mẫu sản phẩm không có khác biệt ý nghĩa thống kê. Phân tích phương sai thí nghiệm hai nhân tố
(Thí nghiệm thừa số (Factorial experiment))
Là lập bảng phân tích phương sai (ANOVA) cho thí nghiệm 2 nhân tố
- Nhân tố A (dfA): a-1 - Nhân tố B (dfB): b-1 - Tương tác AxB (dfAB): (a-1)(b-1) - Sai số (dfSS): ab(r-1) Tổng cộng (dfTC): abr-1 Trong đó: - r: số lần lặp lại - a: số mức độ của nhân tố A - b: số mức độ của nhân tố B Chương 4:�HỒI QUY VÀ TƯƠNG QUAN
Phương pháp hồi qui có thể được sử dụng cho nhiều mục đích khác nhau: (1) Xem Y có phụ thuộc X không? (2) Dự đoán Y theo X (3) Nghiên cứu dạng của phương trình (4) Dùng quan hệ giữa Y và X để kiểm soát biến động của Y ��Hệ số tương quan��
- Trung bình bình phương sai số của biến Y theo biến X - Trị số tb So sánh giá trị tb tính với các trị số t bảng ở (n - 2) độ tự do. Kết luận β ≠ 0 có ý nghĩa, nếu trị tuyệt đối của tb tính lớn hơn trị số t bảng ở mức ý nghĩa α.
Từ r tìm được r2: dựa vào hệ số tương quan này để khẳng định các biến có liên hệ chặt hay không.
X 1 4 3 2 5 6 0 Y 1 3 3 1 4 7 2 - Dùng phương pháp bình phương nhỏ nhất để ước lượng đường hồi qui. - Biểu diễn trên đồ thị các cặp giá trị quan sát trên và vẽ đường hồi qui ước lượng. - Kiểm định giả thiết về đường hồi qui. - Dự báo giá trị trung bình Y tại X = 7. Thuyết minh kết quả của phương trình Y = 0,537 + 0,821X Độ dốc là 0,821, nghĩa là khi X tăng lên một đơn vị thì Y tăng khoảng 0,821 đơn vị Mỗi khi tăng 1 đơn vị, mô hình dự đoán mong đợi sẽ tăng khoảng 0,821 Phân tích phương sai hồi quy tuyến tính đơn Trung bình bình phương do hồi quy MSR = SSR/dfR Trung bình bình phương do sai số MSE = SSE/dfE Tính giá trị F Ftính = MSR/MSE Tổng bình phương do hồi quy Tổng bình phương do sai số Tổng bình phương toàn bộ Tiếp ví dụ: phân tích phương sai hồi quy tuyên tính đơn Bảng phân tích phương sai Nguồn biến động SS Df MS Ftính Fbảng 5% 1% Hồi quy 18.87315 1 18.8929 13.278 6.61 16.26 Sai số 7.107148 5 1.42143 Toàn bộ 26.0 6 Ví dụ: Độ bền gel của chả cá bị ảnh hưởng bởi tỉ lệ bột mì ngang và lòng trắng trứng, thí nghiệm có số liệu như sau:� - Hãy cho biết có mối liên hệ tuyến tính của các độc lập với biến phụ thuộc hay không? - Xác định phương trình hồi qui ước lượng Phương trình: do ben gel = 143.059 + 5.58037*bot mi ngang - 1.65083*long trang R-squared = 94.8245 percent Hồi quy phi tuyến tính đơn Mô hình hồi quy phi tuyến tính bội Tùy thuộc vào giá trị hệ số R2 tìm được, có thể thay đổi các biến của phương trình để tìm được hệ số R2 lớn nhất Mô hình hồi quy Logistic
Với:
Mô hình hồi quy Logistic sử dụng 2 biến nhị phân là 0 và 1 để phân tích và tìm ra xác suất chấp nhận của nghiệm thức từ mô hình |