Xstk excel

XỬ LÝ THỐNG KÊ BẰNG EXCEL

Các hàm thống kê có thể chia thành 3 nhóm nhỏ sau: Nhóm hàm về Thống Kê, nhóm hàm về Phân
Phối Xác Suất, và nhóm hàm về Tương Quan và Hồi Quy TuyếnTính

NHÓM HÀM VỀ THỐNG KÊ
AVEDEV (number1, number2, ...) Tính trung bình độ lệch tuyệt đối các điểm dữ liệu theo trung
bình của chúng. Thường dùng làm thước đo về sự biến đổi
của tập số liệu

AVERAGE (number1, number2, ...) Tính trung bình cộng

AVERAGEA (number1, number2, ...) Tính trung bình cộng của các giá trị, bao gồm cả những giá
trị logic

AVERAGEIF (range, criteria1) Tính trung bình cộng của các giá trị trong một mảng theo
một điều kiện

AVERAGEIFS (range, criteria1, criteria2, Tính trung bình cộng của các giá trị trong một mảng theo
...) nhiều điều kiện

COUNT (value1, value2, ...) Đếm số ô trong danh sách.

COUNTA (value1, value2, ...) Đếm số ô có chứa giá trị (không rỗng) trong danh sách.

COUNTBLANK (range) Đếm các ô rỗng trong một vùng.

COUNTIF (range, criteria) Đếm số ô thỏa một điều kiện cho trước bên trong một dãy

COUNTIFS (range1, criteria1, Đếm số ô thỏa nhiều điều kiện cho trước.
range2,criteria2,…)

DEVSQ (number1, number2, ...) Tính bình phương độ lệch các điểm dữ liệu từ trung bình mẫu
của chúng, rồi cộng các bình phương đó lại.

FREQUENCY (data_array, bins_array) Tính xem có bao nhiêu giá trị thường xuyên xuất hiện bên
trong một dãy giá trị, rồi trả về một mảng đứng các số. Luôn
sử dụng hàm này ở dạng công thức mảng

GEOMEAN (number1, number2, ...) Trả về trung bình nhân của một dãy các số dương. Thường
dùng để tính mức tăng trưởng trung bình, trong đó lãi kép có
các lãi biến đổi được cho trước…

HARMEAN (number1, number2, ...) Trả về trung bình điều hòa (nghịch đảo của trung bình cộng)
của các số

KURT (number1, number2, ...) Tính độ nhọn của tập số liệu, biểu thị mức nhọn hay mức
phẳng tương đối của một phân bố so với phân bố chuẩn

LARGE (array, k) Trả về giá trị lớn nhất thứ k trong một tập số liệu.

MAX (number1, number2, ...) Trả về giá trị lớn nhất của một tập giá trị.

Giải toán XSTK bằng EXCEL (ĐaTaDa – ĐHNL 10/10/2009)
1

MAXA (number1, number2, ...) Trả về giá trị lớn nhất của một tập giá trị, bao gồm cả các giá
trị logic và text

MEDIAN (number1, number2, ...) Tính trung bình vị của các số.

MIN (number1, number2, ...) Trả về giá trị nhỏ nhất của một tập giá trị.

MINA (number1, number2, ...) Trả về giá trị nhỏ nhất của một tập giá trị, bao gồm cả các
giá trị logic và text.

MODE (number1, number2, ...) Trả về giá trị xuất hiện nhiều nhất trong một mảng giá trị.

PERCENTILE (array, k) Tìm phân vị thứ k của các giá trị trong một mảng dữ liệu.

PERCENTRANK (array, x, significance) Trả về thứ hạng (vị trí tương đối) của một trị trong một
mảng dữ liệu, là số phần trăm của mảng dữ liệu đó

PERMUT (number, number_chosen) Trả về hoán vị của các đối tượng.

QUARTILE (array, quart) Tính điểm tứ phân vị của tập dữ liệu. Thường được dùng
trong khảo sát dữ liệu để chia các tập hợp thành nhiều
nhóm…

RANK (number, ref, order) Tính thứ hạng của một số trong danh sách các số.

SKEW (number1, number2, ...) Trả về độ lệch của phân phối, mô tả độ không đối xứng của
phân phối quanh trị trung bình của nó.

SMALL (array, k) : Trả về giá trị nhỏ nhất thứ k trong một tập số.

STDEV (number1, number2, ...) Ước lượng độ lệch chuẩn trên cơ sở mẫu.

STDEVA (value1, value2, ...) Ước lượng độ lệch chuẩn trên cơ sở mẫu, bao gồm cả những
giá trị logic.

STDEVP (number1, number2, ...) Tính độ lệch chuẩn theo toàn thể tập hợp.

STDEVPA (value1, value2, ...) Tính độ lệch chuẩn theo toàn thể tập hợp, kể cả chữ và các
giá trị logic.

VAR (number1, number2, ...) Trả về phương sai dựa trên mẫu.

VARA (value1, value2, …) Trả về phương sai dựa trên mẫu, bao gồm cả các trị logic và
text.

VARP (number1, number2, ...) Trả về phương sai dựa trên toàn thể tập hợp.

VARPA (value1, value2, …) Trả về phương sai dựa trên toàn thể tập hợp, bao gồm cả các
trị logic và text.

TRIMMEAN (array, percent) Tính trung bình phần trong của một tập dữ liệu, bằng cách
loại tỷ lệ phần trăm của các điểm dữ liệu ở đầu và ở cuối tập
dữ liệu.

2

NHÓM HÀM VỀ PHÂN PHỐI XÁC SUẤT
BETADIST (x, alpha, beta, A, B) Trả về giá trị của hàm tính mật độ phân phối xác suất
tích lũy beta.

BETAINV (probability, alpha, beta, A, B) Trả về nghịch đảo của hàm tính mật độ phân phối xác
suất tích lũy beta

BINOMDIST (number_s, trials, probability_s, Trả về xác suất của những lần thử thành công của
cumulative) phân phối nhị phân.

CHIDIST (x, degrees_freedom) Trả về xác xuất một phía của phân phối chi-squared.

CHIINV (probability, degrees_freedom) Trả về nghịch đảo của xác xuất một phía của phân
phối chi-squared.

CHITEST (actual_range, expected_range) Trả về giá trị của xác xuất từ phân phối chi-squared
và số bậc tự do tương ứng.

CONFIDENCE (alpha, standard_dev, size) Tính khoảng tin cậy cho một kỳ vọng lý thuyết

CRITBINOM (trials, probability_s, alpha) Trả về giá trị nhỏ nhất sao cho phân phối nhị thức
tích lũy lớn hơn hay bằng giá trị tiêu chuẩn. Thường
dùng để bảo đảm các ứng dụng đạt chất lượng…

EXPONDIST (x, lambda, cumulative) : Tính phân phối mũ. Thường dùng để mô phỏng thời
gian giữa các biến cố…

FDIST (x, degrees_freedom1, degrees_freedom2) Tính phân phối xác suất F. Thường dùng để tìm xem
hai tập số liệu có nhiều mức độ khác nhau hay
không…

FINV (probability, degrees_freedom1, Tính nghịch đảo của phân phối xác suất F. Thường
degrees_freedom2) dùng để so sánh độ biến thiên trong hai tập số liệu.

FTEST (array1, array2) : Trả về kết quả của một phép thử F. Thường dùng để
xác định xem hai mẫu có các phương sai khác nhau
hay không…

FISHER (x) Trả về phép biến đổi Fisher tại x. Thường dùng để
kiểm tra giả thuyết dựa trên hệ số tương quan…

FISHERINV (y) Tính nghịch đảo phép biến đổi Fisher. Thường dùng
để phân tích mối tương quan giữa các mảng số liệu…

GAMMADIST (x, alpha, beta, cumulative) Trả về phân phối tích lũy gamma. Có thể dùng để
nghiên cứu có phân bố lệch.

GAMMAINV (probability, alpha, beta) Trả về nghịch đảo của phân phối tích lũy gamma.

GAMMLN (x) Tính logarit tự nhiên của hàm gamma.

HYPGEOMDIST (number1, number2, ...) Trả về phân phối siêu bội (xác suất của một số lần
thành công nào đó…)

3

LOGINV (probability, mean, standard_dev) Tính nghịch đảo của hàm phân phối tích lũy lognormal
của x (LOGNORMDIST)

LOGNORMDIST (x, mean, standard_dev) Trả về phân phối tích lũy lognormal của x, trong đó
logarit tự nhiên của x thường được phân phối với các
tham số mean và standard_dev.

NEGBINOMDIST (number_f, number_s, Trả về phân phối nhị thức âm (trả về xác suất mà sẽ
probability_s) có number_f lần thất bại trước khi có number_s lần
thành công, khi xác suất không đổi của một lần thành
công là probability_s)

NORMDIST (x, mean, standard_dev, cumulative) Trả về phân phối chuẩn (normal distribution). Thường
được sử dụng trong việc thống kê, gồm cả việc kiểm
tra giả thuyết.

NORMINV (probability, mean, standard_dev) Tính nghịch đảo phân phối tích lũy chuẩn.

NORMSDIST (z) Trả về hàm phân phối tích lũy chuẩn tắc (standard
normal cumulative distribution function), là phân phối
có trị trung bình cộng là zero (0) và độ lệch chuẩn là
1.

NORMSINV (probability) Tính nghịch đảo của hàm phân phối tích lũy chuẩn
tắc.

POISSON (x, mean, cumulative) Trả về phân phối poisson. Thường dùng để ước tính
số lượng biến cố sẽ xảy ra trong một khoảng thời gian
nhất định.

PROB (x_range, prob_range, lower_limit, Tính xác suất của các trị trong dãy nằm giữa hai giới
upper_limit) hạn.

STANDARDIZE (x, mean, standard_dev) Trả về trị chuẩn hóa từ phân phối biểu thị bởi mean
và standard_dev.

TDIST (x, degrees_freedom, tails) Trả về xác suất của phân phối Student (phân phối t),
trong đó x là giá trị tính từ t và được dùng để tính xác
suất.

TINV (probability, degrees_freedom) Trả về giá trị t của phân phối Student.

TTEST (array1, array2, tails, type) Tính xác xuất kết hợp với phép thử Student.

WEIBULL (x, alpha, beta, cumulative) Trả về phân phối Weibull. Thường sử dụng trong phân
tích độ tin cậy, như tính tuổi thọ trung bình của một
thiết bị.

ZTEST (array, x, sigma) Trả về xác suất một phía của phép thử z.

4

NHÓM HÀM VỀ TƯƠNG QUAN VÀ HỒI QUY TUYẾN TÍNH

CORREL (array1, array2) Tính hệ số tương quan giữa hai mảng để xác định mối
quan hệ của hai đặc tính.

COVAR (array1, array2) Tính tích số các độ lệch của mỗi cặp điểm dữ liệu, rồi
tính trung bình các tích số đó.

FORECAST (x, known_y's, known_x's) Tính toán hay dự đoán một giá trị tương lai bằng cách
sử dụng các giá trị hiện có, bằng phương pháp hồi
quy tuyến tính.

GROWTH (known_y's, known_x's, new_x's, Tính toán sự tăng trưởng dự kiến theo hàm mũ, bằng
const) cách sử dụng các dữ kiện hiện có.

INTERCEPT (known_y's, known_x's) Tìm điểm giao nhau của một đường thẳng với trục y
bằng cách sử dụng các trị x và y cho trước

LINEST (known_y's, known_x's, const, stats) Tính thống kê cho một đường bằng cách dùng phương
pháp bình phương tối thiểu (least squares) để tính
đường thẳng thích hợp nhất với dữ liệu, rồi trả về
mảng mô tả đường thẳng đó. Luôn dùng hàm này ở
dạng công thức mảng.

LOGEST (known_y's, known_x's, const, stats) Dùng trong phân tích hồi quy. Hàm sẽ tính đường
cong hàm mũ phù hợp với dữ liệu được cung cấp, rồi
trả về mảng gía trị mô tả đường cong đó. Luôn dùng
hàm này ở dạng công thức mảng.

PEARSON (array1, array2) Tính hệ số tương quan momen tích pearson (r), một
chỉ mục không thứ nguyên, trong khoảng từ -1 đến 1,
phản ánh sự mở rộng quan hệ tuyến tính giữa hai tập
số liệu.

RSQ (known_y's, known_x's) Tính bình phương hệ số tương quan momen tích
Pearson (r), thông qua các điểm dữ liệu trong
known_y's và known_x's.

SLOPE (known_y's, known_x's) Tính hệ số góc của đường hồi quy tuyến tính thông
qua các điềm dữ liệu.

STEYX (known_y's, known_x's) Trả về sai số chuẩn của trị dự đoán y đối với mỗi trị x
trong hồi quy.

TREND (known_y's, known_x's, new_x's, const) Trả về các trị theo xu thế tuyến tính

5

Ngoài cách dùng các hàm trên ta còn dùng menu Analysis ToolPak cài đặt như sau: Trong Excel
chọn menu Tools/Add-Ins …/Analysis ToolPak / Ok

Khi chọn menu Tools / Data Analysis …

Chọn các mục cần thiết trong các thực đơn trên để giải các bài toán dưới đây:

I. THỐNG KÊ MÔ TẢ (Descriptive Statistics)
1) Bảng phân phối tần số - Bảng phân phối tần suất
§ Nhập dữ liệu
§ Dùng hàm: FREQUENCY (data_array, bins_array)
§ data_array : Địa chỉ mảng dữ liệu
§ bins_array: Địa chỉ mảng các giá trị khác nhau của dữ liệu.

6

Ví dụ : Lập bảng và vẽ biểu đồ dữ liệu sau:
12 13 11 13 15 12 11 10 14 13 12 15
§ Lập bảng phân phối tần số:
o Nhập cột giá trị khác nhau vào C3:C8
o Đánh dấu khối cột tần số ở D3:D8 , nhấn F2 nhập công thức
= frequency(A2: A13 , C3:C8) và ấn CTRL+SHIFT +ENTER

§ Lập bảng phân phối tần suất:nhập vào G2 công thức =D3/$D$9 ,copy các ô còn lại.

§ Vẽ biểu đồ
o Chọn menu: Insert/ Chart…/ Line/ Next
o Nhập vào Data Range : $G$3:$G$8 và chọn mục Column
o Chọn Tab Series , nhập địa chỉ cột giá trị: $F$3:$F$8 vào Category (X) axis
labels
o Chọn Next , Finish

7

0.3
0.25
0.2
0.15 Series1
0.1
0.05
0
10 11 12 13 14 15

2) Đặc trung mẫu
Ví dụ: Tính đặc trưng mẫu của dữ liệu sau:
12 13 11 13 15 12 11 10 14 13 12 15
· Nhập dữ liệu trong cột A1:A12
· Chọn menu Tools/Data Analysis…/Descriptive Statistics
· Nhập các mục:
§ Input Range: địa chỉ tuyệt đối chứa dữ liệu $A$1:$A$12
§ Output Range: địa chỉ xuất kết quả
§ Confidence Level for Mean (Độ tin cậy cho trung bình)

8

· Kết quả bao gồm: Kỳ vọng (trung bình), phương sai, trung vị, mode, độ lệch chuẩn, độ
nhọn, độ nghiêng (hệ số bất đối xứng so với phân phối chuẩn), khoảng biến thiên, max,
min, sum, số mẫu (count), khoảng tin cậy của trung bình ở mức 95% .

Column1 Tính theo các hàm

Mean x = 12.58333 Giá trị trung bình AVERAGE(A1:A12)
Sx
Standard Error = 0.451569 Sai số mẫu
n
Median 12.5 Trung vị MEDIAN(A1:A12)
Mode 12 Mode MODE(A1:A12)
Standard Deviation sx= 1.564279 Độ lệch chuẩn STDEV(A1:A12)
Sample Variance 2.44697 Phương sai mẫu VAR(A1:A12)
Kurtosis -0.61768 Độ nhọn của đỉnh KURT(A1:A12)
Skewness 0.157146 Độ nghiêng SKEW(A1:A12)
Range 5 Khoảng biến thiên MAX()-MIN()
Minimum 10 Tối thiểu MIN(A1:A12)
Maximum 15 Tối đa MAX(A1:A12)
Sum 151 Tổng SUM(A1:A12)
Count n= 12 Số lượng mẫu COUNT(A1:A12)
Sx
Confidence Level(95.0%) ta = 0.993896 Độ chính xác CONFIDENCE(0,05;Sx;n)
n

Sx Sx
Chú ý : Khi mẫu lớn (n ³ 30) ta thay ta bằng za trong ñoù: Za = NORMSINV(1- a/2)
n n

9

II. ƯỚC LƯỢNG THAM SỐ
Để ước lượng trung bình đám đông a ta thực hiện các bước sau:

§ Nhập dữ liệu mẫu và xử lý mẫu bằng thống kê mô tả (Descriptive Statistics)
Sx Sx
§ Tính khoảng ước lượng trung bình a theo: x ± za ; x ± ta
n n

Ví dụ: Khảo sát sức bền chịu lực của mộ loại ống công nghiệp người ta đo 9 ống và thu được
các số liệu sau:
4500 6500 5000 5200 4800 4900 5125 6200 5375

Ví dụ: Tiến hành xem trong một tháng trung bình một sinh viên tiêu hết bao nhiêu tiền gọi
điện thoại. Khảo sát ngẫu nhiên 59 sinh viên thu được kết quả:

14 18 22 30 36 28 42 79 36 52 15 47
95 16 27 111 37 63 127 23 31 70 27 11
30 147 72 37 25 7 33 29 35 41 48 15
29 73 26 15 26 31 57 40 18 85 28 32
22 36 60 41 35 26 20 58 33 23 35

Hãy ước lượng khoảng tin cậy của số tiền gọi điện thoại trung bình hàng tháng của một
sinh viên với độ tin cậy 95%.
Đs 33.96481 48.23858

10

III. KIỂM ĐỊNH GIẢ THIẾT

1) So sánh 2 trung bình với phương sai đã biết hay mẫu lớn (n³30)

v Dùng menu: Tools/ Data Analysis… / z-test:Two Sample for Means
x1 - x2
v Tiêu chuẩn kiểm định: z=
s1
2
s2
2

n1
+ n2
v Phân vị 2 phía za/2 là: z Critical two-tail

v Nếu ïzï > za/2 thì bác bỏ H0 , chấp nhận H1
Nếu ïzï £ za/2 thì chấp nhận H0 , bác bỏ H1

Ví dụ: Người ta chọn 2 mẫu, mỗi mẫu 10 máy, từ hai lô (I và II được sản xuất với phương
sai biết trước tương ứng là 1 và 0,98) để khảo sát thời gian hoàn thành công việc
(phút) của chúng:
I 6 8 9 10 6 15 9 7 13 11
II 5 5 4 3 9 9 6 13 17 12
Hỏi khả năng hoàn thành công việc của hai máy có khác nhau hay không? a=0,05

Nhập và xử lý dữ liệu
§ Variable 1 Range , Variable 2 Range: địa chỉ tuyệt đối của vùng dữ liệu của I, II
§ Variable 1 Variance(known), Variable 2 Variance(known): phương sai của I,II
§ Labels: chọn khi có tên biến ở đầu cột hoặc hàng
§ Alpha : mức ý nghĩa a
§ Output options: chọn cách xuất kết quả

11

Kết quả:
H0: a1=a2 “Khả năng hoàn thành công việc của 2 máy như nhau”
H1: a1¹a2 “Khả năng hoàn thành công việc của 2 máy khác nhau”

I II
Mean 9.4 8.3 ¬ Trung bình mẫu
Known Variance 1 0.98 ¬ phương sai mẫu đã biết
Observations 10 10 ¬ số quan sát (cỡ mẫu)
Hypothesized Mean Difference 0
z 2.472066162 ¬ Tiêu chuẩn kiểm định
P(Z<=z) one-tail 0.006716741 ¬ Xác suất 1 phía
z Critical one-tail 1.644853476 ¬ phân vị 1 phía
P(Z<=z) two-tail 0.013433483 ¬ Xác suất 2 phía
z Critical two-tail 1.959962787 ¬ phân vị 2 phía

Þ ïzï=2.472066162 > za/2=1.959962787 nên bác bỏ H0 , chấp nhận H1
Vậy: “Khả năng hoàn thành công việc của 2 máy khác nhau”

2) So sánh 2 trung bình với dữ liệu từng cặp

v Được dùng khi mẩu bé, phụ thuộc, phương sai 2 mẫu không bằng nhau và mỗi phần tử
khảo sát có 2 chỉ tiêu X (trước), Y (sau) khi thay đổi điều kiện thí nghiệm.

v Chọn menu: Tools/Data Analysis…/ t-test:Paired Two Sample for Means
n n

D
å ( X i - Yi ) å ( Di - D) 2
i =1 i =1
v Tiêu chuẩn kiểm định: t= , D= , SD =
SD n n n -1
v Phân vị 2 phía ta/2 là: t Critical two-tail

v Nếu ïtï > ta/2 thì bác bỏ H0 , chấp nhận H1
Nếu ïtï £ ta/2 thì chấp nhận H0 , bác bỏ H1

Ví dụ: Để nghiên cứu của một loại thuốc ngủ, người ta cho 10 bệnh nhân uống thuốc. Lần
khác họ cũng cho bệnh nhân uống thuốc nhưng là thuốc giả (thuốc không có tác
dụng). Kết quả thí nghiệm như sau:

Bệnh nhân 1 2 3 4 5 6 7 8 9 10
Số giờ ngủ có thuốc 6,1 7,0 8,2 7,6 6,5 8,4 6,9 6,7 7,4 5,8
Số giờ ngủ với thuốc giả 5,2 7,9 3,9 4,7 5,3 5,4 4,2 6,1 3,8 6,3

Giả sử số giờ ngủ của các bệnh nhân có qui luật chuẩn. Với mức ý nghĩa a=0,05 hãy kết
luận về ảnh hưởng của loại thuốc ngủ trên?

12

§ Nhập và xử lý dữ liệu

§ Kết quả
H0: a1=a2 “Thuốc ngủ trên không có tác dụng đến số giờ ngủ”
H1: a1¹a2 “Thuốc ngủ trên có tác dụng đến số giờ ngủ”

t-Test: Paired Two Sample for Means

Số giờ ngủ có thuốc Số giờ ngủ với thuốc giả
Mean 7.06 5.28
Variance 0.720444444 1.577333333
Observations 10 10
Pearson Correlation -0.388571913
df 9
t Stat 3.183538302
P(T<=t) one-tail 0.005560693
t Critical one-tail 1.833113856
P(T<=t) two-tail 0.011121385
t Critical two-tail 2.262158887

Þ ïtï= 3,1835 > ta/2= 2,2622 nên chấp nhận H1
Vậy loại thuốc ngủ trên có ảnh hưởng làm tăng số giờ ngủ trung bình.

13

3) So sánh 2 trung bình với phương sai bằng nhau

v Được dùng khi 2 mẩu bé , độc lập và phương sai 2 mẫu bằng nhau.

v Chọn menu:Tools/Data Analysis…/ t-test:Two-Sample Assuming Equal Variances
X1 - X 2 (n1 - 1) S1 + (n2 - 1) S 2
2 2
S2 =
( )
v Tiêu chuẩn kiểm định: t= , p
S2 1 + 1 n1 + n 2 - 2
p n1 n2


Ví dụ: Người ta cho 10 bệnh nhân uống thuốc hạ cholesterol đồng thời cho 10 bệnh nhân
khác uống giả dược, rồi xét nghiệm về nồng độ cholesterol trong máu (g/l)của cả 2
nhóm:
Thuốc 1,10 0,99 1,05 1,01 1,02 1,07 1,10 0,98 1,03 1,12
Giả dược 1,25 1,31 1,28 1,20 1,18 1,22 1,22 1,17 1,19 1,21
Với a=0,05 hãy cho biết thuốc có tác dụng hạ cholesterol trong máu không?


§ Kết quả
H0: a1=a2 “Thuốc và giả dược có tác dụng như nhau”
H1: a1<a2 “Thuốc có tác dụng hạ cholesterol trong máu”

14

t-Test: Two-Sample Assuming Equal Variances

Thuốc Giả dược
Mean 1.047 1.223
Variance 0.002401111 0.002001111
Observations 10 10
Pooled Variance 0.002201111
df 18
t Stat -8.388352782
P(T<=t) one-tail 6.19807E-08
P(T<=t) two-tail 1.23961E-07

Þ t= -8,3884 < -ta= -1,7341 nên chấp nhận H1
Vậy thuốc trên có tác dụng hạ cholesterol trong máu.

4) So sánh 2 trung bình với phương sai khác nhau

v Được dùng khi mẩu bé , độc lập và có phương sai khác nhau (2 mẫu phân biệt)

v Chọnmenu:Tools/Data Analysis…/ t-test:Two-Sample Assuming Equal Variances
X1 - X 2
v Tiêu chuẩn kiểm định: t=
2 2
S1 S2
n1
+ n2


Ví dụ: Thời gian tan rã (phút) của một loại viên bao từ 2 xí nghiệp dược phẩm (XNDP) khác
nhau được kiểm nghiệm như sau:

XNDP I 61 71 68 73 71 70 69 74
XNDP II 62 69 65 65 70 71 68 73

Thời gian tan rã của viên bao thuộc hai XNDP có giống nhau không?

§ Nhập, xử lý dữ liệu và kết quả

H0 : a1=a2 “Thời gian tan rã của viên bao 2 XNDP như nhau”
H1 : a1 ¹ a2 “Thời gian tan rã của viên bao 2 XNDP khác nhau”

15

XNDP I XNDP II
Mean 69.625 67.875
Variance 15.98214286 13.26785714
Observations 8 8
df 14
t Stat 0.915208631
P(T<=t) one-tail 0.187788433
P(T<=t) two-tail 0.375576865

Þ ïtï=0,9152 £ 2,1448 nên chấp nhận H0
Vậy thời gian tan rã của viên bao thuộc 2 XNDP như nhau.

5) So sánh 2 tỉ số
v Đối với thí nghiệm có 2 kết quả, để so sánh 2 tỉ số của 2 kết quả đó, ta dùng
r c (nij - npi ) 2 toång haøng x toång coät
kiểm định c2 (chi-quared) : c2= åå , npi =
i =1 j =1 npi n
nij: tần số thực nghiệm, npij: tần số lý thuyết của ô (i,j) ; r : số hàng ; c : số cột
v Dùng hàm CHITEST( actual_range , expected_range).
2
Tính giá trị: P(X>c ) =CHITEST
v Nếu P(X>c2) > a thì chấp nhận H0 và ngược lại.

Ví dụ: Kết quả điều trị trên 2 nhóm bệnh nhân: một nhóm dùng thuốc và một nhóm dùng
giả dược được tóm tắt như sau:
Điều trị Số khỏi bệnh Số không khỏi bệnh
Thuốc 24 15
Giả dược 20 23
Tỉ lệ khỏi bệnh do thuốc và do giả dược có khác nhau không?

16

§ Kết quả

Þ P(X>c2)= 0,17295 > a = 0,05 , nên chấp nhận H0
Vậy tỷ lệ khỏi bệnh do thuốc và do giả dược không khác nhau.

6. So sánh 2 phương sai
v So sánh 2 phương sai được áp dụng để so sánh độ chính xác của 2 phương pháp
định lượng khác nhau.
v Chọn menu:Tools/Data Analysis…/F-Test Two-Samplefor Variances
2
S1
v Tính tiêu chuẩn kiểm định F= 2
S2

2 2
v Nếu F < Fa thì chấp nhận H0: s 1 = s 2 và ngược lại.

Ví dụ: Một được phân tích bởi hai phương pháp A và B với kết quả sau:
A 6,4 5,2 4,8 5,2 4,3 4,4 5,1 5,8
B 2,6 3,5 3,4 3,2 3,4 2,8 2,9 2,8
Cho biết phương pháp nào chính xác hơn?


17

§ Kết quả
H0 : s A = s B
2 2
“Hai phương pháp có độ chính xác như nhau”
H1 : sA
2
>sB
2
“Độ chính xác của phương pháp B cao hơn”
F-Test Two-Sample for Variances
A B
Mean 5.15 3.075
Variance 0.485714286 0.116428571
Observations 8 8
df 7 7
F 4.171779141
P(F<=f) one-tail 0.039514317
F Critical one-tail 3.787050673

Þ F= 4,1718 > 3,7870 nên chấp nhận H1
Vậy phương pháp B chính xác hơn phương pháp A.

18

IV. PHÂN TÍCH PHƯƠNG SAI (ANOVA)
1. Phân tích phương sai 1 nhân tố
Giả sử nhân tố A có k mức X1, X2 , … , Xk với Xj có phân phối chuẩn N(a,s2) có mẫu điều tra
X1 X2 --- Xk
x11 x12 x1k
x21 x22 x2k
: : :
: : … :
x : xn k
n11 k
x n2 2
Với mức ý nghĩa a , hãy kiểm định giả thiết :
H0 : a1 = a2 = … = ak
H1 : “Tồn tại j1¹j2 sao cho aj1≠aj2 “
· Đặt:
k
§ Tổng số quan sát: n= ånj
j =1
nj nj
1 Tj
§ Trung bình mẫu nhóm j ( j =1, .. , k ): xj = å xij = n với T j = å xij
nj i =1 j i =1
ni k k nj
1 k T
§ Trung bình mẫu chung: x= åå xij = n v ới T = åå xij = å T j
n j =1 i =1 j =1 i =1 j =1
n
1 j
§ Phương sai hiệu chỉnh nhóm j: S2
j = å ( xij - x j ) 2
n j - 1 i =1
k nj
§ SST = å å ( xij - x ) 2 Tổng bình phương các độ lệch.
j =1 i =1
k
§ SSA = å n j (x j - x )2 Tổng bình phương độ lệch riêng của các nhóm so với x
j =1

k nj
T2 k T j2
T2
SST = å å 2
xij - SSA = å - SSE = SST - SSA
j =1 i =1 n j =1 n j n
SSA SSE
MSA = MSE =
k -1 n-k
MSA
· Nếu H0 đúng thì F = có phân phối Fisher bậc tự do k-1; n-k
MSE
· Miền Ba : F > Fk-1; n-k ; 1-a
Bảng ANOVA
Nguồn sai số Tổng bình Bậc tự do Bình phương trung bình Giá trị thống kê
phương SS df MS F
Yếu t ố SSA MSA
SSA k-1 MSA = F=
(Between Group)
k -1 MSE
Sai số SSE
SSE = SST - SSA n-k MSE =
(Within Group)
n-k
Tổng cộng SST n-1

19

Ví dụ:
Hàm lượng Alcaloid (mg) trong một loại dược liệu được thu hái từ 3 vùng khác nhau
được số liệu sau:
Vùng 1 : 7,5 6,8 7,1 7,5 6,8 6,6 7,8
Vùng 2 : 5,8 5,6 6,1 6,0 5,7
Vùng 3 : 6,1 6,3 6,5 6,4 6,5 6,3
Hỏi hàm lượng Alcaloid có khác nhau theo vùng hay không?
Dùng Excel
1. Nhập dữ liệu theo cột

2. Chọn mục : Anova: Single Factor

3. Chọn các mục như hình:

20

4. Kết quả
Anova: Single Factor

SUMMARY
Groups Count Sum Average Variance
Vùng 1 7 50.1 7.157143 0.202857
Vùng 2 5 29.2 5.84 0.043
Vùng 3 6 38.1 6.35 0.023

ANOVA
Source of Variation SS df MS F P-value F crit
Between Groups 5.326968 2 2.663484 26.56148 1.17756E-05 3.682316674
Within Groups 1.504143 15 0.100276

Total 6.831111 17

Þ F= 26,5615 > Fk-1; n-k ; 1-a =3,6823 nên bác bỏ H0 chấp nhận H1.
Vậy hàm lượng Alcaloid có sai khác theo vùng.

Bài tập

1. So sánh 3 loại thuốc bổ A, B, C trên 3 nhóm, người ta được kết quả tăng trọng(kg) như sau:
A: 1,0 1,2 1,4 1,1 0,8 0,6
B: 2,0 1,8 1,9 1,2 1,4 1,0 1,5 1,8
C: 0,4 0,6 0,7 0,2 0,3 0,1 0,2
Hãy so sánh kết quả tăng trọng của 3 loại thuốc bổ trên với a = 0,01

2. Một nghiên cứu được thực hiện nhằm xem xét năng suất lúa trung bình của 3 giống lúa.
Kết quả thu thập qua 4 năm như sau:
Năm A B C
1 65 69 75
2 74 72 70
3 64 68 78
4 83 78 76
Hãy cho biết năng suất lúa trung bình của 3 giống lúa có khác nhau hay không? a=0,01

3. So sánh hiệu quả giảm đau của 4 loại thuốc A, B, C, D bằng cách chia 20 bệnh nhân thành
4 nhóm, mỗi nhóm dùng một loại thuốc giảm đau trên. Kết quả mức độ giảm đau là:
A: 82 89 77 72 92
B: 80 70 72 90 68
C: 77 69 67 65 57
D: 65 75 67 55 63
Hỏi hiệu quả giảm đau của 4 loại thuốc có khác nhau không?
Nếu hiệu quả giảm đau của 4 loại thuốc A, B, C, D khác nhau có ý nghĩa, hãy so sánh từng
cặp thuốc với a = 0,05

21

2. Phân tích phương sai 2 nhân tố không lặp
Phân tích nhằm đánh giá sự ảnh hưởng của 2 nhân tố A và B trên các giá trị quan sát xij
Giả sử nhân tố A có n mức a1 , a2 , … , an (nhân tố hàng)
B có m mức b1 , b2 , … , bm (nhân tố cột)

* Mẫu điều tra:
B
b1 b2 ¼ bm
A
a1 x11 x12 ¼ x1m
a2 x21 x22 ¼ x2m
: : : :
: : : :
an xn1 xn2 ¼ xnm

* Giả thiết H0:
· Trung bình nhân tố cột bằng nhau
· Trung bình nhân tố hàng bằng nhau
· Không có sự tương tác giữa nhân tố cột và hàng

* Tiến hành tính toán theo bảng dưới đây:
B
A
b1 b2 ¼ bm Ti* = å xij å xij
2
j j

a1 x11 x12 ¼ x1m T1* å x12j
j

a2 x21 x22 ¼ x2m T2* å x2 j
2

j

: : : : :
: : : : :
an xn1 xn2 ¼ xnm Tn* å xnj
2

j

T*j = å xij T*1 T*2 … T*m T = å xij
i i, j

å xij
2
å xi21 å xi22 å xim
2
å xij
2

i i i i i, j

22

* Bảng ANOVA
Nguồn SS df MS F

Yếu tố A
å 2
Ti*
T2 n-1 MS (A =
SSA
FA =
SSA
SSA=
i
- n - 1 SSE
m m.n

Yếu tố B
å T*2j m-1 SSB SSB
j T2 MSB = FB =
SSB= - m -1 SSE
n m.n

Sai số SSE=SST-SSA-SSB (n-1)(m- SSE
MSE =
1) (n - 1)(m - 1)
T2
Tổng SST= å xij - m.n
2
nm-1
i, j
* Kết luận:
· Nếu FA > F n-1 ; (n-1)(m-1) ; 1-a thì bác bỏ yếu tố A (hàng)
· Nếu FB > F m-1 ; (n-1)(m-1) ; 1-a thì bác bỏ yếu tố B (cột)

Ví dụ:
Chiết suất chất X từ 1 loại dược liệu bằng 3 phương pháp và 5 loại dung môi, ta có kết quả:
PP Chiết suất (B)
b1 b2 b3
Dung môi (A)
a1 120 60 60
a2 120 70 50
a3 130 60 50
a4 150 70 60
a5 110 75 54
Hãy xét ảnh hưởng của phương pháp chiết suất và dung môi đến kết quả chiết suất chất X
với a=0,01.

· Giả thiết H0 : * Trung bình của 3 phương pháp chiết suất bằng nhau
* Trung bình của 5 dung môi bằng nhau
* Không có sự tương tác giữa phương pháp chiế suất và dung môi
· Chọn ToolsData Analysis…Anova: Two-Factor without replication
· Chọn các mục như hình

23

· Kết quả
SUMMARY Count Sum Average Variance
a1 3 240 80 1200
a2 3 240 80 1300
a3 3 240 80 1900
a4 3 280 93.33333333 2433.333333
a5 3 239 79.66666667 800.3333333

b1 5 630 126 230
b2 5 335 67 45
b3 5 274 54.8 25.2

ANOVA
Rows 432.2666667 4 108.0666667 1.124913255 0.409397603 7.006065061
Columns 14498.8 2 7249.4 75.46217904 6.42093E-06 8.64906724
Error 768.5333333 8 96.06666667

Total 15699.6 14

Þ FA < F4 ; 8 ; 0,99 = 7,006 Þ Dung môi không ảnh hưởng đến kết quả chiết suất.
FB > F 2 ; 8 ; 0,99 = 8,649 Þ Phương pháp ảnh hưởng đến kết quả chiết suất.

Bài tập

1) Nghiên cứu về hiệu quả của 3 loại thuốc A, B, C dùng điều trị chứng suy nhược thần kinh.
12 người bệnh được chia làm 4 nhóm theo mức độ bệnh 1 , 2 , 3 , 4 ; trong mỗi nhóm chia
ra để cùng dùng 1 trong 3 loại thuốc trên. Sau 1 tuần điều trị, kết quả đánh giá bằng thang
điểm như sau:

Mức độ
1 2 3 4
bệnh
Thuốc
A 25 40 25 30
B 30 25 25 25
C 25 20 20 25
Hãy đánh giá hiệu quả của các loại thuốc A, B, C có khác nhau hay không ? với a = 0,01

2) Một nghiên cứu được thực hiện nhằm xem xét sự liên hệ giữa loại phân bón, giống lúa đến
năng suất. Năng suất lúa được ghi nhận từ các thực nghiệm sau:
Giống lúa
A B C
Loại phân bón
1 65 69 75
2 74 72 70
3 64 68 78
4 83 78 76
Hãy đánh giá sự ảnh hưởng giống lúa, loại phân bón trên năng suất lúa, a = 0,05.

24

3) Để khảo sát ảnh hưởng của 4 loại thuốc trừ sâu (1, 2, 3 và 4) và ba loại giống (B1, B2 và
B3) đến sản lượng của cam, các nhà nghiên cứu tiến hành một thí nghiệm loại giai thừa.
Trong thí nghiệm này, mỗi giống cam có 4 cây cam được chọn một cách ngẫu nhiên, và 4
loại thuốc trừ sâu áp dụng (cũng ngẫu nhiên) cho mỗi cây cam.
Kết quả nghiên cứu (sản lượng cam) cho từng giống và thuốc trừ sâu như sau:
Thuốc trừ sâu
1 2 3 4
Giống Cam
B1 29 50 43 53
B2 41 58 42 73
B3 66 85 63 85
Hãy cho biết thuốc trừ sâu, giống cam có ảnh h ưởng đến sản lượng cam không? a = 0,05

4) 4 chuyên gia tài chính được yêu cầu dự đoán về tốc độ tăng trưởng (%) trong năm tới của 5
công ty trong ngành nhựa. Dự đoán được ghi nhận như sau:
Chuyên gia
Công ty
A B C D
1 8 12 8,5 13
2 14 10 9 11
3 11 9 12 10
4 9 13 10 13
5 12 10 10 10
Hãy lập bảng ANOVA. Có thể nói rằng dự đoán tốc độ tăng trưởng trung bình là như nhau
cho cả 5 công ty nhựa được không?

3. Phân tích phương sai 2 nhân tố có lặp
Tương tự như bài toán phân tích phương sai 2 nhân tố không lặp, chỉ khác mỗi mức ((ai , bj)
đều có sự lặp lại r lần thí nghiệm và ta cần khảo sát thêm sự tương tác (interaction term) FAB
giữa 2 nhân tố A và B.

* Mẫu điều tra:
B
b1 b2 ¼ bm
A
x111 x121 x1m1
x112 x122 x1m2
a1 : : ¼ :
: : :
x11r x12r x1mr
x211 x221 ¼ x2m1
x212 x222 x2m2
a2 : : :
: : :
x21r x22r x2mr
: : : :
: : : :
xn11 xn21 ¼ xnm1
xn12 xn22 xnm2
an : : :
: : :
xn1r xn2r xnmr

25

* Xử lý mẫu: Tính tổng hàng Ti** = å xijk , tổng cột T*j* = å xijk
j ,k i,k
B
b1 b2 ¼ bm Ti**
A
x111 x121 x1m1
x112 x122 x1m2
a1 : : ¼ : T1**= å x1 jk
: : : j ,k
x11r x12r x1mr
x211 x221 ¼ x2m1
x212 x222 x2m2
a2 : : : T2**= å x2 jk
: : : j ,k
x21r x22r x2mr
: : : :
: : : :
xn11 xn21 ¼ xnm1
xn12 xn22 xnm2
an : : : Tn**= å xnjk
: : : j ,k
xn1r xn2r xnmr

T*j* T*1*= å xi1k T*2*= å xi 2 k T*m*= å ximk T= å xijk
i,k i,k i,k i , j ,k

Cần tính: å xijk
2
å Ti**
2
å T*2j* å Tij2*
i , j ,k i j i, j
Suy ra
T2
SST = å ( xijk - x ) 2 = å xijk - nmr
2

i , j ,k i , j ,k

å Ti**
2
T2
SSA = mr å ( xi** - x ) 2 = i
mr
-
nmr
i

å T*2j*
T2
å ( x* j* - x )
j
SSB = nr
2
= -
j nr nmr
å Tij2* å T*2j* å Ti**
2
T2
å ( xij* - xi** - x* j* + x ) 2 = - - +
i, j j i
SSAB = r
j ,i r nr mr nmr
å 2
xij*
å -
2 i, j
SSE = SST – SSA – SSB – SSAB = xijk
i , j ,k r

26

* Bảng ANOVA

Nguồn SS df MS F
SSA MSA
Yếu tố A SSA n-1 MSA = FA =
n -1 MSE

Yếu tố B SSB m-1 SSB MSB
MSB = FB =
m -1 MSE

Tương tác AB SSAB (n-1)(m-1) SSAB MSAB
MSAB = FAB =
(n - 1)(m - 1) MSE

Sai số SSE nm(r-1) SSE
MSE =
nm(r - 1)
Tổng SST nmr-1

* Kết luận:
· Nếu FA > F n-1 ; nm(r-1) ; 1-a thì bác bỏ yếu tố A (h àng)
· Nếu FB > F m-1 ; nm(r-1) ; 1-a thì bác bỏ yếu tố B (cột)
· Nếu FAB > F (n-1)(m-1) ; nm(r-1) ; 1-a thì có sự tương tác giữa A và B

Ví dụ: Hàm lượng saponin (mg) của cùng một loại dược liệu được thu hái trong 2 mùa (khô và
mưa: trong mỗi mùa lấy mẫu 3 lần - đầu mùa, giữa mùa, cuối mùa) và từ 3 miền (Nam,
Trung, Bắc) thu được kết quả sau:
Miền
Mùa Thời điểm
Nam Trung Bắc

Đầu mùa 2,4 2,1 3,2
Khô Giữa mùa 2,4 2,2 3,2
Cuối mùa 2,5 2,2 3,4
Đầu mùa 2,5 2,2 3,4
Mưa Giữa mùa 2,5 2,3 3,5
Cuối mùa 2,6 2,3 3,5

Hãy cho biết hàm lượng saponin có khác nhau theo mùa hay miền không? Nếu có thì 2 yếu
tố mùa và miền có sự tương tác với nhau hay không? a = 0,05

27

Dùng EXCEL
* Chọn ToolsData Analysis…Anova: Two Factor With Replication
* Chọn các mục như trong hình

* Bảng ANOVA
SUMMARY Nam Trung Bac Total

Count 3 3 3 9
Sum 7.3 6.5 9.8 23.6
Average 2.433333 2.166667 3.266667 2.622222222
Variance 0.003333 0.003333 0.013333 0.251944444

Count 3 3 3 9
Sum 7.6 6.8 10.4 24.8
Average 2.533333 2.266667 3.466667 2.755555556
Variance 0.003333 0.003333 0.003333 0.300277778

Total
Count 6 6 6
Sum 14.9 13.3 20.2
Average 2.483333 2.216667 3.366667
Variance 0.005667 0.005667 0.018667

ANOVA
Sample 0.08 1 0.08 16 0.001761696 4.747221283
Columns 4.347778 2 2.173889 434.7777778 6.36194E-12 3.885290312
Interaction 0.01 2 0.005 1 0.396569457 3.885290312
Within 0.06 12 0.005

Total 4.497778 17
Þ FA > F1; 12; 0,95 = 4,7472 : Hàm lượng saponin khác nhau theo mùa.
FB > F2; 12 ; 0,95 = 3, 8853 : Hàm lượng saponin khác nhau theo miền.
FAB < F2 ; 12 ; 0,95 = 3,8853 : chấp nhận H0 ( không tương tác)
Vậy hàm lượng saponin trong dược liệu khác nhau theo mùa, theo miền và không có sự tương tác
giữa mùa và miền trên hàm lượng saponin.

28

Bài tập
1) Một nghiên cứu được thực hiện nhằm xem xét sự liên hệ giữa loại phân bón, giống lúa và
năng suất. Năng suất lúa được ghi nhận từ các thực nghiệm sau:
Giống lúa
A B C
Loại phân bón
65 69 75
1 68 71 75
62 67 78
74 72 70
2 79 69 69
76 69 65
64 68 78
3 72 73 82
65 75 80
83 78 76
4 82 78 77
84 75 75
Hãy cho biết sự ảnh hưởng của loại phân bón, giống lúa trên năng suất, a = 0,01

2) Điều tra mức tăng trưởng chiều cao của 1 loại cây trồng theo loại đất trồng và loại phân bón
có kết quả:

Loại đất
1 2 3
Loại phân
5,5 4,5 3,5
A 5,5 4,5 4,0
6,0 4,0 3,0
5,6 5,0 4,0
B 7,0 5,5 5,0
7,0 5,0 4,5

Hỏi có sự khác nhau của mức tăng trưởng chiều cao theo loại đất và loại phân bón ?
a=0,05

3) Nghiên cứu sản lượng bông (tạ/ha) theo mật độ trồng A và phân bón B thu được:

Phân bón
Mật độ trồng
b1 b2 b3 b4
16 19 19 20
a1 14 20 21 24
21 23 22 21
16 19 20 17
17 19 21 20
a2 15 18 21 20
17 18 22 22
19 20 23 19
18 20 22 25
a3 18 23 18 22
19 21 21 21
17 21 21 23

Hỏi có sự khác nhau của sản lượng bông theo mật độ trồng, theo phân bón với mức a=0,05

29

V. TƯƠNG QUAN - HỒI QUY
1) Tương quan (Correlation)

§ Hệ số tương quan R=
å xi y i - å xi å y i
[nå xi2 - (å xi ) 2 ][nå yi2 - (å yi ) 2 ]
§ Nếu R >0 thì X, Y tương quan thuận
Nếu R <0 thì X, Y tương quan nghịch

§ Nếu R=0 thì X , Y không tương quan
§ Nếu ïRï=1 thì X,Y có quan hệ hàm số bậc nhất.
§ Nếu ïRï® 1 thì X, Y có tương quan chặt (tương quan mạnh)
§ Nếu ïRï® 0 thì X, Y có tương quan không chặt (tương quan yếu)

Ví dụ: Khảo sát mới quan hệ giữa nhiệt độ trung bình với doanh số bán kem theo bảng thống
kê sau:
Tháng Nhiệt độ trung bình Doanh số bán kem Doanh số bán đậu
4 22 1250 3254
5 27 3297 3072
6 30 5576 3348
7 34 8109 3118
8 38 9645 3211
9 32 7726 3276
10 25 2958 3081

§ Nhập và xử lý dữ liệu: chọn menu Tools/Data Analysis/Correlation

§ Kết quả
Column 1 Column 2 Column 3
Column 1 1
Column 2 0.985572 1
Column 3 0.127653 0.184818 1

30

Vì R12=0,9856 chứng tỏ giữa nhiệt độ (Column 1) và doanh số bán kem (Column 2) có mối
quan hệ rất chặt chẽ với nhau và có tương quan thuận.

2) Hồi quy (Regression)

a) Hồi quy đơn tuyến tính

Sy
§ Phương trình hồi quy tuyến tính: y x = a + bx ,a=r , b = y - ax
Sx
§ Kiểm định hệ số a,b
* Giả thiết H0: Hệ số hồi quy không có ý nghĩa (= 0 )
H1: Hệ số hồi quy có ý nghĩa (¹ 0 )
* Trắc nghiệm t < ta,n-2 : chấp nhận H0

§ Kiểm định phương trình hồi quy
* Giả thiết H0:”Phương trình hồi quy tuyến tính không thích hợp”
H1: ”Phương trình hồi quy tuyến tính thích hợp”
* Trắc nghiệm F < Fa,1,n-2 : chấp nhận H0

Ví dụ: Số liệu về doanh số bán hàng (Y) và chi phí chào hàng (X) của một số công ty, có kết
quả sau:
X (triệuđ/năm) 12 10 11 8 15 14 17 16 20 18
Y (tỷ đ/năm) 2 1,8 1,8 1,5 2,2 2,6 3 3 3,5 3
Xác định phương trình hồi quy tuyến tính

31

SUMMARY OUTPUT

Regression Statistics
Multiple R 0.963150954
R Square 0.927659761
Adjusted R Square 0.918617231
Standard Error 0.191227589
Observations 10

ANOVA
df SS MS F Significance F
Regression 1 3.751456073 3.751456 102.5885 7.71522E-06
Residual 8 0.292543927 0.036568
Total 9 4.044

Coefficients Standard Error t Stat P-value Lower 95%
Intercept 0.053017571 0.243302295 0.217908 0.832956 -0.50803889
X 0.169289534 0.016714013 10.1286 7.72E-06 0.130746927

Þ y x = 0,053 + 0,1693x

· Hệ số hồi quy: 0.832956 > 0,05 : hệ số tự do có ý nghĩa.
7.72E-06 < 0,05 : hệ số của x không có ý nghĩa.
· Phương trình hồi quy tuyến tính này không thích hợp vì 7.71522E-06 < 0,05.

b) Hồi quy đa tuyến tính

§ Phương trình hồi quy đa tuyến tính: y x = b0 + b1 x1 + ... + bn x n
§ Kiểm định hệ số bj
* Giả thiết H0: Các hệ số hồi quy không có ý nghĩa (bj= 0 )
H1: Có ít nhất vài hệ số hồi quy có ý nghĩa (bj ¹ 0 )
* Trắc nghiệm t < ta,n-2 : chấp nhận H0

§ Kiểm định phương trình hồi quy
* Giả thiết H0:”Phương trình hồi quy không thích hợp”
H1: ”Phương trình hồi quy thích hợp với ít nhất vài bj”
* Trắc nghiệm F < Fa,1,n-2 : chấp nhận H0

32

Ví dụ: Người ta đã dùng ba mức nhiệt độ gồm 105 , 120 và 135 0C 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 (ph) Nhiệt độ (0C) 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 ở điều kiện nhiệt độ 115 0C trong 50 phút thì hiệu suất
phản ứng sẽ là bao nhiêu?
· Nhập dữ liệu:

· Y X 1 = b0 + b1 X 1

33

SUMMARY OUTPUT

R Square 0.213917414
Observations 9

ANOVA
Regression 1 6.24891746 6.248917 1.904917 0.209994918
Residual 7 22.96290476 3.280415
Total 8 29.21182222

Intercept 2.726666667 1.280705853 2.129034 0.070771 -0.301719287
X1 0.044539683 0.032270754 1.380187 0.209995 -0.031768471

Phương trình hồi quy: Y X 1 = 2,7267 + 0,04454 X 1 không thích hợp vì 0.209994918 > 0,05
Nghĩa là : Hiệu suất Y không có liên quan tuyến tính với yếu tố thời gian X1

· Y X 2 = b0 + b2 X 2

34

SUMMARY OUTPUT

R Square 0.76375984
Observations 9

ANOVA
Regression 1 22.31081667 22.31082 22.63086 0.002066188
Residual 7 6.901005556 0.985858
Total 8 29.21182222

Intercept -11.14111111 3.25965608 -3.41788 0.011168 -18.84896742
X2 0.128555556 0.027023418 4.757191 0.002066 0.064655371

Phương trình hồi quy: Y X 1 = -11,1411 + 0,1286 X 1 này thích hợp vì 0.002066188 < 0,05
Nghĩa là: Hiệu suất Y có liên quan tuyến tính với yếu tố nhiệt độ X2.

· Y X 1, X 2 = b0 + b1 X 1 + b2 X 2

35

SUMMARY OUTPUT
Multiple R 0.988776
R Square 0.977677
Observations 9

ANOVA
Regression 2 28.55973413 14.27987 131.3921 1.11235E-05
Residual 6 0.652088095 0.108681
Total 8 29.21182222

Intercept -12.7 1.101638961 -11.5283 2.56E-05 -15.3956154
X1 0.04454 0.005873842 7.582718 0.000274 0.030166899
X2 0.128556 0.008972441 14.32782 7.23E-06 0.106600767

Phương trình hồi quy: Y X 1, X 2 = -12,7 + 0,04454 X 1 + 0,1286 X 2 này thích hợp
vì 1.11235E-05 < 0,05
Nghĩa là:Hiệu suất Y có liên quan tuyến tính với thời gian X1 và nhiệt độ X2.

· khi X1=50 , X2=115 ta dự đoán:

Intercept -12.7 Dự đoaùn hiệu suất Y:
X1 0.04454 4.31094
X2 0.128556

36

Bài tập
1. Cho Y là nhu cầu thịt bò (đơn vị 100 tấn) của 12 tháng liên tiếp (X) trong một khu dân cư :
X: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12
Y: 15, 18, 18, 16, 14, 18, 20, 21, 19, 20, 24, 26.
Hãy ước lượng hàm hồi quy tuyến tính đơn, dự báo nhu cầu thịt bò cho 3 tháng tiếp theo.
Đáp số : y = 0.793706 x + 13.92424.
2. Trong 10 tháng liên tiếp lượng hàng bán ra của một công ty rất thấp, sau đó công ty tung ra thị
trường một sản phẩm mới và nhận thấy lượng hàng bán ra tăng theo hàm mũ. Số đơn vị hàng
bán ra (Y) trong 6 tháng tiếp theo (X) cho trong bảng sau:

Hãy ước lượng hàm hồi quy mũ và dự báo lượng hàng bán ra trong các tháng 17, 18, 19, 20
(dùng hàm Growth). Đáp số : y = 495.3048 +1.463276x .
3. Tính hàm hồi quy tuyến tính bội với số liệu cho trong bảng duới

trong đó Y là thu nhập quốc dân, X1 là sản lượng điện, X2 là sản lượng than, X3 là sản lượng
lương thực, X4 là sản lượng thép. Dùng hai phương pháp: dùng hàm Linest và lệnh Tools / Data
Analysis. Dự báo Y với X = (5.2, 65.1, 275.3, 37.8).
Đáp số: dự báo Y =751.79289.
4. Bảng bên cho số liệu về doanh thu (Y), chi phí cho quảng cáo (X1), tiền lương của nhân viên tiếp
thị (X2) của 12 công ty tư nhân, đơn vị là 1 triệu đồng. Xây dựng hàm hồi quy tuyến tính bội Y
phụ thuộc vào X1, X2.

37

Để ước lượng hàm hồi quy ta dùng hàm mảng Linest như sau: đánh dấu khối vùng ô B19: D23,
nhập công thức =LINEST(A2 : A13, B2 : C13, True, True), ấn Ctrl + Shift +Enter, kết quả ta
được 12 số:

Tiếp theo, cho các bộ giá trị mới x1, x2 trong khối ô B15 : C17, cần dự báo các giá trị y được
tính theo (2) trong khối ô D15 :D17. Thao tác tính: đánh dấu khối vùng ô D15:D17, nhập công
thức = Trend(a2: a13,b2: c13, b15: c17, True), ấn Ctrl + Shift +Enter

5. Tính hàm hồi quy của y (sản lựơng nông nghiệp) phụ thuộc vào x (lựơng phân bón).

Công thức trong ô D2 là = Slope(a2:a6, b2:b6), công thức trong ô E2 là =Intercept(a2:a6,
b2:b6), công thức trong ô E5 là =Forecast(d5, a2:a6, b2:b6) để dự báo y với x = 1612.
y = mx + b
Do đó tất cả các hàm và lệnh đã trình bày với hồi quy tuyến tính bội cũng đúng với hồi quy
tuyến tính đơn. Song đối với hồi quy tuyến tính đơn có thêm ba hàm mới.
− Hàm Slope(known_y's, known_x's) ước lượng giá trị m của phương trình (3).
− Hàm Intercept(known_y's, known_x's) ước lượng giá trị b của (3).
− Hàm Forecast( x, known_y's, known_x's ): dự đoán y theo phương trình (3) với giá trị x
biết trước.

38

Xstk excel

More Related Content

What's hot (20)

Similar to Xstk excel (17)

Recently uploaded (20)

Xstk excel