Bài 1 Trong một thí nghiệm nghiên cứu ung thư, 162 con chuột được ghép khối u và chia thành 4 nhóm Mỗi nhóm được chiếu xạ với cường độ khác nhau Bảng sau đây cho kết quả thí nghiệm Mức Kết quả 1 2 3 4[.]
Bài 1: Trong thí nghiệm nghiên cứu ung thư, 162 chuột ghép khối u chia thành nhóm Mỗi nhóm chiếu xạ với cường độ khác Bảng sau cho kết thí nghiệm Mức Kết 10 32 37 32 Hết khối u 32 Không hết Với mức = 1%, so sánh tỷ lệ chữa khỏi ung thư nhóm nói Bài làm Nhận xét : Đây toán kiểm định giả thiết tỷ lệ Giả thiết Ho: Tỷ lệ chữa khỏi ung thư nhóm Thực toán Excel với α = 1% Nhập giá trị vào bảng tính: * Tính tổng số : Tổng hàng: Chọn F4 nhập =SUM(B4:E4), dùng trỏ kéo nút tự điền từ F4 đến F5 Tổng cột: Chọn B6 nhập =SUM(B4:B5), dùng trỏ kéo nút tự điền từ B6 đến E6 Tổng cộng: Chọn F8 nhập =SUM(F4:F5) * Tính tần số lý thuyết: Hết khối u: Chọn B12 nhập =B6*$F$4/$F$8, dùng trỏ kéo nút tự điền từ B12 đến E12 Không hết: Chọn B13 nhập =B6*$F$5/$F$8, dùng trỏ kéo nút tự điền từ B13 đến E13 * Áp dụng hàm số CHITEST : Chọn B15 nhập =CHITEST(B4:E5,B12:E13) Ta s có kết P(X>X²) - Biện luận: P(X>X²) = 4,995e-12 < α = 0,01 => Bác bỏ giả thiết Ho - Kết luận: Tỉ lệ chữa khỏi ung thư nhóm khác Bài 2: Một quan khí tượng tiến hành so sánh nhiệt độ cao ngày hai lục địa châu Âu châu Á Các thành phố lớn lục địa chọn ngẫu nhiên nhiệt độ cao ngày 1/7/1996 ghi lại sau (đo độ Fahrenheit): Châu Âu: Athens: 95, Geneva: 72 , London : 77, Moscow: 86, Rome 88 Châu Á: Bắc kinh: 91, Jerusalem : 88, New Delhi: 94 , Tokyo : 77, Hongkong: 90 Với độ tin cậy 95%, ước lượng nhiệt độ trung bình cao ngày châu Âu châu Á Hãy so sánh nhiệt độ trung bình cao ngày hai châu lục nói với mức ý nghĩa 5% Giả thiết nhiệt độ biến ngẫu nhiên phân phối chuẩn Bài làm Nhận xét: Đây tốn phân tích phương sai yếu tố Mục đích phân tích phương sai yếu tố đánh giá ảnh hưởng yếu tố (nhân tạo hay tự nhiên) giá trị quan sát * Giả thiết: H0: µ1= µ2=…µk ”Các giá trị trung bình nhau” H1: µ1≠ µ2 ”Có hai giá trị trung bình khác nhau” * Giá trị thống kê: F = (MSF/MSE) * Biện luận : Nếu F < Fα (k -1; N-k) => Chấp nhận giả thiết H0 Nhập giá trị vào bảng tính : Vào Data Analysis, chọn Anova: Single Factor Cách tạo Data Analysis: Bước 1: Vào File >> Options Bước 2: Tiếp theo bạn chọn Add-Ins >> Analysis ToolPak và nhấn Go Bước 3: Một hộp thoại bạn check Analysis ToolPak và nhấn OK Bước 4: Như là Data Analysis đã thêm vào mục Data của bạn, bạn click Datavà thấy Data Analysis bên góc phải Trên hình lên hộp thoại Anova: Single Factor Ta nhận thơng số hình bên dưới: -Phạm vi biến số Y(Input Range):ta kéo chuột từ A3 tới ô B8 -Alpha: 0.05 -Group by: columns -Tọa độ đầu (Output Range):kích chuột vào A9 được kết sau: Ta Biện luận: Ta thấy F = 0769475 < F0,05 = F crit = 5,317655 Chấp nhận giả thuyết H0 mức 5% Bài 3: Tính tỉ số tương quan Y X, hệ số tương quan, hệ số xác định tập số liệu sau Với mức ý nghĩa 5%, kết luận v mối tương quan X Y (Có phi tuyến khơng? Có tuyến tính khơng?) Tìm đường hồi quy Y X x 1,32 0,95 1,45 1,3 1,32 1,2 0,95 1,45 1,3 y 0,37 -0,70 0,55 0,35 0,3 0,32 -1,70 0,75 1,3 Bài làm Nhận xét: Đây toán phân tích tương quan (i) Phân tích tương quan tuyến tính Nhập giá trị vào bảng tính: Thiết lập bảng Correlation Vào Data /Data analysis , chọn Correlation Trong hộp thoại Correlation ấn định: Phạm vi đầu vào: Input Range, quét vùng (A3:B12) Cách nhóm theo hang hay cột: Group By, chọn Columns (nhóm theo cột) Chọn Labels in first row (nhãn liệu hàng đầu) Phạm vi đầu ra: Output Range, chọn ô D6 Nhấn OK, ta có bảng kết sau: Ta tìm hệ số tương quan: r = 0,84043 Và hệ số xác định: r = 0,70632 * Giả thiết Ho : X Y khơng có tương quan tuyến tính Ta có: T = 4,10307 với Mà: c = 2,365 T n2 r 1 r (c phân vị mức α/ = 0.025 phân bố Student với n – = bậc tự do) Vì |T| > c nên có sở bác bỏ giả thiết Ho Vậy: Kết luận X Y có tương quan tuyến tính (i) Phân tích tương quan phi tuyến (ii) Phân tich hồi quy tuyến tính Giả thiết Ho : X Y hồi quy tuyến tính Vào Data /Data analysis, chọn Regression Trong hộp thoại Regression ấn định: Phạm vi đầu vào: Input Y Range, quét vùng (B3:B12) Input X Range, quét vùng (A3:A12) Chọn Labels (thêm nhãn liệu) Phạm vi đầu ra: Output Range, chọn ô I3 Chọn Line Fit Plots Residuals để vẽ đường hồi quy Sau nhấn OK ta có kết : Kết luận : Đường hồi quy Y X : Y=3,949351X-4,761189 X Line Fit Plot Y Y 1.32 0.95 1.45 1.3 1.32 1.2 0.95 1.45 1.3 -1 -2 X Sai số tiêu chuẩn đường hồi quy : 0,51 Ta thấy: F = 16,8 > c = 5,59 (tra bảng phân tố Fisher với bậc tự (1,7) mức α = 0,05) Vậy: có hồi quy tuyến tính Y với X Predicted Y Bài 4: Trên sở tập số liệu sau phân tích xem tỷ lệ đỗ loại giỏi có phụ thuộc vào trường phổ thông ban hay không với α = 0,05 Ở z tỷ lệ đỗ loại giỏi (%); f trường phổ thông số 1, 2, 3,4; g ban (1 = ban A, = Ban B) stt z f g stt z f g 38 1 35 2 38 1 10 32 3 42 11 33 42 12 34 41 13 31 42 2 14 33 44 15 33 45 2 16 35 Bài làm Nhận xét: Đây tốn phân tích phương sai hai yếu tố có lặp S phân tích nhằm đánh giá s ảnh hưởng hai yếu tố giá trị quan sát Yij(i=1, 2…r: yếu tố A; j= ,2…c: yếu tố B) * Giả thiết: H0: µ1= µ2=…µk ”Các giá trị trung bình nhau” H1: µ1≠ µ2 ”ít hai giá trị trung bình khác nhau” * Giá trị thống kê: FR = (MSB)/(MSE) FC = (MSF)/(MSE) * Biện luận: Nếu FR < Fα[b-1,(k-1)(b-1)] => chấp nhận H0(yếu tố A) Nếu FC < Fα[b-1,(k-1)(b-1)] => chấp nhận H0(yếu tố B) Ta giả thiết H01: yếu tố Ban không ảnh hưởng đến tỷ lệ đỗ loại giỏi trường Ta giả thiết H02: yếu tố trường phổ thông không ảnh hưởng đến tỷ lệ đỗ loại giỏi trường Nhập giá trị vào bảng tính: Vào Data Analysis Chọn Anova: Two-Factor With Replication => lên hộp thoại Trên hình lên hộp thoại Anova: Two-Factor With Replication Ta nhập vào thơng số hình bên -Phạm vi biến số Y(Input Range):ta kéo chuột từ ô A3 tới E7 -Tọa độ đầu (Output Range):kích chuột vào ô G3 Ta kết sau: Biện luận: Ta thấy FR = 11,571429 > F0.05 = 5,317655 => Bác bỏ giả thiết H01 FC = 55,380952 > F0.05 =4,066181=> Bác bỏ giả thiết H02 Vậy yếu tố Ban trường phổ thông ảnh hưởng đến tỷ lệ đỗ loại giỏi trường