Bài giảng phân tích và xử lý số liệu môi trường chương 3 ts nguyễn thị thủy

KHOA MƠI TRƯỜNG – TÀI NGUN VÀ BIẾN ĐỔI KHÍ HẬU PHÂN TÍCH VÀ XỬ LÝ SỐ LIỆU MƠI TRƯỜNG Chương Ứng dụng tin học xử lý số liệu GVHD: TS Nguyễn Thị Thủy Chương 3: Ứng dụng tin học xử lý số liệu 3.1 Xử lý số liệu thực nghiệm phần mềm Microsoft 3.1.1 Xác định sai số thô 3.1.2 Xác định thông số thơng kê mơ tả 3.1.3 Trình bày biểu đồ 3.2 Xử lý số liệu thực nghiệm phần mềm SPSS 3.2.1 Giới thiệu phần mềm SPSS 3.2.2 Thực phân tích số liệu ANOVA 3.2.3 Trình bày biểu đồ 3.2.4 Phân tích tương quan 3.2.5 Phân tích hồi quy 3.1 Xử lý số liệu thực nghiệm phần mềm Microsoft Cài đặt Analysis ToolPak (File > options > Add-ins > Analysis tool Pak) Chọn lệnh Tool/Data Analysis (Data > Data analysis) 3.1.1 Xác định sai số thơ • Sắp xếp giá trị thu từ nhỏ đến lớn ngược lại • X1, X2, X3, …., Xn • Tính Qtn (chuẩn Dixon) so sánh với giá trị Qlt = QP,n • Nếu Qtn > Qlt (P=0.95) kết luận giá trị X1 loại khỏi dãy số liệu • VD1: Xác định hàm lượng % CaCO3 mẫu đá vôi người ta thu kết sau: 36, 40, 38, 42, 20, 39 Vậy có nên loại bỏ giá trị 20% hay 42% dãy số liệu không? (Thực excel) 3.1.2 Xác định thông số thông kê mô tả VD2: Xác định thông số thống kê mơ tả [Gồm: Kỳ vọng (trung bình), phương sai, trung vị, mode, độ lệch chuẩn, độ nhọn, độ nghiêng, khoảng biến thiên, max, min, sum, số mẫu (count), khoảng tin cậy trung bình mức 95%] hai dãy liệu thí nghiệm sau: STT TN1 TN2 201 151 203 153 209 259 204 154 202 202 206 256 200 150 207 257 207 257 Trình bày biểu đồ • Excel > Insert > Charts Thực hành: • VD3 Cho số liệu bảng sau, vẽ biểu đồ Ngày 10 11 12 Tổng Coliform nước sông Đồng Nai (VK/100mL) Tổng Coliform nước sau Tổng Coliform nước sau màng (VK/100mL) lọc gốm (VK/100mL) 74000 13 76000 65000 71000 45000 73200 71800 67000 58000 69100 63000 57000 74900 25 20 11 12 11 15 2 Phân tích hồi quy ‒ Đồ thị biểu diễn phụ thuộc đại lượng y vào x dựa theo giá trị thực nghiệm (xi, yi) đường thẳng cong ‒ Phương pháp hồi quy phương pháp tìm hàm phù hợp ‒ Biểu thức toán học hàm phù hợp gọi phương trình hồi quy ‒ Cơng cụ tốn học để tìm thơng số hàm phù hợp gọi phân tích hồi quy ‒ Ứng dụng: Tìm đồ thị chuẩn hàm lượng x biết xác tín hiệu phân tích y Khi có phương trình hồi quy, sử dụng ngược phương trình: đo tín hiệu phân tích y mẫu, tính hàm lượng x • Điều kiện thực hiện: Phương trình hồi quy tuyến tính đơn Simple linear regression Mơ hình hồi quy đơn giải thích ảnh hưởng biến độc lập (x) lên biến phụ thuộc (y) 𝐲 = 𝛃𝟎 + 𝛃𝟏 𝐱 + 𝛆 Trong đó, 𝑦 : biến phụ thuộc x : biến độc lập (với xi giá trị x) 𝛽0 : tham số tự (tham số chặn) 𝛽1 : tham số biến ε : sai số (yếu tố gây nhiễu) Ý nghĩa tham số Phương pháp bình phương bé Theo phương pháp bình phương bé ước lượng hệ số 𝛽0 𝛽1 giá trị a b cho tổng bình phương sai số ( 𝑒𝑖 ) bé Do đó, hệ số a b tính sau: b= xi yi − n xy xi − n x a = y − b x  Phương trình hồi quy đơn là: y = a + b.x VD Một quy trình xử lý nước cấp bao gồm xử lý nước đầu vào (Feed) màng vi lọc (PerMF), sau tới màng lọc gốm (PerCF) Bảng sau cho biết độ đục mẫu đầu vào, sau màng vi lọc sau lọc gốm Hãy phân tích hồi quy Feed PerMF, PerMF PerCF Đầu vào STT 10 11 12 13 14 15 43.5 39.89 33.25 42.81 29.38 29.94 33.05 25.64 32.18 25.35 28.73 23.94 31.25 35.64 23.42 Sau màng vi lọc 0.22 0.11 0.09 0.31 0.04 0.09 0.12 0.07 0.11 0 0.21 0.14 Sau lọc gốm 0.15 0.04 0.06 0.21 0.01 0.11 0.05 0.06 0 0.09 0.06 Hồi quy tuyến tính đa biến (Multiple linear regression) • Mơ hình hồi quy đa biến giải thích ảnh hưởng hai hay nhiều biến độc lập đến (xi) biến phụ thuộc (y) 𝐲 = 𝛃𝟎 + 𝛃𝟏 𝒙𝟏 + 𝛃𝟐 𝒙𝟐 + … + 𝛃𝐤 𝐱𝐤 • Theo phương pháp bình phương bé ước lượng hệ số 𝛽0 ; 𝛽1; 𝛽2; …; 𝛽𝑘 giá trị tương ứng a, b1 ; b2 ; …; bk cho tổng bình phương sai số ( 𝑒𝑖 ) bé  Phương trình hồi quy đa biến là: y = a + 𝐛𝟏 𝐱 𝟏 + 𝐛𝟐 𝐱 𝟐 + … + 𝐛𝐤 𝐱 𝐤 Hệ số xác định 𝑹𝟐 (Multiple coefficient of determination) • R2 tỷ lệ (phần trăm) biến động biến phụ thuộc (y) giải thích biến độc lập (xi) ≤ 𝑹𝟐 ≤ 𝟏 • R2 lớn cho biết biến độc lập mơ hình giải thích nhiều biến động biến phụ thuộc Hệ số xác định điều chỉnh 𝐑𝟐 (Adjusted coefficient of determination) R2 hệ số R2 điều chỉnh theo công thức sau: 2) 𝑘(1 − 𝑅 𝑅2 = 𝑅2 − 𝑛−𝑘−1  Giá trị thước đo phù hợp mơ hình hồi quy hiệu sát hợp R2 khơng phụ thuộc vào độ lệch phóng đại R2 Giá trị Sig.F (Significance F) Giá trị Sig.F kết hồi quy tương tự p-value sở để định bác bỏ hay chấp nhận giả thuyết H0 (Với H0:𝛃𝟎 = 𝛃𝟏 = 𝛃𝟐 = … = 𝛃𝐤 = 𝟎; hay biến độc lập liên hệ tuyến tính với biến phụ thuộc)  Giá trị Sig.F nhỏ mơ hình hồi quy có ý nghĩa ỏ mức ý nghĩa kiểm định (𝜶) Hệ số hồi quy riêng phần mơ hình hồi quy ( 𝛃𝐤 ) Hệ số hồi quy riêng phần ( βk ) đo lường thay đổi giá trị trung bình Y Xk thay đổi đơn vị điều kiện cố định biến độc lập khác Các hệ số hồi quy riêng phần phải thỏa điều kiện khác không có giá trị sig biến độc lập có ý nghĩa thống kê mức ý nghĩa 𝛼