8/19/2019 Mo Hinh Thuc Nghiem (2013)
1/35
1
MÔ HÌNH THỰC NGHIỆM
GS. TS. Đặng Văn Giáp
Tháng 5/ 2013
KHÁI NIỆM MỞ ĐẦU
8/19/2019 Mo Hinh Thuc Nghiem (2013)
2/35
2
MÔ HÌNH TH Ự C NGHI Ệ M
Quá trình nghiên cứu khoa học
1
2
3
4
5
6
7
8
Đặt vấn đề
Xác định mục tiêu
Mô hình thực nghiệm
Tiến hành thực nghiệmvà thu thập dữ liệu
Phân tích dữ liệu
Lý giải kết quả
Kiểm chứng kết quả
Chọn biến số
8/19/2019 Mo Hinh Thuc Nghiem (2013)
3/35
3
Mô hình nghiên cứu
Mô hình nghiên cứu (study design, research design), còn gọi là thiết kế nghiên
cứu, bao hàm phương pháp luận và phương cách tổng quát để tiến hành
nghiên cứu khoa học.
Mô hình nghiên cứu xác định các khía cạnh:
a. Kiểu nghiên cứu:
̶ mô tả, tương quan, bán thực nghiệm, thực nghiệm hay phân tích dữ liệu gốc;
̶ hồi cứu, tiến cứu, mô tả cắt ngang (thống kê y-xã hội học)
b. Câu hỏi nghiên cứu.
c. Mô hình thực nghiệm, phương pháp thu thập dữ liệu và kế hoạch phân tích
thống kê.
Mô hình nghiên cứu phải được xác định rõ ràng trong đề cương nghiên cứu.
Mô hình thực nghiệm
Mô hình thực nghiệm (experimental design), còn gọi là thiết kế thí nghiệm(design of experiments), bao gồm các thí nghiệm được thiết kế (hay được kiểmsoát) nhằm định hướng cho việc thu thập dữ liệu thực nghiệm một cách hệthống, có kế hoạch và đầy đủ.
Mô hình thực nghiệm quy định các biến số độc lập (xi), các biến số phụ thuộc(y j) và cỡ mẫu thí nghệm (n); có thể được thiết kế bởi phần mềm. Mô hình thựcnghiệm nào thì phương pháp phân tích thống kê (hay phân tích dữ liệu) ấy!
Mô hình thực nghiệm được áp dụng để khảo sát ảnh hưởng các yếu tố(treatment) trên các đối tượng (người, bộ phận cơ thể, nhóm người, cây,thú...). Nó r ất thông dụng trong nghiên cứu thực nghiệm, bán thực nghiệm haythống kê (tầm soát, quan sát) trong khoa học tự nhiên hay khoa học xã hội.
Mô hình nghiên cứu là điều kiện cần, mô hình thực nghiệm là điều kiện đủ đểtiến hành nghiên cứu khoa học.
8/19/2019 Mo Hinh Thuc Nghiem (2013)
4/35
4
Mô hình nghiên cứu “ngẫu nhiên, giao nhau 2 x 2”: thông dụng trong nghiên
cứu tương đương sinh học.Giai ñoaïn
Trình töï 1
Trình töï 2
Caùc caùc theå
C h o
ï n n g a ã u n h i e â n
T
aï m n
g ö n g
R T
T R
I II
Không nên cóhi ệu quả t ồn d ư
Thí dụ: mô hình nghiên cứu
Thí dụ: mô hình thực nghiệm (n = 24)
NTN Giai đoạn 1 Giai đoạn 2
171314781912018210219242315121622634511
Thuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệm
Thuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc thử nghiệmThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếuThuốc đối chi ếu
8/19/2019 Mo Hinh Thuc Nghiem (2013)
5/35
5
Thành phần của mô hình thực nghiệm
Mấy ly?
Mất phút?
Mấy ly?
Mấy tr ứng?Tr ứng
Bột
Đường
Lò nướng
Sản phẩm
Tính chất:
- Vị- Mùi- Thể chất
Yếu tố Mức Đáp ứng
Mô hình yếu tố kinh điển
DF (Degree of freedom): bậc tự do
SS (Sum of squares): tổng bình phương (sai số)
MS (Mean of squares): trung bình của bình phương
1. Mô hình 1 yếu tố (one-factor design; ANOVA: single factor)
2. Mô hình 2 yếu tố (two-factor design; ANOVA: two-factor)
− Không lặp (without replication)− Có lặp (with replication)− Giao nhau (cross-over)
3. Mô hình phân tích phương sai 3 yếu tố (latin square design)
8/19/2019 Mo Hinh Thuc Nghiem (2013)
6/35
6
Mô hình yếu tố tổng quát
Một mô hình với F yếu tố được khảo sát, mỗi yếu tố có L mức, đòi hỏi số
lượng thí nghiệm hay cỡ mẫu n = LF. Thí dụ: mô hình F = 2 yếu tố L = 2 mức:
Mô hình yếu tố đầy đủ (full factorial design) cho phép khảo sát ảnh hưởng của
các yếu tố cũng như tương tác của chúng. Tuy nhiên mô hình yếu tố đầy đủ
đòi hỏi phải có một số lượng thí nghiệm r ất lớn khi số yếu tố tăng lên.
Mô hình yếu tố giản lược (fractional factorial design) cho phép giảm bớt r ấtnhiều số thí nghiệm mà vẫn khảo sát được một số sự ảnh hưởng của các yếutố. Thí dụ: D-Optimal, Taguchi OA...
102451225612864321684n
1098765432F
Mô hình yếu tố đặc biệt: D-optimal
aab19bbb18caa17cac16cab15bba14bca13bac12abb11aaa10bcc9abc8bcb7cba6bab5aca4ccc3acc2cbc1x3x2x1 3 yếu tố x 3 mức:
a = Thấpb = Trung bìnhc = Cao
D-Optimal:
n = 19
Thay vì đầy đủ:
n = LF = 33 = 27
8/19/2019 Mo Hinh Thuc Nghiem (2013)
7/35
7
Mô hình yếu tố đặc biệt: Taguchi OA
Taguchi OA:
n = 16
Thay vi đầy đủ:
n = LF = 45 = 1024
5 yếu tố x 4 mức:
a = Thấpb = Dưới trung bìnhc = Trên trung bìnhd = Cao
dbacc16
aaaaa15
dcbab14bdcac13
badcb12
dddda11
bbbba10
adbcd9
cabdc8
dacbd7
bcadd6
cccca5
acdbc4
cdabb3
abcdb2
cbdad1
x5x4x3x2x1
TR ẮC NGHI Ệ MGI Ả THUY Ế T KHÔNG
8/19/2019 Mo Hinh Thuc Nghiem (2013)
8/35
8
Giả thuyết: nghiên cứu và thống kê
Giả thuyết nghiên cứu (Research hypothesis)
Là sự ước đoán (conjecture) hay sự giả thiết (supposition) về các đặc tính nào
đó của một quần thể.
Giả thuyết thống kê (Statistical hypothesis)
Là phần cụ thể hóa của giả thuyết nghiên cứu, gồm hai phần:
H0: Giả thuyết không (Null hypothesis)
H A: Giả thuyết thay thế (Alternative hypothesis)
Tr ắc nghiệm giả thuyết thống kê, gọi tắt là tr ắc nghiệm giả thuyết, có mục đích
xem xét khả năng chấp nhận hay bác bỏ giả thuyết H0.
Khái niệm và trong toán thống kê
Quyết định
Hành động đúng (1 - )Sai lầm loại I ()Bác bỏ
Sai lầm loại II ()Hành động đúng (1 - )Chấp nhận
Sai Đúng
Giả thuyết không (H0)
= sai số loại I = xác suất bác bỏ H0 (giả sử nó đúng).
Còn được gọi là mức ý ngh ĩ a (level of significance).
Các giá tr ị của : 0,10 hay 0,05 hoặc 0,01.
= sai số loại II = xác suất chấp nhận H0 (giả sử nó sai).
Power = 1 - .
Các giá tr ị của : 0,05 hay 0,10 hoặc 0,20.
8/19/2019 Mo Hinh Thuc Nghiem (2013)
9/35
9
Kết quả
Âm tính thật (1 - ) Âm tính giả () Âm tính
Dương tính giả ()Dương tính thật (1 - )Dươ ng tính
Không bệnhCó bệnh
Bệnh tr ạng
Khái niệm và trong chẩn đoán
Dương tính thật (True positive)Dương tính giả (False positive)
Âm tính thật (True negative)
Âm tính giả (False negative)
Độ tin cậy và các giá tr ị tương đương
2,576
1,960
1,650
Hệ số tin cậy (z)
0,01
0,05
0,10
Mức ý ngh ĩ a ()
99
95
90
Độ tin cậy (%)
Trong thực tế người ta hay áp dụng độ tin cậy 95%, tương ứng với giá tr ị =
0,05 và giá tr ị z = 1,96.
Tùy theo tr ường hợp, các công cụ phân tích thống kê sẽ yêu cầu khai báo độ
tin cậy, mức ý ngh ĩ a hay hệ số tin cậy.
8/19/2019 Mo Hinh Thuc Nghiem (2013)
10/35
10
Mức ý ngh ĩ a và độ tin cậy
MÔ HÌNHPHÂN TÍCH PHƯƠNG SAI
8/19/2019 Mo Hinh Thuc Nghiem (2013)
11/35
11
MÔ HÌNH M ỘT Y Ế U T Ố
Ý ngh ĩ a khoa học
Các giá tr ị thực nghiệm bị ảnh hưởng bởi một yếu tố bất kỳ có thể được trình
bày theo mô hình:
yij = + i + eij
: giá tr ị lý thuyết
i: ảnh hưởng của yếu tố khảo sát
eij: sai số ngẫu nhiên
Mô hình (hay ANOVA) một yếu tố khảo sát sự ảnh hưởng của một yếu tố bất
kỳ có k mức trên các giá tr ị yij theo mô hình trên.
8/19/2019 Mo Hinh Thuc Nghiem (2013)
12/35
12
Mô hình thực nghiệm
ykn4...y3n3y2n2y1n1
...............
yk2...y32y22y12
yk1...y31y21y11
k...321
Yếu tố khảo sát (có k mức)
Lưu ý:
- Các cỡ mẫu n1, n2, ... nk không nhất thiết phải bằng nhau.
- Tổng số thí nghiệm: n = n1 + n2 + ... + nk
Bảng ANOVA 1 yếu tố
EMSESSn - kSai số
FMS/ EMS
F
FMS
MS
TSS
FSS
SS
n - 1
k - 1
DF
Tổng cộng
Yếu tố khảo sát
Nguồn sai số
8/19/2019 Mo Hinh Thuc Nghiem (2013)
13/35
13
Tr ắc nghiệm giả thuyết
H0: 1 = 2 = 3 ... = kH A: ít nhất có 2 i khác nhau
H0: i = 0 (i = 1, 2, 3..., k)
H A: ít nhất có một i 0hay
F = FMS/ EMS
Nếu F > F (1 = k - 1, 2 = n - k) Bác bỏ H0, và ngược lại.
Phân tích thống kê
Biện luận kết quả
Giả thuyết thống kê
Công cụ phân tích dữ liệu
Khối dữ liệu
Cách sắp xếp
Nhãn dữ liệuMức ý ngh ĩ a
Nơi ra kết quả
MS-Excel: Tools\ Data Analysis\ Anova: Single Factor
8/19/2019 Mo Hinh Thuc Nghiem (2013)
14/35
14
Thí dụ 1
Dựa theo bệnh án được ghi bởi 3 bác s ĩ , số ngày nằm viện của các bệnh nhân(cùng tr ải qua tiểu phẫu, không có biến chứng) được thống kê như sau:
Thời gian nằm viện của các bệnh nhân có khácnhau hay không ( = 0,05)?
Hướng dẫn
F = 4,704 > F0,05 = 3,467
p = 0,02 < = 0,055
4
3
3
3
3
3
5
C
3
3
5
4
3
4
5
4
B
5
4
4
6
6
4
5
5
A
MÔ HÌNH HAI Y Ế U T ỐKHÔNG L ẶP
8/19/2019 Mo Hinh Thuc Nghiem (2013)
15/35
15
Ý ngh ĩ a khoa học
Các giá tr ị thực nghiệm bị ảnh hưởng bởi hai yếu tố A và B (không kể tương
tác AB) có thể được trình bày theo mô hình:
yij = + i + j + eij
: giá tr ị lý thuyết
i: ảnh hưởng của yếu tố A
j: ảnh hưởng của yếu tố B
eij: sai số ngẫu nhiên
Mô hình (hay ANOVA) hai yếu tố không lặp khảo sát ảnh hưởng của 2 yếu tố A và B, không xem xét sự tương tác AB (nếu có), trên các giá tr ị yij theo mô
hình trên.
Mô hình thực nghiệm
Lưu ý:
Tổng số thí nghiệm: n = ab
y1b
...
y12
y11
1
yab...y3by2bb
...............
ya2...y32y222
ya1...y31y211
a...32
Yếu tố A
Y ế u t ố B
8/19/2019 Mo Hinh Thuc Nghiem (2013)
16/35
16
Bảng ANOVA 2 yếu tố không lặp
EMSESS(a - 1)(b - 1)Sai số
BMS/ EMSBMSBSSb - 1Yếu tố B
AMS/ EMS
F
AMS
MS
TSS
ASS
SS
n - 1
a - 1
DF
Tổng cộng
Yếu tố A
Nguồn sai số
Tr ắc nghiệm giả thuyết
Nếu F A > F [1 = a - 1, 2 = (a - 1)(b - 1)] Bác bỏ H0, và ngược lại.
Nếu FB > F [1 = b - 1, 2 = (a - 1)(b - 1)] Bác bỏ H0, và ngược lại.
F A = AMS/ EMS và FB = BMS/ EMS
Phân tích thống kê
Biện luận kết quả
Giả thuyết thống kê
H0: i = 0 (i = 1, 2, 3, ... a)
H A: ít nhất có một i 0 A
H0: j = 0 (j = 1, 2, 3, ... b)
H A: ít nhất có một j 0B
8/19/2019 Mo Hinh Thuc Nghiem (2013)
17/35
17
MS-Excel: Tools\ Data Analysis\ Anova: Two-Factor without Replication
Khối dữ liệu
Nhãn dữ liệuMức ý ngh ĩ a
Nơi ra kết quả
Công cụ phân tích dữ liệu
Thí dụ 2
Điểm linh hoạt của 4 nhóm bệnh nhân tâm thần sau khi được điều tr ị bởi 5phương pháp phân tâm học:
7489708170Trung bình
7081687867Thấp
6980657062Rất thấp
6468606858Không
EDCB A
Phương pháp phân tâm học hiệu nghiệm hay không ( = 0,05)?
F A = 30,229 > F0,05 = 3,259
p = 3,5x10-6 < = 0,05
Hướng dẫn
8/19/2019 Mo Hinh Thuc Nghiem (2013)
18/35
18
MÔ HÌNH HAI Y Ế U T ỐCÓ L ẶP
Các giá tr ị thực nghiệm bị ảnh hưởng bởi hai yếu tố A và B, kể cả tương tác
AB, có thể được trình bày theo mô hình:
Yijk = + i + j + ()ij + Eijk
: giá tr ị lý thuyết
i: ảnh hưởng của yếu tố A
j: ảnh hưởng của yếu tố B
()ij: ảnh hưởng do tương tác AB
Eijk: sai số ngẫu nhiên
Mô hình (hay ANOVA) hai yếu tố có lặp khảo sát ảnh hưởng của 2 yếu tố A và
B, có xem xét sự tương tác AB (nếu có), trên các giá tr ị Yijk theo mô hình trên.
Ý ngh ĩ a khoa học
8/19/2019 Mo Hinh Thuc Nghiem (2013)
19/35
19
Thí dụ về tương tác (dược phẩm):
1 + 1 = 0 Sự đối kháng (antagonism)
1 + 1 >> 2 Sự hiệp lực (synergism)
Bactrim = sulfamethoxazole + trimethoprim
tr ụ sinh kháng khuẩn
Nghiện morphin + Chích nalorphine = Hết nghiện
Mô hình thực nghiệm
Yếu tố A
Y ế u t ố B
C ỡ
l ặ p ( r
2 )
xxxx
xxxx
xxxx
xxxx
xxxx
b
………………
xxxx
xxxx
xxxx
xxxx
xxxx
1
xxxx
xxxx
xxxx
xxxx
xxxx
2
xxxx
xxxx
xxxx
xxxx
xxxx
3
a…21 3
8/19/2019 Mo Hinh Thuc Nghiem (2013)
20/35
20
Bảng ANOVA 2 yếu tố có lặp
EMSESSab(r - 1)Sai số
BMS/ EMSBMSBSSb - 1Yếu tố B2
ABMS/ EMS ABMS ABSS(a - 1)(b - 1)Tương tác AB3
AMS/ EMS AMS ASSa - 1Yếu tố A1
TSSrab - 1Tổng cộng
DF FMSSSNguồn sai số
1. Columns 2. Sample 3. Interaction
Tr ắc nghiệm giả thuyết
Đặt giả thuyết
Phân tích thống kê
Biện luận kết quảNếu F A > F [1 = a - 1, 2 = ab(r - 1)]: Bác bỏ H0, và ngược lại.
Nếu FB > F [1 = b - 1, 2 = ab(r - 1)]: Bác bỏ H0, và ngược lại.
Nếu F AB > F [1 = (a - 1)(b - 1), 2 = ab(r - 1)]: Bác bỏ H0, và ngược lại.
H0: i 0 (i = 1, 2, 3, ... a)
H A: ít nhất có một i 0 A H0: j 0 (j = 1, 2, 3, ... b)
H A: ít nhất có một j 0B
H0: ()ij = 0
H A: ít nhất có một ()ij 0 AB
F A = AMS/ EMS, FB = BMS/ EMS và F AB = ABMS/ EMS
8/19/2019 Mo Hinh Thuc Nghiem (2013)
21/35
21
Nhập dữ liệu
Nhãn dữ liệu
Mức ý ngh ĩ a
Nơi ra kết quả
MS-Excel: Tools\ Data Analysis\ Anova: Two-Factor with Replication
Công cụ phân tích dữ liệu
30233119272630202830282030252521 29242320
Lao
6040303645423035503631304542294540393030
Ung thư
3230302129252827262429223128302528242520
Tim
> 5040-4930-3920-29
Thí dụ 3
8/19/2019 Mo Hinh Thuc Nghiem (2013)
22/35
22
F A = 18,634 > F0,05 = 2,798
p = 3,7 x 10-8 < = 0,05
FB = 80,540 > F0,05 = 3,191
p = 4,6 x 10-16 < = 0,05
FI = 7.035 > F0,05 = 2,295
p = 2,1 x 10-5 < = 0,05
Hướng dẫn
Theo tài liệu thống kê, thời gian thăm bệnh (phút) tại nhà bệnh nhân của 4nhóm y s ĩ có tuổi khác nhau (xem Bảng tiếp theo).
Hãy cho biết nhóm tuổi của y s ĩ và/ hoặc loại bệnh được thăm khám có ảnhhưởng đến thời gian thăm bệnh? Có tương tác giữa 2 yếu tố nêu trên haykhông ( = 0,05)?
MÔ HÌNH HAI Y Ế U T ỐGIAO NHAU
8/19/2019 Mo Hinh Thuc Nghiem (2013)
23/35
23
Ý ngh ĩ a khoa học
Mô hình giao nhau được xem như môhình hai yếu tố mà trong đó mỗi đơn vị đều được áp dụng lần lượt tất cả mứckhảo sát.
So với mô hình hai yếu tố, mô hìnhgiao nhau có đặc điểm là những thínghiệm được sắp đặt theo một thứ tự (order) như ý định.
Nhờ sự quân bình của thứ tự, nếu xảy
ra sự ảnh hưởng khác nhau giữa cácđợt sẽ có sự bù tr ừ cho nên mô hìnhgiao nhau ít sai số hơn mô hình haiyếu tố.
B ệ n h n h â n
1234567
89
B ABC
ACB
C A
CC
ABB
A A
BC
ABC
ACBC
AB
Giai đoạn
1 2 3
A, B, C: loại thuốc
Bảng ANOVA 2 yếu tố giao nhau
EMS ABSS(a - 1)(b - 2)Sai số
BMS/ EMSBMSBSSb - 1Yếu tố B
OMS/ EMSOMSOSSa - 1Thứ tự O
AMS/ EMS AMS ASSa - 1Yếu tố A
TSSab - 1Tổng cộng
DF FMSSSNguồn sai số
8/19/2019 Mo Hinh Thuc Nghiem (2013)
24/35
24
Tr ắc nghiệm giả thuyết
Đặt giả thuyết
Phân tích thống kê
Biện luận kết quả
Nếu F A > F [1 = (a - 1), 2 = (a - 1)(b - 2)]: Bác bỏ H0, và ngược lại.
Nếu FB > F [1 = (b - 1), 2 = (a – 1)(b - 2)]: Bác bỏ H0, và ngược lại.
Nếu FO > F [1 = (a - 1), 2 = (a - 1)(b - 2)]: Bác bỏ H0, và ngược lại.
H0: i 0 (i = 1, 2, 3, ... a)
H A: ít nhất có một i 0 A H0: j 0 (j = 1, 2, 3, ... b)
H A: ít nhất có một j 0B
H0: ()ij = 0
H A: ít nhất có một ()ij 0O
F A = AMS/ EMS, FB = BMS/ EMS và FO = OMS/ EMS
Thí dụ 4
128C90 A98B3
99 A102C107B1IIIIII
89B106C100 A2
107C111B92 A5
195C187 A169B7
155B168C122 A9
63 A54B71C4
77 A95B88C8
91B115 A113C6
Giai đoạn & Thứ tự
B ệ n h n h â n
Hướng dẫn
FO = 0,950 < F0,05 = 3,739p = 0,41 > = 0,05
Hãy cho biết thứ tự
dùng thuốc có ảnh
hưởng trên các giá tr ị
AUC (g/ ml.giờ) của
3 thuốc A, B và C (
= 0,05)?
8/19/2019 Mo Hinh Thuc Nghiem (2013)
25/35
25
MÔ HÌNH BA Y Ế U T Ố ĐƠ N GI ẢN (VUÔNG LA TINH)
Ý ngh ĩ a khoa học
Yijkl = + i + j + k + ()ij + ()ik+() jk + ()ijk + Eijkl
giá tr ị lý thuyếti, j vaø k ảnh hưởng của A, B và C()ij, ()ik vaø () jk tương tác AB, AC và BC()ijk tương tác ABCEijkl sai số ngẫu nhiên
Các giá tr ị thực nghiệm bị ảnh hưởng bởi ba yếu tố A, B và C, kể cả tương tác
nếu có, có thể được trình bày theo mô hình:
Tr ường hợp đơn giản nhất (không tính bất kỳ tương tác nào), mô hình vuông
La tinh có dạng như sau:
Yijkl = + i + j + k + Eijk
8/19/2019 Mo Hinh Thuc Nghiem (2013)
26/35
26
Bảng ANOVA 3 yếu tố (vuông la tinh)
EMSESS(r – 1)(r - 2)Sai số
BMS/ EMSBMSBSSr - 1Yếu tố B
CMS/ EMSCMSCSSr - 1Yếu tố C
AMS/ EMS AMS ASSr - 1Yếu tố A
TSSr 2
- 1Tổng cộng
DF FMSSSNguồn sai số
r = số mức của các yếu tố (3, 4, 5...)
Tr ắc nghiệm giả thuyết
Đặt giả thuyết
Phân tích thống kê
Biện luận kết quảNếu F A > F [1 = (r - 1), 2 = (r - 1)(r - 2)]: Bác bỏ H0, và ngược lại.
Nếu FB > F [1 = (r - 1), 2 = (r – 1)(r - 2)]: Bác bỏ H0, và ngược lại.
Nếu FC > F [1 = (r - 1), 2 = (r - 1)(r - 2)]: Bác bỏ H0, và ngược lại.
H0: i 0 (i = 1, 2, 3, ... a)
H A: ít nhất có một i 0 A H0: j 0 (j = 1, 2, 3, ... b)
H A: ít nhất có một j 0B
H0: i 0 (k = 1, 2, 3, ... c)H A: ít nhất có một i 0
C
F A = AMS/ EMS, FB = BMS/ EMS và FC = CMS/ EMS
8/19/2019 Mo Hinh Thuc Nghiem (2013)
27/35
27
Thí dụ 5
Dựa vào kết quả sau, hãy cho biết thuốc có tác dụng làm giảm cân hay không(= 0,05)?
300200100> 80
100300200< 60
200
>70
300
> 50
10060-80
50-70
Mô hình vuông La tinh K ết quả gi ảm cân (kg)
Tuổi (năm)
T h ể t r ọ n g ( k g )
Thuốc (mg)
653
545
465
Hướng dẫn
FC = 28.000 > F0,05 = 19.000p = 0,03 < = 0,05
MÔ HÌNH ĐA YẾU TỐVÀ ĐA ĐÁP ỨNG
8/19/2019 Mo Hinh Thuc Nghiem (2013)
28/35
28
Một số thí dụ “đa yếu tố, đa đáp ứng”
̶ y1 = Cholesterol toàn phần
̶ y2 = Triglycerid ̶ y3 = Creatinin ̶ y4 = Sang thương sinh thiết loại 1 ̶ ...
̶ x1 = Thời gian tr ước điều tr ị ̶ x2 = Phương pháp điều tr ị ̶ x3 = Đáp ứng điều tr ị ̶ ...
Hội chứng thận hư ở tr ẻ em (Khoa Nhi)
Yếu tố ảnh hưởng = Biến số độc lập (xi) = Nguyên nhân:
Đáp ứng = Biến số phụ thuộc (y j) = Kết quả:
y1 = Tuổi thai lúc sanh (con)y2 = Tr ọng lượng tr ẻ sơ sinh (con)y3 = Suy hô hấp sau sanh (con)y4 = Băng huyết sau sanh (mẹ)y5 = Thời gian đường huyết về bình thường sau sanh (mẹ)
x1 = Cân nặng tr ước tr ước thai kỳ (mẹ)x2 = Chế độ dinh dưỡng trong thai kỳ (mẹ)x3 = Chế độ tập thể dục trong thai kỳ (mẹ)x4 = Nồng độ đường huyết trong thai kỳ (mẹ)x5 = Tình tr ạng đáp ứng với điều tr ị insulin (mẹ)
Kết cuộc thai kỳ đối với sản phụ đái tháo đường (Khoa Sản)
Yếu tố ảnh hưởng = Biến số độc lập (xi) = Nguyên nhân:
Đáp ứng = Biến số phụ thuộc (y j) = Kết quả:
8/19/2019 Mo Hinh Thuc Nghiem (2013)
29/35
29
y jxi y2...x2 y3 ...x1 y1x3
...
2
n
1
3
Mô hình thực nghiệm “đa yếu tố, đa đáp ứng”
xi = x1, x2, x3... biến số độc lập (yếu tố).
yi = x2, x2, x3... biến số phụ thuộc (đáp ứng).
Mỗi yếu tố (F) có ít nhất 2 mức (L)
Cỡ mẫu: n = LF.
Phương pháp truyền thống
Phân tích tương quan
R| Mô tả
< 0,20 r ất lỏng lẻo
0,20 – 0,40 lỏng lẻo
0,40 – 0,70 trung bình
0,70 – 0,90 chặt chẽ
> 0,90 r ất chặt chẽ
Theo Roundtree (1981)...............
...r y3x3r y3x2r y3x1y3
...r y2x3r y2x2r y2x1y2
...r y1x3r y1x2r y1x1y1
...x3x2x1
Chỉ cho hệ số tương quan r.
8/19/2019 Mo Hinh Thuc Nghiem (2013)
30/35
30
a. Rất giới hạn về số lượng biến x i; thường chỉ dùng với vài biến xi vì nếu cótương tác thì phương trình tr ở nên phức tạp hơn.
b. Mỗi lần chỉ có thể được áp dụng với một biến y i; vì thế không phù hợp vớithực tế “đa biến số, đa đáp ứng”.
c. Phụ thuộc mô hình toán học (đòi hỏi tuyến tính), không phù hợp với dữ liệuphức tạp, không dùng số hay thiếu tr ị số…
Phân tích hồi quy
- Dạng lý thuyết: = 0 + 1x1 + 2x2 ... + kxk- Dạng ước tính: y = b0 + b1x1 + b2x2 ... + bkxk + e (e: sai số)
- Dạng ước tính: yâ = b0 + b1x1 + b2x2 ... + bkxk (e 0)
b0: hằng số (constant) b: tham số (parameter); k = số lượng tham số
bi (b0 & b): hệ số hồi quy (regression coefficient)
Phương pháp thông minh
Ưu điểm so với phương pháp truyền thống
a. Không giới hạn về số lượng biến xi, đáp ứng yêu cầu khảo sát đa yếu tố.
b. Không giới hạn về số lượng y j: phù hợp với thực tế nghiên cứu đa đáp ứng.
c. Không phụ thuộc mô hình toán học, phù hợp với dữ liệu phức tạp, định tínhhay thiếu tr ị số (dùng -99999).
d. Có thể dự đoán chính xác kết quả (y j) từ nguyên nhân (xi) biết tr ước dựatrên mô hình liên quan nhân quả đã được thiết lập.
Quá trình xử lý
Đ ầ u v à o
Đ ầ u r a
x1x2x3xi
y1y2y j
8/19/2019 Mo Hinh Thuc Nghiem (2013)
31/35
31
Mô hình thực nghiệm(đa yếu tố, đa đáp ứng)
Tối ưu hóa xiđể có y j mong muốn
Dự đoán chính xác y jtừ xi biết tr ước
Phân tích liên quan(giữa yếu tố và đáp ứng)
1. Mức độ
2. Xu hướng
3. Quy luật
Phần mềm thông minhFormRules
Phần mềm thông minh
INForm
Phần mềm thống kêDesign-Expert
Các lãnh vực nghiên cứu
Phần mềm thông minh FormRules: sử dụng công nghệ logic mờ-thần kinh để nghiên cứu liên quan nhân quả:xu hướng, mức độ và quy luật.
Số l ượ ng
M ứ c t r ừ u t ư ợ n g
A
B
C
D Sâu (Deep)
Nông (Shallow/ Declarative)
A. Dữ liệu (Data)
B. Thông tin (Information)
C. Tri thức (Knowledge)D. Sáng suốt (Wisdom)
FormRules
Phân tích liên quan nhân quả
8/19/2019 Mo Hinh Thuc Nghiem (2013)
32/35
32
Phần mềm INForm sử dụng 2 công nghệ thông minh:
Mạng thần kinh: xác lập các mô hình liên quan nhân quả và dự đoán đáp ứng hay tình huống xấu.Hệ mô tả gen: tối ưu hóa các thông số của các yếu tố.
-
-
Nguyên nhân(đa yếu tố)
Kết quả(đa đáp ứng)
Xác lập mô hình
Điều gì xảy ra
T ối ư u hóa
Tối ưu hóa & Dự đoán
Quy trình chiết xuất Diệp hạ châu
x1 = EtOH (L, M, H)
x2 = Dung môi/ Dược liệu (9, 12, 15)
x3 = Số lần chiết (2, 3)
Dược liệu
Cao lỏng
Cao đặc
Cao khô
Chi ết
Bốc hơ i
Phun khô
Cắn PhyllanthinCHCl 3
Tinh chế
y2y1
Phyllanthus amarus Schum. & Thonn., Euphorbiaceae
Thí dụ 6
Mục tiêu nghiên cứu
8/19/2019 Mo Hinh Thuc Nghiem (2013)
33/35
33
Ghi chú:
− x1: Nồng độ cồn
− x2: Dung môi/ dược liệu
− x3: Số lần chiết
− y1: Hiệu suất chiết (%)
− y2: Phyllanthin (%)2,660,523,951,91
0,47
3,04
4,01
1,07
0,63
0,550,67
1,281,36
1,55y2
6,32
5,886,126,71
6,10
5,89
6,02
6,89
6,06
6,305,50
6,926,34
7,21y1
H
L
HM
LH
H
M
L
L
L
M
M
Mx1
3
2
32
23
2
3
3
3
2
2
2
3x3
15
12
1212
159
15
9
9
12
9
15
9
15x2
14
12
10
8
6
4
2
13
9
5
1
11
3
7
Mô hình thực nghiệm D-optimal
x1
x2
x3
x1
x2
x3
Hiệu suất chiết
Phyllanthin
EtOH
y1
y2
y1
y2
Xu hướng liên quan
8/19/2019 Mo Hinh Thuc Nghiem (2013)
34/35
34
91,2376
98,6346
Giá tr ị R2 luyện
--+y2
+++y1
x3x2x1
Điều kiện chiết xuấtTính chấtsản phẩm
100
yy
yy
1100TSS
ESS1R
n
í
2i
n
1
2ii
2
)(
)ˆ( y: giá tr ị thực nghiệm
yÂ: giá tr ị dự đoán
Dưới trung bình (không, kém)
Trung bình
Trên trung bình (khá, cao, r ất cao)
Mức độ liên quan
Đối với hiệu suất chiết (%)
Nếu x1 là thấp t h ì y2 sẽ thấp (1,00)
Nếu x1 là trung thì y2 sẽ cao (1,00)
Nếu x1 là cao thì y2 sẽ thấp (1,00)
Nếu x3 là cao thì y2 sẽ cao (0,95)
Nếu x2 là thấp t h ì y2 sẽ thấp (1,00)
Đối với tỷ lệ phyllanthin (%)
Nếu x1 là thấp thì y1 sẽ thấp (0,97)
Nếu x1 là cao thì y1 sẽ cao (0,83)
Quy luật liên quan
8/19/2019 Mo Hinh Thuc Nghiem (2013)
35/35
0.05.467
5.750
6.034
6.317
6.601
6.884
y1
2.01.6
1.20.8
0.4
x12.0
1.61.8
0.80.4
0.0
x2
Biểu đồ 3 chiều
Tối ưu hóa thông số
Kiểm chứng thực nghiệm
x1 = Nồng độ cồn = M
x2 = Dung môi/ dược liệu = 15
x3 = Số lần chiết = 2
Tính chất sản phẩm
2,34
6,38
INForm
2,40
6,09
TB
2,402,652,73Phyllanthin (%)
6,095,986,18Hiệu suất chiết (%)
321
Thực nghiệm
Quy trình tối ưu