›
›

Bài giảng Tin học ứng dụng trong sinh học - Bùi Hồng Quân

pdf 128 trang hapham 1770
Download
Bạn đang xem 20 trang mẫu của tài liệu "Bài giảng Tin học ứng dụng trong sinh học - Bùi Hồng Quân", để tải tài liệu gốc về máy bạn click vào nút DOWNLOAD ở trên

Tài liệu đính kèm:

  • pdfbai_giang_tin_hoc_ung_dung_trong_sinh_hoc_bui_hong_quan.pdf

Nội dung text: Bài giảng Tin học ứng dụng trong sinh học - Bùi Hồng Quân

  1. TIN H C NG D NG TRONG SINH H C (CDSH10) Ths. B ùi H ng Quân 09.09.25.24.19/09.17.27.26.25 Email: buihongquan@hui.edu.vn Website: www.buihongquan.tk / www.gbd.edu.vn
  2. Ch ươ ng 1 GI I THI U V CHƯƠNG TRÌNH MS-EXCEL NG DNG TRONG CÔNG NGH SINH H C Ths. B ùi H ng Quân 09.09.25.24.19/09.17.27.26.25 Email: buihongquan@hui.edu.vn Website: www.buihongquan.tk / www.gbd.edu.vn
  3. Ch ươ ng 2 NG D NG TIN H C TRONG VI C L Y M U SINH H C Ths. B ùi H ng Quân 09.09.25.24.19/09.17.27.26.25 Email: buihongquan@hui.edu.vn Website: www.buihongquan.tk / www.gbd.edu.vn
  4. LY M U NG U NHIÊN
  5. LY M U NG U NHIÊN
  6. LO I GIÁ TR BT TH ƯNG
  7. Ch ươ ng 3 NG D NG TIN H C TRONG TH NG KÊ SINH H C Ths. B ùi H ng Quân 09.09.25.24.19/09.17.27.26.25 Email: buihongquan@hui.edu.vn Website: www.buihongquan.tk / www.gbd.edu.vn
  8. CÁC NH NGH ĨA • Giá tr trung bình (Mean, Average) N ∑ X i X = i=1 N
  9. CÁC NH NGH ĨA • Kho ng quan sát: là khác bi t gi a hai giá tr quan sát: l n nh t và nh nh t. • r = Max – Min • Giá tr trung bình gi ng nhau, kho ng quan sát gi ng nhau? •Nu kho ng quan sát l n thì phân tán s cao.
  10. CÁC NH NGH ĨA • Giá tr trung v (Median) là giá tr di n t khái ni m trung tâm c a chu i d li u. 1 2 3 4 5 6 7 8 9 200 201 202 203 204 206 207 207 209 Mu l n = 2m-1, x 0,05 = x m Mu ch n n = 2m x + x x = m m+1 5,0 2
  11. CÁC NH NGH ĨA • lch chu n (Standard deviation): phân tán ca d li u th ưng ưc di n t bi ph ươ ng sai (variance) hay lch chu n (căn s bc 2 c a ph ươ ng sai) N 2 ∑(X i − X ) SD = S = i=1 (N − )1
  12. CÁC NH NGH ĨA • Sai s chu n c a giá tr trung bình (Std. error of the mean - SEM): giá tr trung bình c a m u g n bng giá tr trung bình c a dân s hơnl à các giá tr quan sát riêng bi t. S SEM = SD (X ) = S = X N
  13. CÁC NH NGH ĨA • Gi i h n và kho ng tin c y: Vi m t m c tin c y (confidence level) nh t nh là α, gi i hn tin c y (confidence limits) c a mt giá tr trung bình ưc cho b i tích s (khi N<30: phân ph i student): LCL/UCL tα S X
  14. CÁC NH NGH ĨA • Kho ng tin c y c a giá tr trung bình: X ± tα S X = (X − tα S X , X + tα S X ) Giá tr th ng kê t α (phân ph i student) c n ưc thay bi giá tr th ng kê z α (phân ph i chu n) trong tr ưng h p N>30.
  15. CÁC NH NGH ĨA • H s phân tán (Coefficient of variation): sai s tươ ng i (relative deviation) S CV = 100 X H s phân tán liên quan n lch chu n (c ũng nh ư chính xác ca ph ươ ng pháp o l ưng) và giá tr trung bình c a các k t qu .
  16. CÁC NH NGH ĨA • Giá tr yu v (Mode): là giá tr có tn s cao nh t trong chu i d li u. • Giá tr Kurt (Kurtosis): di n t c im thu c v nh ca dng phân ph i d li u. + có nh, - bng ph ng. 4   2  N(N + )1  X − X   (3 N − )1 KURT =  ∑ i   − (N 1− )(N −2 )(N − )3  S  (N −2 )(N − )3    
  17. CÁC NH NGH ĨA • Giá tr SKEW (Skewness): ph n ánh m c bt i xng c a dng phân ph i d li u xung quanh giá tr trung bình. Skew + bt i xng, uôi l ch v giá tr dươ ng. Ng ưc l i.  3   N  X − X   SKEW =  ∑ i   (N 1− )(N − )2  S     
  18. CÁC NH NGH ĨA • chính xác S (precision): lp li P =100 − CV = 1( − )100 ca các giá tr quan X sát. • úng (Aceuracy): trùng hp gi a các Gia tri trung binh giá tr quan sát (hay A = 100 th c nghi m) vi giá Gia _ tri _ ly _ thuyet tr lý thuy t.
  19. Ch ươ ng 4 NG D NG TIN H C TRONG PHÂN TÍCH TH NG KÊ SINH H C Ths. B ùi H ng Quân 09.09.25.24.19/09.17.27.26.25 Email: buihongquan@hui.edu.vn Website: www.buihongquan.tk / www.gbd.edu.vn
  20. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI BI T TR ƯC 2 •Nu N>30 thì ph ươ ng sai mu S i có th ưc xem là ph ươ ng sai dân s σ2, khi ó dùng tr c nghi m z test so sánh giá tr trung bình ca hai mu vi ph ươ ng sai bi t tr ưc. Z nh ch p nh n Ho. •Ho : µ1= µ2 •H : µ ≠ µ (X 1 − X 2 ) − (µ1 − µ2 ) o 1 2 z = σ 2 σ 2 1 + 2 N1 N2
  21. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI BI T TR ƯC
  22. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI BI T TR ƯC
  23. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI BI T TR ƯC
  24. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI BI T TR ƯC
  25. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI BI T TR ƯC
  26. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI BI T TR ƯC
  27. SO SÁNH GIÁ TR TRUNG BÌNH D LI U T ƯƠ NG NG T NG C P •“t test: paired two sample for means” - N<30, ph thu c, không gi nh ph ươ ng sai ca hai mu bng nhau. Dùng tr c nghi m t so sánh.t nh ch p nh n Ho. D − µD t = ; Di = X i −Yi (i =1→ N) SD / N N N 2 ∑ Di ∑(Di − D) D = i=1 ;S = i=1 N D (N − )1 Phan _ phoi _ Student _ γ = N −1
  28. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI B NG NHAU
  29. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI B NG NHAU
  30. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI B NG NHAU
  31. KI M NH S NG NH T CA HAI PH ƯƠ NG SAI • “F-Test Two-Sample for variances”: Th ưng dùng so sánh chính xác ca hai ph ươ ng pháp nh lưng. 2 2 2 F nh ch p nh n Ho: σ1 = σ2 (1-α)100%; H1: σ1 > σ 2. 2 2 2 2 σ 2 S1 S1 F = 2 2 = 2 σ1 S2 S2 Phan _ phoi _ Fischer γ 1 = N1 − ;1 γ 2 = N2 − 2
  32. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI B NG NHAU • “t test: Two Sample Assuming Equal Variances”: N<30, c l p, cóphươngsaibng nhau. t nh ch p nh n H o. (X 1 − X 2 ) − (µ − µ ) t = 1 2 S 2 S 2 p + p N1 N2 2 2 (N1 − )1 S1 + (N2 − )1 S2 S p = N1 + N2 − 2 Phan _ phoi _ Student _ γ = N1 + N2 − 2
  33. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI B NG NHAU
  34. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI B NG NHAU
  35. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI B NG NHAU
  36. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI B NG NHAU
  37. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI B NG NHAU
  38. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI B NG NHAU
  39. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI KHÁC NHAU (X 1 − X 2 ) − (µ − µ ) • “t test: Two Sample t = 1 2 S 2 S 2 Assuming Unequal 1 + 2 Variances”: N <30, N1 N2 c l p, cóphươngsai Phan _ phoi _ Student kh ác nhau. t nh ch p nh n H . (S 2 / N + S 2 / N )2 o γ = 1 1 2 2 (S 2 / N )2 (S 2 / N )2 1 1 + 2 2 N1 −1 N2 −1 (Smith − Satterthwa ite )
  40. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI KH ÁC NHAU
  41. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI KH ÁC NHAU
  42. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI KH ÁC NHAU
  43. SO SÁNH GIÁ TR TRUNG BÌNH VI PH ƯƠ NG SAI B NG NHAU
  44. SO SÁNH T S 2 • Tr c nghi m χ : χ nh hơn ch p nh n H o. P (dùng hàm chitest) l n h ơn α ch p nh n H o. • Tn s lý thuy t = (t ng hàng x t ng c t)/ t ng c ng k (O − E )2  χ 2 = ∑  i i  i=1  Ei  r c (O − E )2  χ 2 = ∑∑  ij ij  j=1j = 1  Eij  P(X > χ 2 ) _ voi _ df = (r 1− ()c − )1
  45. SO SÁNH T S
  46. SO SÁNH T S
  47. SO SÁNH T S
  48. SO SÁNH T S
  49. SO SÁNH T S
  50. KI M NH S NG NH T CA NHI U PH ƯƠ NG SAI • Th ưng dùng so sánh chính xác c a m ph ươ ng pháp nh l ưng (cùng s mu. G nh ch p nh n H o: 2 2 2 σ1 = σ2 = σm (1-α)100%. G tra t bng phân v phân b Cochran. S 2 G = max N
  51. KI M NH S NG NH T CA NHI U PH ƯƠ NG SAI 2 • Khác s mu, χ nh , ch p nh n H o. m m 2 ,2 3026   2 2  χ = ∑ ni − mlg s − ∑(ni −1)lg s1  C  i=1  i=1      1 m 1 1 C =1+  −  ∑ m  (3 m − )1 i=1 ni −1  ∑ ni − m   i=1  m 2 ∑(ni − )1 si 2 i=1 s = m ∑(ni − m) i=1
  52. PHÂN TÍCH PH ƯƠ NG SAI M T YU T • “Anova: Single factor”: So sánh giá tr trung bình ca hai hay nhi u m u ưc l y t các dân s . M rng c a tr c nghi m t hay z. M c ích: ánh giá mc nh h ưng c a m t y u t (bi n) lên giá tr quan sát (hàm áp ng). F nh ch p nh n H o: µ1= µ2= µk . MSF (Mean _ square _ of _ factor ) F = MSE (Mean _ square _ of _ error )
  53. PHÂN TÍCH PH ƯƠ NG SAI MT Y U T
  54. PHÂN TÍCH PH ƯƠ NG SAI MT Y U T
  55. PHÂN TÍCH PH ƯƠ NG SAI MT Y U T
  56. PHÂN TÍCH PH ƯƠ NG SAI HAI YU T KHÔNG L P •“Anova: Two factor without replication”: ánh giá s nh h ưng c a hai y u t (bi n) lên các giá tr quan sát (hàm áp ng). F nh ch p nh n H o: µ1= µ2= µk .
  57. PHÂN TÍCH PH ƯƠ NG SAI HAI Y U T KHÔNG L P
  58. PHÂN TÍCH PH ƯƠ NG SAI HAI Y U T KHÔNG L P
  59. PHÂN TÍCH PH ƯƠ NG SAI HAI Y U T KHÔNG L P
  60. PHÂN TÍCH PH ƯƠ NG SAI HAI YU T CÓ LP •“Anova: Two factor with replication”: Trong m i mc có s lp l i c a k l n thí nghi m. ánh giá s nh h ưng c a hai y u t (bi n) lên các giá tr quan sát (hàm áp ng). F nh ch p nh n H o: µ1= µ2= µk . • Trong b ng ANOVA có thêm i l ưng t ươ ng tác (interaction term) gi a hai y u t .
  61. PHÂN TÍCH PH ƯƠ NG SAI HAI Y U T CÓ LP
  62. PHÂN TÍCH PH ƯƠ NG SAI HAI Y U T CÓ LP
  63. PHÂN TÍCH PH ƯƠ NG SAI HAI Y U T CÓ LP
  64. Ch ươ ng 5 NG D NG TIN H C TRONG MÔ HÌNH HOÁ SINH H C Ths. B ùi H ng Quân 09.09.25.24.19/09.17.27.26.25 Email: buihongquan@hui.edu.vn Website: www.buihongquan.tk / www.gbd.edu.vn
  65. PHÂN TÍCH T ƯƠ NG QUAN • Correlation: kh o sát khuynh h ưng và mc liên quan. R 0,9 xu t s c. N COV (X ,Y) 2 1 2 Px, y = ;σ x = ∑(X i − µx ) σ xσ y N i=1 N N 2 1 2 ˆ 1 σ y = ∑(Yi − µ y ) ;COV (X ,Y ) = ∑(X i − X () Yi −Y) N i=1 N −1 i=1 Th i gian m Nhi t Th i gian 1 ? ? m 0.974654 1 ? Nhi t 0.77133 0.652367 1
  66. PHÂN TÍCH T ƯƠ NG QUAN
  67. PHÂN TÍCH T ƯƠ NG QUAN
  68. PHÂN TÍCH H I QUY • Regression: xác nh s liênquannh l ưng gi a hai bi n s ng u nhiên. • Phân tích h i quy tuy n tính (linear regression). •H s hi quy B iưc ánh giá bng tr c nghi m t. t nh , ch p nh n H o: h s hi quy không có ý ngh ĩa. •S phù hp c a ph ươ ng trình h i quy v i th c nghi m ưc ánh giá bng tr c nghi m F. F nh ch p nh n H o: phươ ng trình h i quy không t ươ ng thích.
  69. CÁC GIÁ TR TH NG KÊ B − β B S 2 t = i i = ; S 2 = 2 2 b (X − X )2 Sb Sb ∑ i Phan _ phoi _ Student :γ = N − 2 MSR F = ; Phan _ phoi _ Fischer : v = ;1 v = N − 2 MSE 1 2
  70. C PH ƯƠ NG TRÌNH H I QUY • P value >0,05: Ch p nh n H o: H s hi quy không có ý ngh ĩa. • Tr c nghi m t trong a tham s γ = N-k-1 • Tr c nghi m F trong a tham s ν1=k; ν2=N-k-1. •Fs: >0,05 : Ch p nh n H o: ph ươ ng trình h i quy không thích h p.
  71. PHÂN TÍCH T ƯƠ NG QUAN
  72. PHÂN TÍCH T ƯƠ NG QUAN
  73. PHÂN TÍCH T ƯƠ NG QUAN
  74. QUY HO CH TH C NGHI M • MA TR N PLACKETT-BURMAN (Sàng l c các y u t - Screening factors) • MA TR N TAGUCHI OA • MA TR N (2 –level factorial ) 2 n • MA TR N M T CONG ÁP NG(RSM): Thi t k cu trúc có tâm (CCD), ma tr n Box – Behnken. •TI ƯU HOÁ THÍCH NGHI–QUY HO CH TI N HOÁ
  75. GI I THI U V QUY HO CH TH C NGHI M Các y u t có th ki m soát u u ra vào Quá trình Các y u t không th ki m soát
  76. MC TIÊU C A QUY HO CH TH C NGHI M • Xác nh các y u t nh h ưng (bi n). • Xác nh xem giá tr nào thì các y u t nh h ưng làm cho hàm áp ng t i ưu. • Xác nh xem giá tr nào thì các y u t nh h ưng làm cho hàm áp ng t i thi u. • Xác nh xem t giá tr ca các y u t nh h ưng ti thi u hoá nh h ưng c a các y u t không th ki m soát ưc.
  77. MC TIÊU C A QUY HO CH TH C NGHI M
  78. MC TIÊU C A QUY HO CH TH C NGHI M
  79. MT S THI T K • Plackett Burman/ Taguchi OA/ D optimal/ A optimal. • Thi t k 2k (fractional, confounding, fold over, projection) • Các thi t k 3k • Các thi t k ph i h p m c •B trí Latin vuông • Box - Behnken • Thi t k cu trúc có tâm (v i các im sao) • John’s ¾
  80. MICROSOFT OFFICE EXCEL 2003 Ch c n ăng Solver • ây là mt ch c n ăng làm vi c theo thu t toán “vét c n”. Chươ ng trình s thayi l n l ưt giá tr các ô bi n theo t ng b ưc nh y r t nh ri tính giá tr hàm m c tiêu tng b ưc nh y ó. D a vào kh năngt ính toán nhanh, ta có th nhanh chóng tìm ra im t i ưu ymax .
  81. SPSS 14.0 – ây là chương tr ình chuyên dùng cho phân tích th ng kê, là sn ph m c a công ty SPSS, phát hành n ăm 2005. – Tuy ch ươ ng trình này có rt nhi u tính n ăng m nh nh ưng òi h i ng ưi s dng ph i tìm hi u ho c ưc hu n luy n k lưng m i có th ng d ng hi u qu , ph c v công tác th ng kê. Trong khuôn kh gi i h n, án này xin trình bày s ơ nét v mt s ng d ng c a SPSS cóliênquann vi c tính toán t i ưu hóa.
  82. GI I THI U DESIGN EXPERT® • Design-Expert 7.0.0 (DE) là mt s n ph n c a t p oàn Stat-Ease, ưc tung ra th trưng n ăm 2005. DE ưc ánh giá là mt ph n m m chuyên d ng cho quy ho ch th c nghi m. • Hi n nay, DE h tr mt s ch c n ăng m i nh ư sau: • Quy ho ch theo mô hình y u t toàn ph n ho c t ng ph n vi s bi n lên n 21 trong 512 l n thí nghi m. Quy ho ch bc 1 t ng quát: t 1n 12 bi n, m i bi n có s mc khác nhau t 2n 999. •Ti ưu hóa theo mô hình thành ph n – tính ch t (Mixture Designs) • Mô hình CCD lên n 30 bi n.
  83. GI I THI U DESIGN EXPERT® Thanh tiêu Thanh l nh (menu) Thanh công c óng, m , thu nh ca s Danh sách ch c n ăng Màn hình làm vi c chính
  84. GI I THI U DESIGN EXPERT® •Summary Summary (hình 3.5) là bng t ng k t s ơ b bao g m các thông tin v bi n và hàm m c tiêu. Trong ó, c n chú ý hai giá tr là lch chu n (Std. Dev.) và t l( Ratio). Std. Dev.: lch chu n gi a các giá tr cóưc v i giá tr trung bình chung t ươ ng ng. Ratio: t l gi a giá tr cao nh t và giá tr th p nh t. •Fit summary Bng Fit Summary (hình 3.6) so sánh m c tươngth ích ca các mô hình tính toán h i quy. T ó, ngưi s dng có th nh h ưng ch n mô hình trong các b ưc sau. DE s ngh các mô hình thích h p (Suggested) và cnh báo các mô hình không d li u th c hi n (Aliased).
  85. GI I THI U DESIGN EXPERT®
  86. GI I THI U DESIGN EXPERT®
  87. GI I THI U DESIGN EXPERT® • ANOVA Bng ANOVA (hình 3.7) trình bày các k t qu ki m nh gi i tích ph ươ ng sai, và các h s hi quy. Các bi n có mc nh h ưng không áng k , các h s hi quy không có ý ngh ĩa, s không phù hp v i th c nghi m, u ưc c nh báo cho ng ưi s dng. • Solutions Bng Solutions (hình 3.8) cho bi t các im thí nghi m tìm ki m im t i ưu xung quanh c c tr ca b mt áp ng. Ngưi s dng ưc ngh các im t i ưu theo iu ki n ã nh tr ưc.
  88. GI I THI U DESIGN EXPERT® • Graph Columns Graph Columns cho th y s tương quan gia hai nhân t bt kì, giúp ta nh n bi t s ơ b các m i quan h gi a hai c p bi n. Ngoài ra, chúng ta cũng có th nh n bi t s m các im thí nghi m không áng tin c y (Outlier) lo i chúng ra kh i qua trình tính toán ho c thí nghi m l i ly k t qu . • Design Model Graph ki m tra s bi n i ph ươ ng sai trong vùng thí nghi m, ta c n s dng trình ơ n Model Graph trong m c Evaluation ca ph n Designs . DE 7.0.0 cho phép s dng c th 3D ho c th dng ưng ơ n b ng cách ch n l a trong menu View .
  89. GI I THI U DESIGN EXPERT® Hp ch n y u t
  90. GI I THI U DESIGN EXPERT®
  91. GI I THI U DESIGN EXPERT® • bt u m t quá trình tính toán t i ưu (Design) mi, trên thanh menu, ch n File  New Design . • gi l i m t d li u c ũ, ch n File  Open Design , ho c nh p t hp phím Ctrl+O . • lưuli d li u ang s dng, File  Save ho c nh p t hp phím Ctrl+S • Khi m mt Design m i, ch ươ ng trình s ngh la ch n mô hình t i ưu trên b ng danh sách ch c năng
  92. GI I THI U DESIGN EXPERT® • bt u m t quá trình tính toán t i ưu (Design) mi, trên thanh menu, ch n File  New Design . • gi l i m t d li u c ũ, ch n File  Open Design , ho c nh p t hp phím Ctrl+O . • lưuli d li u ang s dng, File  Save ho c nh p t hp phím Ctrl+S • Khi m mt Design m i, ch ươ ng trình s ngh la ch n mô hình t i ưu trên b ng danh sách ch c năng
  93. MA TR N PLACKETT-BURMAN • ưc phát minh l n u tiên vào n ăm 1946. • Plackett - Burman • Dùng sàng l c các y u t quan trong trong nông nghi p tăngnăngsut nông s n. • Có th thi t k tng b ng: Minitab, MSTAT, Design expert, Toolbox, Mathlab, S-plus. . .
  94. THI T K MA TR N 7 Y U T Row f1 f2 f3 f4 f5 f6 f7 r1 + + + - + - - r2 - + + + - + - r3 - - + + + - + r4 + - - + + + - r5 - + - - + + + r6 + - + - - + + r7 + + - + - - + r8 - - - - - - -
  95. GI I THÍCH MA TR N • ( -) mã hoámc d ưi c a bi n • ( + ) mã hoámc trên c a bi n • r1 thí nghi m 1 • f1 bi n 1 • Dòng u tiên/ C t u tiên ưc cho b i: Plackett RL, Burman JP (1946) The design of optimum multifactorial experiments. Biometrika 37:305–25. • Các dòng ti p theo ưc thành l p b ng cách l y dòng tr ưc li n k t v trí1n v trín -1 thành v trí th 2n n c a dòng ti p theo.
  96. TÍNH TOÁN K T QU • Nh p s li u vào ch ươ ng trình máy tính tính toán t ng. • Tính h s nh h ưng c a y u t th i b ng công th c: N +1 ∑Yir E = r=1 i N
  97. QUY HO CH TH C NGHI M YU T TOÀN PH N 2 n •Mi t hp c a các m c y u t u ưc th c hi n nghiên c u. • k y u t và n m c N=n k. Hai m c thì 2k. Hai u biên. • Ph ươ ng trình h i quy có dng: ŷ = b o + b 1x1 + b 2x2 + b3x3 + b 12 x1x2 + b 13 x1x3 + b 23 x2x3
  98. CU TRÚC C A MA TR N Thí nghi m x0 x1 x2 x3 y1 y2 y3 1 + - - - Giá tr hàm áp 2 + + - - ng y o b ng th c nghi m. Có th làm 3 + - + - 3 thí nghi m tâm 4 + + + - xác nh ph ươ ng 5 + - - + sai tái hi n ( lp 6 + + - + li c a thí nghi m) 7 + - + + 8 + + + +
  99. TÍNH TOÁN VÀ KI M NH 3 o N ∑ yu o 1 sth u=1 bj = ∑ x ji yi ;sb = ; y = j N i=1 N 3 3 o (yo −y )2 ∑ u b s 2 = u=1 ;t = j ; phan _ phoi _ student th 3−1 j s b j N 2 ∑(yi −yˆi ) 2 2 i=1 sdu sdu = ; F = 2 ; phan _ phoi _ Fischer N −1 sth
  100. QUY HO CH TH C NGHI M YU T TNG PH N 2 n-p • Ch ti n hành mt s kt h p gi a các y u t . S thì nghi m s gi m. • k y u t và n m c N=n k-p. Hai m c thì 2k-p. Hai u biên. 3-1 • Ph ươ ng trình h i quy 2 có dng: ŷ = b o + b 1x1 + b2x2 + b 3x3. Trong ó x1x2ưc thay b ng y u t th ba.
  101. MA TR N TYP 2 n-p TYT 2 2 TYP 2 3-1 Thí nghi m xo x1 x2 x1x2 xo x1 x2 x3 1 + - - + + - - + 2 + + - - + + - - 3 + - + - + - + - 4 + + + + + + + + Bi u th c sinh x 3=x 1x2
  102. TÍNH TOÁN VÀ KI M NH m m 2 ∑ yiu ∑(yiu − yi ) y = u=1 ;i = :1 N;s 2 = u=1 i m i m −1 N N 2 2 2 ∑ si m∑(yi − yˆi ) smax 2 i=1 i=1 G = N ;sth = ;stt = 2 N N − l ∑ si i=1 N ∑ x ji .yi b = i=1 ;s2 = s2 / m;s2 = s 2 / Nm j N y th b j th 2 bj s t = ;df = N(m 1− ;)F = tt ; f = N − l; f = N(m − )1 j s s 2 1 2 b j th
  103. TI ƯU HOÁTHEOƯNG D C NH T • ã thi t l p ưc ph ươ ng trình h i quy v i y các ki m nh. • Xu t phát t im 0, ch n b ưc nh y m i c a các yu t . Có tính n d u c a các h s. • Làm th c nghi m tìm im t i ưu. b1∆1 b3∆3 δ1 = δ 2 ;δ3 = δ 2 b2∆2 b2∆2
  104. CÁC PH ƯƠ NG ÁN TH C NGHI M C P 2 • Nghiên c u b mt áp ng (Response surface methodology) • Các ph ươ ng án c u trúc có tâm (Central composite design). • Ma tr n Box –Behnken . • Ph ươ ng án quay b c hai Box –Hunter •  Th c hi n tr c ti p trên máy.
  105. Giá tr ba y u t nghiên c u trong RSM-CCD
  106. MT S PHƯƠNG ÁN T I ƯU HOÁ KHÁC •Ti ưu hoá thích nghi- Quy ho ch ti n hoá. • Quy ho ch ơ n hình. •Ti ưu hoáamc tiêu Tham kh o trong: Nguy n C nh (2004) Quy ho ch th c nghi m, NXB DHQG Tp.HCM.
  107. TÀI LI U THAM KH O • ng V ăn Giáp (1997) Phân tích d li u khoa h c b ng ch ươ ng trình MS-Excel, NXB Giáo D c. • Chu v ăn M n (2003) ng d ng tin h c trong sinh h c, NXB H QG hà Ni. • Nguy n C nh (2004) Quy ho ch th c nghi m, NXB HQG Tp.HCM. • Nguy n Ng c Anh và cs. (2008) Phân tích th ng kê s dng excel. DEPOCEN. • Plackett RL, Burman JP (1946) The design of optimum multifactorial experiments. Biometrika 37:305–25. • Và mt s tài li u ti ng n ưc ngoài.