 Biến định lượng (biến liên tục): layer_height 

(mm): Độ cao mỗi lớp in,

nozzle_temperature (ºC): Nhiệt độ của mũi in,
bed_temperature (ºC): Nhiệt độ bàn in, print_speed (mm/s): Tốc độ
in, roughness (µm): Độ nhám
 Biến định tính (biến phân loại) : infill_pattern: Dạng lưới bên trong
chi tiết, material: Chất liệu (pla hoặc abs)
 Đề tài của mình là gì? Nếu các biến
 Sẽ làm nội dung gì trong đó (thực hiện bài kiểm định nào trong đó)
⇒ t.test (so sáng trung bình 2 mẫu), xây dựng mô hình hồi quy đa biến
 Làm sạch dữ liệu
o Từ 12 biến (tạo tệp tin mới) → 7 biến trong new_DF (ngắn hơn
nhỏ hơn)
o Tìm dữ liệu khuyết trong tệp tin (dùng lệnh apply kết hợp với
is.na và which
→ Không dữ liệu khuyết → thay thế bằng trung bình, trung vị
 Làm rõ dữ liệu
o Tính trung bình, độ lệch chuẩn, trung vị, min ,max, mode
o Lập bảng thống kê số lượng
o Vẽ biểu đồ histogram là biểu đồ phân bố tần số

→ Trong 50 mẫu khảo sát thì có 6 mẫu có độ nhám từ 0 → 50 μm

⇒ Nhận xét:
Về hình dạng đồ thị có phân phối lệch bên phải khoảng giá trị có thể
nhận từ 0 → 400
Tập trung từ 0 → 300
Cao nhất là từ 50 → 100 và 150 → 200
Thấp nhất là từ 300 → 400
 Biểu đồ Boxplot
o Min Max phân vị 1 trung vị (50%) phân vị 3 (75%)
o 25% quan sát của gird sẽ đo dộ nhám từ 100↓ min
o 50% quan sát của gird sẽ đo dộ nhám từ 175↓ min
o 75% quan sát của gird sẽ đo dộ nhám từ 250↓ min
 (Khi đổi tính chất (gird; honeycomb) bền trong dạng lưới chi tiết
thì phân phối về độ nhầm giống nhau)
→Infill_pattem (dạng lưới trong chi tiết) không ảnh hưởng đến
roughness (độ nhám)
 Pair (biểu đồ phân tán)
o Khi muốn giải thích mối quan hệ biến roughness theo những biến
định lượng thì phải vẽ biểu đồ phân tán
o Hình:
 Roughness for layer height → mối quan hệ tuyến tính đồng
biến (dự đoán chưa rõ)
 Roughness for nozzle_temperature phi tuyến tính ( không
có mối quan hệ)
 Roughness for bed_temperature phi tuyến tính ( không có
mối quan hệ)
 Roughness for print_speed phi tuyến tính ( không có mối
quan hệ)
→ Muốn biết mối quan hệ tuyến tính thật sự ( có quan hệ ảnh
hưởng hay không ) thỉ phải xây dựng mô hình
 T.test (kiểm định trung bình mẫu)
2 2
o Biết σ 1 , σ 2
2 2 2 2
o Chưa biết σ 1 , σ 2 , σ 1 = σ 2
n 1<30
o Chưa biết σ 21, σ 22 , σ 21 ≠ σ 22[ n 2<30) → 2 mẫu độc lập
n 1 ≥30
o Chưa biết σ 21 , σ 22 , σ 21 ≠ σ 22 [ n 2 ≥30 ) → 2 mẫu phụ thuộc
o Df (bậc tự do)
o 95 percent confidence interval (khoảng tin cậy 95% cho chênh
lệch trung bình giữa 2 nhóm ) -9,741638 101,181638
o Mean in group abs (tb của nhóm “abs” x 1=193,44 ) Tb mẫu mean in
group pla (tb của nhóm “pla” x 2=147,72 ¿
 So sánh độ nhám trung bình của 2 nhóm chất liệu
o H o tb độ nhám ở 2 loại vật liệu = nhau
o H 1 tb độ nhám ở 2 loại vật liệu ≠ nhau

Tại vì trong bài toán chỉ quan tâm sự ≠ biệt ở 2 nhóm

C1: dựa vào tính giá trị thống kê kiểm định (tiêu chuẩn kiểm định) so
sánh với miền bác bỏ tương ứng với nó t α2 , df
 ở đây không có bảng dể tra t αnên ta không tìm đc miền bác bỏ (-∞; -
1,96) ⋃ (1,96, +∞)
cho nên ta thực hiện kiểm đinh = cách thứ 2
C2: So sánh p-value vs mức ý nghĩa α
P value > α (chưa bác bỏ H o)
P value < α (bác bỏ H o )
→ P value > α (chưa bác bỏ H o) tạm thời chấp nhận H o
Tb độ nhám 2 chất liệu bằng nhau → không có sự khác biệt về độ
nhầm trong việc sử dụng chất liệu x n ≠ nhau

[( ) ( )]
x1 −x2 2 2
2
S1 S

√
+ 2
.t= S12 S 22 (thống kê n1 n2
+
n1 n2 .df= S 2 (làm tròn
kiểm định) ( )( )
1
n1
+
S 22
n2
n1−1 n2 −1
theo nguyên tắc quá bán)
 Mối quan hệ t vs p value (c3)
o Kiểm định student
o Kiểm đinh 2 phía

→Nên p value = diện tích đuôi 2 phía

 Xây dựng mô hình hồi quy đa biến
o Biến phụ thuộc roughness
o Biến dự báo (biến độc lập): layer_heigh
 Mô hình hồi quy gốc (tổng quát)
o Thực hiện ước lượng cho các giá trị β 0, β 1, β 2,….., β 6

→ Dựa trên mẫu để thực hiện ước lượng các hệ số β i roughness (phụ
thuộc) nên dùng dấu “~” theo biến còn lại summary (tóm tắt mô
hình)
β 0, β 1, β 2,….., β 6: là hệ số hồi quy của phương trình tổng thể
^
β 0, ^
β 1, ^
β 2,….., ^
β 6: là hệ số hồi quy ước lượng

Từ mẫu ⇒ y = β 0 + β 1 . α 1+ β2 . α 2
 Chỉ khảo sát 50 mẫu vì tổng thể quá lớn
 o H o hệ số hồi quy không có ý nghĩa thống kê ( ^
β 5=0 ¿
o H 1hệ số hồi quy có ý nghĩa

o
{ H o p value>α ( 5 % ) (chưa đủ cơ sở bác bỏ H o )
H 1 p value<α ( 0,05 ) (bác bỏ H o )
 Thực hiện kiểm định các hệ số tự do
o The sidul standard error: σ^ =
√
Adjusted R-squard R² hiệu chỉnh 0,8539

SSE
n−k −1

 Khi mà biến y thay đổi 85,39% nguyên nhân sự thay đổi của y là do
những biến x (biến độc lập) gây nên
o % còn lại là do những sai số hồi quy hay những biến chưa được
đưa vào mô hình (bỏ bớt)
 So sánh 2 mô hình
o H o 2 mô hình 1-2 hiệu quả như nhau
o H 1 2 mô hình hiệu quả khác nhau
o R ₁² hiệu chỉnh (0,8539) < R ₂² hiệu chỉnh (0,8571) ⇒ Mô hình 2
tốt hơn
 Hướng 1: Sự ảnh hưởng các biến độc lập lên biến X
o Dựa vào p value càng nhỏ thì càng bác bỏ H o , càng chấp nhận hệ số
có ý nghĩa
 Hướng 2: Dựa vào các hệ số hồi quy mẫu
o Dự báo roughtness trung bình khi các giá thuộc tính (thông số đầu
vào)
o Kiểm tra các giả định mô hình (5 kiểm định)

MaterialPla (biến phân Biến phụ thuộc là y

loại)
Biến độc lập là X₁ (định
. lượng), X₂ định lượng, X₃
(phân loại A,B)
.
Y = 2 + 3X₁ +5 X₂ -3 X₃(A)
.
Dự báo khi X₁ =2, X₂=3,
.
X₃= “A”

{lwr
upr
khoảng tin cậy cho giá trị dự báo

f it: giá trị dự đoán của roughness tại thuộc tính X₁

X₁ = 23,4994 ( giá trị tb của roughness tại X₁)

Range: chiều dài khoảng tin cậy/2
→ Cận trên – cận dưới = sai số =115,17148
 Khoảng tin cậy có chiều dài bé hơn thì càng chính xác hơn
range
Upr = fit . 2 (sai số)
range
Lwr = fit - 2

Thế số 1 hoặc 0 X₁: layer = 3

Merterid = “abs”
Y= 2X +3
Dự đoán Y khi X = 3 → Y(3) =11