34 Bài tập xử lý số liệu trên phần mềm R

BỘ MÔN: THỰC HÀNH XỬ LÝ SỐ LIỆU THỰC NGHIỆM
TRONG PHÒNG THÍ NGHIỆM

BÀI TẬP TIN HỌC ỨNG DỤNG
GVHD: PHẠM MINH TUẤN
NHÓM: 4
LỚP: ĐHTP8B
DANH SÁCH NHÓM
STT
1
2
3
4
5

BÀI 1:

HỌ VÀ TÊN
Nguyễn Thị Vân
Đặng Thị Nhung
Lê Thị Hồng Liên
Hoàng Hữu Trung
Trương Công Vũ

MSSV
12064671
12089271
12054971
12128641
12001685

BÀI TẬP TIN HỌC ỨNG DỤNG
-

p-value = 0.8701>0,05 cho thấy không có sự khác
biệt về hiệu suất trích ly của 2 loại dung môi ở

-

mức ý nghĩa α=5%.
Có thể chọn cả 2 loại dung môi này (diethyl eter,
cồn) để trích ly polyphenol. Tuy nhiên theo ý
kiến cá nhân, ta nên chọn cồn vì giá thành rẻ và
không gây ảnh hưởng nhiều tới sức khỏe.

PHỤ LỤC:
>hieusuat<-c(68,63,74,66,75,52,84,58,84,62)
>dungmoi<-gl(2,5)
> data1<-data.frame(dungmoi,hieusuat)
>plot(data1)

> shapiro.test(hieusuat)
#

p-value = 0.7311 >0.05 nên hiệu suất trích ly của

2 dung môi tuân theo luật phân phối chuẩn.
2

BÀI TẬP TIN HỌC ỨNG DỤNG
>var.test(hieusuat~dungmoi)
#

p-value =0.06226 >0.05 nên không có sự khác biệt

về phương sai của hai loại dung môi.
> t.test(hieusuat~dungmoi,var.equal=T)
#

p-value = 0.8701

BÀI 2:

p-value = 1.319e-07 < 0.05 nên thời gian bền bọt hki
sử dụng CMC có ý nghĩa thống kê ở mức 0.05. Khi sử
dụng phụ gia, thời gian bền bọt của đạt 1.22h cao hơn
thời gian bền bọt của mẫu đối chứng 0.05h. Nên phụ
gia CMC có tác dụng kéo dài thời gian bền bọt. Vì vậy
có thể sử dụng loại phụ gia này trong chế biến
PHỤ LỤC:
>dc=c(1.10,0.99,1.05,1.01,1.02,1.07,1.10,0.98,1.03,
1.12)
>CMC=c(1.25,1.31,1.28,1.20,1.18,1.22,1.22,1.17,1.19,
1.21)
> t.test(dc,CMC,paired=TRUE)

Paired t-test

data:

dc and CMC

t = -8.7467, df = 9, p-value = 1.078e-05
alternative hypothesis: true difference in means is
not equal to 0
95 percent confidence interval:
3


BÀI TẬP TIN HỌC ỨNG DỤNG
-0.2215188 -0.1304812
sample estimates:
mean of the differences
-0.176
BÀI: 3
Loại Enzyme
A
B
C
D

Lượng acid amin tổng số
18.17c
+1.17
a
14.80
+0.84
c
19.00

+0.82
ab
16.25
+1.17

Chú thích: các kí tự a,b,c trên cùng một cột để chỉ
sự khác biệt lượng acid amin tổng số trong nước mắm
khi sử dụng các loại enzyme thủy phân khác nhau.

BIỂU ĐỒ:

khả năng thủy phân của từng loại enzyme(Trong

đó

1=A;2=B; 3=C;4=D)

Qua kết quả p-value=7.463e-05<0.05 cho thấy lượng
acid amin trong nước mắm có sự khác biệt theo thống
kê ở mức anpha=0.05. lượng acid amin đạt cao nhất khi
sử dụng enzyme C và hàm lượng này theo thống kê không
có sự khác biệt khi sử dụng enzyme A, C nhưng lại có
sự khác biệt khi sử dụng enzyme B,D. vì vậy để đạt
hiệu quả cao chúng tôi đề nghị sử dụng enzyme C để
thủy phân trong quá trình sản xuất nước mắm.
PHỤ LỤC:
4


BÀI TẬP TIN HỌC ỨNG DỤNG

>acidamin=c(17,18,17,20,19,18,14,15,16,15,14,19,20,18
, 19,16,15,16,18)
>group=c(rep("A",6),rep("B",5),rep("C",4),rep("D",4))
> group=as.factor(group)
> analysis=lm(acidamin~group)
> anova(analysis)
Analysis of Variance Table

Response: acidamin
Df Sum Sq Mean Sq F value
group

3 50.564 16.8547

Residuals 15 16.383

Pr(>F)

15.431 7.463e-05 ***

1.0922

--Signif. codes:
0.1 ‘ ’ 1

0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’

> av=aov(acidamin~group)
> TukeyHSD(av)
diff

lwr

upr

p adj

B-A -3.3666667 -5.1905943 -1.5427391 0.0004459
C-A

0.8333333 -1.1109800

2.7776467 0.6151972

D-A -1.9166667 -3.8609800

0.0276467 0.0539882

C-B

4.2000000

2.1794103

6.2205897 0.0001307

D-B

1.4500000 -0.5705897

3.4705897 0.2079384

D-C -2.7500000 -4.8798886 -0.6201114 0.0098498

5


BÀI TẬP TIN HỌC ỨNG DỤNG
BÀI 4:
Nồng độ phụ gia(%)
0.5
0.3
0.1

Đường kính của bánh
71.14 a +_ 6.89
63.71 ab +_ 6.63
61.14 b +_ 7.15

Chú thích: các kí tự a,b,c trên cùng một cột để chỉ
sự khác biệt khả năng trương nở của bánh tại các nồng
độ phụ gia sử dụng khác nhau

Biểu đồ thể hiện sự phụ thuộc giữa khả năng trương nở
và nồng độ phụ gia
Theo kết quả ta thấy giá trị p-value=0.037<0.05 cho
thấy mức độ trương nở của bánh là khác nhau khi sử
dụng phụ gia ở các nồng độ khác nhau. Để đạt hiệu quả
cao nhất khi sử dụng phụ gia chúng tôi đề nghị sử
dụng phụ gia ở nồng độ 0.3%

PHỤ LỤC:
>phugia=c(68,80,69,76,68,77,60,71,62,58,74,65,59,
57,58,60,70,51,57,71,61)
>group=gl(3,7)
>group<- as.factor (group)
>data<-data.frame(group,phugia)
>analysis<-lm(phugia~group)
>anova(analysis)
# p- value =0.037<0.05 nên có sự khác biệt giữa 3
loại nồng độ phụ gia.
>res<-aov(phugia~group)
>TukeyHSD(res)
2-1

-7.428571 -16.83138

1.9742350 0.1369187
6


BÀI TẬP TIN HỌC ỨNG DỤNG
3-1 -10.000000 -19.40281 -0.5971936 0.0361071
3-2

-2.571429 -11.97423

6.8313778 0.7677005

BÀI 5:
Dựa vào phép kiểm định t.test giữa mẫu thử nghiệm

và mẫu đối chứng chúng ta có p-value = 4.327e-05
<,0.05 nên có sự khác biệt về ý nghĩa thống kê giữa
hai yếu tố ở mức ý nghĩa thống kê anpha= 5%.Do đó,có
sự khác biệt giữa hàm lượng izozym EST trong máu
những người tiếp xúc lâu dài, trực tiếp với hóa chất
với những người không tiếp xúc trực tiếp với hóa
chất.
PHỤ LỤC:
>dc=c(3.45,3.58,3.59,3.62,3.59,3.57,3.35,3.74,3.29,3.
48,3.45,3.58,3.59,3.62,3.59,3.57,3.35,3.74,3.29,3.48,
3.45,3.58,3.59,3.62,3.59,3.57,3.35,3.74,3.29,3.48,3.4
5,3.58,3.59,3.62,3.59)
>tn=c(3.57,3.57,3.59,3.58,3.67,3.69,3.74,3.58,3.74,3.
75,3.61,3.78,3.67,3.69,3.35,3.58,3.68,3.59,3.58,3.58,
3.68,3.59,3.58,3.74,3.75,3.61,3.78,3.67,3.69,3.74,3.5
8,3.68)
>t.test(dc,tn)
#

p-value = 4.327e-05

BÀI 6:
> khongthich=c(15,33)
> thich=c(132,145)
7


BÀI TẬP TIN HỌC ỨNG DỤNG
> t.test(khongthich,thich,paired=T)
> # p-value = 0.0139 (<0.05) cho thấy sự khác biệt về

mức độ cảm quan của mứt rau câu khi sử dụng 2 loại
hương liệu (hương chanh dây và hương vani) có sự khác
biệt có ý nghĩa thống kê ở mức ý nghĩa = 5%
>data6=matrix(c(15,132,33,145),2,2,dimnames=list(c("K
hongthich","Thich"),c("Huongchanhday","Huongvani")))
> barplot(data6,col="green")
KẾT LUẬN:
-

Mức độ ưa thích đối với hương chanh dây: 132/

-

(15+132)*100 = 87,79%
Mức độ ưa thích đối với hương vani:
145/(33+145)*100 = 81.46%

Suy ra chanh dây có mức độ yêu thích cao hơn nên sử
dụng hương chanh dây.
Biểu đồ thể hiện mức độ yêu thích giữa hương vani và
hương chanh dây.

8


BÀI TẬP TIN HỌC ỨNG DỤNG
Biểu đồ thể hiện mức độ yêu thích giữa hương chanh
dây và hương vani qua số lượng người
BÀI 7:
VÙNG

I
II
III

Hàm lượng saponin (%)
7.19c
+_
0.43
a
4.22
+_
2.88
b
5.48
+_
2.42

Chú thích: các kí tự a,b,c trên cùng một cột để chỉ
sự khác biệt hàm lượng saponin khi lấy nhân sâm ở các
vùng khác nhau

Qua giá trị p-value=0.584> 0.05 cho thấy có sự khác
biệt về hàm lượng saponin thu được giữa 3 vùng ở mức
ý nghĩa 0.05. để thu được hàm lượng saponin cao nhất
và hiệu quả nhất chúng tôi đề nghị lấy nhân sâm ở
vùng I

Biểu đồ thể hiện hàm lượng trung bình của nhân sâm
tùy vào từng vùng trồng
PHỤ LỤC:

>saponin=c(7.53,6.87,7.12,7.53,6.84,6.67,7.81,5.87,
5.64,6.14,6.07,5.79,6.13,6.35,6.5,6.49,6.55,6.63)
>group<- as.factor (rep(1:3,c(7,5,6)))
> data3<-data.frame(group,saponin)
>shapiro.test(saponin)
# p-value = 0.584> 0.05 nên bảng số liệu tuân theo
phân phối chuẩn.
>analysis<-lm(saponin~group)
9


BÀI TẬP TIN HỌC ỨNG DỤNG
>anova(analysis)
# p- value <0.05 nên có sự khác nhau về hàm lượng
saponi gữa các vùng.
>res<-aov(saponin~group)
>TukeyHSD(res)
diff

lwr

upr

p adj

2-1 -1.2937143 -1.76514063 -0.8222879 0.0000098
3-1 -0.7540476 -1.20197156 -0.3061237 0.0014894
3-2

0.5396667

0.05214608

1.0271873 0.0293357

BÀI 8:
Nếu tôi là nhân viên R & D tôi sẽ chọn các tính
chất sau
Độ trong sản phẩm 1
Độ màu sản phẩm 1
Hương sản phẩm 1 hoặc
Hương sản phẩm 2
Vị mặn sản phẩm 2

PHỤ LỤC:
> dotrong1 = c(7,6,7,8,9,7,8,9,7,8)
>

dotrong2= c(6,5,5,6,4,5,6,7,5,6)

>t.test(dotrong1,dotrong2)
# p-value = 6.895e-05 <0.05 ,có sự khác biệt giữa
dotrong1 và ddootrong2 ở mức ý nghĩa anpha = 5%.Bên
cạnh đó trung bình cua dotrong1 =7.6 >trung bình của
dotrong2 =5.5. Nên tôi chọn dotrong1(độ trong của sản
phẩm 1)
10


BÀI TẬP TIN HỌC ỨNG DỤNG

> domau1 <- c(8,7,8,9,9,8,6,7,8,7)
> domau2 <- c(5,6,5,7,5,4,6,5,6,5)
>t.test(domau1,domau2)
# p-value = 2.074e-05 <0.05.có sự khác biệt có ý
nghĩa ở mức anpha= 5% giữa domau1 và đomau2.Mặt khác
trung bình của domau1= 7.7> trung bình của domau2=
5.4 nên tôi chọn domau1(độ màu của sản phẩm 1).
> huong1 <- c(8,7,8,7,6,7,7,8,8,9)
> huong2 <- c(7,8,6,5,5,7,8,9,8,8)
>t.test(huong1,huong2)
#p-value = 0.445 >0.05 không có sự khác biệt có ý
nghĩa thống kê ở mức ý nghĩa anpha 5% giữa huong1 và
huong2 .Vậy chọn huong1 hoặc huong2 đều được.
> viman1 <- c(8,6,7,6,7,8,7,6,7,6)
> viman2 <- c(7,8,7,8,9,7,8,8,9,8)
>t.test(viman1,viman2)
#p-value = 0.004765 <0.05 có sự khác biệt có ý nghĩa
ở mức anpha= 5% giữa viman1 va viman2. Mặt khác trung
bình của viman1= 6.8< trung bình của viman2= 7.9 nên
tôi chọn viman2(vị mặn của sản phẩm 2).
BÀI 9:
A<- matrix(c(124,107,26,43),nrow=2,byrow=T)
>chisq.test(A)

11


BÀI TẬP TIN HỌC ỨNG DỤNG
data: A
X-squared = 4.8184, df = 1, p-value = 0.02816

Kết luận: p-value =0.0286< 0.05,có sự khác nhau ở mức
ý nghĩa 5% giữa hai sản phẩm A,B.tôi nhận thấy SP A
có tỷ lệ người hài lòng trên tổng số là 0.83> 0.71 là
tỷ lệ người yêu thích SP B,nên tôi sẽ chọn SP A để sử
dụng.
BÀI 10:
Qua giá trị p value=0.1066>0.05 ta thấy không có sự
khác biệt giữa sản phẩm đang bán và sản phẩm cải
tiến. Công ty không nên tung sản phẩm cải tiến ra thị
trường.
PHỤ LỤC:
db<-c(6,8,7,8,8,9,7,5,6,7,7)
ct<-c(8,8,9,7,8,7,7,9,8,9,8)
>t.test(ban,caitien, pair=T)
# p-value = 0.1066

BÀI 11:
Nhóm 1(55 phút) 17.72a

+-

0.90

Nhóm 2(70 phút) 21.07b

+-

0.58

Nhóm 3(85 phút) 23.3b

+-

c

Chú

1.31

Nhóm4(100 phút) 24.38c

+-

0.49

Nhóm5(115 phút) 24.98c

+-

0.74

thích: các kí tự a,b,c trên cùng 1 cột để chỉ sự khác
biệt hiệu suất trích ly khi sử dụng enzyme ở các thời
gian khác nhau.
12


BÀI TẬP TIN HỌC ỨNG DỤNG
Qua giá trị Pr(>F)=6.491e-06 < 0.05 ta thấy có sự
khác biệt hiệu suất trích ly khi thời gian trích ly

khác nhau. Hiệu suất trích ly thu được không có sự
khác biệt khi thời gian trích ly là 100, 115 phút
nhưng lại có sự khác biệt khi thời gian là 55, 70, 85
phút. Để hiệu suất trích ly hiệu quả chúng tôi đề
nghị sử dụng enzyme với thời gian trích ly là 100
phút
PHỤ LỤC :
>group =c(1,1,1,2,2,2,3,3,3,4,4,4,5,5,5)
>y=c(16.77,18.56,17.83,21.52,20.42,21.27,22.16,24.73,
23.01,24.92,24.27,23.96,24.73,24.41,25.82)
>group<- as.factor(group)
>analysis<- lm(y~group)
>anova(analysis)
# p-value= 6.491e-06< 0.05.Có sự khác biệt giữa các
nhóm thời gian ở mức ý nghĩa anpha=5%.
>res<- aov(y~group)
>TukeyHSD(res)
diff

lwr

upr

p adj

2-1 3.3500000

1.05617893 5.643821 0.0050152

3-1 5.5800000

3.28617893 7.873821 0.0000889

4-1 6.6633333

4.36951226 8.957154 0.0000185

5-1 7.2666667

4.97284560 9.560488 0.0000084

3-2 2.2300000 -0.06382107 4.523821 0.0576303
13


BÀI TẬP TIN HỌC ỨNG DỤNG
4-2 3.3133333

1.01951226 5.607154 0.0054137

5-2 3.9166667

1.62284560 6.210488 0.0016040

4-3 1.0833333 -1.21048774 3.377154 0.5541443
5-3 1.6866667 -0.60715440 3.980488 0.1868802
5-4 0.6033333 -1.69048774 2.897154 0.9030810

Biểu đồ thể hiện hiệu suất trích ly phụ thuộc vào
thờigian trích ly.

BÀI 12:
GIỐNG LÚA
Năng suất
1
7,00 c
+c
2
8,60
+3
4,60 a
+ab
4
4,80
+Chú thích: các kí tự a,b,c trên cùng 1 cột để

1,00
1,14
1,14
0,84
chỉ sự

khác biệt năng suất lúa khi trồng các giống lúa khác
nhau
KẾT LUẬN: Năng suất cửa các giống khác nhau không
phải do ngẫu nhiên mà do phẩm chất giống( do Pr(>F)=
3.229e-05).năng suất lúa không có sự khác biệt ở
giống 1, 2 nhưng lại có sự khác biệt ở giống 3,4. Để
đạt được hiệu quả tốt nhất, chúng tôi đề nghị chọn
giống 2 để phổ biến rộng rãi trong sản xuất

BIỂU ĐỒ: biểu hiện năng suất trung bình của các giống lúa.
14


BÀI TẬP TIN HỌC ỨNG DỤNG
PHỤ LỤC:
> thi.nghiem=gl(4,5)
>giong.lua=c(8,7,6,6,8,9,10,7,9,8,5,5,4,3,6,5,4,5,4,6
)
> bai12=data.frame(thi.nghiem,giong.lua)
> group=as.factor(thi.nghiem)
> analysis=lm(giong.lua~group)
> anova(analysis)
Df Sum Sq Mean Sq F value
group

3

54.55

18.183

Pr(>F)

16.915 3.229e-05 ***

> av=aov(giong.lua~group)
> TukeyHSD(av)
diff

2-1

lwr

1.6 -0.2760962

upr

p adj

3.4760962 0.1091981

3-1 -2.4 -4.2760962 -0.5239038 0.0102311
4-1 -2.2 -4.0760962 -0.3239038 0.0189329
3-2 -4.0 -5.8760962 -2.1239038 0.0000822
4-2 -3.8 -5.6760962 -1.9239038 0.0001458
4-3

0.2 -1.6760962

2.0760962 0.9897700

15


BÀI TẬP TIN HỌC ỨNG DỤNG
BÀI 13:
Nồng độ enzyme
0

Hàm lượng vitamin C
49.83 a
+_
2.03

0.05
78.12a
+_
1.51
b
0.1
89.03
+_
1.33
b,c
0.15
91.74
+_
0.90
c,d
o.2
94.32
+_
0.72
d
0.25
96.75
+_
1.38
d

0.3
97.57
+_
1.16
Chú thích:các kí tự a,b,c trên cùng 1 cột để chỉ sự
khác biệt hàm lượng vitamin C((mg/g) tính theo hàm
lượng chất khô) thu được khi sử dụng các nồng độ
enzyme(%)khác nhau.
Qua

kết

quả

p-value=2.389*10-15<0.05

cho

thấy

hàm

lượng vitaminC (mg/g) ở các nồng độ chế phẩm có sự
khác biệt theo thống kê ở mức alpha =5%. Hàm lượng
vitamin C đạt giá trị cao nhất(theo chất khô) khi sử
dụng chế phẩm ở nồng độ 0.3% và hàm lượng này theo
thống kê không có sự khác biệt khi sử dụng chế phẩm ở
các nồng độ (0.15%, 0.2%, 0.25%, 0.3%)tuy nhiên lại
có sự khác biệt so với khi sử dụng ở các nồng độ
(0.05%,0.1%). Vì vậy để hàm lượng Vitamin C

đạt hiệu

quả chúng tôi đề nghị chọn nồng độ là 0.15%
PHỤ LỤC:
>vtm=c(49.02,48.33,52.14,76.43,78.64,79.31,88.65,90.5
2,87.94,90.75,92.51,91.96,93.56,94.42,94.99,95.23,97.
12,97.91,96.41,97.56,98.73)
>group= c(gl(7,3))
>group<- as.factor (group)
16


BÀI TẬP TIN HỌC ỨNG DỤNG
>data<-data.frame(group,vtm)
>analysis<-lm(vtm~group)
>anova(analysis)
#P-value= 2.389e-15 Có sự khác nhau ở mức ý nghĩa 5%
giữa các nhóm
>res<-aov(vtm~group)
>TukeyHSD(res)
$group
diff

lwr

upr

p adj

2-1 28.2966667 24.5355155 32.057818 0.0000000
3-1 39.2066667 35.4455155 42.967818 0.0000000
4-1 41.9100000 38.1488488 45.671151 0.0000000
5-1 44.4933333 40.7321822 48.254484 0.0000000
6-1 46.9233333 43.1621822 50.684484 0.0000000
7-1 47.7366667 43.9755155 51.497818 0.0000000
3-2 10.9100000

7.1488488 14.671151 0.0000018

4-2 13.6133333

9.8521822 17.374484 0.0000001

5-2 16.1966667 12.4355155 19.957818 0.0000000
6-2 18.6266667 14.8655155 22.387818 0.0000000
7-2 19.4400000 15.6788488 23.201151 0.0000000
4-3

2.7033333 -1.0578178

6.464484 0.2468338

5-3

5.2866667

1.5255155

9.047818 0.0040668

6-3

7.7166667

3.9555155 11.477818 0.0000992

7-3

8.5300000

4.7688488 12.291151 0.0000325

5-4

2.5833333 -1.1778178

6.344484 0.2892414

6-4

5.0133333

1.2521822

8.774484 0.0063632

7-4

5.8266667

2.0655155

9.587818 0.0017029

6-5

2.4300000 -1.3311512

6.191151 0.3506392

7-5

3.2433333 -0.5178178

7.004484 0.1131016
17


BÀI TẬP TIN HỌC ỨNG DỤNG
7-6

0.8133333 -2.9478178

4.574484 0.9873690

2. Vẽ đồ thị
BIỂU ĐỒ ẢNH

NÔNG ĐỘ ENZYME ĐẾN HÀM LƯỢNG VITAMIN C

BÀI 14:
>ngươi=c(245,145,367,170,270,48)
> A=matrix( ng, nrow=2,ncol=3, byrow=T, dimnames =
list(c("tang 1.5 - 3","tang 0.5-1"), c("td1", "td2",
"td3")))
> chisq.test(A)
Pearson's Chi-squared test
data:

A

X-squared = 249.9598, df = 2, p-value < 2.2e-16
Su tang can co lien quan den thuc don.
KẾT LUẬN : do giá trị p-value = 2.2e-16 < 0.05 nên có
sự khác nhau giữa các thực đơn 1,2,3

và sự khác nhau

này có ý nghĩa thống kế,Ở mức ý nghĩa 5%. Nhận thấy
thực đơn 3 có sự tác động mạnh đến cân nặng nhất(367
người tăng 1.5- 3Kg/ tháng trên tổng số 415 người)nên
tôi chọn thực đơn 3 để giúp bệnh nhân láy lại cân
nặng ban đầu
BÀI 15:
>bai15row=3,ncol=4,byrow=T,dimnames=list(c("cấu trúc
tốt","cấu trúc vừa","cấu trúc đạt"),c("pg a","pg
b","pg c","đối chứng")))
18

BÀI TẬP TIN HỌC ỨNG DỤNG
> chisq.test(bai15)
X-squared = 97.153, df = 6, p-value < 2.2e-16
> # P-value < 2.2e-16 nên có sự khác biệt về cấu trúc
sản phẩm khi sử dụng các loại phụ gia khác nhau có
mức ý nghĩa anpha = 5%.
> barplot(bai15)

BỈỂU ĐỒ THỂ HIỆN KHẢ NĂNG CẢI THIỆN CẤU TRÚC YAGOURT CỦA CÁC LOẠI PHỤ GIA( LOẠI
A,B,C,D).

BÀI 16:
Bảng: ảnh hưởng của nồng độ enzyme lên hiệu suất thu
hồi dịch triết
Nồng độ enzyme(%)
0
0.05
0.1
0.15
0.2
0.25
0.3

Hiệu suất(%)
21.80a ± 1.67
25.60b ± 1.42
27.90bc ± 0.45
29.40c ± 1.07

30.90c ± 1.35
30.77c ± 0.83
30.87c ± 1.12

19


BÀI TẬP TIN HỌC ỨNG DỤNG
Ghi chú: ký tự a,b,c trên cùng 1 cột chỉ sự khác biệt
về hiệu suất thu hồi dịch chiết khi sử dụng các nồng
độ enzyme khác nhau

Biểu đồ: ảnh hưởng của nồng độ enzyme lên hiệu suất
trích ly
Giá

trị

P-value

=

1.062.10-6<

cho

thấy

hàm

lượng

phenol ở các nồng độ enzyme có sự khác biệt theo
thống

kê

với

.

Hàm

lượng

polyphenol

đạt

cao

nhất(30.87% theo nồng độ khô)khi sử dụng enzyme ở
nồng độ 0.3% và hàm lượng này theo thống kê không có
sự khác biệt khi sử dụng enzyme ở các nồng độ 0.2%,
0.25%, 0.15% . Tuy nhiên lại có sự khác biệt so với
khi sử dụng ở các nồng độ 0.1%, 0.05%. Vì vậy để
trích ly polyphenol hiệu quả chúng tôi đề nghị chọn
nồng độ enzyme là 0.15%.
Phụ lục:
> a

,0.2,0.2,0.25,0.25,0.25,0.3,0.3,0.3)
> a<- as.factor(a)
> b9.2,30.6,29.8,30.5,32.4,30.1,31.7,30.5,29.9,32.1,30.6
)
> lien<- data.frame(a,b)
> lien
> attach(lien)
20


BÀI TẬP TIN HỌC ỨNG DỤNG
> analysis<-lm(b~a)
> analysis
> anova(analysis)
Analysis of Variance Table
Response: b
Df
a

Sum Sq Mean Sq F value

6 211.011

Residuals 14

19.827

35.169

Pr(>F)

24.833 1.062e-06 ***

1.416

--Signif. codes:
0.1 ‘ ’ 1

0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’

> res<-aov(b~a)
> TukeyHSD(res)
diff

lwr

upr

p adj

0.05-0

3.80000000

0.4821762

7.117824 0.0204195

0.1-0

6.06666667

2.7488429

9.384490 0.0003359

0.15-0

7.63333333

4.3155096 10.951157 0.0000276

0.2-0

9.10000000

5.7821762 12.417824 0.0000035

0.25-0

8.96666667

5.6488429 12.284490 0.0000042

0.3-0

9.06666667

5.7488429 12.384490 0.0000037

0.1-0.05

2.26666667 -1.0511571

5.584490 0.2944358

0.15-0.05

3.83333333

0.5155096

7.151157 0.0191830

0.2-0.05

5.30000000

1.9821762

8.617824 0.0012773

0.25-0.05

5.16666667

1.8488429

8.484490 0.0016225

0.3-0.05

5.26666667

1.9488429

8.584490 0.0013557
21


BÀI TẬP TIN HỌC ỨNG DỤNG
0.15-0.1

1.56666667 -1.7511571

4.884490 0.6776210

0.2-0.1

3.03333333 -0.2844904

6.351157 0.0835979

0.25-0.1

2.90000000 -0.4178238

6.217824 0.1057066

0.3-0.1

3.00000000 -0.3178238

6.317824 0.0886875

0.2-0.15

1.46666667 -1.8511571

4.784490 0.7355928

0.25-0.15

1.33333333 -1.9844904

4.651157 0.8072163

0.3-0.15

1.43333333 -1.8844904

4.751157 0.7542256

0.25-0.2

-0.13333333 -3.4511571

3.184490 0.9999992

0.3-0.2

-0.03333333 -3.3511571

3.284490 1.0000000

0.10000000 -3.2178238

3.417824 0.9999999

0.3-0.25
BÀI 17:

Qua phép kiểm định chiq.test ta thấy p-value < 2.2e16(<0.05) nên có sự khác biệt giữa ba loại đất A,B,C
ở mức ý nghĩa thống kê anpha = 5%.
Loại đất

Tỉ lệ

A

0.81

B

0.78

C

0.71

Bảng thể hiện tỷ lệ giá trị cây tốt trên tỏng số cây.

Qua bảng trên tôi đề suất nên chọn loại đất A để
trồng cây, vì tỷ lệ cây tốt trên tổng số cây = 0.809
là tỷ lệ cao nhất trong ba loại đất khảo sát.

PHỤ LỤC:
>bai17=matrix(c(170,40,180,50,150,60),nrow=2,ncol=3,
22


BÀI TẬP TIN HỌC ỨNG DỤNG
byrow=TRUE
>chisq.test(bai17)
# p-value < 2.2e-16
BÀI 18:
Mối quan hệ giưã nồng độ benzene và mật độ quang được
biểu thị

bằngphương trình

y= 1.7531x – 0.1394. Như vậy khi nồngđộ benzene tăng
thì mật độ quang thu được cũng tăng.
PHỤ LỤC:
> am= c(0.2,0.5,1.0,1.5,2.0,2.5,3.0)
>cn= c(0.2,0.5,1.0,1.5,2.0,2.5,3.0)
> AM= c(0.2,0.37,0.64,0.93,1.22,1.50,1.80)
>thu= data.frame(cn,AM)
>lm(cn~AM)

lm(formula = cn ~ AM)
Coefficients:
(Intercept)

AM

-0.1394

1.7531

2. Vẽđồthị

Đồ thị biểu diễn mối quan hệ giữa nồng độ benzene và mật độ quang

BÀI 19:
23


BÀI TẬP TIN HỌC ỨNG DỤNG
CÔNG SUẤT SIÊU ÂM
HÀM LƯỢNG VITAMIN C
0
50.53a
+_
0.85
b
150
96.57
+_
0.83

c
188
100.5
+_
0.82
d
225
103.3
+_
0.80
c
263
100.73
+_
1.30
b, c
300
98.43
+_
0.75
Chú thích: a,b,c là các chữ cái khác nhau thể hiện sự
khác biệt có ý nghĩa ở khoảng tin cậy 95% của phương
pháp kiểm định anova một yếu tố. GTTB= giá trị trung
bình,SD= Độ lệch chuẩn
Nhận xét:
-

Có sự khác nhau về hàm lương vitamin khi sử dụng

-

công suất siêu âm khác nhau ở mức ý nghĩa 5%.
Tôi chọn công suất 225 vì công suất này có sự
khác biệt nhât và có giá trị trung bình hàm lượng
vitamin C lớn nhất.

PHỤ LỤC:
>vtmc=c(50.5,49.7,51.4,96.3,95.9,97.5,100.7,101.2,99.
6,103.6,102.4,103.9,100.6,102.1,99.5,97.7,98.4,99.2)
>group= gl(6,3)
>group= as.factor(group)
>data= data.frame(group,vtmc)
> analysis=lm(vtmc~group)
>analysis<-lm(vtmc~group)
>anova(analysis)
# Pr(>F)= 2.57e-16
>res= aov(vtmc~group)
>TukeyHSD(res)
diff

lwr

upr

p adj

2-1 46.0333333 43.5339177 48.53274899 0.0000000
3-1 49.9666667 47.4672510 52.46608233 0.0000000
24

BÀI TẬP TIN HỌC ỨNG DỤNG
4-1 52.7666667 50.2672510 55.26608233 0.0000000
5-1 50.2000000 47.7005843 52.69941566 0.0000000
6-1 47.9000000 45.4005843 50.39941566 0.0000000
3-2

3.9333333

1.4339177

6.43274899 0.0020483

4-2

6.7333333

4.2339177

9.23274899 0.0000122

5-2

4.1666667

1.6672510

6.66608233 0.0012540

6-2

1.8666667 -0.6327490

4.36608233 0.1959441

4-3

2.8000000

0.3005843

5.29941566 0.0253118

5-3

0.2333333 -2.2660823

2.73274899 0.9994785

6-3 -2.0666667 -4.5660823

0.43274899 0.1294844

5-4 -2.5666667 -5.0660823 -0.06725101 0.0429643
6-4 -4.8666667 -7.3660823 -2.36725101 0.0003088
6-5 -2.3000000 -4.7994157

0.19941566 0.0780319

2. Vẽ đồ thị

BIỂU ĐỒ ẢNH HƯỞNG CÔNG SUẤT SIÊU ÂM ĐẾN HÀM LƯỢNG VITAMIN C

Bài 20:
Phương pháp

Hiệu suất thu hồi dịch chiết

Bổ sung enzyme

80.11

b

+-

1.67

Sóng siêu âm

71.42

a

+-

2.36

Kết hợp

87.11

c

+-

1.27

Chú thích: các kí tự a,b,c trên cùng 1 cột để chỉ sự
khác biệt hiệu suất thu hồi dịch chiết khi sử dụng
các phương pháp khác nhau.
Qua phép kiểm định anova ta thấy

p-value= 0.0001333

< 0.05 nên có sự khác biệt về ý nghĩ thống kê giữa
các nhóm ở mức ý nghĩa 5%. Nhưng để đạt hệu quả cao
nhất và hiệu suất thu hồi dịch chiết cao nhất chúng
25