giải bài tập thực hành môn thiết kế và xử lí sô liệu thực nghiệm

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP TPHCM
VIỆN CƠNG NGHỆ SINH HỌC&THỤC PHẨM

BÀI TIỂU LUẬN

THIẾT KẾ THÍ NGHIỆM VÀ XỬ LÍ SỐ
LIỆU THỰC NGHIỆM NGÀNH CƠNG
NGHỆ THỰC PHẨM

GVHD: PHẠM MINH TUẤN
SINH VIÊN : TRẦN THỊ TUYẾT NHUNG
MSSV: 14122061
LỚP

: DHTP10C

TP.HỒ CHÍ MINH 12/2015

Bài 1


Bảng :Đánh giá hiệu suất (%) trích ly polyphenol của 2 dung mơi
Dung mơi

Hiệu suất

Diethyl eter

69.2a±10.62

Cồn

68.0a±15.03

Ghi chú: các kí tự a trên cùng một cột chỉ khơng có sự khác biệt thống kê với   5%

p-value = 0.7078(<0.05) cho thấy khơng có sự khác biệt hiệu suất trích ly polyphenol
khi sử dụng dung môi diethyl eter và cồn. Tuy nhiên diethyl eter rất dễ bay hơi và rất
dễ cháy. Hỗn hợp hơi ether với oxy hoặc khơng khí ở nồng độ nhất định tạo hỗn hợp
nổ. Vì vậy nên sử dụng cồn làm dung mơi trích li.
Phụ lục
> dungmoi=gl(2,5)
>dungmoi=as.factor(dungmoi)
> hieusuat=c(68,63,74,66,75,52,84,48,84,62)
> t.test(hieusuat~dungmoi)
Welch Two Sample t-test
data:

hieusuat by dungmoi

t = 0.3983, df = 4.716, p-value = 0.7078
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-17.83124

24.23124


sample estimates:
mean in group 1 mean in group 2

69.2

66.0

Bài 2:
Bảng :Khả năng tạo bền bột của phụ gia CMC so với đối chứng.
Phụ gia

Thời gian

Đối chứng

1.047a±0.045

CMC

1.223b±0.045

Ghi chú: các kí tự a, b trên cùng 1 cột chỉ khơng có sự khác biệt thống kê với   5%

p-value = 1.078e-05(<0.05) cho thấy sự khác biệt thời gian bền bọt khi sử dụng chất
phụ gia (CMC) và mẫu đối chứng.
Thêm vào đó là biểu đồ và bảng số liệu cho thấy khi sử dụng chất phụ gia(CMC) thì
thời gian bền bọt tăng lên. Vậy nên sử dụng chất phụ gia vào vào sản xuất để kéo dài
thời gian bền nhiệt.
Phụ lục
> doichung=c(1.1, 0.99, 1.05, 1.01,1.02, 1.07, 1.1, 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)
> bai2=data.frame(doichung, cmc)
> t.test(doichung, cmc, paired=TRUE)

Paired t-test
data:

doichung 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:
-0.2215188 -0.1304812
sample estimates:
mean of the differences
-0.176
Bài 3
Bảng: so sánh khả năng thủy phân protein của 4 loại enzyme
Enzyme

Hiệu suất

Loại A

18.17ab ± 1.17

Loại B

14.80c ± 0.84

Loại C

19.00a± 0.82

Loại D

16.25bc ± 1.26

Ghi chú:

Các kí tự a,b,c trên cùng một cột chỉ khơng có sự khác biệt thống kê với

  5%

P-value=7.463e-05 (<0.05) cho thấy sự khác biệt thống kê giữa các loại enzyme khi
thủy phân cá trong quá trình sản xuất nước mắm.
Tuy nhiên, phân tích Tukey cho thấy, khơng có sự khác biệt giữa enzyme A và C khi


thủy phân cá, và đều cho hiệu suất cao trong 4 loại enzyme nên chọn một trong hai lại
enzyme này áp dụng trong sản xuất đều được.
Phụ lục
> group=c(1,1,1,1,1,1,2,2,2,2,2,3,3,3,3,4,4,4,4)
> group=as.factor(group)
> amin=c(17, 18,17, 20, 19, 18,14,15, 16, 15, 14, 19, 20, 18, 19,16, 15, 16, 18)
> bai3=data.frame(group, amin)
> attach(bai3)
> analysis=lm(amin~group)
> anova(analysis)
Analysis of Variance Table
Response: amin
Df Sum Sq Mean Sq F value

Pr(>F)

group

15.431 7.463e-05 ***

3 50.564 16.8547

Residuals 15 16.383

1.0922

--Signif. codes:

0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

> res=aov(amin~group)
> TukeyHSD(res)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = amin ~ group)
$group
diff

lwr

upr

p adj

2-1 -3.3666667 -5.1905943 -1.5427391 0.0004459
3-1

0.8333333 -1.1109800

4-1 -1.9166667 -3.8609800
3-2

4.2000000

2.1794103

4-2

1.4500000 -0.5705897

2.7776467 0.6151972
0.0276467 0.0539882
6.2205897 0.0001307
3.4705897 0.2079384


4-3 -2.7500000 -4.8798886 -0.6201114 0.0098498
Bài 4
Bảng: kiểm tra khả năng trương nở của 1 loại phụ gia, người ta thêm 3 nồng độ (%)
Nồng độ phụ gia

Khả năng Trương nở

0.5%

71.14a ± 6.89

0.3%

63.71ab ± 6.63

0.1%

61.14b ± 7.15

Ghi chú:

Các kí tự a,btrên cùng một cột chỉ khơng có sự khác biệt thống kê với

  5%

Phân tích ANOVA có p-value=0.03722(<0.05) cho thấy có sự khác biệt giữa các nồng
độ phụ gia tác động vào khả năng trương nở của bánh.
Thêm vào đó, phân tích Tukey cho thấy ở nồng độ 0.5% và 0.3% hiệu suất khơng có
sự khác biệt và từ bảng số liệu cho ta thấy chúng đều cho hiệu suất cao. Nhưng để tiết
kiệm chi phí ta nên pha lỗng nồng độ vì vậy nên chọn nồng độ 0.3%

để chế biến

bánh phồng tôm.
Phụ lục
> group=gl(3,7)
> group=as.factor(group)

> truongno=c(68, 80, 69, 76, 68, 77, 60, 71, 62, 58, 74, 65, 59, 57, 58, 60, 70, 51, 57,
71, 61 )
>

bai4=data.frame(group, truongno)


> attach(bai4)
> an=lm(truongno~group)
> anova(an)
Analysis of Variance Table
Response: truongno
Df Sum Sq Mean Sq F value
group

Pr(>F)

2 377.52 188.762

Residuals 18 855.14

3.9733 0.03722 *

47.508

--Signif. codes:

0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

> res=aov(truongno~group)

> TukeyHSD(res)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = truongno ~ group)
$group
diff
2-1

lwr

upr

-7.428571 -16.83138

p adj
1.9742350 0.1369187

3-1 -10.000000 -19.40281 -0.5971936 0.0361071
3-2

-2.571429 -11.97423

6.8313778 0.7677005

Bài 5
Bảng: Kiểm tra hàm lượng izozym EST trong máu ngoại vi của hai nhóm người
Nhóm phân tích

Hàm lượng izozym

Đối chứng

3.53a  0.12

Thí nghiệm

3.64b  0.09

Ghi chú:
  5%

Các kí tự a,btrên cùng một cột chỉ khơng có sự khác biệt thống kê với


Kết quả phân tích có p-value=0.0002426(<0.05) cho thấy có sự khác biệt thống kê
giữa hai nhóm về hàm lượng izozym. Đồng thời thấy nhóm thường xun thí nghiệm,
thường xun tiếp xuất với hóa chất có hàm lượng này cao hơn.
Phụ lục
(Kiểm định cho thấy số liệu không theo luật phân phối chuẩn . Trong trường hợp này ,
nên so sánh hai nhóm theo kiểm định Wilcoxon)
> nhom<-gl(2,35)
> nhom=as.factor(nhom)
> hamluong=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, 3.45, 3.58, 3.59, 3.62, 3.59,3.57, 3.57, 3.59, 3.58, 3.67, 3.69, 3.74,
3.58, 3.68, 3.59, 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, 3.58, 3.68)
> shapiro.test(hamluong)
Shapiro-Wilk normality test
data:

hamluong

W = 0.90267, p-value = 4.947e-05
>

wilcox.test(hamluong~nhom)
Wilcoxon rank sum test with continuity correction

data:

hamluong by nhom

W = 301.5, p-value = 0.0002426


alternative hypothesis: true location shift is not equal to 0
Bài 6
Bảng : mức độ ưa thích của hai mùi hương
Mức độ ưa thích(%)

khơng thích

thích

hương chanh dây

10.20

89.80

hương vani

18.54

81.46

Qua kiểm định p-value<2.2e-16(<0.05) cho thấy mức độ u thích có mối quan hệ hệ
với mùi hương, cũng đồng nghĩa với việc mức độ u thích giữa hai mùi hương có sự
khác biệt. Từ bảng số liệu và biểu đồ cho ta thấy, mức độ yêu thích của hương chanh
dây nổi bật hơn hương vani, vì vậy nếu là nhà sản xuất ta sẽ không chọn loại hương
vani

để chế biến sản phẩm.

Phụ lục
A=c( 15 ,8132, 33, 145)
>kiemtra=matrix(A, nrow=2, ncol=2, byrow=T, dimnames=list(c("chanh day",
"vani"), c("khong thic", "thich")))
>

kiemtra
khong thic thich

chanh day

15

vani

33

> chisq.test(kiemtra)

132
145


Pearson's Chi-squared test with Yates' continuity correction
data:

kiemtra

X-squared = 992.01, df = 1, p-value < 2.2e-16
Warning message:
In chisq.test(kiemtra) : Chi-squared approximation may be incorrect
Bài 7:
Bảng : Hàm lượng saponin (%) trong 1 loại nhân sâm được thu hái từ 3 vùng khác
nhau
Vùng

Hàm lượng saponin (%)

I

7.20a  0.43

II

5.90b  0.20

III

6.39c  0.16

Ghi chú:

Các kí tự a,btrên cùng một cột chỉ khơng có sự khác biệt thống kê với

  5%

Qua kiểm định p-value=9.412e-06(<0.05) cho thấy có mối liên hệ vùng thu hái với
hàm lượng saponin, tức là có sự khác biệt giữa các vùng thu hái. Đồng thời kiểm
Tukey cho thấy, vùng I có sự khác biệt với hai vùng cịn lại và cho hàm lượng saponin
lớn nhất. Vì vậy,nếu có nhu cầu sử dụng nhân sâm,,nên chọn nhân sâm ở vùng I
Phụ lục
> group=c(1,1,1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,3)
> group=as.factor(group)


> hamluong=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, 6.50, 6.49, 6.55, 6.33)
> bai7=data.frame(group, hamluong)
> attach(bai7)
> kiemtra=lm(hamluong~group)
> anova(kiemtra)
Analysis of Variance Table
Response: hamluong
Df Sum Sq Mean Sq F value

Pr(>F)

group

27.595 9.412e-06 ***

2 5.1625 2.58126

Residuals 15 1.4031 0.09354
--Signif. codes:

0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

> res=aov(hamluong~group)
> TukeyHSD(res)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = hamluong ~ group)
$group
diff

lwr

upr

p adj

2-1 -1.2937143 -1.758883797 -0.8285448 0.0000084
3-1 -0.8040476 -1.246026657 -0.3620686 0.0007453
3-2

0.4896667

0.008616515

0.9707168 0.0457802

Bài 8
Bảng: đánh giá cảm quan sản phẩm các tính chất độ trong, độ màu, hương và vị mặn
đô trong

độ màu

hương

vị mặn

sản phẩm 1

7.6  0.97

7.7  0.95

7.5  0.85

6.8  0.79

sản phẩm 2

5.5  0.85

5.4  0.84

7.1  1.37

7.9  0.74


Qua kiểm định cho thấy có sự khác biệt độ trong(p-value=6.895e-05), độ
màu(p-value=2.074e-05), vị mặn (p-value=0.004765)của 2 sản phẩm, hương
(p-value=0.445)được ưa thích ở cả hai sản phẩm khơng có sự khác biệt. Đồng thời
bảng số liêu dễ dàng thấy độ trong và độ màu sản phẩm một được ưa thích hơn, vị
mặn sản phẩm hai được ưa thích hơn. Vậy nếu là một nhân viên R&D ta sẽ chọn độ
trong và độ màu của sản phẩm 1, vị mặn sản phẩm 2 ; hương chọn sản phẩm phẩm
nào cũng được để định hướng sản phẩm trong tương lai của công ty
Phụ lục
> nhom=gl(2, 10)
> nhom=as.factor(nhom)
> dotrong=c(7, 6, 7, 8, 9, 7, 8, 9, 7, 8, 6, 5, 5, 6, 4, 5, 6, 7, 5, 6)
> domau=c(8, 7, 8, 9, 9, 8, 6, 7, 8, 7, 5, 6, 5, 7, 5, 4, 6, 5, 6, 5)
> huong=c(8, 7, 8, 7, 6, 7, 7, 8, 8, 9, 7, 8, 6, 5, 5, 7, 8, 9, 8, 8)
> viman=c(8,6, 7, 6, 7, 8, 7, 6, 7, 6,7, 8, 7, 8, 9, 7, 8, 8, 9, 8)
> t.test(dotrong~nhom)
Welch Two Sample t-test
data:

dotrong by nhom

t = 5.1612, df = 17.712, p-value = 6.895e-05
alternative hypothesis: true difference in means is not equal to 0

95 percent confidence interval:
1.244169 2.955831


sample estimates:
mean in group 1 mean in group 2
7.6

5.5

> t.test(domau~nhom)
Welch Two Sample t-test
data:

domau by nhom

t = 5.7301, df = 17.756, p-value = 2.074e-05
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
1.455887 3.144113
sample estimates:
mean in group 1 mean in group 2
7.7

5.4

> t.test(huong~nhom)
Welch Two Sample t-test
data:

huong by nhom

t = 0.78446, df = 15.031, p-value = 0.445
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.6866355

1.4866355

sample estimates:
mean in group 1 mean in group 2
7.5

7.1

> t.test(viman~nhom)
Welch Two Sample t-test
data:

viman by nhom

t = -3.2205, df = 17.92, p-value = 0.004765
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:


-1.8178302 -0.3821698
sample estimates:
mean in group 1 mean in group 2
6.8

7.9

Bài 9
Bảng:so sánh sự hài lòng của khách hàng về 2 sản phẩm A và B
Sản phẩm A

Sản phẩm B

Hài lịng

124

107

Khơng hài lịng

26

43

p-value = 0.02816 cho thấy sản phẩm có ảnh hưởng tới sự hài lòng, đồng nghĩa với
việc sản A khác sản phẩm B về sự hài lòng. Từ bảng số liệu cũng cho thấy, sản phẩm
A được hài lòng hơn sản phẩm B. Vì vậy nếu là người tiêu dùng, đợn giản sẽ chọn sản
phẩm A vì được nhiều người hài lòng chắc chắn sẽ tốt hoặc ngon hơn.
>A= matrix(c(124,107,26,43),nrow=2,byrow=T)
> chisq.test(A)
Pearson's Chi-squared test with Yates' continuity correction
data: A
X-squared = 4.8184, df = 1, p-value = 0.02816

Bài 10


Bảng:điểm ưa thích của 2 loại sản phẩm
Sản phẩm

Mức độ ưa thích

Sản phẩm đang bán

7.09a  1.14

Sản phẩm cải tiến

8.00a  0.77

Ghi chú: các kí tự a trên cùng một cột để chỉ khơng có sự khác biệt thống kê với
  5%

p-value = 0.1066(>0.05)
Cho thấy khơng có sự khác biệt về mức độ ưa thích giữa sản phẩm đang bán và sản
phẩm cải tiến. công ty không nên tung sản phẩm cải tiến ra thị trường, vì hầu như
khơng làm làm tăng sự ưa thích mà chỉ làm tăng chi phí.
Phụ lục
> spdangban=c(6, 8, 7, 8, 8, 9, 7, 5, 6, 7, 7)
> spcaitien=c(8, 8, 9, 7, 8, 7, 7, 9, 8, 9, 8)
> bai10=data.frame(spdangban,spcaitien)
> t.test(spdangban,spcaitien,paired=TRUE)
Paired t-test
data:

spdangban and spcaitien

t = -1.7733, df = 10, p-value = 0.1066
alternative hypothesis: true difference in means is not equal to 0


95 percent confidence interval:
-2.0513461

0.2331642

sample estimates:
mean of the differences
-0.9090909
Bài 11
Bảng :nghiên cứu sử dụng enzyme pectinase phá hủy màng tế bào nấm mèo
Thời gian(phút)

Hiệu suất

55

17.72a ± 0.90

70

21.07b ± 0.57

85

23.3bc ± 1.31

100

24.38c ± 0.49

115

24.99c ± 0.74

Ghi chú: các kí tự a, b,c trên cùng một cột cho thấy khơng có sự khác biệt thống kê
với   5%

Phân tích ANOVA có p-value=6.447e-06(<0.05) cho thấy có sự khác biệt giữa thời
gian thủy phân và hiệu suất phá hủy màng tế bào nấm men .Thêm vào đó, phân tích
Tukey cho thấy ở thời gian 85, 100, 115(phút) hiệu suất khơng có sự khác biệt và từ


bảng số liệu cho ta thấy chúng đều cho hiệu suất cao. Nhưng để tiết kiệm thời gian ta
nên chọn thời gian 85(phút ) để thủy phân thích hợp nhất.
phụ lục
> nhom=gl(5, 3)
>hieusuat=c(16.77,18.56,17.83,21.51,20.42,21.27,22.16,24.73,23.01,24.92,24.27,23.6,
24.73 ,24.41,25.82 )
> nhom=as.factor(nhom)
> bai11=data.frame(nhom, hieusuat)
> attach(bai11)
> kiemtra=lm(hieusuat~ nhom)
> anova(kiemtra)

Analysis of Variance Table

Response: hieusuat
Df

Sum Sq Mean Sq F value

nhom

4 105.167 26.2917

Residuals 10

7.278

Pr(>F)
36.126 6.447e-06 ***

0.7278

--Signif. codes:

0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

> res=aov(hieusuat~ nhom)
> TukeyHSD(res)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = hieusuat ~ nhom)
$nhom

diff

lwr

upr

p adj

2-1 3.3466667

1.05425211 5.639081 0.0050286

3-1 5.5800000

3.28758544 7.872415 0.0000884

4-1 6.6633333

4.37091878 8.955748 0.0000184


5-1 7.2666667

4.97425211 9.559081 0.0000083

3-2 2.2333333 -0.05908122 4.525748 0.0570307
4-2 3.3166667

1.02425211 5.609081 0.0053534

5-2 3.9200000

1.62758544 6.212415 0.0015862

4-3 1.0833333 -1.20908122 3.375748 0.5536133
5-3 1.6866667 -0.60574789 3.979081 0.1864817
5-4 0.6033333 -1.68908122 2.895748 0.9028933
Bài 12
Bảng:khảo sát năng suất của 4 giống lúa
Giống

Năng suất

Giống 1

7 .0a± 1.00

Giống 2

8.6a ±1.14

Giống 3

4.6b ±1.14

Giống 4

4.8b ± 0.84

Ghi chú:

Các kí tự a,b trên cùng một cột chỉ khơng có sự khác biệt thống kê với

  5%

Phân tích ANOVA có p-value=3.229e-05 (<0.05) cho thấy có sự khác biệt năng suất
đối với từng giống lúa . Vì vậy năng suất của mỗi giống lúa sai khác nhau do phẩm
giống của chúng khác nhauThêm vào đó, phân tích Tukey cho thấy giống 1 và giống 2


khơng có sự khác biệt về năng suất, đồng thời cũng cho năng suất cao hơn 2 giống
còn lại, nên sản xuất nên chợn giống 1 hoặc giống 2 để sản xuất rộng rãi.
Phụ lục
> nhom=gl(4,5)
> nhom=as.factor(nhom)
> nangsuat=c(8,7,6,6,8,9,10,7,9,8,5,5,4,3,6,5,4,5,4,6)
> bai12=data.frame(nhom,nangsuat)
> attach(bai12)
> kiemtra=lm(nangsuat~nhom)
> anova(kiemtra)
Analysis of Variance Table

Response: nangsuat
Df Sum Sq Mean Sq F value
nhom

3

Residuals 16

54.55

17.20

Pr(>F)

18.183

16.915 3.229e-05 ***

1.075

--Signif. codes:

0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

> res=aov(nangsuat~nhom)
> TukeyHSD(res)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = nangsuat ~ nhom)
$nhom
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

Bài 13
Bảng: khảo sát sự ảnh hưởng của nồng độ enzyme lên sự thay đổi hàm lượng vitamin
C
Nồng độ chế phẩm

Hàm lượng vitamin C

0

49.83a ± 2.03

0.05

78.13b ± 1.51

0.1

89.04c ± 1.33

0.15

91.74cd ± 0.90

0.2

94.32de ± 0.72

0.25

96.75e ± 1.38

0.3

97.56e ± 1.16

Ghi chú:

Các kí tự a,b ,c,d,e trên cùng một cột chỉ khơng có sự khác biệt thống kê

với   5%

Phân tích ANOVA có p-value=2.389e-15(<0.05) cho thấy có sự khác biệt hàm lượng
vitamin C với từng nồng độ enzyme

Thêm vào đó, phân tích Tukey cho thấy ở nồng

độ 0.2, 0.25, 0.3 khơng có sự khác biệt về hàm lượng vitamin C thu được và từ bảng


số liệu cho ta thấy chúng đều thu được hàm lượng cao nhất. Nhưng để tiết kiệm chi
phí ta nên pha lỗng nồng độ vì vậy nên chọn nồng độ 0.2 để thu hàm lượng vitamin
vẫn cao nhất.
> nongdo=gl(7,3)
>nongdo=as.factor(nongdo)
>vitaminc=c(49.02,48.33,52.14,76.43,78.64,79.31,88.65,90.52,87.94,90.75,92.51,91.9
6,93.56,94.42,94.99,95.23,97.12,97.91,96.41,97.56,98.73)
> analysis=lm(vitaminc~nongdo)
> anova(analysis)
Analysis of Variance Table
Response: vitaminc
Df Sum Sq Mean Sq F value

Pr(>F)

nongdo

474.76 2.389e-15 ***

Residuals 14

6 5184.2

864.04

25.5

1.82

--Signif. codes:

0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

> res=aov(vitaminc~nongdo)
> TukeyHSD(res)
Tukey multiple comparisons of means
95% family-wise confidence level

Fit: aov(formula = vitaminc ~ nongdo)

$nongdo
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

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

6-4

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

7-6

0.8133333 -2.9478178

4.574484 0.9873690

9.047818 0.0040668

6.344484 0.2892414

Bài 14
Bảng:thực đơn cho các bệnh nhân biến ăn cần lấy lại trọng lượng ban đầu nhanh

Tăng

Thực đơn 1

Thực đơn 2

Thực đơn 3

1.5-3

245

145

367

0.5-1

170

270

48

kg/tháng
Tăng
kg/tháng


p-value < 2.2e-16 cho thấy có mối quan hệ giữa thực đợn và việc tăng trọng lượng,
đông nghĩa với việc các thực đợn có sự khác nhau trong việc tăng trọng lượng. Từ
bảng số liệu và biểu đồ cho ta thấy muốn bệnh nhân nhanh lấy lại trọng lượng cơ thể
nên chọn thực đợn 3 để áp dụng vào bữa an hàng ngày.
> nguoi=c(245,145,367,170,270,48)
> A=matrix( nguoi, nrow=2,ncol=3, byrow=T, dimnames = list(c("tang 1.5 - 3","tang
0.5-1"), c("td1", "td2", "td3")))
>A
td1 td2 td3

tang 1.5 - 3 245 145 367
tang 0.5-1

170 270

48

> chisq.test(A)
Pearson's Chi-squared test
data: A
X-squared = 249.96, df = 2, p-value < 2.2e-16


Bài 15
Bảng:

đánh giá cấu trúc của yagourt

với 3 loại phụ gia tạo đông cho

Chất lượng(%)

Phụ gia A

Phụ gia B

Phụ gia C

Đối chứng

Cấu trúc tốt

93.45

91.75

87.63

59.36

Cấu trúc vừa

4.76

5.82

8.76

22.58

Cấu trúc không đạt

1.79

2.42

3.61

18.06

Qua phân tích p-value < 2.2e-16 cho thấy có mối liên hệ giữa cấu trúc yaourt vàphụ
gia. Qua bảng số liệu(%) cũng cho thấy sau khi dùng phụ gia cấu trúc sản phẩm được
cải thiện hơn rất nhiều. Vì vậy nên cho phụ gia vào trong sản xuất. Đồng thời rõ ràng
bảng số liệu cho thấy, cấu trúc được cải thiện tốt nhất và có tỉ lệ cấu trúc tốt lớn nhất ở
phụ gia A, vì vậy nên chọn phụ gia A để cải thiên cấu trúc yaourt và cũng để có nhiều
cấu trúc tốt nhất.
Phụ lục
>
28

cautruc

=matrix(c(

157

,189,

170,

92,8,

),nrow=3,ncol=4,byrow=T,dimnames=list(c("CT

đạt"),c("PGA","PGB","PGC","ĐC")))
> cautruc
PGA PGB PGC ÐC
CT tốt

157 189 170 92

12,

17,

tốt","CT

35,3,

5,

vừa","CT

7,
Ko


CT vừa

8

12

17 35

CT Ko dạt

3

5

7 28

> chisq.test(cautruc)
Pearson's Chi-squared test
data:

cautruc

X-squared = 97.153, df = 6, p-value < 2.2e-16
Bài 16:
Bảng : mối quan hệ giữa hàm lượng phenol và nồng độ enzyme
Nồng độ enzyme

Ham lượng phenol

0

21.80a±1.67

0.05

25.60b±1.42

0.1

27.87bc±0.45

0.15

29.43c±1.07

0.2

30.90c±1.35

0.25

30.77c±0.83

0.3

30.87c±1.12

Ghi chú:

Các kí tự a,b,c trên cùng một cột chỉ khơng có sự khác biệt thống kê với

  5%