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%