TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP TP.HỒ CHÍ MINH
**********
VIỆN CÔNG NGHIỆ SINH HỌC VÀ THỰC PHẨM
BÀI TẬP NHÓM MÔN:
XỬ LÍ SỐ LIỆU THỰC NGHIỆM NGÀNH CÔNG
NGHỆ THỰC PHẨM
GVHD: Nguyễn Bá Thanh
Lớp : DHTP10A
TP Hồ Chí Minh 17,11,2015
1.
Giới thiệu về số liệu và định dạng của số liệu
Hedochoc: Dữ liệu gồm 6 dòng và 222 cột, mỗi dòng tương ứng với một loại chocolate và mỗi
cột là điểm số ưa thích từ 0-10 được cho bởi 222 người tiêu dùng tham gia nghiên cứu.
Sensochoc:Là bảng kết quả của khảo sát về tính chất của 6 loại chocolates. Mô tả về tính chất
cảm quan của sản phẩm. là một khung dữ liệu với 348 hàng và 19 cột: 5 lượng biến (Tham luận
viên, kỳ họp, hình thức, hiệu, sản phẩm) và 14 mô tả cảm giác. Sensochoc biểu thị múc độ hài
lòng của hội đồng đánh giá đối với các thành phần có trong chocolates(CocoaA, MilkA, CocoaF,
MilkF, Caramel, Vanilla, Sweetness Acidity, Bitterness, Astringency, Crunchy, Melting, Sticky,
Granular) được đánh giá theo cấu trúc từ 0 (thích) đến 10 (không thích) bởi 222 người tiêu dùng
2.
Mô tả phân tích số liệu
hedochoc
choc1
choc2
choc3
choc4
Min. : 0.000 Min. : 0.000 Min. : 0.000 Min. : 0.000
1st Qu.: 3.000 1st Qu.: 4.000 1st Qu.: 4.000 1st Qu.: 4.000
Median : 5.000 Median : 6.000 Median : 6.000 Median : 6.000
Mean : 5.329 Mean : 5.689 Mean : 5.766 Mean : 5.766
3rd Qu.: 7.750 3rd Qu.: 7.000 3rd Qu.: 8.000 3rd Qu.: 8.000
Max. :10.000 Max. :10.000 Max. :10.000 Max. :10.000
choc5
choc6
Min. : 1.000 Min. : 0.000
1st Qu.: 4.000 1st Qu.: 5.000
Median : 6.000 Median : 6.000
Mean : 5.626 Mean : 5.905
3rd Qu.: 7.000 3rd Qu.: 7.000
Max. :10.000 Max. :10.000
Friequency
30
20
10
Friequency
0
2
4
6
8 10
0
0
0
5
10 15 20 25 30 35
histogram of choc3
40
histogram of choc2
5
Friequency
10 15 20 25 30 35
histogram of choc1
0
2
4
6
8 10
0
2
4
6
8 10
choc2
choc3
histogram of choc4
histogram of choc5
histogram of choc6
0
2
4
6
choc4
8 10
40
30
0
10
20
Friequency
30
0
0
10
20
Friequency
20
10
Friequency
30
40
40
choc1
2
4
6
choc5
8
10
0
2
4
6
8 10
choc6
Biểu đồ 1: điểm thị hiếu của người tiêu dùng đối với các sản phẩm chocolates
Biểu đồ 2:biểu đồ box plot thể hiện thị hiếu của người tiêu dùng đối với 6 loại chocolates
Qua biểu đồ cột đánh giá cảm quan về từng chỉ tiêu cho mỗi sản phẩm cho thấy tỷ lệ yêu thích
của người tiêu dùng cho mỗi loại chocolates có điểm khác nhau, trục tung cho thấy số lượng
người yêu thích, trục hoành cho thấy thang điểm đánh giá của từng loại chocolates:
-choc1, choc3, choc5 có đối tượng ưa thích và đánh giá sản phẩm tương đối cao.
- Ở choc1 điểm trung bình là 5.329, được đánh giá là đối tượng khá được yêu thích so với sản
phẩm khác,có khoảng 25% đối tượng nghiên cứu đánh giá sản dưới 3 điểm,75% đối tượng đánh
giá sản phẩm dưới 7.750 điểm, 50% đối tượng đánh giá sản phẩm trên 5 điểm
-choc3 điểm trung bình là 5.766, có 50% đối tượng cho trên 6 điểm, 25% đối tượng nghiên cứu
cho dưới 4 điểm, 75% đối tượng nghiên cứu cho dưới 8 điểm
-choc5 điểm trung bình là 5.626, có 50% đối tượng cho trên 6 điểm, 25% đối tượng nghiên cứu
cho dưới 4 điểm, 75% đối tượng nghiên cứu cho dưới 7 điểm
- còn ở choc4 và choc6 thì không có gì khác biệt, điểm trung bình tương đối cao 5.766-5.905, số
lượng người ưa thích ở mức độ thấp, choc4 có khoảng 25% đối tượng thấp hơn 4 điểm, 75% đối
tượng cho điểm thấp hơn 8, khoảng 50% đối tượng cho điểm trên 6 điểm. Choc6 có 25% đối
tượng cho dưới 5 điểm, 75% đối tượng cho dưới 7 điểm, 50% đối tượng cho trên 5 điểm
Sensochoc
Panelist Session Rank
Product
CocoaA
MilkA
1
: 12 1:174 1:58 choc1:58 Min. : 0.000 Min. : 0.000
2
: 12 2:174 2:58 choc2:58 1st Qu.: 5.000 1st Qu.: 2.000
3
: 12
3:58 choc3:58 Median : 7.000 Median : 4.000
4
: 12
4:58 choc4:58 Mean : 6.287 Mean : 4.414
5
: 12
5:58 choc5:58 3rd Qu.: 8.000 3rd Qu.: 6.000
6
: 12
6:58 choc6:58 Max. :10.000 Max. :10.000
(Other):276
CocoaF
MilkF
Caramel
Vanilla
Min. : 0.000 Min. : 0.000 Min. : 0.000 Min. :0.000
1st Qu.: 5.000 1st Qu.: 1.000 1st Qu.: 1.000 1st Qu.:0.000
Median : 7.000 Median : 3.000 Median : 3.000 Median :1.000
Mean : 6.345 Mean : 3.454 Mean : 3.353 Mean :2.069
3rd Qu.: 8.000 3rd Qu.: 5.000 3rd Qu.: 6.000 3rd Qu.:3.000
Max. :10.000 Max. :10.000 Max. :10.000 Max. :9.000
Sweetness
Acidity
Bitterness
Astringency
Min. : 0.000 Min. : 0.000 Min. : 0.000 Min. : 0.000
1st Qu.: 3.000 1st Qu.: 1.000 1st Qu.: 2.000 1st Qu.: 1.000
Median : 5.000 Median : 3.000 Median : 5.000 Median : 3.000
Mean : 5.083 Mean : 3.175 Mean : 4.612 Mean : 3.112
3rd Qu.: 7.000 3rd Qu.: 5.000 3rd Qu.: 7.000 3rd Qu.: 5.000
Max. :10.000 Max. :10.000 Max. :10.000 Max. :10.000
Crunchy
Melting
Sticky
Granular
Min. : 0.000 Min. : 0.000 Min. : 0.00 Min. : 0
1st Qu.: 4.000 1st Qu.: 3.000 1st Qu.: 2.00 1st Qu.: 1
Median : 7.000 Median : 5.000 Median : 4.00 Median : 2
Mean : 6.121 Mean : 4.951 Mean : 3.98 Mean : 3
3rd Qu.: 8.000 3rd Qu.: 7.000 3rd Qu.: 6.00 3rd Qu.: 5
Max. :10.000 Max. :10.000 Max. :10.00 Max. :10
3.
a, biểu đồ cột về điểm thị hiếu của người tiêu dùng đối với các sản phẩm
chocolates
Biểu đồ 3: điểm thị hiếu trung bình của khách hàng đối với các sản phẩm
b, phân tích phương sai và độ sai khác mức độ sai khác của sản phẩm của sản
phẩm
Dựa trên kết quả phân tích,ta thấy P-value=0.08254 >0.05, điều này chứng tỏ sự khác nhau của
các loai chocolates không có ý nghĩa thống kê,
Trong trường hợp này do có quá nhiều biến nên ta có thể kiểm định hậu nghiêm cho những nhóm
nào mà chúng ta muốn biết giữa chúng có sự khác biệt không . Xét từ choc1 đến choc6,ta thấy:
Không có sự khác nhau về điểm thị hiếu của khách hàng giữa 6 nhóm choc1 đến choc6
c, phân tích dữ liệu sensochoc
vì các nhóm tính chất khác nhau nhưng có cách phân tích giống nhau nên chọn 3 nhóm ngẫu
nhiên để tiến hành phân tích phương sai ANOVA và kiểm định hậu nghiệm TUKEY
Đối với CocoaA
Qua kết quả phân tích ta thấy ở đặc tính CocoaA chỉ có sự khác biệt giữa các sản phẩm
(product),(pvalue< 0.05) . ở sản phẩm choc3 có sự khác biệt với các sản phẩm chocolates khác
Biểu đồ 4: biểu đồ thể hiện đặc tính cocaA trên các sản phẩm
Đối với MilkA
Dựa trên kết quả phân tích cho thấy có sự khác biệt về đặc tính MilkA giữa các sản phẩmqua
kiểm định Tukey. nhận thấy có sự khác biệt về đặc tính MilkA giữa choc3 với các sản phẩm
chocolates khác
Biểu đồ 5: biểu đồ thể hiện đặc tính MilkA trên các sản phẩm
Đối với CocoaF
Dựa trên kết quả thấy được có sự khác biệt về đặc tính cocaF giữa các sản phẩm.qua kiểm định
hậu nghiệm Tukey thì thấy rõ có sự khác biệt giữa sản phẩm choc1 và choc3 với các sản phẩm
khác
Biểu đồ 6: biểu đồ thể hiện đặc tính cocaF trên các sản phẩm
d,đánh giá sự đồng thuận của thành viên hội đồng
Biến quan tâm là rank và 2 yếu tố ảnh hưởng là Product và Panelist.
Kêt quả phân tích phương sai cho trường hợp này:
Ở lần thử thứ nhất (session 1):
Analysis of Variance Table
Response: rank
Df Sum Sq Mean Sq F value Pr(>F)
choc
5 3.36 0.6724 0.1867 0.9672
panelist 28 0.00 0.0000 0.0000 1.0000
Residuals 140 504.14 3.6010
Ở lần thử thứ 2:
Analysis of Variance Table
Response: rank
Df Sum Sq Mean Sq F value Pr(>F)
choc
5 2.33 0.4655 0.129 0.9856
panelist 28 0.00 0.0000 0.000 1.0000
Residuals 140 505.17 3.6084
Đánh giá:
Không có sự khác nhau về hạng gây ra bởi loại chocolates và người thử (panelist) trên cả 2 lần
thử (session 1 và 2).Từ đó ta có thể kết luận có sự đồng thuận giữa các thành viên hội đồng.
e,biểu đồ radar mô tả tính chất của sản phẩm
Dựa trên biểu đồ là số điểm được cho của các tính chất,ta nhận thấy:
+ ở loại sản phẩm choc1 có các thuộc tính Melting, CocoaF và Acidity được thể hiện rất rõ trong
loại chocolates này.còn các thuộc tính khác ở mức độ trung bình, không làm ảnh hưởng tới giá trị
của choc1.
+ ở loại sản phẩm choc2 thuộc tính caramel không được thể hiện rõ trên nhóm sản phẩm này, đặc
tính CocoaF là đặc tính được thể hiện rõ nhất
+ ở loại sản phẩm choc3 thuộc tính CocoaF là thuộc tính được thể hiện rõ nhất trên nhóm sản
phẩm này, các thuộc tính còn lại cũng được đánh giá ở mức độ trung bình,
+ ở loại sản phẩm choc4 có các thuộc tính Melting, Granular, CocoaF là thuộc tính được thể hiện
rõ ở sản phẩm này, Sticky không được thể hiện trên sản phẩm này
+ ở loại choc5 thuộc tính CocoaF được thể hiện rất rõ, các đặc tính Caramel, Bitterness và
Granular không được thể hiện rõ trên choc5
+ ở loại choc6 có điểm tương quan so với choc1, thuộc tinh CocoaF cũng được ưa thích trên
nhóm đối tượng này
Quan sát chung thấy được rằng thuộc tính CocoaF được thể hiện rõ nhất trên mọi loại sản phẩm
nghiên cứu, các yếu tố Melting, Granular cũng được thể hiện nhưng không rõ hơn so với
CocoaF, và các thuộc tính còn lại ít ảnh hưởng đến sự đánh giá của hội đồng
Phụ lục
> library(FactoMineR)
> library(SensoMineR)
> data(chocolates)
> hedochoc
> choco=data.frame(t(hedochoc))
> attach(choco)
# biểu đồ
> op <- par(mfrow=c(2,3))
> hist(choc1,col="blue",xlab=”choc1”,main=”histogram of choc1”)
> hist(choc2,col="blue", xlab=”choc2”,main=”histogram of choc2”)
> hist(choc3,col="blue", xlab=”choc3”,main=”histogram of choc3”)
> hist(choc4,col="blue" xlab=”choc4”,main=”histogram of choc4”)
> hist(choc5,col="blue", xlab=”choc5”,main=”histogram of choc5”)
> hist(choc6,col="blue" xlab=”choc6”,main=”histogram of choc6”)
>boxplot(choco)
# phân tích phương sai hedochoc
> data
,5,1,3,8,5,7,3,5,7,7,3,1,5,7,5,2,1,2,8,6,7,8,8,4,4,1,7,7,3,7,7,4,2,8,3,9,2,6,2,7,8,6,8,3,3,8,2,2,8,2,4,2
,8,5,2,7,1,5,5,5,4,4,6,8,5,5,4,4,7,4,4,9,8,6,5,4,7,7,4,2,9,1,5,8,8,7,8,1,1,5,2,6,5,8,8,5,1,6,4,6,7,9,2,9
,9,7,5,6,9,6,7,6,0,4,8,3,8,9,10,1,4,5,3,3,7,6,3,7,3,7,10,6,9,3,2,9,6,3,9,7,9,8,5,1,6,4,2,3,9,8,5,5,7,1
0,8,8,5,3,7,10,10,3,1,9,2,5,9,5,3,6,4,8,6,6,6,2,7,5,6,4,3,6,4,4,3,4,3,7,2,6,3,2,4,8,6,7,8,9,6,7,8,5,6,
8,5,6,9,6,8,7,9,5,9,7,8,6,8,5,4,5,4,6,3,7,6,7,7,5,5,8,3,8,5,5,5,4,7,7,3,5,7,6,6,4,7,6,8,2,7,3,1,5,6,6,5
,7,7,8,6,4,2,9,5,9,5,2,1,6,9,3,1,5,5,4,2,9,4,4,6,4,7,6,6,6,7,7,9,8,5,5,6,5,5,6,6,7,6,8,5,8,6,5,6,5,5,8,8
,4,5,9,3,5,6,5,5,9,7,3,8,8,3,7,6,9,5,9,7,6,4,2,5,9,6,7,4,2,6,6,5,1,1,7,9,7,9,8,6,4,4,5,2,1,9,2,4,7,7,9,
8,3,0,7,7,7,9,0,6,7,8,3,8,7,7,6,9,8,5,5,10,3,8,3,9,9,1,7,5,1,8,7,4,0,8,4,5,8,2,7,6,5,7,4,4,3,4,6,5,3,6,
2,6,5,6,8,6,8,3,8,9,9,9,9,7,4,6,6,9,8,7,6,7,7,9,4,9,9,7,7,9,7,9,6,8,8,7,5,6,2,8,2,7,8,1,4,8,8,6,1,8,4,1
,2,8,7,7,3,4,2,3,7,6,8,7,3,9,9,8,9,8,9,8,2,1,3,7,2,6,7,1,8,4,2,6,7,5,4,2,2,4,7,8,3,5,5,4,7,8,6,9,7,8,7,
9,5,6,9,1,6,7,6,6,5,8,8,9,9,1,5,7,2,5,1,9,1,7,3,1,4,2,8,2,7,7,6,9,1,4,5,4,3,7,8,1,9,9,9,10,9,10,6,10,6
,2,5,10,2,10,2,8,6,8,9,8,6,0,6,10,9,6,2,6,7,8,2,4,7,8,9,10,7,8,8,6,5,8,4,8,1,1,9,3,8,6,1,2,4,3,4,8,0,1
,7,3,1,6,3,6,5,1,5,8,4,5,7,1,4,8,2,3,2,4,5,5,2,4,2,4,4,4,9,4,6,7,5,7,6,8,5,6,5,6,8,7,8,9,7,7,9,9,9,9,4,7
,4,6,4,6,3,8,6,6,7,6,3,4,6,6,3,3,6,6,5,1,8,7,8,6,6,8,6,3,1,8,4,6,5,6,7,6,8,6,8,8,4,5,6,3,8,8,1,6,8,8,8,
8,4,4,6,6,8,8,5,3,8,6,7,7,4,8,6,9,6,4,6,6,3,4,1,5,7,6,7,5,7,3,8,3,4,3,7,3,7,9,9,1,7,5,4,2,8,5,1,9,9,3,3
,7,5,4,3,9,5,6,3,9,7,3,8,2,6,8,4,7,9,5,4,6,3,8,2,7,3,5,9,3,7,4,4,6,6,4,9,5,2,10,9,6,5,10,8,9,9,9,5,8,9,
7,7,6,9,7,6,10,9,6,0,9,7,8,9,8,8,5,5,7,0,2,3,7,6,5,7,7,3,5,7,7,2,8,4,1,4,7,6,7,6,4,1,5,3,3,8,7,6,7,10,
6,6,5,6,7,8,9,8,5,6,8,4,6,7,7,6,8,7,1,3,6,5,6,2,3,7,7,5,4,3,8,5,5,2,5,5,6,8,2,5,7,7,6,5,7,2,3,2,9,2,8,4,
4,8,5,8,6,9,1,4,2,8,7,4,7,2,4,7,4,7,3,4,5,5,2,5,3,7,4,8,6,6,6,3,7,8,7,7,6,3,7,4,6,9,6,7,4,4,6,7,5,7,2,6
,1,6,7,5,8,5,6,3,7,8,9,7,2,4,5,8,6,5,7,5,7,6,5,4,5,4,2,6,8,8,7,8,8,8,7,5,6,5,9,7,8,7,7,5,1,3,4,5,1,5,2,4
,5,8,8,5,3,8,8,6,6,3,4,7,6,6,8,8,5,8,8,5,8,6,7,10,9,7,8,6,5,8,3,5,6,6,7,3,7,8,7,6,4,2,8,3,6,7,2,4,2,4,4
,2,7,9,5,4,2,4,7,7,5,6,7,9,8,4,6,7,6,4,8,5,5,9,8,8,7,5,8,9,7,4,9,6,6,7,7,6,8,8,8,4,6,8,8,7,4,7,7,4,7,4,
3,8,5,1,9,7,8,6,8,2,8,2,9,5,6,5,7,5,4,8,6,9,3,5,6,8,4,4,7,4,5,5,5,2,2,6,8,6,4,5,8,5,3,7,8,6,7,5,8,8,9,7,
6,4,7,7,6,9,5,5,5,8,6,6,7,7,7,1,5,6,6,7,9,8,6,3,3,5,6,8,4,6,9,8,6,3,9,3,8,2,7,8,6,2,6,6,4,7,8,6,7,5,7,4
,2,7,4,5,6,7,5,7,6,6,2,4,8,0,6,6,3,7,6,6,4,6,7,4,9,7,3,8,8,6,8,7,6,5,7,6,6,4,10,10,7,8,8,5,9,2,5,5,6,6,
6,5,5)
> bienj<-c(rep(c(1:222),6))
> bienj<-as.factor(bienj)
> choc<-as.factor(gl(6,222))
> res<-lm(data~choc+bienj)
> anova(res)
Analysis of Variance Table
Response: data
Df Sum Sq Mean Sq F value Pr(>F)
choc
bienj
5 42.6 8.5171 1.9566 0.08254 .
221 2259.1 10.2221 2.3483 < 2e-16 ***
Residuals 1105 4810.1 4.3530
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> dulieu<-c(hedochoc[,1],hedochoc[,2],hedochoc[,3],hedochoc[,4],hedochoc[,5],hedochoc[,6])
> dulieu
[1] 5 8 4 3 3 8 3 6 5 6 7 7 4 6 8 5 6 6 6 6 2 1 5 4 3 2 7 5 7 2 3 7 6 8 7 8
> group<-as.factor(rep(c(1:6),6))
> j<-as.factor(gl(6,6))
> TukeyHSD(aov(dulieu~group+j))
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = dulieu ~ group + j)
$group
diff
lwr
upr
p adj
2-1 1.833333e+00 -1.657846 5.324512 0.5947232
3-1 1.333333e+00 -2.157846 4.824512 0.8434289
4-1 6.666667e-01 -2.824512 4.157846 0.9909051
5-1 1.833333e+00 -1.657846 5.324512 0.5947232
6-1 1.833333e+00 -1.657846 5.324512 0.5947232
3-2 -5.000000e-01 -3.991179 2.991179 0.9976208
4-2 -1.166667e+00 -4.657846 2.324512 0.9033601
5-2 -8.881784e-16 -3.491179 3.491179 1.0000000
6-2 -8.881784e-16 -3.491179 3.491179 1.0000000
4-3 -6.666667e-01 -4.157846 2.824512 0.9909051
5-3 5.000000e-01 -2.991179 3.991179 0.9976208
6-3 5.000000e-01 -2.991179 3.991179 0.9976208
5-4 1.166667e+00 -2.324512 4.657846 0.9033601
6-4 1.166667e+00 -2.324512 4.657846 0.9033601
6-5 0.000000e+00 -3.491179 3.491179 1.0000000
$j
diff
lwr
upr
p adj
2-1 0.5000000 -2.991179 3.991179 0.9976208
3-1 0.6666667 -2.824512 4.157846 0.9909051
4-1 -1.1666667 -4.657846 2.324512 0.9033601
5-1 -0.8333333 -4.324512 2.657846 0.9754455
6-1 1.3333333 -2.157846 4.824512 0.8434289
3-2 0.1666667 -3.324512 3.657846 0.9999890
4-2 -1.6666667 -5.157846 1.824512 0.6847144
5-2 -1.3333333 -4.824512 2.157846 0.8434289
6-2 0.8333333 -2.657846 4.324512 0.9754455
4-3 -1.8333333 -5.324512 1.657846 0.5947232
5-3 -1.5000000 -4.991179 1.991179 0.7692649
6-3 0.6666667 -2.824512 4.157846 0.9909051
5-4 0.3333333 -3.157846 3.824512 0.9996637
6-4 2.5000000 -0.991179 5.991179 0.2698556
6-5 2.1666667 -1.324512 5.657846 0.4181153
# phân tích phương sai trên từng tính chất
>sensochoc=data.frame(senso1)
>attach(senso1)
> Panelist <- as.factor(sensochoc[,"Panelist"])
> Session <- as.factor(sensochoc[,"Session"])
> Rank <- as.factor(sensochoc[,"Rank"])
> Product <- sensochoc[,"Product"]
> senso1=sensochoc[,-c(1,2,3,4)]
> names(senso1)
[1] "CocoaA"
"MilkA"
[6] "Vanilla"
"CocoaF"
"Sweetness" "Acidity"
[11] "Crunchy"
"Melting"
"MilkF"
"Caramel"
"Bitterness" "Astringency"
"Sticky"
"Granular"
>Phantich1=aov(CocoaA~Panelist+Session+Rank+Product+Panelist:Session+Panelist:Rank+Pa
nelist:Product +Session :Rank +Session :Product +Rank:Product)
>anova(phantich1)
Analysis of Variance Table
Response: CocoaA
Df Sum Sq Mean Sq F value Pr(>F)
Panelist
1
9.54
9.54 2.5046
0.1145
Session
1
3.72
3.72 0.9780
0.3234
Rank
1
8.52
8.52 2.2378
0.1357
Product
5 208.01 41.60 10.9253 1.006e-09 ***
Panelist:Session 1
2.10 2.10 0.5506
0.4586
Panelist:Rank
1
0.71
0.71 0.1862
0.6664
Panelist:Product 5
2.09
0.42 0.1097
0.9902
Session:Rank
1
1.16
1.16 0.3046
0.5814
Session:Product
5 8.61
1.72 0.4521
0.8117
Rank:Product
5 26.50 5.30 1.3918
0.2269
Residuals
321 1222.31
3.81
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
>TukeyHSD(Phantich1)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = CocoaA ~ Panelist + Session + Rank + Product + Panelist:Session +
Panelist:Rank + Panelist:Product + Session:Rank + Session:Product + Rank:Product)
$Product
diff
lwr
upr
p adj
choc2-choc1 -0.54554102 -1.5844332 0.4933512 0.6609831
choc3-choc1 -2.42327162 -3.4621638 -1.3843794 0.0000000
choc4-choc1 -0.83074571 -1.8696379 0.2081465 0.2000661
choc5-choc1 -0.30890097 -1.3477932 0.7299913 0.9572072
choc6-choc1 -0.73203669 -1.7709289 0.3068555 0.3331137
choc3-choc2 -1.87773059 -2.9166228 -0.8388384 0.0000058
choc4-choc2 -0.28520469 -1.3240969 0.7536875 0.9695895
choc5-choc2 0.23664005 -0.8022522 1.2755323 0.9867216
choc6-choc2 -0.18649567 -1.2253879 0..8523966 0.9955881
choc4-choc3 1.59252590 0.5536337 2.6314181 0.0002173
choc5-choc3 2.11437065 1.0754784 3.1532629 0.0000002
choc6-choc3 1.69123492 0.6523427 2.7301271 0.0000655
choc5-choc4 0.52184474 -0.5170475 1.5607370 0.7024289
choc6-choc4 0.09870902 -0.9401832 1.1376012 0.9997962
choc6-choc5 -0.42313572 -1.4620279 0.6157565 0.8518869
>boxplot(co~choc,main="Boxplot of cocoaA by choc group")
>Phantich1<-aov(CocoaA~Product)
>phantich2=aov(phantich2<-aov(MilkA~Panelist+Session+Rank+Product+Panelist:Session
+Panelist:Rank+Panelist:Product +Session :Rank +Session :Product +Rank:Product)
>anova(phantich2)
Analysis of Variance Table
Response: MilkA
Df Sum Sq Mean Sq F value Pr(>F)
Panelist
1
0.45
0.45 0.0813
0.7758
Session
1
5.07
5.07 0.9104
0.3407
Rank
1
3.55
3.55 0.6370
0.4254
Product
5 216.20 43.24 7.7657 6.499e-07 ***
Panelist:Session 1 15.93 15.93 2.8615
0.0917 .
Panelist:Rank
1
0.03
0.03 0.0058
0.9395
Panelist:Product 5
6.61
1.32 0.2372
0.9459
Session:Rank
1 15.11 15.11 2.7142
0.1004
Session:Product
5 7.30
1.46 0.2623
0.9334
Rank:Product
5 36.82
7.36 1.3224
0.2542
Residuals
321 1787.34
5.57
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> TukeyHSD(phantich2)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = MilkA ~ Panelist + Session + Rank + Product +
Panelist:Session+Panelist:Rank+Panelist:Product+ Session:Rank + Session:Product +
Rank:Product)
$Product
diff
lwr
upr
choc3-choc1 2.47163241 1.2153619 3.7279030 0.0000006
choc3-choc2 2.05070494 0.7944344 3.3069755 0.0000619
choc4-choc2 0.09835230 -1.1579182 1.3546228 0.9999216
choc5-choc2 0.17547138 -1.0807992 1.4317419 0.9986666
choc6-choc2 0.56692713 -0.6893434 1.8231977 0.7883401
choc4-choc3 -1.95235264 -3.2086232 -0.6960821 0.0001673
choc5-choc3 -1.87523357 -3.1315041 -0.6189630 0.0003540
choc6-choc3 -1.48377782 -2.7400484 -0.2275073 0.0102578
choc5-choc4 0.07711908 -1.1791515 1.3333896 0.9999765
choc6-choc4 0.46857483 -0.7876957 1.7248454 0.8932196
choc6-choc5 0.39145575 -0.8648148 1.6477263 0.9479270
>plot(TukeyHSD(phantich2))
p adj
>phantich3=aov(phantich3<-aov(CocoaF~Panelist+Session+Rank+Product+Panelist:Session
+Panelist:Rank+Panelist:Product +Session :Rank +Session :Product +Rank:Product)
>anova(phantich3)
Analysis of Variance Table
Response: CocoaF
Df Sum Sq Mean Sq F value Pr(>F)
Panelist
28 291.29 10.403 5.9458 0.0001734 ***
Session
1 8.38 8.379 4.7891 0.0428909 *
Rank
5 36.52 7.303 4.1742 0.0117210 *
Product
5 712.45 142.490 81.4390 2.886e-11 ***
Panelist:Session 28 79.62 2.844 1.6252 0.1485648
Panelist:Rank
140 371.98 2.657 1.5186 0.1614552
Panelist:Product 89 212.88 2.392 1.3671 0.2370738
Session:Rank
5 12.34 2.467 1.4100 0.2703887
Session:Product
5 10.35 2.071 1.1835 0.3579142
Rank:Product
Residuals
24 49.07 2.044 1.1685 0.3761031
17 29.74 1.750
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
>TukeyHSD(phantich3)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = CocoaF ~ Product)
$Product
diff
lwr
upr
p adj
choc2-choc1 -1.1551724 -2.1070009 -0.2033439 0.0074665
choc3-choc1 -4.6896552 -5.6414837 -3.7378267 0.0000000
choc4-choc1 -1.3793103 -2.3311389 -0.4274818 0.0005883
choc5-choc1 -1.2758621 -2.2276906 -0.3240336 0.0020071
choc6-choc1 -1.8448276 -2.7966561 -0.8929991 0.0000008
choc3-choc2 -3.5344828 -4.4863113 -2.5826542 0.0000000
choc4-choc2 -0.2241379 -1.1759664 0.7276906 0.9846025
choc5-choc2 -0.1206897 -1.0725182 0.8311389 0.9991669
choc6-choc2 -0.6896552 -1.6414837 0.2621733 0.3020703
choc4-choc3 3.3103448 2.3585163 4.2621733 0.0000000
choc5-choc3 3.4137931 2.4619646 4.3656216 0.0000000
choc6-choc3 2.8448276 1.8929991 3.7966561 0.0000000
choc5-choc4 0.1034483 -0.8483802 1.0552768 0.9996070
choc6-choc4 -0.4655172 -1.4173458 0.4863113 0.7260495
choc6-choc5 -0.5689655 -1.5207940 0.3828630 0.5239983
# đánh giá sự đồng thuận của hội đồng
> data<-subset(sensochoc,Session=="1")
> c1<-subset(data,Product=="choc1")
> rank1<-c1[,3]
> c2<-subset(data,Product=="choc2")
> rank2<-c2[,3]
> c3<-subset(data,Product=="choc3")
> rank3<-c3[,3]
> c4<-subset(data,Product=="choc4")
> rank4<-c4[,3]
> c5<-subset(data,Product=="choc5")
> rank5<-c5[,3]
> c6<-subset(data,Product=="choc6")
> rank6<-c6[,3]
> choc<-c(gl(6,29))
> panelist<-c(rep(c(1:29),6))
> choc<-as.factor(choc)
> panelist<-as.factor(panelist)
> rank<-c(rank1,rank2,rank3,rank4,rank5,rank6)
> dt<-aov(rank~choc+panelist)
> anova(dt)
Analysis of Variance Table
Response: rank
Df Sum Sq Mean Sq F value Pr(>F)
choc
5 3.36 0.6724 0.1867 0.9672
panelist 28 0.00 0.0000 0.0000 1.0000
Residuals 140 504.14 3.6010
> data<-subset(sensochoc,Session=="2")
> c1<-subset(data,Product=="choc1")
> rank1<-c1[,3]
> c2<-subset(data,Product=="choc2")
> rank2<-c2[,3]
> c3<-subset(data,Product=="choc3")
> rank3<-c3[,3]
> c4<-subset(data,Product=="choc4")
> rank4<-c4[,3]
> c5<-subset(data,Product=="choc5")
> rank5<-c5[,3]
> c6<-subset(data,Product=="choc6")
> rank6<-c6[,3]
> choc<-c(gl(6,29))
> panelist<-c(rep(c(1:29),6))
> choc<-as.factor(choc)
> panelist<-as.factor(panelist)
> rank<-c(rank1,rank2,rank3,rank4,rank5,rank6)
> dt<-aov(rank~choc+panelist)
> anova(dt)
Analysis of Variance Table
Response: rank
Df Sum Sq Mean Sq F value Pr(>F)
choc
5 2.33 0.4655 0.129 0.9856
panelist 28 0.00 0.0000 0.000 1.0000
Residuals 140 505.17 3.6084
# biểu đồ radar
>library(psych)
>webplot = function(data, data.row = NULL, y.cols = NULL, main = NULL, add = F, col =
"red", lty = 1, scale = T) > choc1=subset(sensochoc,Product=="choc1")
> summary(choc1)
> choc2=subset(sensochoc,Product=="choc2")
> summary(choc2)
> choc3=subset(sensochoc,Product=="choc3")
> summary(choc3)
> choc4=subset(sensochoc,Product=="choc4")
> summary(choc4)
> choc5=subset(sensochoc,Product=="choc5")
> summary(choc5)
> choc6=subset(sensochoc,Product=="choc6")
> summary(choc6)
> par(mar = c(1, 1, 6, 1))
> webplot(choc1,main="Radar Chart")
> webplot(choc2,add = T, col = "blue", lty = 2)
> webplot(choc3,add = T, col = "green")
> webplot(choc4,add = T, col = "violet", lty = 2)
> webplot(choc5,add = T, col = "yellow", lty = 1)
> webplot(choc6,add = T, col = "black", lty = 2)
>legend("bottomright",lty=c(1,2,1,2,1,2),col=c("red","blue","green","violet","yellow","black"),c
("choc1","choc2","choc3","choc4","choc5","choc6",bty="n"))