Bài tập môn thực hành xử lý số liệu thực nghiệm ngành CNTP
Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (259.18 KB, 51 trang )
1
BỘ CÔNG THƯƠNG
TRƯỜNG ĐH CÔNG NGHIỆP TP.HỒ CHÍ MINH
VIỆN CÔNG NGHỆ SINH HỌC – THỰC PHẨM
------
BÀI TẬP
MÔN:THỰC HÀNH XỬ LÝ SỐ LIỆU THỰC NGHIỆM
NGÀNH CNTP
GVHD : PHẠM MINH TUẤN
Thành phố Hồ Chí Minh, ngày 17, tháng,3, năm 2015.
2
Bài 1:
Biểu đồ 1: Hiệu suất trích ly polyphenol trong hai dung môi diethyl và cồn
Dung môi
Hiệu suất ( trung bình ± độ lệch chuẩn)
Diethyl
69.2 ± 5.17
Cồn
68 ± 15.03
Bảng 1: Bảng kết quả trung bình hiệu suất trích ly polyphenol
Kết quả phân tích var.test cho kết quả p-value >α nên hai mẫu có cùng phương sai.
Kết quả phân tích t.test cho p-value > α, điều này cho thấy hiệu suất trích ly của hai dung môi là
như nhau, nên ta có thể chọn một trong hai dung môi để trich ly polyphenol. Tuy nhiên, theo ý
kiến bản thân thì nên chọn cồn làm dung môi vì cồn giá thành rẻ mà ít độc hại hơn diethyl.
Phụ lục:
> etyl<-c(68,63,74,66,75)
> con<-c(52,84,58,84,62)
> var.test(etyl,con)
F test to compare two variances
data: etyl and con
F = 0.1181, num df = 4, denom df = 4, p-value = 0.06226
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
0.01230061 1.13469446
sample estimates:
ratio of variances
0.1181416
> t.test(etyl,con,var.equal=T)
Two Sample t-test
data: etyl and con
t = 0.1688, df = 8, p-value = 0.8701
alternative hypothesis: true difference in means is not equal to 0
3
95 percent confidence interval:
-15.19373 17.59373
sa
mean of x mean of y
69.2
68.0
> mean(etyl)
[1] 69.2
> mean(con)
[1] 68
> sd(etyl)
[1] 5.167204
> sd(con)
[1] 15.0333
Bài 2:
Biểu đồ 2: Khả năng bền bọt của phụ gia
Mẫu
Độ bền bọt (h)
Đối chứng
1.05a ± 0.05
CMC
1.22b ± 0.04
Bảng 2: bảng so sánh độ bền bọt của phụ gia CMC và mẫu đối chứng.
Kết quả phân tích t.test cho thấy p-value < α, điều này chứng tỏ hai mẫu phụ gia có sự khác biệt
về khả năng bền bọt. Khi sử dụng phụ gia CMC thì khả năng bền bọt của sản phẩm cao hơn so
với mẫu không sử dụng phụ gia, do đó nên chọn sử dụng phụ gia.
Phụ lục:
> doichung<-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)
> var.test(doichung,cmc)
F test to compare two variances
data: doichung and cmc
F = 1.1999, num df = 9, denom df = 9, p-value = 0.7905
alternative hypothesis: true ratio of variances is not equal to 1
4
95 percent confidence interval:
0.2980354 4.8307459
sample estimates:
ratio of variances
1.199889
> t.test(doichung,cmc)
Welch Two Sample t-test
data: doichung and cmc
t = -8.3884, df = 17.853, p-value = 1.319e-07
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.2201065 -0.1318935
sample estimates:
mean of x mean of y
1.047
1.223
> t.test(doichung,cmc,var.equal=TRUE)
Two Sample t-test
data: doichung and cmc
t = -8.3884, df = 18, p-value = 1.24e-07
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.2200804 -0.1319196
sample estimates:
mean of x mean of y
1.047
1.223
> mean(doichung)
[1] 1.047
> mean(cmc)
5
[1] 1.223
> sd(doichung)
[1] 0.04900113
> sd(cmc)
[1] 0.04473378
Bài 3
Biểu đồ 3: Biểu đồ thể hiện khả năng phân hủy protein của enzyme trong việc thủy phân cá.
Loại enzyme
Lượng acid amin tổng số (mg/kg) (mean ± sd)
A
18.17a ± 1.17
B
14.8b ± 0.84
C
19ac ± 0.82
D
16.25b± 1.26
Bảng 3: bảng trung bình lượng acid amin của các loại enzyme
Dựa vào phân tích ta thấy p-value < α, nên có sự khác biệt về lượng acid amin mà các enzyme
phân hủy. Ta thấy enzyme A và C phân hủy được lượng acid amin cao hơn hai enzyme B và D.
Do đó nhà sản xuất nên chọn enzyme A hoặc C để tăng hiệu suất thủy phân protein.
Phụ lục:
> A=c(17,18,17,20,19,18)
> B=c(14,15,16,15,14)
> C=c(19,20,18,19)
> D=c(16,15,16,18)
> bai3=c(A,B,C,D)
> enzym=c(rep(1,6),rep(2,5),rep(3,4),rep(4,4))
> enzym=as.factor(enzym)
> data=data.frame(enzym,bai3)
> attach(data)
The following objects are masked _by_ .GlobalEnv:
bai3, enzym
> anova(lm(bai3~enzym))
6
Analysis of Variance Table
Response: bai3
Df Sum Sq Mean Sq F value Pr(>F)
enzym
3 50.564 16.8547 15.431 7.463e-05 ***
Residuals 15 16.383 1.0922
--Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> res=aov(bai3~enzym)
> TukeyHSD(res)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = bai3 ~ enzym)
$enzym
diff
lwr
upr
p adj
2-1 -3.3666667 -5.1905943 -1.5427391 0.0004459
3-1 0.8333333 -1.1109800 2.7776467 0.6151972
4-1 -1.9166667 -3.8609800 0.0276467 0.0539882
3-2 4.2000000 2.1794103 6.2205897 0.0001307
4-2 1.4500000 -0.5705897 3.4705897 0.2079384
4-3 -2.7500000 -4.8798886 -0.6201114 0.0098498
> tapply(bai3,enzym,mean)
1
2
3
4
18.16667 14.80000 19.00000 16.25000
> tapply(bai3,enzym,sd)
1
2
3
4
1.1690452 0.8366600 0.8164966 1.2583057
7
Bài 4:
Biểu đồ 4: Biểu đồ khả năng trương nở của bánh phồng tôm
Nồng độ phụ gia
Mức độ trương nở của bánh (%) (mean ± sd)
0.5%
71.14a ± 6.89
0.3%
63.71ab ± 6.63
0.1%
61.14b ± 7.15
Bảng 4: bảng so sánh mức độ trương nở của bánh phồng tôm của các nồng độ phụ gia
Phân tích cho ta kết quả p-value < α nên có sự khác biệt về mức độ trương nởbánh phồng tôm
của các nông độ phụ gia. Qua đó, ta có thể chọn nồng độ phụ gia là 0.3% hoặc 0.5% để bổ sung
vào bánh. Tuy nhiên, nhà sản xuất ta nên chọn nồng độ phụ gia là 0.3% để tiết kiệm chi phí
nguyên liệu mà vẫn đạt được độ trương nở của bánh phồng tôm.
Phụ lục:
> nongdo1=c(68,80,69,76,68,77,60)
> nongdo2=c(71,62,58,74,65,59,57)
> nongdo3=c(58,60,70,51,57,71,61)
> phugia=c(nongdo1,nongdo2,nongdo3)
> bai4=c(rep(1,7),rep(1,7),rep(1,7))
> bai4=as.factor(bai4)
> data=data.frame(bai4,phugia)
> attach(data)
The following objects are masked _by_ .GlobalEnv:
bai4, phugia
> anova(lm(phugia~bai4))
Analysis of Variance Table
Response: phugia
Df Sum Sq Mean Sq F value Pr(>F)
bai4
2 377.52 188.762 3.9733 0.03722 *
Residuals 18 855.14 47.508
---
8
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> res=aov(phugia~bai4)
> TukeyHSD(res)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = phugia ~ bai4)
$bai4
diff
lwr
upr
p adj
2-1 -7.428571 -16.83138 1.9742350 0.1369187
3-1 -10.000000 -19.40281 -0.5971936 0.0361071
3-2 -2.571429 -11.97423 6.8313778 0.7677005
> tapply(phugia,bai4,mean)
1
2
3
71.14286 63.71429 61.14286
> tapply(phugia,bai4,sd)
1
2
3
6.890297 6.626067 7.151423
Bài 5:
Biểu đồ 5: Biểu đồ hàm lượng isozym EST trong máu ngoại vi của hai nhóm đối tượng.
Đối tượng
Hàm lượng isozym EST (mean ± sd)
Đối chứng
3.53a ± 0.12
Thí nghiệm
3.64b ± 0.09
Bảng 5: bảng kết quả trung bình hàm lượng isozym EST trong máu ngoại vi của hai nhóm đối
tượng.
Kết quả phân tích cho p-value < α nên chứng tỏ xó sự khác nhau về hàm lượng isozym EST
trong máu ngoại vi của hai nhóm đối tượng nghiên cứu. Theo đó, nhóm đối tượng tiếp xúc với
hóa chất diệt côn trùng có hàm lượng isozym EST trong máu ngoại vi cao hơn nhóm đối tượng
không tiếp xúc.
Phụ lục:
9
> doichung
> thinghiem
> var.test(doichung,thinghiem)
F test to compare two variances
data: doichung and thinghiem
F = 2.0128, num df = 34, denom df = 34, p-value = 0.045
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
1.016014 3.987686
sample estimates:
ratio of variances
2.012845
> t.test(doichung,thinghiem,var.equal=F)
Welch Two Sample t-test
data: doichung and thinghiem
t = -4.4164, df = 61.095, p-value = 4.169e-05
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.16270852 -0.06129148
sample estimates:
mean of x mean of y
3.531714 3.643714
> mean(doichung)
[1] 3.531714
> mean(thinghiem)
[1] 3.643714
10
> sd(doichung)
[1] 0.1226301
> sd(thinghiem)
[1] 0.08643548
Bài 6:
Biểu đồ 6: biểu đồ mức độ ưa thích các loại hương liệu.
Kết quả phân tích chisq.test cho p-value > α nên mức độ ưa thích của hai loại hương liệu là như
nhau nên nhà sản xuất có thể chọn một trong hai loại hương liệu. Tuy nhiên, về giá thanh thì
hương vani rẻ hơn hương chanh dây nên chọn hương vani sẽ giảm chi phí nguyên liệu.
Phụ lục:
> chanhday<-c(15,132)
> vani<-c(33,145)
> bai6
> chisq.test(bai6)
Pearson's Chi-squared test with Yates' continuity correction
data: bai6
X-squared = 3.8061, df = 1, p-value = 0.05107
Bài 7
Biểu đồ 7: Biểu đồ hàm lượng saponin trong nhân sâm ở các vùng.
Bảng 7: Bảng kết quả trung bình hàm lượng saponin trong nhân sâm ở 3 vùng.
Vùng
Hàm lượng saponin (%) (mean ± sd)
Vùng 1
7.2a ± 0.43
Vùng 2
5.9b ± 0.2
Vùng 3
6.4c ± 0.16
Kết quả phân tích cho thấy hàm lượng saponin ở ba vung khác nhau, do p-value < α. Do đó ta
thấy hàm lượng saponin trong nhân sâm ở vùng 1 cao nhất trong ba vùng, ta nên chọn nhân sâm
ở vùng 1.
11
Phụ lục:
> vung1=c(7.53,6.87,7.12,7.53,6.84,6.67,7.81)
> vung2=c(5.87,5.64,6.14,6.07,5.79)
> vung3=c(6.13,6.35,6.50,6.49,6.55,6.33)
> group=c(vung1,vung2,vung3)
> bai7=c(rep(1,7),rep(2,5),rep(3,6))
> bai7=as.factor(bai7)
> data=data.frame(group,bai7)
> attach(data)
The following objects are masked _by_ .GlobalEnv:
bai7, group
> anova(lm(group~bai7))
Analysis of Variance Table
Response: group
Df Sum Sq Mean Sq F value Pr(>F)
bai7
2 5.1625 2.58126 27.595 9.412e-06 ***
Residuals 15 1.4031 0.09354
--Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> TukeyHSD(aov(group~bai7))
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = group ~ bai7)
$bai7
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
12
> tapply(group,bai7,mean)
1
2
3
7.195714 5.902000 6.391667
> tapply(group,bai7,sd)
1
2
3
0.4311944 0.2043771 0.1552318
Bài 8:
Biểu đồ 8: Biểu đồ các tính chất cảm quan
Tính chất
Sản phẩm 1
Độ trong
7.6 ± 0.96
Độ màu
7.7 ± 0.95
Hương
7.5 ± 0.85
Vị mặn
6.8 ± 0.79
Bảng 8: bảng so sánh các tính chất cảm quan của hai sản phẩm.
Sản phẩm 2
5.5 ± 0.85
5.4 ± 0.84
7.1 ± 1.37
7.9 ± 0.74
Độ trong:
Kết quả phân tích t.test cho p-value < α nên độ trong của hai sản phẩm khác nhau, dựa vào giá
trị trung bình của hai sản phẩm ta nên chọn độ trong của sản phẩm 1
Độ màu:
Kết quả phân tích t.test cho p-value < α nên độ màu của hai sản phẩm là khác nhau, ta có kết quả
trung bình của sản phẩm 1 cao hơn sản phẩm 2 nên ta chọn độ màu của sản phẩm 1.
Hương :
Kết quả t.test cho p-value > α, điều này chứng tỏ không có sự khác nhau giữa mùi hương của hai
sản phẩm trên,ta chọn hương sản phẩm nào cũng được.
Vị mặn:
Kết quả t.test cho p-value < α nên có sự khác nhau giữa vị mặn của hai sản phẩm, do kết quả
trung bình của sản phẩm 2 cao hơn sản phẩm 1 nên ta chọn vị mặn của sản phẩm 2.
Phụ lục:
> dt1=c(7,6,7,8,9,7,8,9,7,8)
13
> dm1=c(8,7,8,9,9,8,6,7,8,7)
> huong1=c(8,7,8,7,6,7,7,8,8,9)
> vm1=c(8,6,7,6,7,8,7,6,7,6)
> dt2=c(6,5,5,6,4,5,6,7,5,6)
> dm2=c(5,6,5,7,5,4,6,5,6,5)
> huong2=c(7,8,6,5,5,7,8,9,8,8)
> vm2=c(7,8,7,8,9,7,8,8,9,8)
> mean(dt1)
[1] 7.6
> mean(dm1)
[1] 7.7
> mean(huong1)
[1] 7.5
> mean(vm1)
[1] 6.8
> mean(dt2)
[1] 5.5
> mean(dm2)
[1] 5.4
> mean(huong2)
[1] 7.1
> mean(vm2)
[1] 7.9
> sd(dt1)
[1] 0.9660918
> sd(dm1)
[1] 0.9486833
> sd(huong1)
14
[1] 0.8498366
> sd(vm1)
[1] 0.7888106
> sd(dt2)
[1] 0.8498366
> sd(dm2)
[1] 0.843274
> sd(huong2)
[1] 1.37032
> sd(vm2)
[1] 0.7378648
> t.test(dt1,dt2,paired=T)
Paired t-test
data: dt1 and dt2
t = 6.0343, df = 9, p-value = 0.0001942
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
1.312746 2.887254
sample estimates:
mean of the differences
2.1
> t.test(dm1,dm2,paired=T)
Paired t-test
data: dm1 and dm2
t = 5.8108, df = 9, p-value = 0.000256
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
1.404612 3.195388
15
sample estimates:
mean of the differences
2.3
> t.test(huong1,huong2,paired=T)
Paired t-test
data: huong1 and huong2
t = 1.0776, df = 9, p-value = 0.3092
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.4396772 1.2396772
sample estimates:
mean of the differences
0.4
> t.test(vm1,vm2,paired=T)
Paired t-test
data: vm1 and vm2
t = -2.7035, df = 9, p-value = 0.02426
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-2.0204382 -0.1795618
sample estimates:
mean of the differences -1.1
Bài 9 :
Sản phẩm
Mức độ hài lòng của khách hàng
A
126/150
B
107/150
Bảng 9: bảng mức độ hài long của khách hàng về hai sản phẩm
Kết quả phân tích cho p-value < α nên hai sản phẩm A và B có mức độ hài long của khách hàng
khác nhau.
16
Ta có tỉ lệ hài long của sản phẩm A lớn hơn tỉ lệ hài long của sản phẩm B, do đó ta chọn sản
phẩm A
Phụ lục:
> hailong=c(124,107)
> khonghailong=c(26,43)
>group=matrix(c(hailong,khonghailong),nrow=2,byrow=T,dimname=list(c("hailong","khonghail
ong"),c("spa","sp")))
> chisq.test(group)
Pearson's Chi-squared test with Yates' continuity correction
data: group
X-squared = 4.8184, df = 1, p-value = 0.02816
Bài 10
Biểu đồ 10: biểu đồ thị hiếu của khách hàng về hai sản phẩm.
Sản phẩm
Điểm trung bình (mean ± sd)
Bán
7.09 ± 1.14
Cải tiến
8 ±0.77
Bảng 10: bảng điểm đánh giá trung bình của khách hàng về hai sản phẩm.
Kết quả phân tích var.test cho p-value > α nên hai sản phẩm có cùng phương sai.
Kết quả t.test cho p-value < α nên hai sản phẩm có mức độ thị hiếu khác nhau. Ta thấy sản phẩm
cái tiến có mức độ thị hiếu cao hơn sản phẩm đang bán. Vì vậy công ty nên đưa ra sản phẩm cải
tiến.
Phụ lục:
> ban=c(6,8,7,8,8,9,7,5,6,7,7)
> caitien=c(8,8,9,7,8,7,7,9,8,9,8)
> var.test(ban,caitien)
F test to compare two variances
data: ban and caitien
F = 2.1515, num df = 10, denom df = 10, p-value = 0.2428
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
17
0.5788635 7.9967340
sample estimates:
ratio of variances
2.151515
> t.test(ban,caitien,var.equal=T)
Two Sample t-test
data: ban and caitien
t = -2.1926, df = 20, p-value = 0.04033
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-1.77395064 -0.04423118
sample estimates:
mean of x mean of y
7.090909 8.000000
> mean(ban)
[1] 7.090909
> mean(caitien)
[1] 8
> sd(ban)
[1] 1.136182
> sd(caitien)
[1] 0.7745967
Bài 11
Biểu đồ 11: biểu đồ thời gian và hiệu suất phá hủy tế bào nấm mèo.
Thời gian (phút)
55
70
Hiệu suất (%) (mean ± sd)
17.72a ± 0.9
21.07ab ± 0.57
18
85
100
115
Bảng 11: bảng kết quả hiệu suất trung bình
23.3b ± 1.31
24.38bc ± 0.49
24.99bc ± 0.74
Kết quả phân tích cho p-value < α cho thấy thời gian trích ly khác nhau cho hiệu suất khác nhau.
Kết quả trích ly trung bình cho thấy hiệu suất trích ly cao nhất là thủy phân trong 100 phút và
115 phút nên ta có thể chọn một trong hai thời gian trên để thủy phân. Tuy nhiên, để tiết kiệm
thời gian, nguyên liệu ta nên thủy phân trong 100 phút.
Phụ lục:
> tg1=c(16.77,18.56,17.83)
> tg2=c(21.51,20.42,21.27)
> tg3=c(22.16,24.73,23.01)
> tg4=c(24.92,24.27,23.96)
> tg5=c(24.73,24.41,25.82)
> group=c(tg1,tg2,tg3,tg4,tg5)
> bai11=c(rep(1,3),rep(2,3),rep(3,3),rep(4,3),rep(5,3))
> bai11=as.factor(bai11)
> data=data.frame(bai11,group)
> attach(data)
The following objects are masked _by_ .GlobalEnv:
bai11, group
> anova(lm(group~bai11))
Analysis of Variance Table
Response: group
Df Sum Sq Mean Sq F value Pr(>F)
bai11
4 105.167 26.2917 36.126 6.447e-06 ***
Residuals 10 7.278 0.7278
--Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> TukeyHSD(aov(group~bai11))
19
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = group ~ bai11)
$bai11
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
> tapply(group,bai11,mean)
1
2
3
4
5
17.72000 21.06667 23.30000 24.38333 24.98667
> tapply(group,bai11,sd)
1
2
3
4
5
0.9000556 0.5727419 1.3093128 0.4899320 0.7392113
Bài 12:
Biểu đồ 12: biểu đồ năng suất các giống lúa.
Giống lúa
Năng suất lúa trung bình (mean ± sd)
Giống 1
7a ± 1
Giống 2
8.6a ± 1.14
Giống 3
4.6b ± 1.14
Giống 4
4.8b ± 0.84
Bảng 12: Bảng kết quả trung bình năng suất của các giống lúa.
20
Kết quả phân tích cho p-value < α chứng tỏ sự khác nhau giữa năng suất lúa là do phẩm giống
lúa khác nhau. Ta có năng suất giống lúa 1 và giống lúa 2 cao hơn năng suất giống 3 và giống lúa
4. Do đó, ta nên phổ biến rộng rãi giống lúa 1 và 2.
Phụ lục:
> g1=c(8,7,6,6,8)
> g2=c(9,10,7,9,8)
> g3=c(5,5,4,3,6)
> g4=c(5,4,5,4,6)
> giong=c(g1,g2,g3,g4)
> bai12=c(rep(1,5),rep(2,5),rep(3,5),rep(4,5))
> bai12=as.factor(bai12)
> data=data.frame(bai12,giong)
> attach(data)
The following objects are masked _by_ .GlobalEnv:
bai12, giong
> anova(lm(giong~bai12))
Analysis of Variance Table
Response: giong
Df Sum Sq Mean Sq F value Pr(>F)
bai12
3 54.55 18.183 16.915 3.229e-05 ***
Residuals 16 17.20 1.075
--Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> TukeyHSD(aov(giong~bai12))
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = giong ~ bai12)
$bai12
diff
lwr
upr
p adj
21
2-1 1.6 -0.2760962 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
> tapply(giong,bai12,mean)
1 2 3 4
7.0 8.6 4.6 4.8
> tapply(giong,bai12,sd)
1
2
3
4
1.000000 1.140175 1.140175 0.836660
Bài 13:
Biểu đồ 13: Biểu đồ hiệu suất trích ly vitamin C theo nồng độ enzyme
Nồng độ enzyme
Hàm lượng vitamin C trung bình (%) (mean ± sd)
0
49.83a ± 2.03
0.05
78.13b ± 1.51
0.1
89.04c ±1.33
0.15
91.74cd ± 0.9
0.2
94.32de ± 0.72
0.25
96.75e ± 1.38
0.3
97.57e ± 1.16
Bảng 13: bảng kết quả hàm lượng vitamin C trung bình theo nồng độ enzyme
Kết quả phân tích cho p-value < α nên hàm lượng vitamin C thu hồi khi chiết với các nồng độ
enzyme khác nhau là khác nhau. Ta có giá trị trung bình hàm lượng vitamin C chiết được cao
nhất ở nồng độ enzyme 0.2, 0.25 và 0.3, do đps ta có thể chọn một trong ba nồng độ này để đạt
hàm lương vitamin C cao nhất.
Phụ lục:
> setwd("C:/Users/Hoang Phi/Downloads")
> bai=read.csv("Book1.csv",header=TRUE)
> save(bai,file="Book1.rda")
22
> attach(bai)
> mean(X0)
[1] 49.83
> mean(X0)
[1] 49.83
> mean(X0.05)
[1] 78.12667
> mean(X0.1)
[1] 89.03667
> mean(X0.15)
[1] 91.74
> mean(X0.2)
[1] 94.32333
> mean(X0.25)
[1] 96.75333
> mean(X0.3)
[1] 97.56667
> sd(X0)
[1] 2.030049
> sd(X0.1)
[1] 1.332754
> sd(X0.15)
[1] 0.9003888
> sd(X0.2)
[1] 0.7198842
> sd(X0.25)
[1] 1.377111
> sd(X0.3)
23
[1] 1.160014
> sd(X0.05)
[1] 1.507061
> bai13=c(X0,X0.05,X0.1,X0.15,X0.2,X0.25,X0.3)
> group=gl(7,3,21)
> group=as.factor(group)
> data=data.frame(group,bai13)
> attach(data)
The following objects are masked _by_ .GlobalEnv:
bai13, group
> anova(lm(bai13~group))
Analysis of Variance Table
Response: bai13
Df Sum Sq Mean Sq F value Pr(>F)
group
6 5184.2 864.04 474.76 2.389e-15 ***
Residuals 14 25.5
1.82
--Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> TukeyHSD(aov(bai13~group))
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = bai13 ~ group)
$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
24
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
7-6 0.8133333 -2.9478178 4.574484 0.9873690
Bài 14
Biểu đồ 14: Biểu đồ thể hiện sự tăng cân của cơ thể qua ba thực đơn khác nhau
Thực đơn
Tăng 1.5-3kg/tháng (%)
Thực đơn 1
59
Thực đơn 2
34
Thực đơn 3
88
Bảng 14: bảng tỉ trọng tăng cân theo thực đơn khác nhau
Tăng 0.5-1kg/tháng (%)
41
66
12
25
Kết quả phân tích chisq.test cho p-value < α, vậy có sự khác nhau về việc tăng cân theo thực đơn.
Ta nên chọn thực đơn số 3 vì theo thực đươn này có tỉ trọng tăng cân lớn nhất.
Phụ lục:
> nguoi=c(245,170,145,270,367,48)
> tang=matrix(nguoi,nrow=2,byrow=F)
> chisq.test(tang)
Pearson's Chi-squared test
data: tang
X-squared = 249.9598, df = 2, p-value < 2.2e-16
> prop.test(0.59,415,0.88)
1-sample proportions test with continuity correction
data: 0.59 out of 415, null probability 0.88
X-squared = 3025.194, df = 1, p-value < 2.2e-16
alternative hypothesis: true p is not equal to 0.88
95 percent confidence interval:
4.855936e-06 1.388416e-02
sample estimates:
p
0.001421687
Bài 15:
Biểu đồ 15: Biểu đồ tỉ lệ cấu trúc của yagourt theo phụ gia
Tốt (%)
Vừa (%)
Phụ gia A
93.45
4.76
Phụ gia B
91.75
5.82
Phụ gia C
87.63
8.76
Bảng 15: bảng tỉ trọng cấu trúc của yagourt theo phụ gia
Không đạt (%)
1.79
2.43
3.61
Dựa vào kết quả phân tích ta thấy p-value <α cho thấy khả năng cải thiện cấu trúc của ba phụ gia
khác nhau. Dựa vào biểu đồ và bảng tỉ trọng ta nên chon phụ gia A để cải thiện cấu trúc sản
phẩm yagourt tốt nhất.
Phụ lục
