Thực hành xử lý số liệu thực phẩm

Bài 3:Hình 3.1 So sánh khả năng thuỷ phân protein của 4 loại enzyme trong việc thuỷ phân cá trong quá trình sản xuất nước mắm Bảng khả năng thuỷ phân protein của 4 loại enzyme: Vì value

Trang 1

TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH

VIỆN CÔNG NGHỆ SINH HỌC – THỰC PHẨM

THỰC HÀNH XỬ LÝ SỐ LIỆU THỰC NGHIỆM

GVHD: PHẠM MINH TUẤN Tên : NGUYỄN NHẬT THANH VINH Mssv:12068071

Lớp: DHTP8B Tổ

: 5

TPHCM, tháng 3 năm 2015

BÀI TẬP THỰC HÀNH XỬ LÝ SỐ

LIỆU THỰC NGHIỆM

Trang 2

Bài 1:

Hình 1.1: Hiệu suất trung bình trích li polyphenol của trà xanh theo dung môi (%).

Bảng hiệu suất trung bình (%) trích li polyphenol theo dung môi

Dung môi Hiệu suấtDietylete 69.2 ± 5.17Cồn 68± 15.03

Vì p-value = 0.8701 > 0.05 nên theo thống kê không có sự khác biệt về hiệu suất trích ly polyphenol của hai dung môi với α = 5% Ta có thể chọn cả 2 dung môi để trích ly Nhưng để an toàn cho sức khỏe, dễ kiếm và giá thành rẻ thì nên chọn cồn

F test to compare two variances

data: dietyleter 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:

Trang 3

data: dietyleter and con

t = 0.1688, df = 8, p-value = 0.8701

alternative hypothesis: true difference in means is not equal to 0

Hình 2.1: Thời gian bền bọt của mẫu đối chứng và mẫu sử dụng phụ gia

Bảng so sánh sự khác biệt về khả năng bền bọt giữa mẫu đối chúng và mẫu có sử dụng phụ gia

Thời gian bền bọtĐối chứng 1.05 ± 0.05CMC 1.22 ± 0.04

Vì p-value=1.24e-07 (<<0.05), theo thống kê có sự khác biệt về thời gian bền bọt của mẫu khi sửdụng phụ gia CMC và không sử dụng phụ gia với α=5% Nên có thể sử dụng phụ gia này để tăngkhả năng bền bọt

Phụ lục :

>

thoigian<-c(1.10,0.99,1.05,1.01,1.02,1.07,1.10,0.98,1.03,1.12,1.25,1.31,1.28,1.20,1.18,1.22,1.22,1.17,1.19,1.21)

> phugia<-as.factor(gl(2,10))

> bai2<-data.frame(phugia,thoigian)

Trang 4

> var.test(thoigian~phugia)

data: thoigian by phugia

Two Sample t-test

data: thoigian by phugia

t = -8.3884, df = 18, p-value = 1.24e-07

Trang 5

Bài 3:

Hình 3.1 So sánh khả năng thuỷ phân protein của 4 loại enzyme trong việc thuỷ phân cá

trong quá trình sản xuất nước mắm

Bảng khả năng thuỷ phân protein của 4 loại enzyme:

Vì value

p-=7.463e-05 <<0.05 nên theo thống kê có sự khác biệt về hàm lượng acid amin được thuỷphân giữa các loại enzyme Enzyme loại C thuỷ phân ra hàm lượng acid amin tổng số caonhất (19.00 mg/kg) nhưng không có sự khác biệt so với enzyme loại A (18.17 mg/kg) Vìvậy có thể chọn loại enzyme A hoặc C để tăng hiệu suất thủy phân protein

Loại D 16.25bc 1.26

Trang 6

Tukey multiple comparisons of means

95% family-wise confidence level

Fit: aov(formula = acidamin ~ enzyme)

Trang 7

Hình 4.1 Khả năng trương nở của bánh dựa theo nồng độ phụ gia

Bảng khả năng trương nở của bánh phồng tôm dựa vào nồng độ phụ gia

Nồng độ Độ trương nở của bánh0.5% 71.14a ± 6.89

0.3% 63.71ab ± 6.63

Trang 8

0.1% 61.14b ± 7.15

Vì p-value = 0.037 < 0.05 nên theo thống kê có sự khác biệt về độ trương nở của bánh ởcác nồng độ phụ gia khác nhau theo α=5% Độ trương nở của bánh cao nhất là 71.14 ởnồng độ 0.5%, không có sự khác biệt so với nồng độ 0.3% với khả năng trương nở củabánh là 63.71 Để kinh tế và an toàn sức khỏe nên chọn phụ gia ở nồng độ 0.3% để chếbiến bánh phồng tôm

Trang 9

Fit: aov(formula = phugia ~ group)

Hình 5.1 Hàm lượng izozym EST trong máu ngoại vi của hai nhóm người

Bảng hàm lượng izozym EST trong máu ngoại vi của 2 nhóm người:

Trang 10

Nhóm Hàm lượng izozym ESTĐối chứng 3.43 ± 0.69

Thí nghiệm 3.77 ± 0.25

Vì p- value = 0.01027 < 0.05, theo thống kê có sự khác biệt về hàm lượng izozym EST giữa haihóm người với α=5% Hàm lượng izozym EST trong máu của nhóm người tiếp xúc lâu dài, trựctiếp với hoá chất (3.77) cao hơn hàm lượng izozym EST trong máu của nhóm người không tiếpxúc trực tiếp với hoá chất (3.43)

Phụ lục:

> nhom<-gl(2,35,70)

>hamluong<-c(3.45,3.58,3.59,3.62,3.59,3.57,3.21,2.74,3.29,3.48,3.45,3.58,3.59,3.62,3.59,3.57,3.21,2.74,3.29,3.48,3.45,3.58,3.59,3.62,3.59,3.57,3.21,2.74,3.29,3.48,3.45,3.58,3.59,3.62,3.59,3.57,3.57,3.59,3.58,3.67,3.69,3.74,3.58,3.68,3.59,3.58,3.74,3.75,3.61,3.78,3.67,3.69,7.74,3.58,3.68,3.59,3.58,3.58,3.68,3.59,3.58,3.74,3.75,3.61,3.78,3.67,3.69,3.74,3.58,3.68)

> bai5<-data.frame(hamluong,nhom)

> var.test(hamluong ~ nhom)

data: hamluong by nhom

F = 0.1304, num df = 34, denom df = 34, p-value = 4.224e-08

0.06584335 0.25842418

sample estimates:

ratio of variances

0.1304435

Trang 11

> t.test(hamluong ~ nhom,equal=F)

Welch Two Sample t-test

data: hamluong by nhom

t = -2.6854, df = 42.722, p-value = 0.01027

Trang 12

[1] 3.769143

Bài 6:

Hình 6.1 Biểu đồ thể hiện mức độ ưa thích của 240 người đối với mứt rau câu có cho

thêm hương chanh dây và vani

Bảng khảo sát sự ưa thích 2 loại hương chanh dây và hương vani

Không thích ThíchHương chanh dây 15 132Hương vani 33 145

Vì p-value = 0.05107 > 0.05, theo thống kê không có sự khác biệt về mức độ ưa thích giữa 2loại hương chanh dây và vani Vì thế trong quá trình chế biến nhà sản xuất có thể dùng 1 trong 2hương để tăng hương vị cho sản phẩm mứt rau câu, nhưng để cho tiết kiêm nên dùng hươngchanh dây

Phụ lục:

> bai6<-matrix(c(15,132,33,145),nrow=2,ncol=2,byrow=T, dimnames=list(c("huong chanhday","huong vani"),c("khong thich","thich")))

> bai6

khong thich thich

huong chanh day 15 132

Trang 13

Vùng II 5.90b ± 0.20Vùng III 6.39c ± 0.16

Vì p-value =9.412e-06 <<0.05 nên có sự khác biệt hàm lượng saponin trong nhân sâm giữa cácvùng Hàm lượng saponin cao nhất (7.19%) ở vùng I, hàm lượng này có sự khác biệt so vớinhững vùng còn lại Nếu có nhu cầu, nên sử dụng nhân sâm ở vùng I

Fit: aov(formula = saponin ~ vung)

$vung

diff lwr upr p adj

Trang 14

Hình 8.1 Biểu đồ thể hiện độ trong của 2 sản phẩm

Hình 8.2 Biểu đồ thể hiện độ màu của 2 sản phẩm

Hình 8.3 Biểu đồ thể hiện hương của 2 sản phẩm

Hình 8.4 Biểu đồ thể hiện vị mặn của 2 sản phẩm

Kết luận:

1) Vì p-value=6.559e-05<0.05 nêncó sự khác nhau về mức độ ưa thích độ trong ở 2 sản phẩm Sản phẩm 1 có mức độ ưa thích độ trong (7.6) cao hơn độ trong của sản phẩm 1 (5.5)

> dotrong <- c(1,1,1,1,1,1,1,1,1,1, 2,2,2,2,2,2,2,2,2,2)

> my <- c(7,6,7,8,9,7,8,9,7,8,6,5,5,6,4,5,6,7,5,6)

> yt1 <- data.frame(dotrong,my)

Trang 15

> yt1

> var.test(dotrong,my)

data: dotrong and my

F = 0.1353, num df = 19, denom df = 19, p-value = 6.045e-05alternative hypothesis: true ratio of variances is not equal to 1

data: dotrong and my

t = -15.1991, df = 24.05, p-value = 7.848e-14

-5.73567 -4.36433

sample estimates:

mean of x mean of y

1.50 6.55

Trang 16

2) Vì p-value=2.779e-05<0.05 nên có sự khác nhau về mức độ ưa thích độ màu ở 2 sản phẩm Mức độ ưa thích độ màu ở sản phẩm 1(7.7) cao hơn độ màu của sản phẩm 2(5.4)

data: Yt2 and domau

F = 0.1221, num df = 19, denom df = 19, p-value = 2.779e-05

data: Yt2 and domau

Trang 17

t = -14.5225, df = 23.572, p-value = 2.975e-13

data: Yt3 and huong

t = -20.9232, df = 26.53, p-value < 2.2e-16

-6.369248 -5.230752

sample estimates:

mean of x mean of y

1.5 7.3

Trang 18

4) Vì p-value <0.05 nên sự khác biệt về vị mặn giữa hai loại sản phẩm có ý nghĩa thống kê Màgiá trị trung bình của sản phẩm 2> giá trị trung bình của sản phẩm1 nên ta chọn vị mặn của sảnphẩm 2.

data: Yt4 and viman

t = -24.5654, df = 29.52, p-value < 2.2e-16

Trang 19

Không hài long 26 43

Vì p-value = 0.02816<0.05 nên có sự khác biệt về mức độ hài lòng của khách hàng về 2 sảnphẩm A và B Ta thấy, sản phẩm A có mức độ hài lòng (124) cao hơn mức độ hài lòng của sảnphẩm B (107) Nếu là nhà sản xuất, đề nghị chọn sản phẩm A để tập trung phát triển

Trang 20

Bài 10:

Hình 10.1 Biểu đồ so sánh thị hiếu của khách hàng về 2 loại sản phẩm: sản phẩm đang

bán và sản phẩm cải tiến

Sản phẩm ĐiểmĐang bán 7.09 ± 1.14Cải tiến 8.00± 0.77

Vì p-value = 0.04033 < 0.05, nên thị hiếu của khách hàng về 2 loại sản phẩm đang bán và cảitiến có sự khác nhau Thị hiếu của khách hàng về sản phẩm đang bán thấp hơn thị hiếu về sảnphẩm cải tiến Vì vậy nên tung sản phẩm cải tiến ra thị trường

data: caitien and dangban

Trang 21

Two Sample t-test

data: caitien and dangban

t = 2.1926, df = 20, p-value = 0.04033

Hình 11.1 Biểu đồ thể hiện hiệu suất trích ly ở những thời gian khác nhau

Thời gian Hiệu suất trích ly

Trang 22

sự khác biệt ở thời gian 85 phút, 100 phút, và 115 phút nên có thể chọn một trong 3 mốc thờigian đó để trích ly Để tiết kiệm thời gian, nên chọn mốc thời gian 85 phút là thích hợp nhất.\Phụ lục:

> thoigian<- gl(5,3)

>thoigian<-as.factor(thoigian)

>hieusuat<c(16.77,18.56,17.83,21.51,20.42,21.27,22.16,24.73,23.01,24.92,24.27,23.96,24.73,24.41,25.82)

Fit: aov(formula = hieusuat ~ thoigian)

Trang 23

4-2 3.3166667 1.02425211 5.609081 0.00535345-2 3.9200000 1.62758544 6.212415 0.00158624-3 1.0833333 -1.20908122 3.375748 0.55361335-3 1.6866667 -0.60574789 3.979081 0.18648175-4 0.6033333 -1.68908122 2.895748 0.9028933

Trang 24

Hình 12.1 Biểu đồ thể hiện năng suất của các giống lúa

Năng suấtGiống 1 7.00a ±1.00Giống 2 8.60ab ±1.14Giống 3 4.60c ±1.14Giống 4 4.80c ±0.84

Vì p-value =3.229e-05<0.05, theo thống kê có sự khác biệt về năng suất giữa các giống lúa vớimức ý nghĩa 5% Ta thấy giống lúa 2 cho năng suất cao nhất, năng suất này không có sự khácbiệt so với giống lúa 1 Để phổ biến rộng rãi trong sản xuất, có thể chọn giống 1 hoặc giống 2.Phụ lục:

Trang 25

> TukeyHSD(res)

Tukey multiple comparisons of means 95% family-wise confidence levelFit: aov(formula = nangsuat ~ giong)

$giong

diff lwr upr p adj

2-1 1.6 -0.2760962 3.4760962 0.10919813-1 -2.4 -4.2760962 -0.5239038 0.01023114-1 -2.2 -4.0760962 -0.3239038 0.01893293-2 -4.0 -5.8760962 -2.1239038 0.00008224-2 -3.8 -5.6760962 -1.9239038 0.00014584-3 0.2 -1.6760962 2.0760962 0.9897700

Trang 26

Vì p-value = 2.389e-15 < 0.05 nên có sự khác biệt về hàm lượng vitamin C theo nồng độenzyme Hàm lượng vitamin C thu được cao nhất là 97.57(mg/g) khi dùng nồng độ enzyme0.3% Hàm lượng này không có sự khác biệt với hàm lượng thu được khi sử dụng ở các nồng độenzyme 0.2% và 0.25% Tuy nhiên, để tiết kiệm chi phí nên chọn nồng độ enzyme 0.2%.

Phụ lục:

> nongdo <- gl(7,3)

> nongdo <- as.factor(nongdo)

Trang 27

Fit: aov(formula = vitamin ~ nongdo)

Trang 28

> x<-c(245,170,145,270,367,48)

> y<-matrix(x,nrow=2,byrow=F)

Trang 29

Hình 15.1 Biểu đồ khảo sát 3 loại phụ gia với khả năng cải thiện cấu trúc của yagourt

Phụ gia A Phụ gia B Phụ gia C Đối chứngCấu trúc tốt 157 189 170 92

Cấu trúc vừa 8 12 17 35

Cấu trúc không đạt 3 5 7 28

Vì p-value =2.2e-16<0.05, theo thống kê có sự khác biệt về khả năng cải thiện cấu trúc yagourtcủa 3 loại phụ gia với mức ý nghĩa 5% Phụ gia B cải thiện cấu trúc tốt cao nhất (189) Nếu lànhà sản xuất, chọn phụ gia B để cải thiện cấu trúc cho sản phẩm yagourt

>bai15<-matrix(c(157,8,3,189,12,5,170,17,7,92,35,28),nrow=3,ncol=4,dimnames=list(c("Cấu trúctốt","Cấu trúc vừa","Cấu trúc không đạt"),c("Phụ gia A","Phụ gia B","Phụ gia C","Đốichứng")))

> bai15

Phụ gia A Phụ gia B Phụ gia C

Cấu trúc tốt 157 189 170

Cấu trúc vừa 8 12 17

Trang 30

Hình 16.1 Biểu đồ thể hiện hàm lượng phenolic theo các nồng độ enzyme

Nồng độ Enzym Hàm lượng phenolic (%)

0 21.80a ± 1.670.05 25.60b ± 1.420.1 27.87bc ± 0.450.15 29.43c ± 1.070.2 30.90c ± 1.350.25 30.77c ± 0.830.3 30.87c ± 1.12

Vì p-value = 1.062e – 06 <0.05 nên có sự khác biệt hàm lượng phenolic ở các nồng độ enzymekhác nhau Hàm lượng phenolic cao nhất là 30.87 ở nồng độ enzyme 0.3% Tuy nhiên, hàmlượng này không có sự khác biệt ở các nồng độ enzyme 0.1%, 0.15%, 0.2%, 0.25% Để lợinhuận kinh tế, chúng tôi đề nghị chọn nồng độ enzyme 0.1%

>enzym<-c(rep(0,3),rep(0.05,3),rep(0.1,3),rep(0.15,3),rep(0.2,3),rep(0.25,3),rep(0.3,3)

> enzym <- as.factor(enzym)

Trang 31

>bai16 <- data.frame(phenolic, enzym)

> analysis <- lm(phenolic ~ enzym)

Fit: aov(formula = phenolic ~ enzym)

Trang 32

0.3-0.05 5.26666667 1.9488429 8.584490 0.00135570.15-0.1 1.56666667 -1.7511571 4.884490 0.67762100.2-0.1 3.03333333 -0.2844904 6.351157 0.08359790.25-0.1 2.90000000 -0.4178238 6.217824 0.10570660.3-0.1 3.00000000 -0.3178238 6.317824 0.08868750.2-0.15 1.46666667 -1.8511571 4.784490 0.73559280.25-0.15 1.33333333 -1.9844904 4.651157 0.80721630.3-0.15 1.43333333 -1.8844904 4.751157 0.75422560.25-0.2 -0.13333333 -3.4511571 3.184490 0.99999920.3-0.2 -0.03333333 -3.3511571 3.284490 1.00000000.3-0.25 0.10000000 -3.2178238 3.417824 0.9999999

Trang 35

Residual standard error: 0.007876 on 5 degrees of freedom

Multiple R-squared: 0.9999, Adjusted R-squared: 0.9998

Trang 36

F-statistic: 3.374e+04 on 1 and 5 DF, p-value: 9.071e-11

> congsuat<-gl(6,3)

>vitamin<-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)

Trang 37

Residuals 12 10.0 0.83

-Signif codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

> TukeyHSD(aov(vitamin~congsuat))

Fit: aov(formula = vitamin ~ congsuat)

$congsuat

diff lwr upr p adj2-1 46.0333333 43.5339177 48.53274899 0.00000003-1 49.9666667 47.4672510 52.46608233 0.00000004-1 52.7666667 50.2672510 55.26608233 0.00000005-1 50.2000000 47.7005843 52.69941566 0.00000006-1 47.9000000 45.4005843 50.39941566 0.00000003-2 3.9333333 1.4339177 6.43274899 0.00204834-2 6.7333333 4.2339177 9.23274899 0.00001225-2 4.1666667 1.6672510 6.66608233 0.00125406-2 1.8666667 -0.6327490 4.36608233 0.19594414-3 2.8000000 0.3005843 5.29941566 0.02531185-3 0.2333333 -2.2660823 2.73274899 0.99947856-3 -2.0666667 -4.5660823 0.43274899 0.12948445-4 -2.5666667 -5.0660823 -0.06725101 0.04296436-4 -4.8666667 -7.3660823 -2.36725101 0.00030886-5 -2.3000000 -4.7994157 0.19941566 0.0780319

> by(vitamin,congsuat,mean)

Định dạng
Số trang	73
Dung lượng	318,45 KB