Bài tập môn thực hành xử lý số liệu thực nghiệm ngành CNTP

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.

Trang 2

Bài 1:

67.467.667.86868.268.468.668.86969.269.4

Biểu đồ 1: Hiệu suất trích ly polyphenol trong hai dung môi diethyl và cồn

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.α nên hai mẫu có cùng phương sai

Kết quả phân tích t.test cho p-value >α nên hai mẫu có cùng phương sai 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:

>α nên hai mẫu có cùng phương sai etyl<-c(68,63,74,66,75)

>α nên hai mẫu có cùng phương sai con<-c(52,84,58,84,62)

>α nên hai mẫu có cùng phương sai 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

Trang 3

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

>α nên hai mẫu có cùng phương sai 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

Trang 4

Bài 2:

0.95 1 1.05 1.1 1.15 1.2 1.25

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:

>α nên hai mẫu có cùng phương sai doichung<-c(1.10,0.99,1.05,1.01,1.02,1.07,1.10,0.98,1.03,1.12)

>α nên hai mẫu có cùng phương sai cmc<-c(1.25,1.31,1.28,1.20,1.18,1.22,1.22,1.17,1.19,1.21)

>α nên hai mẫu có cùng phương sai var.test(doichung,cmc)

data: doichung and cmc

Trang 5

0.2980354 4.8307459

sample estimates:

ratio of variances

1.199889

>α nên hai mẫu có cùng phương sai t.test(doichung,cmc)

Welch Two Sample t-test

t = -8.3884, df = 17.853, p-value = 1.319e-07

-0.2201065 -0.1318935

sample estimates:

mean of x mean of y

1.047 1.223

>α nên hai mẫu có cùng phương sai t.test(doichung,cmc,var.equal=TRUE)

Two Sample t-test

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

Trang 6

>α nên hai mẫu có cùng phương sai sd(doichung)

Biểu đồ 3: Biểu đồ thể hiện khả năng phân hủy protein của enzyme trong việc thủy phân cá.

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:

>α nên hai mẫu có cùng phương sai A=c(17,18,17,20,19,18)

>α nên hai mẫu có cùng phương sai B=c(14,15,16,15,14)

>α nên hai mẫu có cùng phương sai C=c(19,20,18,19)

Trang 7

>α nên hai mẫu có cùng phương sai D=c(16,15,16,18)

>α nên hai mẫu có cùng phương sai bai3=c(A,B,C,D)

>α nên hai mẫu có cùng phương sai enzym=c(rep(1,6),rep(2,5),rep(3,4),rep(4,4))

>α nên hai mẫu có cùng phương sai enzym=as.factor(enzym)

>α nên hai mẫu có cùng phương sai data=data.frame(enzym,bai3)

>α nên hai mẫu có cùng phương sai attach(data)

The following objects are masked _by_ GlobalEnv: bai3, enzym

>α nên hai mẫu có cùng phương sai anova(lm(bai3~enzym))

Analysis of Variance Table

>α nên hai mẫu có cùng phương sai res=aov(bai3~enzym)

>α nên hai mẫu có cùng phương sai TukeyHSD(res)

Tukey multiple comparisons of means

95% family-wise confidence level

Fit: aov(formula = bai3 ~ enzym)

Trang 8

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)

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

Trang 9

Phụ lục:

>α nên hai mẫu có cùng phương sai nongdo1=c(68,80,69,76,68,77,60)

>α nên hai mẫu có cùng phương sai phugia=c(nongdo1,nongdo2,nongdo3)

>α nên hai mẫu có cùng phương sai bai4=c(rep(1,7),rep(1,7),rep(1,7))

>α nên hai mẫu có cùng phương sai bai4=as.factor(bai4)

>α nên hai mẫu có cùng phương sai data=data.frame(bai4,phugia)

The following objects are masked _by_ GlobalEnv: bai4, phugia

>α nên hai mẫu có cùng phương sai anova(lm(phugia~bai4))

>α nên hai mẫu có cùng phương sai res=aov(phugia~bai4)

>α nên hai mẫu có cùng phương sai TukeyHSD(res)

Fit: aov(formula = phugia ~ bai4)

$bai4

diff lwr upr p adj

Trang 10

Biểu đồ 5: Biểu đồ hàm lượng isozym EST trong máu ngoại vi của hai nhóm đối tượng.

Trang 11

hóa chất diệt côn trùng có hàm lượng isozym EST trong máu ngoại vi cao hơn nhóm đối tượng không tiếp xúc

Phụ lục:

>α nên hai mẫu có cùng phương sai

doichung<-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)

thinghiem<-c(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)

>α nên hai mẫu có cùng phương sai var.test(doichung,thinghiem)

data: doichung and thinghiem

1.016014 3.987686

sample estimates:

ratio of variances

2.012845

>α nên hai mẫu có cùng phương sai 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

Trang 12

chanh dây vani

Biểu đồ 6: biểu đồ mức độ ưa thích các loại hương liệu.

Kết quả phân tích chisq.test cho p-value >α nên hai mẫu có cùng phương sai 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:

>α nên hai mẫu có cùng phương sai chanhday<-c(15,132)

>α nên hai mẫu có cùng phương sai vani<-c(33,145)

bai6<-matrix(c(chanhday,vani),nrow=2,ncol=2,byrow=T,dimname=list(c("kt","t"),c("chanhday","vani")))

>α nên hai mẫu có cùng phương sai chisq.test(bai6)

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

Trang 13

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.

>α nên hai mẫu có cùng phương sai vung1=c(7.53,6.87,7.12,7.53,6.84,6.67,7.81)

>α nên hai mẫu có cùng phương sai vung2=c(5.87,5.64,6.14,6.07,5.79)

>α nên hai mẫu có cùng phương sai vung3=c(6.13,6.35,6.50,6.49,6.55,6.33)

>α nên hai mẫu có cùng phương sai group=c(vung1,vung2,vung3)

>α nên hai mẫu có cùng phương sai bai7=c(rep(1,7),rep(2,5),rep(3,6))

Trang 14

>α nên hai mẫu có cùng phương sai data=data.frame(group,bai7)

The following objects are masked _by_ GlobalEnv: bai7, group

>α nên hai mẫu có cùng phương sai anova(lm(group~bai7))

>α nên hai mẫu có cùng phương sai TukeyHSD(aov(group~bai7))

Fit: aov(formula = group ~ bai7)

$bai7

diff lwr upr p adj

2-1 -1.2937143 -1.758883797 -0.8285448 0.00000843-1 -0.8040476 -1.246026657 -0.3620686 0.00074533-2 0.4896667 0.008616515 0.9707168 0.0457802

>α nên hai mẫu có cùng phương sai tapply(group,bai7,mean)

Trang 15

Bài 8:

0 1 2 3 4 5 6 7 8 9

Trang 16

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:

>α nên hai mẫu có cùng phương sai dt1=c(7,6,7,8,9,7,8,9,7,8)

>α nên hai mẫu có cùng phương sai dm1=c(8,7,8,9,9,8,6,7,8,7)

>α nên hai mẫu có cùng phương sai huong1=c(8,7,8,7,6,7,7,8,8,9)

>α nên hai mẫu có cùng phương sai vm1=c(8,6,7,6,7,8,7,6,7,6)

>α nên hai mẫu có cùng phương sai dt2=c(6,5,5,6,4,5,6,7,5,6)

>α nên hai mẫu có cùng phương sai dm2=c(5,6,5,7,5,4,6,5,6,5)

>α nên hai mẫu có cùng phương sai huong2=c(7,8,6,5,5,7,8,9,8,8)

>α nên hai mẫu có cùng phương sai vm2=c(7,8,7,8,9,7,8,8,9,8)

>α nên hai mẫu có cùng phương sai mean(dt1)

Trang 17

>α nên hai mẫu có cùng phương sai sd(dt1)

Trang 18

data: dm1 and dm2

t = 5.8108, df = 9, p-value = 0.000256

-2.0204382 -0.1795618

sample estimates:

mean of the differences -1.1

Bài 9 :

Trang 19

Sản phẩm Mức độ hài lòng của khách hàng

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

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:

>α nên hai mẫu có cùng phương sai hailong=c(124,107)

>α nên hai mẫu có cùng phương sai khonghailong=c(26,43)

>α nên hai mẫu có cùng phương sai.group=matrix(c(hailong,khonghailong),nrow=2,byrow=T,dimname=list(c("hailong","khonghailong"),c("spa","sp")))

>α nên hai mẫu có cùng phương sai chisq.test(group)

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

sản phẩm

Biểu đồ 10: biểu đồ thị hiếu của khách hàng về hai sản phẩm.

Trang 20

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 mẫu có cùng phương sai 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:

>α nên hai mẫu có cùng phương sai ban=c(6,8,7,8,8,9,7,5,6,7,7)

>α nên hai mẫu có cùng phương sai caitien=c(8,8,9,7,8,7,7,9,8,9,8)

>α nên hai mẫu có cùng phương sai var.test(ban,caitien)

data: ban and caitien

0.5788635 7.9967340

sample estimates:

ratio of variances

2.151515

>α nên hai mẫu có cùng phương sai t.test(ban,caitien,var.equal=T)

Two Sample t-test

data: ban and caitien

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

Trang 21

Biểu đồ 11: biểu đồ thời gian và hiệu suất phá hủy tế bào nấm mèo.

Bảng 11: bảng kết quả hiệu suất trung bình

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:

Trang 22

>α nên hai mẫu có cùng phương sai tg1=c(16.77,18.56,17.83)

>α nên hai mẫu có cùng phương sai group=c(tg1,tg2,tg3,tg4,tg5)

>α nên hai mẫu có cùng phương sai bai11=c(rep(1,3),rep(2,3),rep(3,3),rep(4,3),rep(5,3))

>α nên hai mẫu có cùng phương sai data=data.frame(bai11,group)

>α nên hai mẫu có cùng phương sai anova(lm(group~bai11))

>α nên hai mẫu có cùng phương sai TukeyHSD(aov(group~bai11))

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

Trang 23

Biểu đồ 12: biểu đồ năng suất các giống lúa.

Trang 24

Giống 3 4.6b ± 1.14

Bảng 12: Bảng kết quả trung bình năng suất của các giống lúa

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:

>α nên hai mẫu có cùng phương sai g1=c(8,7,6,6,8)

>α nên hai mẫu có cùng phương sai giong=c(g1,g2,g3,g4)

>α nên hai mẫu có cùng phương sai bai12=c(rep(1,5),rep(2,5),rep(3,5),rep(4,5))

>α nên hai mẫu có cùng phương sai data=data.frame(bai12,giong)

The following objects are masked _by_ GlobalEnv:

bai12, giong

>α nên hai mẫu có cùng phương sai anova(lm(giong~bai12))

>α nên hai mẫu có cùng phương sai TukeyHSD(aov(giong~bai12))

Fit: aov(formula = giong ~ bai12)

Trang 25

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)

Trang 26

0.25 96.75e ± 1.38

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:

>α nên hai mẫu có cùng phương sai setwd("C:/Users/Hoang Phi/Downloads")

>α nên hai mẫu có cùng phương sai bai=read.csv("Book1.csv",header=TRUE)

>α nên hai mẫu có cùng phương sai save(bai,file="Book1.rda")

>α nên hai mẫu có cùng phương sai attach(bai)

>α nên hai mẫu có cùng phương sai mean(X0)

Trang 27

>α nên hai mẫu có cùng phương sai sd(X0.1)

>α nên hai mẫu có cùng phương sai bai13=c(X0,X0.05,X0.1,X0.15,X0.2,X0.25,X0.3)

>α nên hai mẫu có cùng phương sai group=gl(7,3,21)

>α nên hai mẫu có cùng phương sai group=as.factor(group)

>α nên hai mẫu có cùng phương sai data=data.frame(group,bai13)

>α nên hai mẫu có cùng phương sai anova(lm(bai13~group))

Trang 28

Fit: aov(formula = bai13 ~ group)

$group

diff lwr upr p adj

2-1 28.2966667 24.5355155 32.057818 0.00000003-1 39.2066667 35.4455155 42.967818 0.00000004-1 41.9100000 38.1488488 45.671151 0.00000005-1 44.4933333 40.7321822 48.254484 0.00000006-1 46.9233333 43.1621822 50.684484 0.00000007-1 47.7366667 43.9755155 51.497818 0.00000003-2 10.9100000 7.1488488 14.671151 0.00000184-2 13.6133333 9.8521822 17.374484 0.00000015-2 16.1966667 12.4355155 19.957818 0.00000006-2 18.6266667 14.8655155 22.387818 0.00000007-2 19.4400000 15.6788488 23.201151 0.00000004-3 2.7033333 -1.0578178 6.464484 0.24683385-3 5.2866667 1.5255155 9.047818 0.00406686-3 7.7166667 3.9555155 11.477818 0.00009927-3 8.5300000 4.7688488 12.291151 0.00003255-4 2.5833333 -1.1778178 6.344484 0.28924146-4 5.0133333 1.2521822 8.774484 0.00636327-4 5.8266667 2.0655155 9.587818 0.00170296-5 2.4300000 -1.3311512 6.191151 0.35063927-5 3.2433333 -0.5178178 7.004484 0.11310167-6 0.8133333 -2.9478178 4.574484 0.9873690

Trang 29

Bài 14

0 50 100 150 200 250 300 350 400

tăng 1.5-3kg/tháng tăng 0.5-1kg/tháng

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 (%) Tăng 0.5-1kg/tháng (%)

Bảng 14: bảng tỉ trọng tăng cân theo thực đơn khác nhau

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:

>α nên hai mẫu có cùng phương sai nguoi=c(245,170,145,270,367,48)

>α nên hai mẫu có cùng phương sai tang=matrix(nguoi,nrow=2,byrow=F)

>α nên hai mẫu có cùng phương sai chisq.test(tang)

Pearson's Chi-squared test

data: tang

X-squared = 249.9598, df = 2, p-value < 2.2e-16

>α nên hai mẫu có cùng phương sai prop.test(0.59,415,0.88)

1-sample proportions test with continuity correction

Trang 30

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

tốt vừa không đạt

Bảng 15: bảng tỉ trọng cấu trúc của yagourt theo phụ gia

Dựa vào kết quả phân tích ta thấy p-value <α cho thấy khả năng cải thiện cấu trúc của ba phụ giakhác 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

>α nên hai mẫu có cùng phương sai.kiemdinh=matrix(c(157,8,3,189,12,5,170,17,7,92,35,28),nrow=3,ncol=4,dimnames=list(c("tot",

"vua","khongdat"),c("phugiaA","phugiaB","phugiaC","doichung")))

Trang 31

>α nên hai mẫu có cùng phương sai chisq.test(kiemdinh)

Pearson's Chi-squared test

Biểu đồ 16: Biểu đồ hàm lượng phenol thu được dựa vào nồng độ enzyme

Nồng độ enzyme (%) Hàm lượng phenol (%)

Bảng 16: bảng kết quả hàm lượng phenol trung bình thu được theo nồng độ enzyme

Dựa vào kết quả phân tích ta có p-value < α nên có sự khác hau giữa hàm lượng phenol thu đượctheo nồng độ enzyme là khác nhau Theo bảng số liệu ta có hàm lượng phenol thu được theo các nồng đọ enzyme 0.1, 0.15, 0.2, 0.25 và 0.3 là như nhau Vì vậy ta có thể dùng bất kì nồng độ enzyme nào trong các nồng độ trên để thu đươc hàm lượng phenol cao, nhưng để tiết kiệm nguyên liệu ta nên chọn nồng độ enzyme là 0.1%

Phụ lục:

>α nên hai mẫu có cùng phương sai hamluong=c(20.3, 24.5, 27.4, 28.5, 29.8, 30.1, 29.9, 21.5, 25.1, 27.9, 29.2, 30.5, 31.7, 32.1, 23.6, 27.2, 28.3, 30.6, 32.4, 30.5, 30.6)

Định dạng
Số trang	62
Dung lượng	266,82 KB