Báo cáo thực hành tin ứng dụng B ài 1: > power.t.test(delta=0.1,sd=0.5,sig.level=0.05,power=0.8,type='one.sample') One-sample t test power calculation n = 198.1513 delta = 0.1 sd = 0.5 sig.level = 0.05 power = 0.8 alternative = two.sided Kết luận: Như vậy, chúng ta cần phải có 198 thùng nước mắm để đạt các mục tiêu trên. B ài 2: Ta có: ) Trong ví dụ này,chúng ta có sai số m=0.05, =0.60,và số lượng cỡ mẫu cần thiết cho nghiên cứu là: =368.7936 Kết luận: Vây, chúng ta cần nghiên cứu ít nhất là 369 đối tượng. Bài 3: # sai số 5 phút, độ lệch chuẩn là căn bậc 2 của 20, a= 0.05, power=0.8 > power.t.test(delta=5, sd=sqrt(20), sig.level=.05,power=.90,type='one.sample') One-sample t test power calculation n = 10.51421 delta = 5 sd = 4.472136 sig.level = 0.05 power = 0.9 alternative = two.sided Kết luận: Từ phân tích R cho thấy n= 10.51 vì vậy cỡ mẫu bằng 11 thì cô chủ hàng có thể đạt khoảng tin cậy như mong muốn. Như vậy trong bài cô chủ sử dụng cỡ mẫu là 15 người nên đạt khoảng tin cậy. B ài 4: Chúng ta có p1=0.60,p2=(0.1*0.6+0.6)=0.66, =0.05,power=0.80. > power.prop.test(p1=0.60,p2=0.66,power=0.80,sig.level=0.05) Two-sample comparison of proportions power calculation 1 Báo cáo thực hành tin ứng dụng n = 1015.25 p1 = 0.6 p2 = 0.66 sig.level = 0.05 power = 0.8 alternative = two.sided NOTE: n is number in *each* group Kết luận : Kết quả cho thấy, nếu chỉ có 500 người thì không đủ để thực hiện khảo sát.Vậy ta cần có khoảng 1015 đối tượng để đạt các mục tiêu trên. B ài 5: Chúng ta có sai số m=0.05, =4/25=0.16,và số lượng cỡ mẫu cần thiết cho nghiên cứu là: =206.524416 Kết luận: Vây, chúng ta cần nghiên cứu ít nhất là 207 đối tượng. B ài 6: >groupmeans<-c(8.2,6.6,7.3) >power.anova.test(groups=length(groupmeans),between.var=var(groupmeans),with in.var=15.6,power=0.9,sig.level=0.05) Balanced one-way analysis of variance power calculation groups = 3 n = 154.4241 between.var = 0.6433333 within.var = 15.6 sig.level = 0.05 power = 0.9 NOTE: n is number in each group Kết luận: kết quả cho thấy các nhà nghiên cứu cần khoảng 155 đối tượng cho mỗi miền (tức 462 đối tượng cho toàn bộ nghiên cứu). Vậy số người đưa ra là 600 đã đủ để thực hiện nghiên cứu này. Bài 7 : Trong bài này ta có sai số m = 0.01, pˆ = 0.9. Số lượng cỡ mẫu cần thiết cho nghiên cứu n ≥ (1.96/0.1)² × 0.1 × 0.9 = 35 Kết luận: Vậy cần ít nhất là 35 mẫu để ước lượng tỉ lệ này. Bài 8: Ta có sai số là:250-244=6g, độ lệch chuẩn 5,α=0.05,power=0.95 > power.t.test(delta=6,sd=5,sig.level=0.05,power=0.95,type='one.sample') One-sample t test power calculation 2 Báo cáo thực hành tin ứng dụng n = 11.14375 delta = 6 sd = 5 sig.level = 0.05 power = 0.95 alternative = two.sided Kết luận: Kết quả trên cho ta thấy chỉ cần có 11 thanh chocolate để kiểm tra là đã đạt các mục tiêu trên. Như vậy,ta costheer khẳng định máy tự động sản xuất ra các thanh chocolate có trọng lượng nhỏ hơn quy định. Bài 10: > d.moi<-gl(2,5) > d.moi [1] 1 1 1 1 1 2 2 2 2 2 Levels: 1 2 > h.suat=c(68,63,74,66,69,52,84,58,84,62) > data=data.frame(d.moi,h.suat) > data > shapiro.test(h.suat) Shapiro-Wilk normality test data: h.suat W = 0.9466, p-value = 0.628 *P-value>0.05: số liệu h.suat tuân theo phân phối chuẩn. > var.test(h.suat~d.moi) F test to compare two variances data: h.suat by d.moi F = 0.073, num df = 4, denom df = 4, p-value = 0.02652 alternative hypothesis: true ratio of variances is not equal to 1 95 percent confidence interval: 0.007601502 0.701215677 sample estimates: ratio of variances 0.07300885 *p-value<0.05 nên hiệu suất của cồn va ete khác phương sai > t.test(h.suat~d.moi) Welch Two Sample t-test data: h.suat by d.moi t = 0, df = 4.581, p-value = 1 alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: 3 Báo cáo thực hành tin ứng dụng -18.40595 18.40595 sample estimates: mean in group 1 mean in group 2 68 68 *p-value>0.05 nen hieu suat trich ly polyphenol cua dung moi con va ete va su khac biet khong co y nghia thong ke Kết luận: Dùng dung môi nào đều được vì hiệu suất trích ly giống nhau. > xbar <- tapply(h.suat, d.moi, mean) > s <- tapply(h.suat, d.moi, sd) > n <- tapply(h.suat, d.moi, length) > sem <- s/sqrt(n) > stripchart(h.suat ~ d.moi,ylim=range(0:85),sub="hiệu suất trích ly polyphenol của 2 dung môi",xlab="dung môi", pch=F, vert=TRUE) > arrows(1:2, xbar+sem, 1:2, xbar-sem, angle=90, code=3, length=0.1) > lines(1:2, xbar, pch=4, type="b", cex=2) 1 2 0 20 40 60 80 hiệu suất trích ly polyphenol của 2 dung môi dung môi h.suat Bài 11: > phugiax<-c(1.1,0.99,1.05,1.01,1.02,1.07,1.10,0.98,1.03,1.12) > doichung<-c(1.25,1.31,1.28,1.2,1.18,1.22,1.22,1.17,1.19,1.21) > data<-data.frame(phugiax,doichung) > data > shapiro.test(phugiax) Shapiro-Wilk normality test data: phugiax W = 0.9428, p-value = 0.5849 4 Báo cáo thực hành tin ứng dụng =>vì p-value=0.5849>0.05 nên phụ gia x là hàm phân phối chuẩn. > shapiro.test(doichung) Shapiro-Wilk normality test data: doichung W = 0.9231, p-value = 0.3831 => vì p-value=0.3831>0.05 nên đối chứng là hàm phân phối chuẩn. > t.test(doichung,phugiax,paired=TRUE) Paired t-test data: doichung and phugiax 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: 0.1304812 0.2215188 sample estimates: mean of the differences 0.176 =>kết quả trên cho thấy p-value=1.078e-05<0.05 nên việc sử dụng phụ gia x là có ý nghĩa thống kê. > mean(phugiax) [1] 1.047 > mean(doichung) [1] 1.223 => mean(doichung)>mean(phugiax) vì vậy ta không nên sử dụng phụ gia x trong quá trình chế biến. > par(mfrow=c(1,2)) > hist(phugiax) > hist(doichung) 5 Báo cáo thực hành tin ứng dụng Histogram of phugiax phugiax Frequency 0.95 1.05 1.15 0 1 2 3 4 Histogram of doichung doichung Frequency 1.15 1.25 1.35 0 1 2 3 4 Bài 12: > enzyme<-rep(c(1,2,3,4),c(6,5,5,4)) > enzyme [1] 1 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 Levels: 1 2 3 4 >enzyme<-as.factor(enzyme) > thuyphan<-c(17,18,17,20,19,18,14,15,16,15,14,19,20,16,18,19,16,15,16,18) > data12<-data.frame(enzyme,thuyphan) > data12 > shapiro.test(thuyphan) Shapiro-Wilk normality test data: thuyphan W = 0.9408, p-value = 0.2483 # p-value >0.05 nên thuy phan có số liệu phân phối chuẩn #ta tiến hành phân tích phương sai > pt<-lm(thuyphan~enzyme) > anova(pt) Analysis of Variance Table Response: thuyphan Df Sum Sq Mean Sq F value Pr(>F) enzyme 3 44.417 14.806 10.045 0.000581 *** Residuals 16 23.583 1.474 Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 6 Báo cáo thực hành tin ứng dụng # qua số liệu phân tích cho thấy p < 0.05 nên sự khác biệt của dữ liệu pt có ý nghĩa thống kê ở mức ý nghĩa 5%, để biết rõ sự khác biệt như thế nào ta tiến hành phân tích Tukey. > res<-aov(thuyphan~enzyme) > TukeyHSD(res) Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = thuyphan ~ enzyme) $enzyme diff lwr upr p adj 2-1 -3.3666667 -5.469957 -1.2633765 0.0015805 3-1 0.2333333 -1.869957 2.3366235 0.9885102 4-1 -1.9166667 -4.158781 0.3254482 0.1080820 3-2 3.6000000 1.403185 5.7968149 0.0012695 4-2 1.4500000 -0.880074 3.7800741 0.3179286 4-3 -2.1500000 -4.480074 0.1800741 0.0758907 Bảng giá trị thống kê 1 Enzyme Acid amin tổng số (mg/kg) A 18.17 a ± 1.17 B 14.80 b ± 0.84 C 18.40 a ± 1.52 D 16.25 ab ± 1.26 Chú thích Loại a b A X B X C X D X X Kết luận:Ta chọn loại enzyme A,C vì 2 loại này có khả năng thủy phân giống nhau và khả năng thủy phân cao. > xbar <- tapply(thuyphan, enzyme, mean) > s <- tapply(thuyphan, enzyme, sd) > n <- tapply(thuyphan, enzyme, length) > sem <- s/sqrt(n) >stripchart(thuyphan ~ enzyme,ylim=range(0:21),sub="khả năng thủy phân của 4 loại protein",xlab="enzyme", pch=F, vert=T) > arrows(1:4, xbar+sem, 1:4, xbar-sem, angle=90, code=3, length=0.1) > lines(1:4, xbar, pch=4, type="b", cex=2) 7 Báo cáo thực hành tin ứng dụng 1 2 3 4 0 5 10 15 20 khả nang thủy phân của 4 loại protein enzyme thuyphan Bài 13: > n.do=rep(c(1,2,3),c(7,7,7)) > t.no=c(68,80,69,76,68,77,60,71,62,58,74,65,59,57,58,60,70,51,57,71,61) > n.do=as.factor(n.do) > data=data.frame(n.do,t.no) >data > shapiro.test(t.no) Shapiro-Wilk normality test data: t.no W = 0.959, p-value = 0.4958 #P-value >0.05 nên t.no tuân theo phân phối chuẩn > khanang=lm(t.no~n.do) > anova(khanang) Analysis of Variance Table Response: t.no Df Sum Sq Mean Sq F value Pr(>F) n.do 2 377.52 188.762 3.9733 0.03722 * Residuals 18 855.14 47.508 Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 #P= 0.03722 < 0.005 nên sự khác biệt về khả năng trương nở của 3 nồng độ phụ gia có ý nghĩa thống kê > res=aov(t.no~n.do) > TukeyHSD(res) Tukey multiple comparisons of means 95% family-wise confidence level 8 Báo cáo thực hành tin ứng dụng Fit: aov(formula = t.no ~ n.do) $n.do 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 Bảng giá trị thống kê 2 Nồng độ phụ gia (%) Khả năng trương nở (%) 0.5 71.14 a ±6.89 0.3 63.71 ab ±6.63 0.1 61.14 b ±7.15 Chú thích: a b 0.5 X 0.3 X X 0.1 X Kết luận:Ta thấy ở nồng độ 0.3 giống ở 0.1 và 0.5 nhưng khả năng trương nở lại cao hơn ở 0.1 đồng thời nồng độ phụ gia nhiều sẽ không tốt nên hạn chế nồng độ do đó ta chọn nồng độ 0.3% phụ gia để thêm vào trong quá trình sản xuất. > xbar <- tapply(t.no, n.do, mean) > s <- tapply(t.no, n.do, sd) > n <- tapply(t.no, n.do, length) > sem <- s/sqrt(n) > stripchart(t.no ~ n.do,ylim=range(0:81),sub="khả năng trương nở của bánh",xlab="nong do", pch=16, vert=TRUE) > arrows(1:3, xbar+sem, 1:3, xbar-sem, angle=90, code=3, length=0.1) > lines(1:3, xbar, pch=4, type="b", cex=2) 9 Báo cáo thực hành tin ứng dụng Bài 14: > izozym<- c(3.45,3.58,3.59,3.62,3.59,3.57,3.21,2.74,3.29,3.48,3.45,3.58,3.59,3.62,3.59,3.57,3.2 1,2.74,3.29,3.48,3.45,3.58,3.59,3.62,3.59,3.57,3.21,2.74,3.29,3.48,3.45,3.58,3.59,3.6 2,3.59,3.57,3.57,3.59,3.58,3.67,3.69,3.74,3.58,3.68,3.59,3.58,3.74,3.75,3.61,3.78,3.6 7,3.69,7.74,3.58,3.68,3.59,3.58,3.58,3.68,3.59,3.58,3.74,3.75,3.61,3.78,3.67,3.69,3.7 4,3.58,3.68) > median(izozym) [1] 3.59 > data<-izozym-3.59 > data [1] -0.14 -0.01 0.00 0.03 0.00 -0.02 -0.38 -0.85 -0.30 -0.11 -0.14 -0.01 [13] 0.00 0.03 0.00 -0.02 -0.38 -0.85 -0.30 -0.11 -0.14 -0.01 0.00 0.03 [25] 0.00 -0.02 -0.38 -0.85 -0.30 -0.11 -0.14 -0.01 0.00 0.03 0.00 -0.02 [37] -0.02 0.00 -0.01 0.08 0.10 0.15 -0.01 0.09 0.00 -0.01 0.15 0.16 [49] 0.02 0.19 0.08 0.10 4.15 -0.01 0.09 0.00 -0.01 -0.01 0.09 0.00 [61] -0.01 0.15 0.16 0.02 0.19 0.08 0.10 0.15 -0.01 0.09 #Quan sát data ta thấy có 2 sự chênh lệch khá rõ, một là số liệu ban đầu thấp hơn 0.85 đơn vị so với median, hai là cao hơn 4.15 đơn vị so với median. Vì vậy ta cần loại bỏ các sai số này ra khỏi số liệu ban đầu. Ta có số liệu mới như sau: > loaimau<-rep(1:2,c(32,34)) > loaimau<-as.factor(loaimau) > izozym<- c(3.45,3.58,3.59,3.62,3.59,3.57,3.21,3.29,3.48,3.45,3.58,3.59,3.62,3.59,3.57,3.21,3.2 9,3.48,3.45,3.58,3.59,3.62,3.59,3.57,3.21,3.29,3.48,3.45,3.58,3.59,3.62,3.59,3.57,3.5 7,3.59,3.58,3.67,3.69,3.74,3.58,3.68,3.59,3.58,3.74,3.75,3.61,3.78,3.67,3.69,3.58,3.6 8,3.59,3.58,3.58,3.68,3.59,3.58,3.74,3.75,3.61,3.78,3.67,3.69,3.74,3.58,3.68) 10 [...]... 3-5kg/tháng"),c( "thực đơn 1", "thực đơn 2", "thực đơn 3"))) > mdat thực don 1 thực don 2 thực don 3 25 Báo cáo thực hành tin ứng dụng tang 6-8kg/tháng 245 145 367 tang 3-5kg/tháng 170 270 48 > chisq.test(mdat) Pearson's Chi-squared test data: mdat X-squared = 249.9598, df = 2, p-value < 2.2e-16 > # vì trị số p-value< 0.05 nên sự khác biệt giữa ba loại thực đơn có ý nghĩa thống kê Kết luận: Vì sự khác... continuity correction data: mdat X-squared = 4.8184, df = 1, p-value = 0.02816 Kết luận: p-value=0.02816 barplot(mdat,sub="so sánh sự hài lòng của khách hàng",xlab="sản phẩm" ,ylab="sự hài lòng") 15 80 60 0 20 40 sự hài lòng 100 120 140 Báo cáo thực hành tin ứng dụng A B sản phẩm. .. lượng vitamin theo nồng độ chế phẩm như sau: Bảng giá trị thống kê 9 Nồng độ chế phẩm (%v/w) 1 0 2 0.05 3 0.1 4 0.15 5 0.2 6 0.25 7 0.3 Hàm lượng vitamin C(mg/g) Tính theo chất khô 49.83a±2.03 78.13b±1.51 89.04c±1.33 91.74cd± 0.90 94.32d±0.72 96.75d±1.38 97.57d±1.16 24 Báo cáo thực hành tin ứng dụng Chú thích: 1 2 3 4 5 6 7 a x b c d x x x x x x x Kết luận: Chọn nồng độ chế phẩm là 0.15%v/w để tăng hàm... các nhóm sản phẩm, để biết sự khác biệt đó ta tiến hành phân tích Tukey > res TukeyHSD(res) Tukey multiple comparisons of means 95% family-wise confidence level 16 Báo cáo thực hành tin ứng dụng Fit: aov(formula = thihieu ~ sp) $sp diff lwr upr p adj 2-1 0.9090909 0.04423122 1.773951 0.0403281 Bảng giá trị thống kê 4 Sản phầm Điểm Sản phẩm đang bán 7.09a + 1.14 Sản phẩm cải tiến... sem stripchart(thihieu ~ sp,ylim=range(0:10),sub="tìm hiểu thị hiếu của khách hàng về 2 loại sản phẩm" ,xlab="sản phẩm" , pch=F, vert=TRUE) > arrows(1:2, xbar+sem, 1:2, xbar-sem, angle=90, code=3, length=0.1) > lines(1:2, xbar, pch=4, type="b", cex=2) 17 Báo cáo thực hành tin ứng dụng Bài 20: > group=rep(1:5,each=3) > group [1] 1 1 1 2 2 2 3 3 3 4 4 4 5 5 5 > group=as.factor(group) > hs=c(16.77,18.56,17.83,21.51,20.42,21.27,22.16,24.73,23.01,24.92,24.27,23.96,24.7... tapply(hs, group, length) > sem stripchart(hs ~ group,ylim=range(0:26),sub="nghiên cứu sử dụng enzyme pectinase ",xlab="group", pch=F, vert=TRUE) > arrows(1:5, xbar+sem, 1:5, xbar-sem, angle=90, code=3, length=0.1) > lines(1:5, xbar, pch=4, type="b", cex=2) 19 Báo cáo thực hành tin ứng dụng Bài 21: > giong giong nangsuat xbar s n sem stripchart(yeuthich ~ tieuchi,ylim=range(0:10),sub="mức độ yêu thích của người tiêu dùng với 2 dòng sản phẩm" ,xlab="tiêu chí",... thống kê 4 Sản phầm Điểm Sản phẩm đang bán 7.09a + 1.14 Sản phẩm cải tiến 8.00b + 0.77 Chú thích Sản phẩm a b Sản phẩm đang bán x Sản phẩm cải tiến x Kết luận: Vì sự khác biệt của 2 sản phẩm có ý nghĩa thống kê do dó điểm của sản phẩm cải tiến lớn hơn nên sản phẩm cải tiến sẽ ngon hơn ta nên tung sản phẩm cải tiến ra thị trường > xbar s n xbar s n sem stripchart(vitamin ~ c.suat,ylim=range(0:105),sub="sử dụng sóng siêu âm để tăng dịch chiết",xlab= "công suất", pch=F, vert=TRUE) > arrows(1:6, xbar+sem, 1:6, xbar-sem, angle=90, code=3, length=0.1) > lines(1:6, . liệu ta chọn sản phẩm A. > barplot(mdat,sub="so sánh sự hài lòng của khách hàng",xlab="sản phẩm& quot;,ylab="sự hài lòng") 15 Báo cáo thực hành tin ứng dụng A B so sánh. One-sample t test power calculation 2 Báo cáo thực hành tin ứng dụng n = 11.14375 delta = 6 sd = 5 sig.level = 0.05 power = 0.95 alternative = two.sided Kết luận: Kết quả trên cho ta thấy chỉ. tiêu chí không có ý nghĩa thống kê. Kết luận: Chọn tiêu chí nào để đánh giá mức độ yêu thích của người tiêu dùng cũng như nhau. 14 Báo cáo thực hành tin ứng dụng > xbar <- tapply(yeuthich,