Bài tập về hedochoc sensochoc, VIỆN CÔNG NGHỆ SINH HỌC THỰC PHẨM - IUH

33 139 0
Bài tập về hedochoc sensochoc, VIỆN CÔNG NGHỆ SINH HỌC THỰC PHẨM - IUH

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

VIỆN CÔNG NGHỆ SINH HỌC THỰC PHẨM - IUH MỤC LỤC Giới thiệu số liệu định dạng số liệu Giới thiệu Định dạng Phân tích mơ tả số liệu .4 2.1 Dữ liệu hedochoc .4 2.2 Dữ liệu sensochoc 2.3 Dữ liệu sensopanels Đối với số liệu hedochoc 3.1 Biểu đồ cột thể thị hiếu người tiêu dùng sản phẩm chocolates 3.2 Phân tích phương sai sai khác mức độ ưa thích người tiêu dùng sản phẩm Đối với số liệu sensochoc 4.1 Phân tích khác tính chất hội đồng mô tả Vẽ biểu đồ boxplot để hỗ trợ trình phân tích 4.1.1 CocoaA .8 4.1.2 MilkA 4.1.3 CocoaF 10 4.1.4 MilkF 11 4.1.5 Caramel .12 4.1.6 Vanilla .13 4.1.7 Sweetness 14 4.1.8 Acidity .15 4.1.9 Bitterness 16 4.1.10 Astringency .17 4.1.11 Crunchy 17 4.1.12 Melting 19 4.1.13 Sticky 20 Page 4.1.14 Granular 21 4.2 Đánh giá đồng thuận thành viên hội đồng 21 4.2.1 Lần thử thứ nhất:(session=1) 21 4.2.2 Lần thử thứ hai:(session=2) 22 4.3 Vẽ biểu đồ radar mơ tả tính chất sản phẩm 23 Phụ lục 24 Page Giới thiệu số liệu định dạng số liệu Giới thiệu Dữ liệu sử dụng kết khảo sát loại chocolates bán Pháp - Mô tả cảm quan: loại chocolate đánh giá lần 14 tính chất cảm quan 29 chuyên gia - Dữ liệu khảo sát thị hiếu khách hàng: loại chocolate đánh giá dựa thang đo từ (thích) đến 10 (khơng thích) 222 người tiêu dùng - Các hội đồng đánh giá cảm quan: loại chocolate đánh giá 14 tính chất cảm quan hội đồng Định dạng - Hedochoc: liệu gồm hàng 222 cột, hàng tương ứng với loại chocolate cột tương ứng với điểm thị hiếu 222 người tiêu dùng tham gia khảo sát - Sensochoc: liệu gồm 348 hàng 19 cột: biến định tính (Panelist, Session, Form, Rank, Product) 14 tính chất cảm quan - Sensopanels: liệu gồm hàng 98 cột, hàng tương ứng với loại chocolate cột tương ứng với mức đánh giá trung bình chuyên gia hội đồng đánh giá tính chất cảm quan Phân tích mơ tả số liệu 2.1 Dữ liệu hedochoc - Các biến hedochoc biến định lượng Page - Phân tích số biến 2.2 Dữ liệu sensochoc - Các biến định tính: Panelist, Session, Rank, Product - Các biến định lượng: CocoaA, MilkA, CocoaF, MilkF, Caramel, Vanilla, Sweetness, Acidity, Bitterness, Astringency, Crunchy, Melting, Sticky, Gramular - Phân tích biến Page 2.3 Dữ liệu sensopanels - Các biến sensopanels biến định lượng - Phân tích số biến Page Đối với số liệu hedochoc 3.1 Biểu đồ cột thể thị hiếu người tiêu dùng sản phẩm chocolates Points 10 Preference mapping of Chocolates choc1 choc2 choc3 choc4 choc5 choc6 3.2 Phân tích phương sai sai khác mức độ ưa thích người tiêu dùng sản phẩm Bảng số liệu thể mức độ yêu thích người tiêu dùng sản phẩm chocolate Các loại chocolates Điểm đánh giá Choc1 5.329±2.546 Choc2 5.689±2.216 Choc3 5.766±2.662 Choc4 5.766±2.299 Choc5 5.626±2.051 Choc6 5.905±2.003 Vì p-value=0.1577 > 0.05 nên khơng có khác biệt mức độ ưa thích người tiêu dùng sản phẩm Qua bảng số liệu biều đồ thể trên, ta thấy mức độ yêu thích sản phẩm choc6 lớn nhất, nhiên so với loại chocolate lại Page khơng khác biệt nhiều Mức độ dao động điểm đánh giá loại chocolate (thể qua độ lệch chuẩn) không khác biệt Đối với số liệu sensochoc 4.1 Phân tích khác tính chất hội đồng mơ tả Vẽ biểu đồ boxplot để hỗ trợ q trình phân tích CocoaA 10 4.1.1 CocoaA 11 14 17 20 23 26 29 Panelist Theo kết phân tích, ảnh hưởng tương tác Panelist Session, Panelist Product, Session Product khơng có ý nghĩa thống kê (p>0.05), tức khơng có tương tác Với mơ hình khơng có tương tác, kết phân tích cho thấy có khác biệt tính chất CocoaA loại chocolate (p library(SensoMineR) > data(chocolates) > attach(hedochoc) > n=t(hedochoc) > hedo=c(n) > group=gl(6,222,label=c("choc1","choc2","choc3","choc4","choc5","choc6")) > group=as.factor(group) > library(sciplot) > bargraph.CI(group,hedo,ylab="Points",ylim=c(0,10),col="purple",main="Preference mapping of Chocolates") 3.2 > n=t(hedochoc) > mean=c(mean(n[,1]),mean(n[,2]),mean(n[,3]),mean(n[,4]),mean(n[,5]),mean(n[,6])) > sp=gl(6,222) > hedo=c(n) > sp=as.factor(sp) > data=data.frame(sp,hedo) > analysis=lm(hedo~sp) > anova(analysis) Analysis of Variance Table Response: hedo Df Sum Sq Mean Sq F value Pr(>F) sp 42.6 8.5171 1.5976 0.1577 Page 23 Residuals 1326 7069.2 5.3312 4.1 > library(SensoMineR) > data(chocolates) > attach(sensochoc) # CocoaA >t1=aov(CocoaA~Panelist+Session+Product+Panelist:Session+Panelist:Product+Session:Prod uct) > summary(t1) >t11=aov(Cocoa A~Panelist+Product) > summary(t11) > TukeyHSD(t11) # MilkA >t2=aov(MilkA~Panelist+Session+Product+Panelist:Session+Panelist:Product+Session:Produ ct) > summary(t2) Page 24 > t21=aov(MilkA~Panelist+Product) > summary(t21) > TukeyHSD(t21) # CocoaF >t3=aov(CocoaF~Panelist+Session+Product+Panelist:Session+Panelist:Product+Session:Prod uct) > summary(t3) > t31=aov(CocoaF~Panelist+Product+Session+Panelist:Product) > summary(t31) # MilkF Page 25 >t4=aov(MilkF~Panelist+Session+Product+Panelist:Session+Panelist:Product+Session:Produc t) > summary(t4) > t41=aov(MilkF~Panelist+Session+Product+Panelist:Session+Panelist:Product) > summary(t41) # Caramel >t5=aov(Caramel~Panelist+Session+Product+Panelist:Session+Panelist:Product+Session:Produ ct) > summary(t5) > t51=aov(Caramel~Panelist+Product+Panelist:Session+Panelist:Product) > summary(t51) Page 26 # Vanilla >t6=aov(Vanilla~Panelist+Session+Product+Panelist:Session+Panelist:Product+Session:Produ ct) > summary(t6) > t61=aov(Vanilla~Panelist+Product+Panelist:Session+Panelist:Product) > summary(t61) # Sweetness >t7=aov(Sweetness~Panelist+Session+Product+Panelist:Session+Panelist:Product+Session:Produ ct) > summary(t7) Page 27 > t71=aov(Sweetness~Panelist+Session+Product+Panelist:Session) > summary(t71) # Acidity >t8=aov(Acidity~Panelist+Session+Product+Panelist:Session+Panelist:Product+Session:Produ ct) > summary(t8) > t81=aov(Acidity~Panelist+Product+Panelist:Session+Panelist:Product) > summary(t81) # Bitterness >t9=aov(Bitterness~Panelist+Session+Product+Panelist:Session+Panelist:Product+Session:Produ ct) > summary(t9) Page 28 > t91=aov(Bitterness~Panelist+Session+Product+Panelist:Product) > summary(t91) > t92=aov(Bitterness~Panelist+Session+Product) > summary(t92) > TukeyHSD(t92) # Astringency >t10=aov(Astringency~Panelist+Session+Product+Panelist:Session+Panelist:Product+Sess ion:Product) > summary(t10) > t101=aov(Astringency~Panelist+Product) Page 29 > summary(t101) > TukeyHSD(t101) # Crunchy >t11=aov(Crunchy~Panelist+Session+Product+Panelist:Session+Panelist:Product+Session:Produ ct) > summary(t11) > t111=aov(Crunchy~Panelist+Session+Product+Panelist:Session+Panelist:Product) > summary(t111) # Melting >t12=aov(Melting~Panelist+Session+Product+Panelist:Session+Panelist:Product+Session:Produc t) > summary(t12) Page 30 > t121=aov(Melting~Panelist+Session+Product+Panelist:Product) > summary(t121) > t122=aov(Melting~Panelist+Product+Panelist:Product) > summary(t122) # Sticky >t13=aov(Sticky~Panelist+Session+Product+Panelist:Session+Panelist:Product+Session:Product) > summary(t13) > t131=aov(Sticky~Panelist+Product+Panelist:Session+Session:Product) > summary(t131) Page 31 > t132=aov(Sticky~Panelist+Product+Session:Product) > summary(t132) > TukeyHSD(t132) # Granular >t14=aov(Granular~Panelist+Session+Product+Panelist:Session+Panelist:Product+Session:Produ ct) > summary(t14) > t141=aov(Granular~Panelist+Product+Panelist:Product) > summary(t141) 4.2 > x1=c(4,6,4,5,5,5,4,6,5,5,4,5,5,4,5,4,6,5,5,5,5,5,4,5,5,3,5,5,6,5,6,5,5,5,4,4) Page 32 > lan1=matrix(x1,6,6) >dimnames(lan1)=list(c("choc1","choc2","choc3","choc4","choc5","choc6"),c("hang1","h ang2","hang3","hang4","hang5","hang6")) > chisq.test(lan1) > x2=c(5,5,5,4,6,4,5,3,6,5,4,6,5,5,5,5,5,4,4,6,4,5,6,4,6,4,4,5,4,6,4,6,5,5,4,5) > lan2=matrix(x2,6,6) >dimnames(lan2)=list(c("choc1","choc2","choc3","choc4","choc5","choc6"),c("hang1","h ang2","hang3","hang4","hang5","hang6")) > chisq.test(lan2) Page 33

Ngày đăng: 17/09/2019, 07:24

Từ khóa liên quan

Mục lục

  • 1. Giới thiệu về số liệu và định dạng của số liệu

    • Giới thiệu

    • Định dạng

    • 2. Phân tích mô tả số liệu

      • 2.1 Dữ liệu hedochoc

      • 2.2 Dữ liệu sensochoc

      • 2.3 Dữ liệu sensopanels

      • 3. Đối với số liệu hedochoc

        • 3.1 Biểu đồ cột thể hiện thị hiếu của người tiêu dùng đối với các sản phẩm chocolates

        • 3.2 Phân tích phương sai về sự sai khác mức độ ưa thích của người tiêu dùng đối với các sản phẩm

        • 4. Đối với số liệu về sensochoc

          • 4.1 Phân tích sự khác nhau trên từng tính chất đối với hội đồng mô tả. Vẽ biểu đồ boxplot để hỗ trợ quá trình phân tích

            • 4.1.1 CocoaA

            • 4.1.2 MilkA

            • 4.1.3 CocoaF

            • 4.1.4 MilkF

            • 4.1.5 Caramel

            • 4.1.6 Vanilla

            • 4.1.7 Sweetness

            • 4.1.8 Acidity

            • 4.1.9 Bitterness

            • 4.1.10 Astringency

            • 4.1.11 Crunchy

            • 4.1.12 Melting

            • 4.1.13 Sticky

Tài liệu cùng người dùng

  • Đang cập nhật ...

Tài liệu liên quan