Đang tải... (xem toàn văn)
Thực hành xử lý số liệu thực nghiệm trong phòng thí nghiệm
BỘ MÔN: THỰC HÀNH XỬ LÝ SỐ LIỆU THỰC NGHIỆM TRONG PHÒNG THÍ NGHIỆM BÀI TẬP TIN HỌC ỨNG DỤNG GVHD: PHẠM MINH TUẤN NHÓM: LỚP: ĐHTP8B DANH SÁCH NHÓM BÀI 1: BÀI TẬP TIN HỌC ỨNG DỤNG - p-value = 0.8701>0,05 cho thấy khác biệt hiệu suất trích ly loại dung môi - mức ý nghĩa α=5% Có thể chọn loại dung môi (diethyl eter, cồn) để trích ly polyphenol Tuy nhiên theo ý kiến cá nhân, ta nên chọn cồn giá thành rẻ không gây ảnh hưởng nhiều tới sức khỏe PHỤ LỤC: >hieusuatdungmoi data1plot(data1) > shapiro.test(hieusuat) # p-value = 0.7311 >0.05 nên hiệu suất trích ly dung môi tuân theo luật phân phối chuẩn BÀI TẬP TIN HỌC ỨNG DỤNG >var.test(hieusuat~dungmoi) # p-value =0.06226 >0.05 nên khác biệt phương sai hai loại dung môi > t.test(hieusuat~dungmoi,var.equal=T) # p-value = 0.8701 BÀI 2: p-value = 1.319e-07 < 0.05 nên thời gian bền bọt hki sử dụng CMC có ý nghĩa thống kê mức 0.05 Khi sử dụng phụ gia, thời gian bền bọt đạt 1.22h cao thời gian bền bọt mẫu đối chứng 0.05h Nên phụ gia CMC có tác dụng kéo dài thời gian bền bọt Vì sử dụng loại phụ gia chế biến PHỤ LỤC: >dc=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) > t.test(dc,CMC,paired=TRUE) Paired t-test data: dc and CMC t = -8.7467, df = 9, p-value = 1.078e-05 alternative hypothesis: true difference in means is not equal to 95 percent confidence interval: BÀI TẬP TIN HỌC ỨNG DỤNG -0.2215188 -0.1304812 sample estimates: mean of the differences -0.176 BÀI: Loại Enzyme A B C D Lượng acid amin tổng số 18.17c +1.17 a 14.80 +0.84 c 19.00 +0.82 ab 16.25 +1.17 Chú thích: kí tự a,b,c cột để khác biệt lượng acid amin tổng số nước mắm sử dụng loại enzyme thủy phân khác BIỂU ĐỒ: khả thủy phân loại enzyme(Trong 1=A;2=B; 3=C;4=D) Qua kết p-value=7.463e-05acidamin=c(17,18,17,20,19,18,14,15,16,15,14,19,20,18 , 19,16,15,16,18) >group=c(rep("A",6),rep("B",5),rep("C",4),rep("D",4)) > group=as.factor(group) > analysis=lm(acidamin~group) > anova(analysis) Analysis of Variance Table Response: acidamin Df Sum Sq Mean Sq F value group 50.564 16.8547 Residuals 15 16.383 Pr(>F) 15.431 7.463e-05 *** 1.0922 Signif codes: 0.1 ‘ ’ ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ > av=aov(acidamin~group) > TukeyHSD(av) diff lwr upr p adj B-A -3.3666667 -5.1905943 -1.5427391 0.0004459 C-A 0.8333333 -1.1109800 2.7776467 0.6151972 D-A -1.9166667 -3.8609800 0.0276467 0.0539882 C-B 4.2000000 2.1794103 6.2205897 0.0001307 D-B 1.4500000 -0.5705897 3.4705897 0.2079384 D-C -2.7500000 -4.8798886 -0.6201114 0.0098498 BÀI TẬP TIN HỌC ỨNG DỤNG BÀI 4: Nồng độ phụ gia(%) 0.5 0.3 0.1 Đường kính bánh 71.14 a +_ 6.89 63.71 ab +_ 6.63 61.14 b +_ 7.15 Chú thích: kí tự a,b,c cột để khác biệt khả trương nở bánh nồng độ phụ gia sử dụng khác Biểu đồ thể phụ thuộc khả trương nở nồng độ phụ gia Theo kết ta thấy giá trị p-value=0.037phugia=c(68,80,69,76,68,77,60,71,62,58,74,65,59, 57,58,60,70,51,57,71,61) >group=gl(3,7) >groupdataanalysisanova(analysis) # p- value =0.037resTukeyHSD(res) 2-1 -7.428571 -16.83138 1.9742350 0.1369187 BÀI TẬP TIN HỌC ỨNG DỤNG 3-1 -10.000000 -19.40281 -0.5971936 0.0361071 3-2 -2.571429 -11.97423 6.8313778 0.7677005 BÀI 5: Dựa vào phép kiểm định t.test mẫu thử nghiệm mẫu đối chứng có p-value = 4.327e-05 dc=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, 3.45,3.58,3.59,3.62,3.59,3.57,3.35,3.74,3.29,3.48,3.4 5,3.58,3.59,3.62,3.59) >tn=c(3.57,3.57,3.59,3.58,3.67,3.69,3.74,3.58,3.74,3 75,3.61,3.78,3.67,3.69,3.35,3.58,3.68,3.59,3.58,3.58, 3.68,3.59,3.58,3.74,3.75,3.61,3.78,3.67,3.69,3.74,3.5 8,3.68) >t.test(dc,tn) # p-value = 4.327e-05 BÀI 6: > khongthich=c(15,33) > thich=c(132,145) BÀI TẬP TIN HỌC ỨNG DỤNG > t.test(khongthich,thich,paired=T) > # p-value = 0.0139 (data6=matrix(c(15,132,33,145),2,2,dimnames=list(c("K hongthich","Thich"),c("Huongchanhday","Huongvani"))) > barplot(data6,col="green") KẾT LUẬN: - Mức độ ưa thích hương chanh dây: 132/ - (15+132)*100 = 87,79% Mức độ ưa thích hương vani: 145/(33+145)*100 = 81.46% Suy chanh dây có mức độ yêu thích cao nên sử dụng hương chanh dây Biểu đồ thể mức độ yêu thích hương vani hương chanh dây BÀI TẬP TIN HỌC ỨNG DỤNG Biểu đồ thể mức độ yêu thích hương chanh dây hương vani qua số lượng người BÀI 7: VÙNG I II III Hàm lượng saponin (%) 7.19c +_ 0.43 a 4.22 +_ 2.88 b 5.48 +_ 2.42 Chú thích: kí tự a,b,c cột để khác biệt hàm lượng saponin lấy nhân sâm vùng khác Qua giá trị p-value=0.584> 0.05 cho thấy có khác biệt hàm lượng saponin thu vùng mức ý nghĩa 0.05 để thu hàm lượng saponin cao hiệu đề nghị lấy nhân sâm vùng I Biểu đồ thể hàm lượng trung bình nhân sâm tùy vào vùng trồng PHỤ LỤC: >saponin=c(7.53,6.87,7.12,7.53,6.84,6.67,7.81,5.87, 5.64,6.14,6.07,5.79,6.13,6.35,6.5,6.49,6.55,6.63) >group data3shapiro.test(saponin) # p-value = 0.584> 0.05 nên bảng số liệu tuân theo phân phối chuẩn >analysisanova(analysis) # p- value resTukeyHSD(res) diff lwr upr p adj 2-1 -1.2937143 -1.76514063 -0.8222879 0.0000098 3-1 -0.7540476 -1.20197156 -0.3061237 0.0014894 3-2 0.5396667 0.05214608 1.0271873 0.0293357 BÀI 8: Nếu nhân viên R & D chọn tính chất sau Độ sản phẩm Độ màu sản phẩm Hương sản phẩm Hương sản phẩm Vị mặn sản phẩm PHỤ LỤC: > dotrong1 = c(7,6,7,8,9,7,8,9,7,8) > dotrong2= c(6,5,5,6,4,5,6,7,5,6) >t.test(dotrong1,dotrong2) # p-value = 6.895e-05 trung bình dotrong2 =5.5 Nên chọn dotrong1(độ sản phẩm 1) 10 BÀI TẬP TIN HỌC ỨNG DỤNG Bài 30: x y bai30 summary(lm(y~x)) Residuals: 0.0136 -0.0148 -0.0032 -0.0036 0.0080 Coefficients: Estimate Std Error t value Pr(>|t|) (Intercept) -0.013600 0.009912 -1.372 x 0.101160 67.319 7.22e-06 *** 6.810000 0.264 Signif codes: ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ Residual standard error: 0.0128 on degrees of freedom Multiple R-squared: 0.9993, Adjusted R-squared: 0.9991 F-statistic: 4532 on and DF, p-value: 7.223e-06 35 BÀI TẬP TIN HỌC ỨNG DỤNG Phương trình hồi quy y=6.81x Tìm nồng độ mẫu 2: 0.883 = 6.81 x X = 0.1297 Áp dụng công thức pha loãng: 0.1297.10 = x.1 Nồng độ đường mẫu 100ml mẫu 1.297 g/l Khối lượng đường có 100ml mẫu: 1.297 x 0.1 = 0.1297g Hàm lượng 1.297% Khối lượng chất khô 10g 10.15%=1.5 Hàm lượng dg 1.5g chất khô: 0.1297/1.5 36 BÀI TẬP TIN HỌC ỨNG DỤNG BÀI 31: Dùng kiểm định ANOVA yếu tố - giá trị p –value=0.2552>0.05 ta thấy Khả phát triển rau câu không khác biệt ánh sáng khác mức ý nghiã 5% - Nếu bỏ qua nhiệt độ nuôi trồng rau câu chế độ ánh sáng A2 rau câu phát triển tốt có lượng tăng khối lượng cao A1 (11.15 > 8.30) PHỤ LỤC: > group group=as.factor(group) > a=c(12.5,12.7,8.3,8.5,3.8,4,15.5,15.7,11.5,12,6,6.2) > kq=data.frame(group,a) > attach(kq) > analysis=lm(a~group) > anova(analysis) Df group Sum Sq Mean Sq F value Pr(>F) 24.368 24.367 Residuals 10 167.275 16.727 Sử dụng ANOVA yếu tố Chế độ nhiệt độ B1 B2 B3 B4 B5 B6 1.4567 0.2552 Lượng tăng khối lượng(g) 12.6a +- 0.14 8.4b +- 0.14 3.9c +- 0.14 15.6d +- 0.14 11.75e +- 0.35 6.1f +- 0.14 Với giá trị p-value a =2.402e-07 b= gl(6,2,12) >pt=c(12.5,12.7,8.3,8.5,3.8,4.0,15.5,15.7,11.5,12.0, 6.0,6.2) > A=as.factor(a) > A=as.factor(b) >kq= data.frame(a,b,pt) >attach(kq) >twowayanova(twoway) Df Sum Sq Mean Sq F value Pr(>F) a 24.368 24.368 649.8 2.402e-07 *** b 167.050 41.762 1113.7 9.725e-09 *** > group group=as.factor(group) > a=c(12.5,12.7,8.3,8.5,3.8,4,15.5,15.7,11.5,12,6,6.2) > analysis=lm(a~group) > kq=data.frame(group,a) > attach(kq) > analysis=lm(a~group) > anova(analysis) Df Sum Sq Mean Sq F value group 191.417 Residuals 0.225 38.283 Pr(>F) 1020.9 1.061e-08 *** 0.038 Signif codes: ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ > res=aov(a~group) > TukeyHSD(res) 39 BÀI TẬP TIN HỌC ỨNG DỤNG diff lwr upr p adj 2-1 -4.20 -4.970694 -3.42930599 0.0000043 3-1 -8.70 -9.470694 -7.92930599 0.0000001 4-1 3.00 2.229306 3.77069401 0.0000368 5-1 -0.85 -1.620694 -0.07930599 0.0326881 6-1 -6.50 -7.270694 -5.72930599 0.0000007 3-2 -4.50 -5.270694 -3.72930599 0.0000032 4-2 7.20 6.429306 7.97069401 0.0000004 5-2 3.35 2.579306 4.12069401 0.0000180 6-2 -2.30 -3.070694 -1.52930599 0.0001747 4-3 11.70 10.929306 12.47069401 0.0000000 5-3 7.85 7.079306 8.62069401 0.0000002 6-3 2.20 1.429306 2.97069401 0.0002250 5-4 -3.85 -4.620694 -3.07930599 0.0000071 6-4 -9.50 -10.270694 -8.72930599 0.0000000 6-5 -5.65 -6.420694 -4.87930599 0.0000014 > by(a,group,mean) group: [1] 12.6 group: [1] 8.4 group: [1] 3.9 group: [1] 15.6 group: [1] 11.75 group: [1] 6.1 40 BÀI TẬP TIN HỌC ỨNG DỤNG BÀI 32: Nếu bỏ qua ảnh hưởng giống lúa lên suất -Bảng : Giá trị loại đất Lô đất 31.55 Lô đất 31.63 +- 3.01 Lô đất 33.93 +- 2.87 Lô đất 33.23 +- Lô đất 33.90 Qua phép kiểm định anova ta thấy +- 1.85 3.48 +- 3.50 p-value=0.6551 > 0.05 nên ko có khác biệt có ý nghĩa thống kê giũa nhóm mức ý nghĩa anpha =5% nên chọn lô đất PHỤ LỤC: > group group=as.factor(group) > a=c(32.8,33.3,30.8,29.3,34,30,34.3,28.2,34.3,36.3,35 3,29.8,35,36.8,32.3,28.8,36.5,34.5,35.8,28.8) > kq=data.frame(group,a) > attach(kq) > analysis=lm(a~group) > anova(analysis) 41 BÀI TẬP TIN HỌC ỨNG DỤNG Df group Sum Sq Mean Sq F value Pr(>F) 22.357 5.5893 Residuals 15 135.212 9.0142 0.6201 0.6551 > res=aov(a~group) > TukeyHSD(res) diff lwr upr p adj 2-1 0.075 -6.48063 6.63063 0.9999996 3-1 2.375 -4.18063 8.93063 0.7944543 4-1 1.675 -4.88063 8.23063 0.9298920 5-1 2.350 -4.20563 8.90563 0.8004375 3-2 2.300 -4.25563 8.85563 0.8121928 4-2 1.600 -4.95563 8.15563 0.9398952 5-2 2.275 -4.28063 8.83063 0.8179607 4-3 -0.700 -7.25563 5.85563 0.9971524 5-3 -0.025 -6.58063 6.53063 1.0000000 5-4 0.675 -5.88063 7.23063 0.9975270 Nếu xét ảnh hưởng giống lúa khu vực canh tác lên suất thu hoạch Qua phép kiểm định anova ta thấy p-value đất =0.5985 > 0.05,p-value giống=0.2096 > 0.05 nên sai khác ý ngĩa thống kê mức anpha=5% nhóm nên chọn nhóm PHỤ LỤC: 42 BÀI TẬP TIN HỌC ỨNG DỤNG >dat=gl(5,4,20) >giong=gl(4,5,20) >id=1:20 >score=c(32.8,33.3,30.8,29.3,34,30,34.3,28.2,34.3,36 3,35.3,29.8,35,36.8,32.3,28.8,36.5,34.5,35.8,28.8) >dataattach(data) >anova(lm(score~dat+giong) ) Df Sum Sq Mean Sq F value Pr(>F) dat 22.357 5.5893 0.7134 0.5985 giong 41.191 13.7303 1.7524 0.2096 BÀI 33: # tác động riêng rẽ giống môi trường đến khả cho sinh khối tươi chủng nấm men bánh mì *GIỐNG: GIỐNG Năng suất cho sinh khối (g) 10.9 a +4.49 b 13.6 +4.19 a 9.89 +3.25 a b 11.8 +3.7 b 12.67 +3.43 c 15.3 +4.97 Chú thích: kí tự a,b,c dòng để khác biệt khả cho sinh khối tươi chủng nấm men khác P –value=2.2e-16score=c(5.112,5.066,4.987,5.786,6.562,6.378,4.258,3 129,5.024,5.231,5.124,5.358,6.587,6.786,6.841,7.068,7 257,7.524,11.235,12.481,12.547,12.021,12.046,12.008, 44 BÀI TẬP TIN HỌC ỨNG DỤNG 11.547,11.787,12.002,11.958,12.548,12.032,13.245,14.8 47,14.023,14.568,15.618,15.097,14.056,14.648,14.358,1 4.978,15.092,15.642,12.321,12.819,12.458,15.647,16.55 0,16.542,14.562,14.734,15.023,15.003,14.347,14.175,16 542,16.95,16.724,17.687,18.572,18.235,9.687,7.566,8 654,13.214,14.866,14.035,15.698,17.214,16.571,20.158, 24.75,22.547,7.023,6.219,6.354,15.874,16.830,16.325,1 2.358,12.21,12.564,11.369,11.657,11.587,11.387,11.553 ,10.987,16.871,17.161,17.289) > data=data.frame(moitruong,giong,id,score) > attach(data) > twoway=lm(score~moitruong + giong) > anova(twoway) # Qua trung bình bình phương(mean square),tôi nhận thấy ảnh hưởng môi trường quan trọng ảnh hưởng giống.Tuy nhiên, hai ảnh hưởng có ý nghĩa thống kê mức ý nghĩa anpha = 5% trị số P thấp cho hai yếu tố( moitruong:P-value= 2.2e-16;going: P-value= 5.21e-09) >anova( twowayF) moitruong 1125.81 281.451 699.217 < 2.2e-16 giong 278.79 55.758 138.520 < 2.2e-16 moitruong:giong 20 330.90 16.545 41.103 < 2.2e-16 # Sự tương tác giống môi trường P-value=2.2e-16 res=aov(score~moitruong+giong) > res=aov(score~moitruong+giong) > TukeyHSD(res) Fit: aov(formula = score ~ moitruong + giong) $moitruong diff lwr 2-1 7.0851111 5.1252181 3-1 8.8265000 6.8666070 10.7863930 0.0000000 4-1 10.3106667 8.3507736 12.2705597 0.0000000 5-1 6.7522222 4.7923292 8.7121153 0.0000000 3-2 1.7413889 -0.2185041 3.7012819 0.1055540 4-2 3.2255556 1.2656625 5.1854486 0.0001532 5-2 -0.3328889 -2.2927819 1.6270041 0.9894838 4-3 3.4440597 0.2245574 1.4841667 -0.4757264 upr p adj 9.0450041 0.0000000 5-3 -2.0742778 -4.0341708 -0.1143847 0.0326370 5-4 -3.5584444 -5.5183375 -1.5985514 0.0000247 $giong diff lwr 2.6489333 0.4027711 4.8950956 0.0114153 3-1 -1.0612000 -3.3073622 1.1849622 0.7390421 4-1 3.1405622 0.8530289 2-1 0.8944000 -1.3517622 upr p adj 46 BÀI TẬP TIN HỌC ỨNG DỤNG 5-1 1.7170667 -0.5290956 3.9632289 0.2348854 6-1 4.3420667 6.5882289 0.0000036 2.0959044 3-2 -3.7101333 -5.9562956 -1.4639711 0.0000950 4-2 -1.7545333 -4.0006956 0.4916289 0.2140833 5-2 -0.9318667 -3.1780289 1.3142956 0.8300814 6-2 1.6931333 -0.5530289 3.9392956 0.2488588 4-3 1.9556000 -0.2905622 4.2017622 0.1243464 5-3 2.7782667 0.5321044 5.0244289 0.0067840 6-3 5.4032667 3.1571044 7.6494289 0.0000000 5-4 0.8226667 -1.4234956 3.0688289 0.8920120 6-4 3.4476667 1.2015044 5.6938289 0.0003424 6-5 2.6250000 0.3788378 4.8711622 0.0125404 BÀI 34: PHỤ LỤC: >tl=gl(5,15,75) >tg=gl(5,3,75) >hs=c(40.41,42.50,39.50,45.58,45.21,46.67,47.27,47.36 ,48.79,49.44,49.53,50.53,49.74,50.17,51.17,37.38,37.4 7,38.47,49.56,49.65,50.56,50.91,51.00,52.00,53.75,53 55,54.55,54.54,54.63,55.63,45.91,46.00,47.00,54.24,54 33,55.33,59.49,59.58,60.58,60.65,60.74,61.74,61.04,6 1.13,62.13,52.04,52.13,53.13,62.26,62.35,63.35,68.17, 68.26,69.26,74.44,74.53,75.53,76.36,76.45,77.45,59.86 ,59.95,60.95,68.52,68.61,69.61,73.68,73.77,74.77,78.8 5,78.94,79.94,79.47,79.56,80.56) >dat= data.frame(tl,tg,hs) 47 BÀI TẬP TIN HỌC ỨNG DỤNG >twowayanova(twoway) Df Sum Sq Mean Sq F value Pr(>F) tl 7277.9 1819.48 383.35 < 2.2e-16 tg 2916.5 153.62 < 2.2e-16 729.11 #cả2 yếu tố tỷ lệ(tl)và thời gian xay(tg)đều có Pvalue< 2.2e-16,nên có ảnh hưởng đến hiệu suất xay mức ý nghĩa 5%,tuy nhiên ảnh hưởng yếu tố tỷ lệ mạnh thời gia xay(MeanSq tl=1819.48> MeanSq tg) > anova(twowayF) tl 7277.9 1819.48 3871.787 < 2.2e-16 tg 2916.5 tl:tg 16 289.8 729.11 1551.527 < 2.2e-16 18.11 38.536 < 2.2e-16 # tương tác cộng gộp tl:tg có ảnh hưởng đến hiệu suất xay (P-value< 2.2e-16)ở mức ý nghĩa 5% tác động cộng gộp thấp so với tác động riêng rẽ yếu tố(MeanSq tl:tg=18.11) # tác động riêng rẽ yếu tố đến hiệu suất xay >resTukeyHSD(res) Fit: aov(formula = hs ~ tl + tg) $tl (tỷ lệ) diff lwr upr p adj 2-1 2.652000 0.4209105 4.883089 0.0118786 3-1 9.734667 7.5035772 11.965756 0.0000000 4-1 20.122667 17.8915772 22.353756 0.0000000 5-1 25.544667 23.3135772 27.775756 0.0000000 48 BÀI TẬP TIN HỌC ỨNG DỤNG 3-2 7.082667 4.8515772 9.313756 0.0000000 4-2 17.470667 15.2395772 19.701756 0.0000000 5-2 22.892667 20.6615772 25.123756 0.0000000 4-3 10.388000 8.1569105 12.619089 0.0000000 5-3 15.810000 13.5789105 18.041089 0.0000000 5-4 5.422000 3.1909105 7.653089 0.0000000 $tg(thời gian) diff 2-1 lwr 8.875333 upr p adj 6.644244 11.106423 0.0000000 3-1 12.812667 10.581577 15.043756 0.0000000 4-1 16.267333 14.036244 18.498423 0.0000000 5-1 17.155333 14.924244 19.386423 0.0000000 3-2 3.937333 1.706244 6.168423 0.0000522 4-2 7.392000 5.160911 9.623089 0.0000000 5-2 8.280000 6.048911 10.511089 0.0000000 4-3 3.454667 1.223577 5.685756 0.0004635 5-3 4.342667 2.111577 6.573756 0.0000076 5-4 0.888000 -1.343089 3.119089 0.7974094 49 [...]... Mức độ yêu thích Trà rau má 6.29ab Trà dứa 6.70c Trà khổ qua 6.40a +- 0.24 +- 0.21 +- 0.26 Chú thích: các kí tự a,b,c trên cùng 1 cột đê chỉ sự khác biệt mức độ yêu thích của người thử đối với các loại trà khác nhau Biểu đồ thể hiện mức độ yêu thích đối với các loại trà Qua giá trị p-value=0.00212bai15bai17=matrix(c(170,40,180,50,150,60),nrow=2,ncol=3, 22 BÀI TẬP TIN HỌC ỨNG DỤNG byrow=TRUE >chisq.test(bai17)... legend(5,0.5,c("y=0.196x\nRsquare=1")) Tínhtoánkếtquả: - Mậtđộđoquangtrungbìnhcủamẫunước: (Am) - Nồngđộnitratcómẫutrongnước: (ppm) BÀI 22: 27 BÀI TẬP TIN HỌC ỨNG DỤNG giá trị p-value = 0.02886 giong=c(4.5,4.6,4.7,4.6,4.4,3.8,4.2,3.8,3.9,4.1,4.4, 6.3,4.5,5.3,5.9,3.5,4.2,4.3,4.2,3.2) >group=c(rep("giong1",5),rep("giong2",5),rep("giong3” ,5),rep("giong4",5)) > group=as.factor(group)... X-squared = 4.8184, df = 1, p-value = 0.02816 Kết luận: p-value =0.0286< 0.05,có sự khác nhau ở mức ý nghĩa 5% giữa hai sản phẩm A,B.tôi nhận thấy SP A có tỷ lệ người hài lòng trên tổng số là 0.83> 0.71 là tỷ lệ người yêu thích SP B,nên tôi sẽ chọn SP A để sử dụng BÀI 10: Qua giá trị p value=0.1066>0.05 ta thấy không có sự khác biệt giữa sản phẩm đang bán và sản phẩm cải tiến Công ty không nên tung sản... quang BÀI 19: 23 BÀI TẬP TIN HỌC ỨNG DỤNG CÔNG SUẤT SIÊU ÂM HÀM LƯỢNG VITAMIN C 0 50.53a +_ 0.85 b 150 96.57 +_ 0.83 c 188 100.5 +_ 0.82 d 225 103.3 +_ 0.80 c 263 100.73 +_ 1.30 b, c 300 98.43 +_ 0.75 Chú thích: a,b,c là các chữ cái khác nhau thể hiện sự khác biệt có ý nghĩa ở khoảng tin cậy 95% của phương pháp kiểm định anova một yếu tố GTTB= giá trị trung bình,SD= Độ lệch chuẩn Nhận xét: - Có sự khác... thị BIỂU ĐỒ ẢNH HƯỞNG CÔNG SUẤT SIÊU ÂM ĐẾN HÀM LƯỢNG VITAMIN C Bài 20: Phương pháp Hiệu suất thu hồi dịch chiết Bổ sung enzyme 80.11 b +- 1.67 Sóng siêu âm 71.42 a +- 2.36 Kết hợp 87.11 c +- 1.27 Chú thích: các kí tự a,b,c trên cùng 1 cột để chỉ sự khác biệt hiệu suất thu hồi dịch chiết khi sử dụng các phương pháp khác nhau Qua phép kiểm định anova ta thấy p-value= 0.0001333 < 0.05 nên có sự khác biệt... hệu quả cao nhất và hiệu suất thu hồi dịch chiết cao nhất chúng 25 BÀI TẬP TIN HỌC ỨNG DỤNG tôi đề nghi sử dụng phương pháp kết hợp sóng siêu âm và sử dụng enzyme Biểu phương đồ thể pháp(chú hiện hiệu thích:1-bổ sung suất thu hồi enzyme;2-Sóng enzyme siêu qua âm;3-Kết các hợp Enzyme và sóng siêu âm) PHỤ LỤC: >group=c(1,1,1,2,2,2,3,3,3) >y=c(80.67,78.23,81.42,69.13,73.85,71.27,88.14,87.51, 85.69) >group