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

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

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 Bài 1: Biểu đồ 1: Hiệu suất trích ly polyphenol hai dung môi diethyl cồn Dung môi Hiệu suất ( trung bình ± độ lệch chuẩn) Diethyl 69.2 ± 5.17 Cồn 68 ± 15.03 Bảng 1: Bảng kết trung bình hiệu suất trích ly polyphenol Kết phân tích var.test cho kết p-value >α nên hai mẫu có phương sai Kết phân tích t.test cho p-value > α, điều cho thấy hiệu suất trích ly hai dung môi nhau, nên ta chọn hai dung môi để trich ly polyphenol Tuy nhiên, theo ý kiến thân nên chọn cồn làm dung môi cồn giá thành rẻ mà độc hại diethyl Phụ lục: > etyl con var.test(etyl,con) F test to compare two variances data: etyl and F = 0.1181, num df = 4, denom df = 4, p-value = 0.06226 alternative hypothesis: true ratio of variances is not equal to 95 percent confidence interval: 0.01230061 1.13469446 sample estimates: ratio of variances 0.1181416 > t.test(etyl,con,var.equal=T) Two Sample t-test data: etyl and t = 0.1688, df = 8, p-value = 0.8701 alternative hypothesis: true difference in means is not equal to 95 percent confidence interval: -15.19373 17.59373 sa mean of x mean of y 69.2 68.0 > mean(etyl) [1] 69.2 > mean(con) [1] 68 > sd(etyl) [1] 5.167204 > sd(con) [1] 15.0333 Bài 2: Biểu đồ 2: Khả bền bọt phụ gia Mẫu Độ bền bọt (h) Đối chứng 1.05a ± 0.05 CMC 1.22b ± 0.04 Bảng 2: bảng so sánh độ bền bọt phụ gia CMC mẫu đối chứng Kết phân tích t.test cho thấy p-value < α, điều chứng tỏ hai mẫu phụ gia có khác biệt khả bền bọt Khi sử dụng phụ gia CMC khả bền bọt sản phẩm cao so với mẫu không sử dụng phụ gia, nên chọn sử dụng phụ gia Phụ lục: > doichung cmc var.test(doichung,cmc) F test to compare two variances data: doichung and cmc F = 1.1999, num df = 9, denom df = 9, p-value = 0.7905 alternative hypothesis: true ratio of variances is not equal to 95 percent confidence interval: 0.2980354 4.8307459 sample estimates: ratio of variances 1.199889 > t.test(doichung,cmc) Welch Two Sample t-test data: doichung and cmc t = -8.3884, df = 17.853, p-value = 1.319e-07 alternative hypothesis: true difference in means is not equal to 95 percent confidence interval: -0.2201065 -0.1318935 sample estimates: mean of x mean of y 1.047 1.223 > t.test(doichung,cmc,var.equal=TRUE) Two Sample t-test data: doichung and cmc t = -8.3884, df = 18, p-value = 1.24e-07 alternative hypothesis: true difference in means is not equal to 95 percent confidence interval: -0.2200804 -0.1319196 sample estimates: mean of x mean of y 1.047 1.223 > mean(doichung) [1] 1.047 > mean(cmc) [1] 1.223 > sd(doichung) [1] 0.04900113 > sd(cmc) [1] 0.04473378 Bài Biểu đồ 3: Biểu đồ thể khả phân hủy protein enzyme việc thủy phân cá Loại enzyme Lượng acid amin tổng số (mg/kg) (mean ± sd) A 18.17a ± 1.17 B 14.8b ± 0.84 C 19ac ± 0.82 D 16.25b± 1.26 Bảng 3: bảng trung bình lượng acid amin loại enzyme Dựa vào phân tích ta thấy p-value < α, nên có khác biệt lượng acid amin mà enzyme phân hủy Ta thấy enzyme A C phân hủy lượng acid amin cao hai enzyme B D Do nhà sản xuất nên chọn enzyme A C để tăng hiệu suất thủy phân protein Phụ lục: > A=c(17,18,17,20,19,18) > B=c(14,15,16,15,14) > C=c(19,20,18,19) > D=c(16,15,16,18) > bai3=c(A,B,C,D) > enzym=c(rep(1,6),rep(2,5),rep(3,4),rep(4,4)) > enzym=as.factor(enzym) > data=data.frame(enzym,bai3) > attach(data) The following objects are masked _by_ GlobalEnv: bai3, enzym > anova(lm(bai3~enzym)) Analysis of Variance Table Response: bai3 Df Sum Sq Mean Sq F value Pr(>F) enzym 50.564 16.8547 15.431 7.463e-05 *** Residuals 15 16.383 1.0922 Signif codes: ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ > res=aov(bai3~enzym) > TukeyHSD(res) Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = bai3 ~ enzym) $enzym diff lwr upr p adj 2-1 -3.3666667 -5.1905943 -1.5427391 0.0004459 3-1 0.8333333 -1.1109800 2.7776467 0.6151972 4-1 -1.9166667 -3.8609800 0.0276467 0.0539882 3-2 4.2000000 2.1794103 6.2205897 0.0001307 4-2 1.4500000 -0.5705897 3.4705897 0.2079384 4-3 -2.7500000 -4.8798886 -0.6201114 0.0098498 > tapply(bai3,enzym,mean) 18.16667 14.80000 19.00000 16.25000 > tapply(bai3,enzym,sd) 1.1690452 0.8366600 0.8164966 1.2583057 Bài 4: Biểu đồ 4: Biểu đồ khả trương nở bánh phồng tôm Nồng độ phụ gia Mức độ trương nở bánh (%) (mean ± sd) 0.5% 71.14a ± 6.89 0.3% 63.71ab ± 6.63 0.1% 61.14b ± 7.15 Bảng 4: bảng so sánh mức độ trương nở bánh phồng tôm nồng độ phụ gia Phân tích cho ta kết p-value < α nên có khác biệt mức độ trương nởbánh phồng tôm nông độ phụ gia Qua đó, ta chọn nồng độ phụ gia 0.3% 0.5% để bổ sung vào bánh Tuy nhiên, nhà sản xuất ta nên chọn nồng độ phụ gia 0.3% để tiết kiệm chi phí nguyên liệu mà đạt độ trương nở bánh phồng tôm Phụ lục: > nongdo1=c(68,80,69,76,68,77,60) > nongdo2=c(71,62,58,74,65,59,57) > nongdo3=c(58,60,70,51,57,71,61) > phugia=c(nongdo1,nongdo2,nongdo3) > bai4=c(rep(1,7),rep(1,7),rep(1,7)) > bai4=as.factor(bai4) > data=data.frame(bai4,phugia) > attach(data) The following objects are masked _by_ GlobalEnv: bai4, phugia > anova(lm(phugia~bai4)) Analysis of Variance Table Response: phugia Df Sum Sq Mean Sq F value Pr(>F) bai4 377.52 188.762 3.9733 0.03722 * Residuals 18 855.14 47.508 - Signif codes: ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ > res=aov(phugia~bai4) > TukeyHSD(res) Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = phugia ~ bai4) $bai4 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 > tapply(phugia,bai4,mean) 71.14286 63.71429 61.14286 > tapply(phugia,bai4,sd) 6.890297 6.626067 7.151423 Bài 5: Biểu đồ 5: Biểu đồ hàm lượng isozym EST máu ngoại vi hai nhóm đối tượng Đối tượng Hàm lượng isozym EST (mean ± sd) Đối chứng 3.53a ± 0.12 Thí nghiệm 3.64b ± 0.09 Bảng 5: bảng kết trung bình hàm lượng isozym EST máu ngoại vi hai nhóm đối tượng Kết phân tích cho p-value < α nên chứng tỏ xó khác hàm lượng isozym EST máu ngoại vi hai nhóm đối tượng nghiên cứu Theo đó, nhóm đối tượng tiếp xúc với hóa chất diệt côn trùng có hàm lượng isozym EST máu ngoại vi cao nhóm đối tượng không tiếp xúc Phụ lục: > doichung thinghiem var.test(doichung,thinghiem) F test to compare two variances data: doichung and thinghiem F = 2.0128, num df = 34, denom df = 34, p-value = 0.045 alternative hypothesis: true ratio of variances is not equal to 95 percent confidence interval: 1.016014 3.987686 sample estimates: ratio of variances 2.012845 > 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 alternative hypothesis: true difference in means is not equal to 95 percent confidence interval: -0.16270852 -0.06129148 sample estimates: mean of x mean of y 3.531714 3.643714 > mean(doichung) [1] 3.531714 > mean(thinghiem) [1] 3.643714 10 > sd(doichung) [1] 0.1226301 > sd(thinghiem) [1] 0.08643548 Bài 6: Biểu đồ 6: biểu đồ mức độ ưa thích loại hương liệu Kết phân tích chisq.test cho p-value > α nên mức độ ưa thích hai loại hương liệu nên nhà sản xuất chọn hai loại hương liệu Tuy nhiên, giá hương vani rẻ hương chanh dây nên chọn hương vani giảm chi phí nguyên liệu Phụ lục: > chanhday vani bai6 chisq.test(bai6) Pearson's Chi-squared test with Yates' continuity correction data: bai6 X-squared = 3.8061, df = 1, p-value = 0.05107 Bài Biểu đồ 7: Biểu đồ hàm lượng saponin nhân sâm vùng Bảng 7: Bảng kết trung bình hàm lượng saponin nhân sâm vùng Vùng Hàm lượng saponin (%) (mean ± sd) Vùng 7.2a ± 0.43 Vùng 5.9b ± 0.2 Vùng 6.4c ± 0.16 Kết phân tích cho thấy hàm lượng saponin ba vung khác nhau, p-value < α Do ta thấy hàm lượng saponin nhân sâm vùng cao ba vùng, ta nên chọn nhân sâm vùng 37 diff lwr upr p adj 2-1 0.39 0.1406846 0.63931542 0.0017111 3-1 0.13 -0.1193154 0.37931542 0.4113043 3-2 -0.26 -0.5093154 -0.01068458 0.0396760 > by(YT, B23, sd) B23: [1] 0.2162817 -B23: [1] 0.2270585 -B23: [1] 0.2309401 >by(YT,B23,mean) Bài 24: Biểu đồ 24: biểu đồ mối quan hệ nồng đọ độ hấp thu bước song 510 nm Phương trình đường chuẩn: Y = 0.3612X + 0,012 R2 = 0.9986 Tính toán kết quả: Với Am1 = 0.875 = Y => X = 2.395 Hàm lượng sắt có mẫu thức ăn gia súc = 2.395 x 10/3 =7.983 (mg/l) Với Am2 = 0.890 = Y => X =2.346 Hàm lượng sắt có mẫu thức ăn gia súc = 2.346 x 10/3 = 7.82(mg/l) STT M1 M2 Am 0.375 0.73 1.127 1.1.143 0.875 0.89 C(ppm) 23.95 24.36 Bảng 24: mối quan hệ nồng độ độ hấp thu đo 510nm Hàm lượng sát có hai mẫu ban đầu: Mẫu 1: 23.95% Mẫu 2: 24.36% 38 Phụ lục > cm=c(0,1,2,3,4) > am=c(0,0.375,0.73,1.127,1.43) > bai24=lm(am~cm) > bai24 Call: lm(formula = am ~ cm) Coefficients: (Intercept) 0.0100 cm 0.3612 > summary(bai24) Call: lm(formula = am ~ cm) Residuals: -0.0100 0.0038 -0.0024 0.0334 -0.0248 Coefficients: Estimate Std Error t value Pr(>|t|) (Intercept) 0.010000 0.019240 cm 0.52 0.639 0.361200 0.007855 45.99 2.26e-05 *** Signif codes: ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ Residual standard error: 0.02484 on degrees of freedom Multiple R-squared: 0.9986, Adjusted R-squared: 0.9981 F-statistic: 2115 on and DF, p-value: 2.264e-05 > cm1=(0.875-0.01)/0.3612 > cm2=(0.89-0.01)/0.3612 > CM1=cm1*10 39 > CM2=cm2*10 > m1=CM1*0.1 > m2=CM2*0.1 > fe1=m1/10.0001*100 > fe1 [1] 23.94771 > fe2=m2/10.0001*100 > fe2 [1] 24.3629 Bài 25 Biểu đồ 25: biểu đồ thể ảnh hưởng giống bò đến khả cho sữa Giống Khả cho sữa giống A 234.83a19.7 giống B 238.97b20.74 Bảng 25: bảng khả cho sữa trung bình theo giống bò Dựa vào kết khảo sát ta thấy p-value a=c(rep(205,14),rep(215,21),rep(225,20),rep(235,13),rep(245,5),rep(255,4),rep(265,3),rep(275, 2)) >b=c(rep(205,7),rep(215,9),rep(225,8),rep(235,8),rep(245,14),rep(255,11),rep(265,6),rep(275,5) > var.test(a,b) F test to compare two variances data: a and b F = 0.9018, num df = 81, denom df = 67, p-value = 0.1219 alternative hypothesis: true ratio of variances is not equal to 95 percent confidence interval: 0.4377321 1.1013346 40 sample estimates: ratio of variances 0.69787 > t.test(a,b,var.equal=T) Two Sample t-test data: a and b t = -4.1809, df = 148, p-value = 4.95e-05 alternative hypothesis: true difference in means is not equal to 95 percent confidence interval: -10.173171 1.893011 sample estimates: mean of x mean of y 225.9756 238.9706 > mean(a) [1] 225.9756 > mean(b) [1] 238.9706 > sd(a) [1] 17.32833 > sd(b) [1] 20.7429 Bài 26: Biểu đồ 26: Biểu đồ thể khả nảy mầm theo loại giống Lúa mì Lúa nếp Hạt nảy mầm 81 57 Hạt không nảy mầm 19 43 Bảng 26: bảng tỉ lệ nảy mầm giống khác Đại mạch 72 28 41 Ta có p-value < 0.05 nên có khác biệt khả nảy mầm loại giống malt Vì cần loại giống có khả nảy mầm cao nên ta chọn lúa mì lúa mì có tỉ lệ nảy mầm lớn Phụ lục >bai26=matrix(c(81,19,57,43,72,28),2,3,dimnames=list(c("naymam","khong"),c("luami","luane p","daimach"))) > bai26 luami luanep daimach naymam 81 khong 19 57 43 72 28 > chisq.test(bai26) Pearson's Chi-squared test data: bai26 X-squared = 14, df = 2, p-value = 0.0009119 Bài 27 Biểu đồ 27: biểu đồ ảnh hưởng giống đến suất Giống giống giống giống giống Bảng 27: suất giống ngô lai Năng suất 4.56ab 0.11 3.69b0.18 5.28b0.83 3.9a0.51 Dựa vào kết khảo sát ta nhận thấy có khác biệt suất thu giống giống số thu suất cao ta nên chon giống để sản suất đại trà Phụ lục: > giong=gl(4,5) > giong=as.factor(giong) > ns=c(4.5,4.6,4.7,4.6,4.4,3.8,4.2,3.8,3.9,4.1,4.4,6.3,4.5,5.3,5.9,3.5,4.2,4.3,4.3,3.2) 42 > data=data.frame(giong,ns) > data > attach(data) The following objects are masked _by_ GlobalEnv: giong, ns > anova(lm(ns~giong)) Analysis of Variance Table Response: ns Df Sum Sq Mean Sq F value Pr(>F) giong 6.2055 2.06850 8.1678 0.001594 ** Residuals 16 4.0520 0.25325 Signif codes: ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ > kq=aov(ns~giong) > TukeyHSD(KQ) Error in TukeyHSD(KQ) : object 'KQ' not found > TukeyHSD(kq) Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = ns ~ giong) $giong diff lwr upr p adj 2-1 -0.60 -1.5105957 0.3105957 0.2728420 3-1 0.72 -0.1905957 1.6305957 0.1489282 4-1 -0.66 -1.5705957 0.2505957 0.2035880 3-2 1.32 0.4094043 2.2305957 0.0037953 4-2 -0.06 -0.9705957 0.8505957 0.9975224 4-3 -1.38 -2.2905957 -0.4694043 0.0025874 Bài28 43 Đồ thị 28: đồ thị thể mối quan hệ nồng độ độ hấp thu Ống Nồng độ(ppm) 1.5 4.5 7.5 Am 0.279 0.563 0.835 1.119 0.762 0.757 Phương trình đường chuẩn y = 0.09031x + 0.21004 R2 = 0.6131 Mẫu 0.762 = 0.09031x + 0.21004 => x = 6.11 Mẫu 0.757 = 0.09031x + 0.21004 => x = 6.06 Nồng độ Mn2+ mẫu C= ((6.11 + 6.06)/ 2)*(10/3)= 20.28 ppm Phụ lục: > nd Am lm(Am ~ nd) Call: lm(formula = Am ~ nd) Coefficients: (Intercept) 0.21004 nd 0.09031 44 > reg summary(reg) Call: lm(formula = Am ~ nd) Residuals: -0.21004 -0.06650 0.08204 0.21857 0.36711 -0.12536 -0.26582 Coefficients: Estimate Std Error t value Pr(>|t|) (Intercept) 0.21004 0.17350 1.211 0.2802 nd 0.09031 0.03208 2.815 0.0373 * Signif codes: ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ Residual standard error: 0.2546 on degrees of freedom Multiple R-squared: 0.6131, Adjusted R-squared: 0.5358 F-statistic: 7.925 on and DF, p-value: 0.03732 Bài 29 Biểu đồ 29: Biểu đồ tương quan nồng độ độ hấp thụ Ống Nồng độ(ppm) 3.33 6.67 10 13.33 16.67 20 Am 0.087 0.273 0.407 0.544 0.694 0.902 Bảng 29: bảng số liệu tương quan nồng đọ độ hấp thụ Phương trình đường chuẩn Y = 0.04692x – 0.06294 R2 = 0.9948 Mẫu 45 0.587 = 0.04692x – 0.06294 => x = 13.85 Mẫu 0.925 = 0.04692x – 0.06294 => x= 21.06 Hàm lượng polyphenol tổng số C=((13.85 + 21.06)/2)*(30/1) = 523.65 ppm = 0.52365 (g/l) % polyphenol = (0.52365 x 0.25)/(10x0.72) x 100% = 1.82% Phụ lục: > c A lm(A ~ c) Call: lm(formula = A ~ c) Coefficients: (Intercept) c -0.06294 0.04692 > reg summary(reg) Call: lm(formula = A ~ c) Residuals: -0.006314 0.022962 0.000706 -0.018550 -0.025274 0.026470 Coefficients: 46 Estimate Std Error t value Pr(>|t|) (Intercept) -0.062942 0.022083 -2.85 0.0464 * c 0.046924 0.001701 27.59 1.03e-05 *** Signif codes: ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ Residual standard error: 0.02372 on degrees of freedom Multiple R-squared: 0.9948, Adjusted R-squared: 0.9935 F-statistic: 760.9 on and DF, p-value: 1.027e-05 Bài 30: Biểu đồ 30: Biểu đồ tương quan nồng độ độ hấp thụ Ống Nồng độ(g/l) 0.01 0.03 0.04 0.06 0.07 Am 0.244 0.528 0.8 1.084 1.363 Phương trình đường chuẩn Y = 18.68400x + 0.01589 R2 = 0.9924 Trong mẫu 0.883 = 18.68400x + 0.01589 => x=0.046 (g/l) Hàm lượng đường khử mẫu %đường khử = (0.046x0.1)/(100000x 0.28) x 100%= 1.46x10-5 % > nongdo am lm(am ~ nongdo) Call: lm(formula = am ~ nongdo) Coefficients: 47 (Intercept) nongdo 0.01589 18.68400 > reg summary(reg) Call: lm(formula = am ~ nongdo) Residuals: -0.01589 0.04127 -0.04841 0.03675 -0.05293 0.03923 Coefficients: 0.453 Estimate Std Error t value Pr(>|t|) (Intercept) 0.01589 0.03510 0.674 nongdo 18.68400 0.81610 22.894 2.16e-05 *** Signif codes: ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ Residual standard error: 0.04998 on degrees of freedom Multiple R-squared: 0.9924, p-value: 2.156e-05 Adjusted R-squared: 0.9905 F-statistic: 524.1 on and DF, Bài 31: Biểu đồ 31.1 Biểu đồ ảnh hưởng ánh sáng đến việc tăng khối lượng Mức ánh sáng A1 Lượng tăng khối lượng (g) (mean ± sd) 8.3a ± 3.89 A2 11.15b ± 4.28 Bảng 31.1 : Bảng lượng tăng khối lượng trung bình theo mức ánh sáng Dựa vào kết phân tich t.test ta có p-value < α nên có khác biệt lượng tăng khối lượng theo mức ánh sáng khác Vì lượng tăng khối lượng mức ánh sáng A2 lớn lượng tăng khối lượng A1 nên ta chọn mức aanhs sáng A2 để nuôi trồng rau câu Phụ lục: > A1 A2 t.test(A1, A2, paired=TRUE) Paired t-test data: A1 and A2 t = -13.0311, df = 5, p-value = 4.747e-05 alternative hypothesis: true difference in means is not equal to 95 percent confidence interval: -3.412208 -2.287792 sample estimates: mean of the differences -2.85 > mean(A1) [1] 8.3 > mean(A2) [1] 11.15 > sd(A1) [1] 3.893071 > sd(A2) [1] 4.277733 Bài 32 Biểu đồ 32.1: biểu đồ ảnh hưởng loại đất đến suất lúa Loại đất Lô đất Lô đất Lô đất Lô đất Lô đất Phụ lục: > D1 D2 D3 D4 D5 mean(D1) [1] 31.55 > mean(D2) [1] 31.625 > mean(D3) [1] 33.925 > mean(D4) [1] 33.225 > mean(D5) [1] 33.9 > sd(D1) [1] 1.84842 > sd(D2) [1] 3.009291 > sd(D3) [1] 2.868652 > sd(D4) [1] 3.481738 > sd(D5) [1] 3.499524 > b32 b32 [1] 1 1 2 2 3 3 4 4 5 5 > b32 LD data attach(data) The following objects are masked _by_ GlobalEnv: b32, LD > kq32 anova(kq32) Analysis of Variance Table Response: LD Df Sum Sq Mean Sq F value Pr(>F) b32 22.357 5.5893 0.6201 0.6551 Residuals 15 135.212 9.0142 > res TukeyHSD(res) Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = LD ~ b32) $b32 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 51 ... 0.9873690 Bài 14 Biểu đồ 14: Biểu đồ thể tăng cân thể qua ba thực đơn khác Thực đơn Tăng 1.5-3kg/tháng (%) Thực đơn 59 Thực đơn 34 Thực đơn 88 Bảng 14: bảng tỉ trọng tăng cân theo thực đơn khác... 0.08643548 Bài 6: Biểu đồ 6: biểu đồ mức độ ưa thích loại hương liệu Kết phân tích chisq.test cho p-value > α nên mức độ ưa thích hai loại hương liệu nên nhà sản xuất chọn hai loại hương liệu Tuy... 66 12 25 Kết phân tích chisq.test cho p-value < α, có khác việc tăng cân theo thực đơn Ta nên chọn thực đơn số theo thực đươn có tỉ trọng tăng cân lớn Phụ lục: > nguoi=c(245,170,145,270,367,48)