Khảo sát chế độ thanh trùng
15 phút 20 phút 25 phút 30 phút 35 phút
Brixcái 28 28 28 27 27
Brixdd 27 28 27 27 28
Mcái 322 324 320 323 318
Vdd 215 210 205 202 200
pH 3.9 3.8 3.9 3.9 4
Nhận xét:
Như trên phần cân bằng vật liệu đã trình bày, sau 14 ngày nhận thấy sản phẩm có sự thay đổi về khối lượng thịt quả giảm xuống nhưng ít khoảng 5-6 (g) . nguyên nhân là do sự thay đổi hàm lượng chất khô, lượng nước trong thịt quả sẽ chuyển ra ngoài theo cơ chế thấm thấu song song đó một lượng chất khô( đường) sẽ đi vào thịt quả nhưng lượng chất khô đi vào không nhiều hơn lượng nước trong thịt quả đi ra
Về brix sản phẩm có sự dao động nhẹ xung quanh brix yêu sản phẩm yêu cầu, brix thịt quả thì có lúc cao hoặc thấp tuy nhiên cũng không quá xa với brix chuẩn là 28 về pH sản phẩm dao động lân cận 4
Về thể tích dung dịch có xu hướng giảm đi khoảng là do quá trình thanh trùng làm bay hơi đi một lượng nước nhất định, tùy thời gian thanh trùng mà thể tích sẽ thay
đổi tỉ lệ thuận với thời gian thanh trùng thời gian thanh trùng càng lâu sẽ làm cho thể tích hao hụt đi một lượng đáng kể quá trình bốc hơi lâu ảnh hưởng đến khối lượng tịnh của sản phẩm
3.1.6.2 Kết quả điểm đánh giá và xử lí số liệu a. Kết quả tính điểm đánh giá cho từng mẫu
- Mẫu thanh trùng 15ph ( mẫu 065) có Y= 15.27 - Mẫu thanh trùng 20ph ( mẫu 630) có Y= 14.79 - Mẫu thanh trùng 25ph ( mẫu 780) có Y= 14.13 - Mẫu thanh trùng 30ph ( mẫu 930) có Y= 14.03 - Mẫu thanh trùng 35ph ( mẫu 923) có Y= 11.86 b. Kết quả xử lí số liệu bằng phần mềm thống kê
Chạy anova so sánh sự khác biệt giữa những người đánh giá
> setwd("E:/")
> KS5N<-read.csv("KS5N.CSV", header=TRUE)
> nguoi<-gl(20,5)
> nguoi<-as.factor(nguoi)
> xl<-data.frame(nguoi,KS5N)
> attach(xl)
The following object(s) are masked _by_ '.GlobalEnv':
nguoi
> an<-lm(Diem~nguoi)
> anova(an)
Analysis of Variance Table
Response: Diem
Df Sum Sq Mean Sq F value Pr(>F) nguoi 19 88.06 4.6345 1.1513 0.3199 Residuals 80 322.03 4.0254
Kết luận: kết quả cho p=0.3199>0.05 nên không có sự khác biệt giữa các người thử với nhau.
Chạy anova so sánh sự khác biệt giữa các mẫu
> setwd("E:/")
> KS5M<-read.csv("KS5M.CSV", header=TRUE)
> mau<-gl(5,20)
> mau<-as.factor(mau)
> xl2<-data.frame(mau,KS5M)
> attach(xl2)
The following object(s) are masked _by_ '.GlobalEnv':
mau
> an2<-lm(Diem~ mau)
> anova(an2)
Analysis of Variance Table
Response: Diem
Df Sum Sq Mean Sq F value Pr(>F) mau 4 129.25 32.311 10.93 2.475e-07 ***
Residuals 95 280.84 2.956 ---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘
’ 1
> an<-aov(Diem~mau)
> TukeyHSD(an)
Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = Diem ~ mau)
$mau
diff lwr upr p adj 2-1 -0.50 -2.011991 1.0119905 0.8886836
3-1 -1.15 -2.661991 0.3619905 0.2222895 4-1 -1.21 -2.721991 0.3019905 0.1793445 5-1 -3.33 -4.841991 -1.8180095 0.0000002 3-2 -0.65 -2.161991 0.8619905 0.7539524 4-2 -0.71 -2.221991 0.8019905 0.6882648 5-2 -2.83 -4.341991 -1.3180095 0.0000110 4-3 -0.06 -1.571991 1.4519905 0.9999659 5-3 -2.18 -3.691991 -0.6680095 0.0011237 5-4 -2.12 -3.631991 -0.6080095 0.0016539
> plot( TukeyHSD(an))
Kết luận:
+ Kết quả cho 2.475e-07<0.05 nên các mẫu có sự khác nhau về mặt thống kê.
+ Kết quả chạy TukeyHSD() và biểu đồ plot() cho ta thấy:
Mẫu 5 (thanh trùng 35ph) và mẫu 1 (thanh trùng 15ph) khác nhau khoảng -3.33 đơn vị, và khoảng tin cậy 95% là từ -4.841991 đến -1.8180095 đơn vị.
Mẫu 5 (thanh trùng 35ph) và mẫu 2 (thanh trùng 20ph) khác nhau khoảng -2.83 đơn vị, và khoảng tin cậy 95% là từ -4.341991 đến -1.3180095 đơn vị.
Mẫu 5 (thanh trùng 35ph) và mẫu 3 (thanh trùng 25ph) khác nhau khoảng -2.18 đơn vị, và khoảng tin cậy 95% là từ -3.691991 đến -0.6680095 đơn vị.
Mẫu 5 (thanh trùng 35ph) và mẫu 4 (thanh trùng 30ph) khác nhau khoảng -2.12 đơn vị, và khoảng tin cậy 95% là từ -3.631991 đến -0.6080095 đơn vị.
Chạy anova so sánh sự khác biệt các chỉ tiêu giữa các mẫu
Màu sắc:
> setwd("E:/")
> KS5MS<-read.csv("KS5MS.CSV", header=TRUE)
> mau<-gl(5,20)
> mau<-as.factor(mau)
> xl2<-data.frame(mau,KS5MS)
> attach(xl2)
The following object(s) are masked _by_ '.GlobalEnv':
mau
> an2<-lm(Diem~ mau)
> anova(an2)
Analysis of Variance Table
Response: Diem
Df Sum Sq Mean Sq F value Pr(>F) mau 4 12.00 3.00000 6.9939 5.592e-05 ***
Residuals 95 40.75 0.42895 ---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘
’ 1
> an<-aov(Diem~mau)
> TukeyHSD(an)
Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = Diem ~ mau)
$mau
diff lwr upr p adj 2-1 -0.65 -1.2259461 -0.0740539 0.0187726 3-1 -0.35 -0.9259461 0.2259461 0.4450495 4-1 -0.45 -1.0259461 0.1259461 0.1990410 5-1 -1.05 -1.6259461 -0.4740539 0.0000192 3-2 0.30 -0.2759461 0.8759461 0.5981545 4-2 0.20 -0.3759461 0.7759461 0.8698261 5-2 -0.40 -0.9759461 0.1759461 0.3081102 4-3 -0.10 -0.6759461 0.4759461 0.9887620 5-3 -0.70 -1.2759461 -0.1240539 0.0091075 5-4 -0.60 -1.1759461 -0.0240539 0.0368345
> plot(TukeyHSD(an))
Kết luận:
+ Kết quả cho 5.592e-05<0.05 nên màu sắc giữa các mẫu có sự khác nhau về mặt thống kê.
+ Kết quả chạy TukeyHSD() và biểu đồ plot() cho ta thấy:
Mẫu 2( thanh trùng 20ph) và mẫu 1( thanh trùng 15ph) khác nhau khoảng -0.65 đơn vị, và khoảng tin cậy 95% là từ -1.2259461 đến -0.0740539 đơn vị.
Mẫu 5( thanh trùng 35ph) và mẫu 1 ( thanh trùng 15ph) khác nhau khoảng -1.05 đơn vị, và khoảng tin cậy 95% là từ -1.6259461 đến -0.4740539 đơn vị.
Mẫu 5( thanh trùng 35ph) và mẫu 3 ( thanh trùng 25ph) khác nhau khoảng -0.7 đơn vị, và khoảng tin cậy 95% là từ -1.2759461 đến -0.1240539 đơn vị.
Mẫu 5( thanh trùng 35ph) và mẫu 4 ( thanh trùng 30ph) khác nhau khoảng -0.6 đơn vị, và khoảng tin cậy 95% là từ -1.1759461 đến -0.0240539 đơn vị.
Mùi vị:
> setwd("E:/")
> KS5MV<-read.csv("KS5MV.CSV", header=TRUE)
> mau<-gl(5,20)
> mau<-as.factor(mau)
> xl2<-data.frame(mau,KS5MV)
> attach(xl2)
The following object(s) are masked _by_ '.GlobalEnv':
mau
The following object(s) are masked from 'xl2 (position 3)':
Diem, mau
> an2<-lm(Diem~ mau)
> anova(an2)
Analysis of Variance Table
Response: Diem
Df Sum Sq Mean Sq F value Pr(>F) mau 4 12.16 3.04 8.4444 7.136e-06 ***
Residuals 95 34.20 0.36 ---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘
’ 1
> an<-aov(Diem~mau)
> TukeyHSD(an)
Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = Diem ~ mau)
$mau
diff lwr upr p adj 2-1 -0.15 -0.677632 0.377632 0.9327685 3-1 -0.20 -0.727632 0.327632 0.8292743
4-1 -0.30 -0.827632 0.227632 0.5130871 5-1 -1.00 -1.527632 -0.472368 0.0000083 3-2 -0.05 -0.577632 0.477632 0.9989213 4-2 -0.15 -0.677632 0.377632 0.9327685 5-2 -0.85 -1.377632 -0.322368 0.0001989 4-3 -0.10 -0.627632 0.427632 0.9843803 5-3 -0.80 -1.327632 -0.272368 0.0005332 5-4 -0.70 -1.227632 -0.172368 0.0033724
> plot( TukeyHSD(an))
Kết luận:
+ Kết quả cho 7.136e-06<0.05 nên mùi vị giữa các mẫu có sự khác nhau về mặt thống kê.
+ Kết quả chạy TukeyHSD() và biểu đồ plot() cho ta thấy:
Mẫu 5( thanh trùng 35ph) và mẫu 1( thanh trùng 15ph) khác nhau khoảng -1.00 đơn vị, và khoảng tin cậy 95% là từ -1.527632 đến -0.472368 đơn vị.
Mẫu 5( thanh trùng 35ph) và mẫu 2 ( thanh trùng 20ph) khác nhau khoảng -0.85 đơn vị, và khoảng tin cậy 95% là từ -1.377632 đến -0.322368 đơn vị.
Mẫu 5( thanh trùng 35ph) và mẫu 3 ( thanh trùng 25ph) khác nhau khoảng -0.8 đơn vị, và khoảng tin cậy 95% là từ -1.327632 đến -0.272368 đơn vị.
Mẫu 5( thanh trùng 35ph) và mẫu 4 ( thanh trùng 30ph) khác nhau khoảng -0.7 đơn vị, và khoảng tin cậy 95% là từ -1.227632 đến -0.172368 đơn vị.
Hình thái:
> setwd("E:/")
> KS5HT<-read.csv("KS5HT.CSV", header=TRUE)
> mau<-gl(5,20)
> mau<-as.factor(mau)
> xl2<-data.frame(mau,KS5HT)
> attach(xl2)
The following object(s) are masked _by_ '.GlobalEnv':
mau
> an2<-lm(Diem~ mau)
> anova(an2)
Analysis of Variance Table
Response: Diem
Df Sum Sq Mean Sq F value Pr(>F) mau 4 9.14 2.28500 5.7887 0.0003263 ***
Residuals 95 37.50 0.39474 ---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘
’ 1
> an<-aov(Diem~mau)
> TukeyHSD(an)
Tukey multiple comparisons of means 95% family-wise confidence level Fi
$mau
diff lwr upr p adj
2-1 0.20 -0.3525018 0.752501767 0.8517249 3-1 -0.40 -0.9525018 0.152501767 0.2676591 4-1 -0.35 -0.9025018 0.202501767 0.4019708 5-1 -0.65 -1.2025018 -0.097498233 0.0126703 3-2 -0.60 -1.1525018 -0.047498233 0.0263010 4-2 -0.55 -1.1025018 0.002501767 0.0516452 5-2 -0.85 -1.4025018 -0.297498233 0.0004245 4-3 0.05 -0.5025018 0.602501767 0.9991002 5-3 -0.25 -0.8025018 0.302501767 0.7171457 5-4 -0.30 -0.8525018 0.252501767 0.5586429
> plot(TukeyHSD(an))
Kết luận:
+ Kết quả cho 0.0003263<0.05 nên hình thái giữa các mẫu có sự khác nhau về mặt thống kê.
+ Kết quả chạy TukeyHSD() và biểu đồ plot() cho ta thấy:
Mẫu 5( thanh trùng 35ph) và mẫu 1( thanh trùng 15ph) khác nhau khoảng -0.65 đơn vị, và khoảng tin cậy 95% là từ -1.2025018 đến -0.097498233 đơn vị.
Mẫu 3( thanh trùng 25ph) và mẫu 2 ( thanh trùng 20ph) khác nhau khoảng -0.6 đơn vị, và khoảng tin cậy 95% là từ -1.1525018 đến -0.047498233 đơn vị.
Mẫu 5( thanh trùng 35ph) và mẫu 2 ( thanh trùng 25ph) khác nhau khoảng -0.85 đơn vị, và khoảng tin cậy 95% là từ -1.4025018 đến -0.297498233 đơn vị.
Độ trong:
> setwd("E:/")
> KS5DT<-read.csv("KS5DT.CSV", header=TRUE)
> mau<-gl(5,20)
> mau<-as.factor(mau)
> xl2<-data.frame(mau,KS5DT)
> attach(xl2)
The following object(s) are masked _by_ '.GlobalEnv':
mau
> an2<-lm(Diem~ mau)
> anova(an2)
Analysis of Variance Table
Response: Diem
Df Sum Sq Mean Sq F value Pr(>F) mau 4 3.96 0.99000 2.6271 0.03926 * Residuals 95 35.80 0.37684 ---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘
’ 1
> an<-aov(Diem~mau)
> TukeyHSD(an)
Tukey multiple comparisons of means 95% family-wise confidence level Fit: aov(formula = Diem ~ mau)
$mau
diff lwr upr p adj 2-1 0.30 -0.2398332 0.83983315 0.5359029 3-1 -0.10 -0.6398332 0.43983315 0.9856610 4-1 0.20 -0.3398332 0.73983315 0.8407418 5-1 -0.25 -0.7898332 0.28983315 0.6992944 3-2 -0.40 -0.9398332 0.13983315 0.2459183 4-2 -0.10 -0.6398332 0.43983315 0.9856610 5-2 -0.55 -1.0898332 -0.01016685 0.0436311 4-3 0.30 -0.2398332 0.83983315 0.5359029 5-3 -0.15 -0.6898332 0.38983315 0.9378492 5-4 -0.45 -0.9898332 0.08983315 0.1482069
> plot(TukeyHSD(an))
Kết luận:
+ Kết quả cho 0.03926<0.05 nên độ trong giữa các mẫu có sự khác nhau về mặt thống kê.
+ Kết quả chạy TukeyHSD() và biểu đồ plot() cho ta thấy:
Mẫu 5 (thanh trùng 35ph) và mẫu 2 (thanh trùng 20ph) khác nhau khoảng -0.55 đơn vị, và khoảng tin cậy 95% là từ -1.0898332 đến -0.01016685 đơn vị.
c. Kết luận chung.
- Mẫu thanh trùng 15ph có điểm đánh giá cao nhất với Y= 15.27
- Các mẫu có sự khác nhau ở các chế độ thanh trùng khác nhau, và khi so sánh các chỉ tiêu thì chúng cũng có sự khác nhau.
- Mẫu chuẩn thanh trùng ở 15ph tốt hơn các chế độ thanh trùng các thời gian khác 3.2 BÀN LUẬN KẾT QUẢ THÍ NGHIỆM
3.2.1 Khảo sát kích cỡ bao bì