Khảo sát nồng độ nước đường
kết quả 16Bx 20Bx 24Bx 28Bx 32Bx
Bxcái 15.8 20 23.8 27.8 31.8
Bxdd 16 19.8 24.2 28.2 32
Vdd 220 225 230 225 225
pHdd 3.9 3.8 4 3.9 3.8
Mcái 314 312 310 314 310 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 4-6 (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, một phần do quá trình chần đã làm thất thoát một ít khối lượng thịt quả
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 nhưng brix của thịt quả và brix dung dịch thì có sự chênh lệch khoảng 0,2-0,4 độ Bx. Về pH sản phẩm dao động từ 3.8 đến 4
Về thể tích dung dịch có xu hướng giảm đi là do quá trình thanh trùng làm bay hơi đi một lượng nước nhất định
3.1.4.2 Kết quả điểm đánh giá và xử lí số liệu a. Kết quả tính điểm đánh giá cho từng mẫu
- Mẫu 16 Bx( mẫu 780) có Y= 13.04 - Mẫu 20 Bx ( mẫu 930) có Y=13.38 - Mẫu 24 Bx ( mẫu 923) có Y=14.14 - Mẫu 28 Bx ( mẫu 630) có Y=15.87 - Mẫu 32 Bx ( mẫu 065) có Y=14.44 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:/")
> KS3N<-read.csv("KS3N.CSV", header=TRUE)
> nguoi<-gl(20,5)
> nguoi<-as.factor(nguoi)
> xl<-data.frame(nguoi,KS3N)
> 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 92.42 4.8644 0.9553 0.5202 Residuals 80 407.34 5.0918
Kết luận: kết quả cho p= 0.5202 >0.05 nên không có sự khác biệt của các người thử.
Chạy anova so sánh sự khác biệt giữa các mẫu
> setwd("E:/")
> KS3M<-read.csv("KS3M.CSV", header=TRUE)
> mau<-gl(5,20)
> mau<-as.factor(mau)
> xl2<-data.frame(mau,KS3M)
> 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 97.29 24.3236 6.3615 0.0001403 ***
Residuals 95 363.24 3.8236 ---
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 1.06 -0.6595455 2.77954551 0.4302498 3-1 2.49 0.7704545 4.20954551 0.0010565 4-1 -0.34 -2.0595455 1.37954551 0.9817105 5-1 0.76 -0.9595455 2.47954551 0.7344832 3-2 1.43 -0.2895455 3.14954551 0.1499314 4-2 -1.40 -3.1195455 0.31954551 0.1658207 5-2 -0.30 -2.0195455 1.41954551 0.9885559 4-3 -2.83 -4.5495455 -1.11045449 0.0001371 5-3 -1.73 -3.4495455 -0.01045449 0.0478618 5-4 1.10 -0.6195455 2.81954551 0.3918459
> plot(TukeyHSD(an))
Kết luận:
+ Kết quả cho p= 0.0001403 <0.05 nên giữa các mẫu có sự khác nhau về mặt thống kê.
+ Kết quả chạy TukeyHSD() và biểu đồ plot()cho ta thấy:
Mẫu 3 ( mẫu 24Bx )và mẫu 1( mẫu 16Bx) khác nhau khoảng 2.49 đơn vị, và khoảng tin cậy 95% là từ 0.7704545 đến 4.20954551 đơn vị.
Mẫu 3( mẫu 24 Bx) và mẫu 4( mẫu 28Bx) khác nhau khoảng -2.83 đơn vị, và khoảng tin cậy 95% là từ -4.5495455 đến -1.11045449.
Mẫu 3( mẫu 24Bx) và mẫu 5 ( mẫu 32Bx) khác nhau khoảng -1.73 đơn vị, và khoảng tin cậy 95% là từ -3.4495455 đến -0.01045449.
Chạy anova so sánh sự khác biệt các chỉ tiêu giữa các mẫu:
Màu sắc
> setwd("E:/")
> KS3MS<-read.csv("KS3MS.CSV", header=TRUE)
> mau<-gl(5,20)
> mau<-as.factor(mau)
> xl2<-data.frame(mau,KS3MS)
> 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 13.86 3.4650 3.9328 0.005349 **
Residuals 95 83.70 0.8811 ---
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 0.75 -0.07543098 1.57543098 0.0932811 3-1 1.10 0.27456902 1.92543098 0.0031915 4-1 0.35 -0.47543098 1.17543098 0.7632282 5-1 0.65 -0.17543098 1.47543098 0.1924926 3-2 0.35 -0.47543098 1.17543098 0.7632282 4-2 -0.40 -1.22543098 0.42543098 0.6623156
5-2 -0.10 -0.92543098 0.72543098 0.9971792 4-3 -0.75 -1.57543098 0.07543098 0.0932811 5-3 -0.45 -1.27543098 0.37543098 0.5547383 5-4 0.30 -0.52543098 1.12543098 0.8498695
> plot( TukeyHSD(an))
Kết luận:
+ Kết quả cho p= 0.005349 <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 3 ( mẫu 24 Bx )và mẫu 1( mẫu 16 Bx) khác nhau khoảng 1.1 đơn vị, và khoảng tin cậy 95% là từ 0.27456902 đến 1.92543098 đơn vị.
Các mẫu còn lại không có sự khác nhau về màu sắc.
Mùi vị
> setwd("E:/")
> KS3MV<-read.csv("KS3MV.CSV", header=TRUE)
> mau<-gl(5,20)
> mau<-as.factor(mau)
> xl2<-data.frame(mau,KS3MV)
> 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 23.64 5.9100 8.7521 4.654e-06 ***
Residuals 95 64.15 0.6753 ---
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 -0.05 -0.77263063 0.67263063 0.9996886 3-1 0.75 0.02736937 1.47263063 0.0379178 4-1 -0.75 -1.47263063 -0.02736937 0.0379178
5-1 0.25 -0.47263063 0.97263063 0.8713597 3-2 0.80 0.07736937 1.52263063 0.0222903 4-2 -0.70 -1.42263063 0.02263063 0.0623546 5-2 0.30 -0.42263063 1.02263063 0.7769725 4-3 -1.50 -2.22263063 -0.77736937 0.0000010 5-3 -0.50 -1.22263063 0.22263063 0.3118309 5-4 1.00 0.27736937 1.72263063 0.0019712
> plot(TukeyHSD(an))
Kết quả:
+ Kết quả cho p= 4.654e-06 <0.05 nên về 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 3 ( mẫu 24Bx )và mẫu 1( mẫu 16Bx) khác nhau khoảng 0.75 đơn vị, và khoảng tin cậy 95% là từ 0.02736937 đến 1.47263063 đơn vị.
Mẫu 4 ( mẫu 28Bx )và mẫu 1( mẫu 16Bx) khác nhau khoảng -0.75 đơn vị, và khoảng tin cậy 95% là từ -1.47263063 đến -0.02736937đơn vị.
Mẫu 3( mẫu 24 Bx) và mẫu 2( mẫu 20Bx) khác nhau khoảng 0.8 đơn vị, và khoảng tin cậy 95% là từ 0.07736937 đến 1.52263063.
Mẫu 4( mẫu 28Bx) và mẫu 3 ( mẫu 24Bx) khác nhau khoảng -1.50 đơn vị, và khoảng tin cậy 95% là từ -2.22263063 đến -0.77736937.
Mẫu 5 ( mẫu 32Bx) và mẫu 4 ( mẫu 28Bx) khác nhau khoảng 1.00 đơn vị, và khoảng tin cậy 95% là từ 0.27736937 đến 1.72263063.
Hình thái
> setwd("E:/")
> KS3HT<-read.csv("KS3HT.CSV", header=TRUE)
> mau<-gl(5,20)
> mau<-as.factor(mau)
> xl2<-data.frame(mau,KS3HT)
> 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 1.54 0.38500 1.1933 0.3188 Residuals 95 30.65 0.32263
Kết luận: kết quả cho p=0.3188>0.05 nên hình thái của các mẫu không có sự khác nhau
Độ trong
> setwd("E:/")
> KS3DT<-read.csv("KS3DT.CSV", header=TRUE)
> mau<-gl(5,20)
> mau<-as.factor(mau)
> xl2<-data.frame(mau,KS3DT)
> 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 13.90 3.4750 7.0464 5.184e-05 ***
Residuals 95 46.85 0.4932 ---
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 -0.11755101 1.11755101 0.1701326 3-1 0.25 -0.36755101 0.86755101 0.7925509 4-1 0.90 0.28244899 1.51755101 0.0009635 5-1 -0.15 -0.76755101 0.46755101 0.9612582
4-2 0.40 -0.21755101 1.01755101 0.3789718 5-2 -0.65 -1.26755101 -0.03244899 0.0339722 4-3 0.65 0.03244899 1.26755101 0.0339722 5-3 -0.40 -1.01755101 0.21755101 0.3789718 5-4 -1.05 -1.66755101 -0.43244899 0.0000758
> plot(TukeyHSD(an))
Kết luận:
+ Kết quả cho p= 5.184e-05 <0.05 nên về 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 4 ( mẫu 28Bx )và mẫu 1( mẫu 16Bx) khác nhau khoảng 0.90 đơn vị, và khoảng tin cậy 95% là từ 0.28244899 đến 1.51755101 đơn vị.
Mẫu 5 ( mẫu 32Bx )và mẫu 2 ( mẫu 20Bx) khác nhau khoảng -0.65 đơn vị, và khoảng tin cậy 95% là từ -1.26755101 đến -0.03244899 đơn vị.
Mẫu 4( mẫu 28 Bx) và mẫu 3( mẫu 24Bx) khác nhau khoảng 0.65 đơn vị, và khoảng tin cậy 95% là từ 0.03244899 đến 1.26755101.
Mẫu 4( mẫu 28Bx) và mẫu 3 ( mẫu 24Bx) khác nhau khoảng -1.50 đơn vị, và khoảng tin cậy 95% là từ -2.22263063 đến -0.77736937.
Mẫu 5 ( mẫu 32Bx) và mẫu 4 ( mẫu 28Bx) khác nhau khoảng -1.05 đơn vị, và khoảng tin cậy 95% là từ -1.66755101 đến -0.43244899.