BÀi tập tiểu luận môN: tin họC Ứng dụng ngành thực phẩm gvhd: nguyễn bá thanh bảng phân công nhóM



tải về 212.8 Kb.
Chuyển đổi dữ liệu05.08.2016
Kích212.8 Kb.
#13968

BỘ CÔNG THƯƠNG

TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH

VIỆN CÔNG NGHỆ SINH HOC- THỰC PHẨM



BÀI TẬP TIỂU LUẬN MÔN:

TIN HỌC ỨNG DỤNG NGÀNH THỰC PHẨM

GVHD: NGUYỄN BÁ THANH

BẢNG PHÂN CÔNG NHÓM:


11069711

NGUYỄN ĐÌNH THẠCH

CÂU 3,Ý 3.3

11072081

HOÀNG THỊ LUYẾN

CÂU 3, Ý 3.2 VÀ 3.5

11067181

NGUYỄN THỊ LUYẾN

CÂU 3,Ý 3.4

11068561

NGUYỄN GIA BẢO

CÂU 3, Ý 3.1

11039201

NGUYỄN THỊ NHƯ THẢO

CÂU 1, CÂU 2




  1. Giới thiệu và định dạng:

  1. Các dữ liệu sử dụng ở đây đề cập đến sáu loại sôcôla được bán ở Pháp.

  • Đối với các mô tả cảm giác: mỗi sô cô la đã được đánh giá hai lần bởi 29 chuyên gia đã theo 14 mô tả cảm giác; 

  • Đối với các dữ liệu hưởng thụ: mỗi sô cô la đã được đánh giá trên thang điểm cấu trúc 0-10, 222 người tiêu dùng, theo ý thích của họ (0) hoặc không thích (10); 

  • Đối với các tấm cảm giác mô tả: mỗi sô cô la được đánh giá bằng 7 tấm theo 14 mô tả cảm giác.

  1. dữ liệu (chocolate)

  • sensochoc: một khung dữ liệu với 348 hàng và 19 cột: 5 biến tính (Tham luận viên, kỳ họp, hình thức, hiệu, sản phẩm) và 14 mô tả cảm giác.

  • hedochoc: một khung dữ liệu với 6 dòng và 222 cột : mỗi hàng tương ứng với sô cô la và mỗi cột điểm hưởng thụ do một trong số 222 người tiêu dùng tham gia vào nghiên cứu.

  • sensopanels: một khung dữ liệu với 6 hàng và 98 cột: mỗi hàng tương ứng với sô cô la và mỗi cột cho có nghĩa là trong các tham luận viên của một nhóm nhất định theo một mô tả cảm giác.

  1. Phân tích mổ tả dữ liệu:

  1. Sensochoc:

  • Các biến:

"Panelist" "Session" "Rank" "Product" "CocoaA" "MilkA" "CocoaF" "MilkF" "Caramel" "Vanilla" "Sweetness" "Acidity" "Bitterness" "Astringency" "Crunchy" "Melting" "Sticky" "Granular"

  • 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" "Granular"

  • Mô tả dữ liệu:

straight connector 1straight connector 2straight connector 3straight connector 4straight connector 5 Panelist Session Rank Product CocoaA MilkA

1 : 12 1:174 1:58 choc1:58 Min. : 0.000 Min. : 0.000

2 : 12 2:174 2:58 choc2:58 1st Qu.: 5.000 1st Qu.: 2.000

3 : 12 3:58 choc3:58 Median : 7.000 Median : 4.000

4 : 12 4:58 choc4:58 Mean : 6.287 Mean : 4.414

5 : 12 5:58 choc5:58 3rd Qu.: 8.000 3rd Qu.: 6.000

6 : 12 6:58 choc6:58 Max. :10.000 Max. :10.000

(Other):276



straight connector 6straight connector 7straight connector 8 CocoaF MilkF Caramel Vanilla

Min. : 0.000 Min. : 0.000 Min. : 0.000 Min. :0.000

1st Qu.: 5.000 1st Qu.: 1.000 1st Qu.: 1.000 1st Qu.:0.000

Median : 7.000 Median : 3.000 Median : 3.000 Median :1.000

Mean : 6.345 Mean : 3.454 Mean : 3.353 Mean :2.069

3rd Qu.: 8.000 3rd Qu.: 5.000 3rd Qu.: 6.000 3rd Qu.:3.000

Max. :10.000 Max. :10.000 Max. :10.000 Max. :9.000

Sweetness Acidity Bitterness Astringency

Min. : 0.000 Min. : 0.000 Min. : 0.000 Min. : 0.000

1st Qu.: 3.000 1st Qu.: 1.000 1st Qu.: 2.000 1st Qu.: 1.000

Median : 5.000 Median : 3.000 Median : 5.000 Median : 3.000

Mean : 5.083 Mean : 3.175 Mean : 4.612 Mean : 3.112

3rd Qu.: 7.000 3rd Qu.: 5.000 3rd Qu.: 7.000 3rd Qu.: 5.000

Max. :10.000 Max. :10.000 Max. :10.000 Max. :10.000

straight connector 9straight connector 10straight connector 11 Crunchy Melting Sticky Granular

Min. : 0.000 Min. : 0.000 Min. : 0.00 Min. : 0

1st Qu.: 4.000 1st Qu.: 3.000 1st Qu.: 2.00 1st Qu.: 1

Median : 7.000 Median : 5.000 Median : 4.00 Median : 2

Mean : 6.121 Mean : 4.951 Mean : 3.98 Mean : 3

3rd Qu.: 8.000 3rd Qu.: 7.000 3rd Qu.: 6.00 3rd Qu.: 5

Max. :10.000 Max. :10.000 Max. :10.00 Max. :10


  1. hedochoc: gồm 222 các biến, phân tích mô tả một số biến

straight connector 12straight connector 13straight connector 14straight connector 15 j1 j2 j3 j4 j5

Min. :3.000 Min. :3.000 Min. :4.000 Min. :1.00 Min. :2.000

1st Qu.:3.250 1st Qu.:5.250 1st Qu.:5.250 1st Qu.:2.50 1st Qu.:2.250

Median :4.500 Median :6.000 Median :6.000 Median :4.50 Median :4.000

Mean :5.167 Mean :5.667 Mean :5.833 Mean :4.00 Mean :4.333

3rd Qu.:7.250 3rd Qu.:6.750 3rd Qu.:6.000 3rd Qu.:5.75 3rd Qu.:6.500

Max. :8.000 Max. :7.000 Max. :8.000 Max. :6.00 Max. :7.000

j6 j7 j8 j9 j10

Min. :3.00 Min. :2.000 Min. :2.000 Min. :2.000 Min. :1.000

1st Qu.:6.25 1st Qu.:3.000 1st Qu.:5.000 1st Qu.:4.000 1st Qu.:2.250

Median :7.00 Median :3.500 Median :5.500 Median :5.500 Median :3.500

Mean :6.50 Mean :3.667 Mean :5.167 Mean :5.167 Mean :3.667

3rd Qu.:7.75 3rd Qu.:4.750 3rd Qu.:6.000 3rd Qu.:7.000 3rd Qu.:4.750

Max. :8.00 Max. :5.000 Max. :7.000 Max. :7.000 Max. :7.000

straight connector 20straight connector 21straight connector 22straight connector 23 j11 j12 j13 j14 j15

Min. :2.000 Min. :2.00 Min. :2 Min. :1.00 Min. :1.000

1st Qu.:3.250 1st Qu.:4.00 1st Qu.:4 1st Qu.:2.25 1st Qu.:2.000

Median :4.000 Median :5.50 Median :4 Median :3.00 Median :2.500

Mean :4.167 Mean :5.50 Mean :4 Mean :3.00 Mean :2.667

3rd Qu.:5.500 3rd Qu.:7.75 3rd Qu.:4 3rd Qu.:3.75 3rd Qu.:3.750

Max. :6.000 Max. :8.00 Max. :6 Max. :5.00 Max. :4.000

j16 j17 j18 j19 j20

Min. :3.000 Min. :1.00 Min. :2.000 Min. :2.000 Min. :1.000

1st Qu.:4.250 1st Qu.:2.75 1st Qu.:3.500 1st Qu.:3.250 1st Qu.:2.250

Median :5.500 Median :5.50 Median :5.000 Median :4.500 Median :3.500

Mean :5.333 Mean :5.00 Mean :4.667 Mean :4.333 Mean :3.333

3rd Qu.:6.750 3rd Qu.:6.75 3rd Qu.:5.750 3rd Qu.:5.750 3rd Qu.:4.000

Max. :7.000 Max. :9.00 Max. :7.000 Max. :6.000 Max. :6.000


  1. Sensopanels:

  • Các biến:

"CocoaA1" "MilkA1" "Sweetness1" "Acidity1" "Bitterness1" "CocoaF1" "MilkF1" "Caramel1" "Vanilla1" "Astringency1" "Crunchy1" "Melting1" "Sticky1" "Granular1" "CocoaA2" "MilkA2" "Sweetness2" "Acidity2" "Bitterness2" "CocoaF2" "MilkF2" "Caramel2" "Vanilla2" "Astringency2" "Crunchy2" "Melting2" "Sticky2" "Granular2" "CocoaA3" "MilkA3" "Sweetness3" "Acidity3" "Bitterness3" "CocoaF3" "MilkF3" "Caramel3" "Vanilla3" "Astringency3" "Crunchy3" "Melting3" "Sticky3" "Granular3" "CocoaA4" "MilkA4" "Sweetness4" "Acidity4" "Bitterness4" "CocoaF4" "MilkF4" "Caramel4" "Vanilla4" "Astringency4" "Crunchy4" "Melting4" "Sticky4" "Granular4" "CocoaA5" "MilkA5" "Sweetness5" "Acidity5" "Bitterness5" "CocoaF5" "MilkF5" "Caramel5" "Vanilla5" "Astringency5" "Crunchy5" "Melting5" "Sticky5" "Granular5" "CocoaA6" "MilkA6" "Sweetness6" "Acidity6" "Bitterness6" "CocoaF6" "MilkF6" "Caramel6" "Vanilla6" "Astringency6" "Crunchy6" "Melting6" "Sticky6" "Granular6" "CocoaA7" "MilkA7" "Sweetness7" "Acidity7" "Bitterness7" "CocoaF7" "MilkF7" "Caramel7" "Vanilla7" "Astringency7" "Crunchy7" "Melting7" "Sticky7" "Granular7"

  • Pstraight connector 27hân tích mô tả một số biến:

Cstraight connector 24straight connector 25straight connector 28ocoaA1 MilkA1 Sweetness1 Acidity1

Min. :-2.1671 Min. :-0.5235 Min. :-1.2875 Min. :-1.74383

1st Qu.: 0.1580 1st Qu.:-0.4586 1st Qu.:-0.5126 1st Qu.:-0.35158

Median : 0.3389 Median :-0.4402 Median :-0.1563 Median :-0.04922

Mean : 0.0000 Mean : 0.0000 Mean : 0.0000 Mean : 0.00000

3rd Qu.: 0.4391 3rd Qu.:-0.3839 3rd Qu.: 0.1603 3rd Qu.: 0.61175

Max. : 0.9191 Max. : 2.2337 Max. : 1.9657 Max. : 1.46257

Bitterness1 CocoaF1 MilkF1 Caramel1

Min. :-1.9197 Min. :-2.088808 Min. :-0.5153 Min. :-0.5166

1st Qu.:-0.1799 1st Qu.:-0.007326 1st Qu.:-0.4438 1st Qu.:-0.4743

Median : 0.1625 Median : 0.294066 Median :-0.4262 Median :-0.4161

Mean : 0.0000 Mean : 0.000000 Mean : 0.0000 Mean : 0.0000

3rd Qu.: 0.4118 3rd Qu.: 0.458889 3rd Qu.:-0.4197 3rd Qu.:-0.3976

Max. : 1.3937 Max. : 1.094636 Max. : 2.2349 Max. : 2.2339


  1. Đối với số liệu hedochoc và sensochoc

Số liệu hedochoc:

    1. Vẽ biều đồ cột và điểm thị hiếu của người tiêu dùng:

  • Vẽ bằng HISTOGRAM



  • Vẽ bằng sơ đồ cột BARPLOT:



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

  1. Kiểm tra anova ta có kết quả sau

Response: dl

Df Sum Sq Mean Sq F value Pr(>F)

choc 5 42.6 8.5171 1.9566 0.08254 .

j 221 2259.1 10.2221 2.3483 < 2e-16 ***

Residuals 1105 4810.1 4.3530

---


Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

  • Nhận xét:

  • Mức độ ưa thích của người tiêu dùng đối với các loại sản phẩm chocolates là khác nhau( p<0.05).

  • Số điểm ưa thích của từng loại chocolate không có sự khác nhau( p>0.05).

  1. Dùng TukeyHSD để kiểm tra mức độ ưa thích của từng người:

  • Giữa người thứ nhất và người thứ 2:

Tukey multiple comparisons of means

95% family-wise confidence level

Fit: aov(formula = j12 ~ j1)

$j1


diff lwr upr p adj

2-1 0.5 -2.013181 3.013181 0.666992



Nhận xét: không có sự khác biệt về mức độ ưa thích của người thứ nhất và người thứ 2.

  • Giữa người thứ 68 và người 70

Tukey multiple comparisons of means

95% family-wise confidence level

Fit: aov(formula = j68 ~ j2)

$j2


diff lwr upr p adj

2-1 5.5 3.864344 7.135656 2.08e-05



  • Nhận xét: có sự khác nhau về mức độ ưa thích

  • Kiểm tra từ người 36 đến người 42

Tukey multiple comparisons of means

95% family-wise confidence level

Fit: aov(formula = dl2 ~ gl1)

$gl1


diff lwr upr p adj

2-1 0.0000000 -2.2103702 2.21037021 1.0000000

3-1 -0.5000000 -2.7103702 1.71037021 0.9912834

4-1 -0.5000000 -2.7103702 1.71037021 0.9912834

5-1 1.0000000 -1.2103702 3.21037021 0.7905849

6-1 -2.1666667 -4.3770369 0.04370354 0.0577656

7-1 0.6666667 -1.5437035 2.87703687 0.9626155

3-2 -0.5000000 -2.7103702 1.71037021 0.9912834

4-2 -0.5000000 -2.7103702 1.71037021 0.9912834

5-2 1.0000000 -1.2103702 3.21037021 0.7905849

6-2 -2.1666667 -4.3770369 0.04370354 0.0577656

7-2 0.6666667 -1.5437035 2.87703687 0.9626155

4-3 0.0000000 -2.2103702 2.21037021 1.0000000

5-3 1.5000000 -0.7103702 3.71037021 0.3630740

6-3 -1.6666667 -3.8770369 0.54370354 0.2469673

7-3 1.1666667 -1.0437035 3.37703687 0.6521356

5-4 1.5000000 -0.7103702 3.71037021 0.3630740

6-4 -1.6666667 -3.8770369 0.54370354 0.2469673

7-4 1.1666667 -1.0437035 3.37703687 0.6521356

6-5 -3.1666667 -5.3770369 -0.95629646 0.0013698

7-5 -0.3333333 -2.5437035 1.87703687 0.9990649

7-6 2.8333333 0.6229631 5.04370354 0.0051708



  • Nhận xét:

  • Có sự sai khác về mức độ ưa thích giữa người thứ 42 và người thứ 39, giữa người 39 và người 38.

  • Còn lại không có sự sai khác.

  • Kiểm tra mức độ ưa thích từ người 112 đến người117 về loại chocolates

Tukey multiple comparisons of means

95% family-wise confidence level

Fit: aov(formula = j10 ~ j34)

$j34


diff lwr upr p adj

2-1 -0.8333333 -3.0468735 1.3802069 0.8584678

3-1 1.6666667 -0.5468735 3.8802069 0.2293496

4-1 1.5000000 -0.7135402 3.7135402 0.3338328

5-1 2.3333333 0.1197931 4.5468735 0.0341793

6-1 1.0000000 -1.2135402 3.2135402 0.7416264

3-2 2.5000000 0.2864598 4.7135402 0.0197129

4-2 2.3333333 0.1197931 4.5468735 0.0341793

5-2 3.1666667 0.9531265 5.3802069 0.0018332

6-2 1.8333333 -0.3802069 4.0468735 0.1505157

4-3 -0.1666667 -2.3802069 2.0468735 0.9999039

5-3 0.6666667 -1.5468735 2.8802069 0.9392986

6-3 -0.6666667 -2.8802069 1.5468735 0.9392986

5-4 0.8333333 -1.3802069 3.0468735 0.8584678

6-4 -0.5000000 -2.7135402 1.7135402 0.9820524

6-5 -1.3333333 -3.5468735 0.8802069 0.4615237



SỐ LIỆU SENSOCHOC

    1. Phân tích phương sai sự khác nhau trên từng tính chất đối với hội đồng mô tả:

      1. Phân tích về tính chất cocaA

  1. Lần thử thứ nhất:(session=1)

  • Phân tích anova:

Analysis of Variance Table

Response: co

Df Sum Sq Mean Sq F value Pr(>F)

choc 5 102.67 20.5333 6.3787 2.284e-05 ***

panelist 28 202.09 7.2176 2.2421 0.001131 **

Residuals 140 450.67 3.2190

Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Nhận xét: trong lần thử thứ nhất các biến đều ảnh hưởng đến tính chất


  • Vẽ biểu đồ boxplot:

Biểu đồ thể hiện loại cocaA phụ thuộc vào loại chocolates



Biểu đồ thể hiện loại cocaA phụ thuộc vào hội đồng panelist



  1. Lần thử thứ hai:(session=2)

  • Phân tích anova:

Analysis of Variance Table

Response: co

Df Sum Sq Mean Sq F value Pr(>F)

choc 5 113.01 22.6023 8.7738 2.913e-07 ***

panelist 28 260.45 9.3017 3.6108 2.597e-07 ***

Residuals 140 360.66 2.5761

---

Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1



Nhận xét: các biến đều có ảnh hưởng đến tính chất cocaA

  • Vẽ biểu đồ boxplot:

Biểu đồ thể hiện loại cocaA phụ thuộc vào loại chocolates



Biểu đồ thể hiện loại cocaA phụ thuộc vào hội đồng panelist



      1. Phân tích về milkaA

  1. Lần thử thứ nhất:

  • Phân tích về anova:

Analysis of Variance Table

Response: mik

Df Sum Sq Mean Sq F value Pr(>F)

choc 5 98.81 19.7621 4.8736 0.0003849 ***

panelist 28 389.55 13.9126 3.4310 7.831e-07 ***

Residuals 140 567.69 4.0549

---

Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1



Nhận xét: các biến đều có ảnh hưởng đến tính chất milkaA

  • Vẽ biểu đồ boxplot:

Biểu đồ thể hiện loại mikaA phụ thuộc vào loại chocolates



Biểu đồ thể hiện loại mikaA phụ thuộc vào hội đồng panelist



  1. Lần thử thứ hai:

  • Phân tích anova:

Analysis of Variance Table

Response: mik

Df Sum Sq Mean Sq F value Pr(>F)

choc 5 124.47 24.8931 6.2192 3.073e-05 ***

panelist 28 348.46 12.4450 3.1092 5.701e-06 ***

Residuals 140 560.37 4.0026

---

Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1



Nhận xét: trong lần thử thứ 2 các biến có ảnh hưởng tới tính chất.

  • Vẽ biểu đồ boxplot:

Biểu đồ thể hiện loại mikaA phụ thuộc vào loại chocolates



Biểu đồ thể hiện loại mikaA phụ thuộc vào hội đồng panelist



      1. cocoaF

  1. lần thử thứ nhất:

  • phân tích Anova:

Analysis of Variance Table

Response: coc

Df Sum Sq Mean Sq F value Pr(>F)

choc 5 344.05 68.810 29.0647 < 2.2e-16 ***

panelist 28 242.00 8.643 3.6506 2.035e-07 ***

Residuals 140 331.45 2.367

---

Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1



Nhận xét: tính chất cocoaF chiệu ảnh hưởng bởi hội đồng.

  • Vẽ biểu đồ boxplot:

Biểu đồ thể hiện loại CocoaF phụ thuộc vào loại chocolates



Biểu đồ thể hiện loại cocoF phụ thuộc vào hội đồng panelist



  1. lần thử thứ hai:

  • phân tích Anova:

Analysis of Variance Table

Response: coc

Df Sum Sq Mean Sq F value Pr(>F)

choc 5 386.12 77.224 28.9297 < 2e-16 ***

panelist 28 128.91 4.604 1.7247 0 .02114 *

Residuals 140 373.71 2.669



---

Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Nhận xét: tính chất cocoaF trong lần thử thứ 2 phụ thuộc vào loại chocolates và hội đồng thử.


  • Vẽ biểu đồ boxplot:

Biểu đồ thể hiện loại CocoaF phụ thuộc vào loại chocolates



Biểu đồ thể hiện loại cocoF phụ thuộc vào hội đồng panelist



    1. Đánh giá sự đồng thuận của thành viên hội đồng:

  1. Lần thử thứ nhất:(session=1)

  • Đánh giá sự đồng thuận của hội đồng về vị trí xếp hạng:

Bảng tổng kết: xếp hạng các loại chocolates theo hội đồng đánh giá.




Hạng 1

Hạng 2

Hạng 3

Hạng 4

Hạng 5

Hạng 6

Choc1

4

4

5

5

5

6

Choc2

6

6

4

5

3

5

Choc3

4

5

5

5

5

5

Choc4

5

5

4

5

5

5

Choc5

5

4

6

4

6

4

Choc6

5

5

5

5

5

4

  • Kiểm tra chisq.test:

Warning in chisq.test(a) : Chi-squared approximation may be incorrect

Pearson's Chi-squared test

data: a

X-squared = 3.5172, df = 25, p-value = 1



Nhận xét: trong lần thử thứ nhất(session=1) có sự đồng thuận về xếp hạng giữa các loại chocolates.

  • Kiểm tra prop.test

Warning in prop.test(b, t) : Chi-squared approximation may be incorrect

6-sample test for equality of proportions without continuity correction

data: b out of t

X-squared = 0.7034, df = 5, p-value = 0.9828

alternative hypothesis: two.sided

sample estimates:

prop 1 prop 2 prop 3 prop 4 prop 5 prop 6

0.1379310 0.2068966 0.1379310 0.1724138 0.1724138 0.1724138



Nhận xét: prop.test cũng cho ra sự đồng thuận giữa các thành viên hội đồng về xếp hạng. Nhưng cái choc2 có tỉ lệ xếp hạng 1 cao nhất (20.69%).

  1. Lần thử thứ hai:(session=2)




Hạng 1

Hạng 2

Hạng 3

Hạng 4

Hạng 5

Hạng 6

Choc1

5

5

5

4

6

4

Choc2

5

3

5

6

4

6

Choc3

5

6

5

4

4

5

Choc4

4

5

5

5

5

5

Choc5

6

4

5

6

4

4

Choc6

4

6

4

4

6

5



  • Kiểm tra chisq.test:

Warning in chisq.test(lan) : Chi-squared approximation may be incorrect

Pearson's Chi-squared test

data: lan

X-squared = 4.7586, df = 25, p-value = 1

Nhận xét có sự đồng thuận về hạng của các loại chocolates trong lần thử 2.


  • Kiểm tra prop.test

Warning in prop.test(hang1, t) :

Chi-squared approximation may be incorrect

6-sample test for equality of proportions without continuity correction

data: hang1 out of t

X-squared = 0.7034, df = 5, p-value = 0.9828

alternative hypothesis: two.sided

sample estimates:

prop 1 prop 2 prop 3 prop 4 prop 5 prop 6

0.1724138 0.1724138 0.1724138 0.1379310 0.2068966 0.1379310


    1. Vẽ biểu đồ radas mô tả tính chất của các sản phẩm:

Với tính chất của CocaA:




choc1

choc2

choc3

choc4

choc5

choc6

1


3

7

8

4

6

5

2

0

0

0

0

0

0

3

3

6

6

5

6

3

4

6

8

7

0

7

5

5

0

4

5

2

6

5

6

2

4

7

6

3

6

7

4

0

0

2

1

7

8

2

1

9

4

6

8

9

4

4

8

2

3

4

10

4

5

9

3

5

5

11

2

3

7

1

3

3

12

6

3

8

0

8

7

13

0

1

4

0

2

1

14

1

2

4

2

2

2

15

0

0

9

0

0

0

16

1

3

9

6

0

5

17

1

1

7

1

4

3

18

0

5

8

0

2

5

19

1

7

5

0

6

3

20

2

6

6

2

4

3

21

0

0

5

0

1

1

22

0

0

5

0

0

0

23

1

1

7

3

4

2

24

0

1

7

0

0

3

25

0

0

0

0

0

0

26

1

6

7

6

7

7

27

2

6

7

2

5

6

28

0

0

7

4

0

1

29

3

0

8

8

9

7



















Biểu đồ radar:

Vẽ trong excel:



Nhận xét: khi vẽ trên excel thì nó thể hiện 6 sản phẩm trên một hình, còn trên R thì chỉ vẽ thành 6 hình sản phẩm riêng biệt.

Cách khác:

PHỤ LỤC


Câu 2:

> library(SensoMineR)

> data(chocolates)

> library("Rcmdr")

> names(sensochoc)

> summary(sensochoc)

> names(hedochoc)

> summary(hedochoc)

> names(sensopanels)

>summary(sensopanels)

Câu 3:

3.1


choc1<-c(5,3,4,6,3,3,2,2,2,5,6,7,4,2,1,5,1,3,3,1,1,2,2,2,8,8,8,7,8,7,8,7,7,8,7,8,7,6,5,8,6,9,8,6,8,9,6,8,2,5,5,5,1,3,8,5,7,3,5,7,7,3,1,5,7,5,2,1,2,8,6,7,8,8,4,4,1,7,7,3,7,7,4,2,8,3,9,2,6,2,7,8,6,8,3,3,8,2,2,8,2,4,2,8,5,2,7,1,5,5,5,4,4,6,8,5,5,4,4,7,4,4,9,8,6,5,4,7,7,4,2,9,1,5,8,8,7,8,1,1,5,2,6,5,8,8,5,1,6,4,6,7,9,2,9,9,7,5,6,9,6,7,6,0,4,8,3,8,9,10,1,4,5,3,3,7,6,3,7,3,7,10,6,9,3,2,9,6,3,9,7,9,8,5,1,6,4,2,3,9,8,5,5,7,10,8,8,5,3,7,10,10,3,1,9,2,5,9,5,3,6,4)

choc2<-c(8,6,6,6,2,7,5,6,4,3,6,4,4,3,4,3,7,2,6,3,2,4,8,6,7,8,9,6,7,8,5,6,8,5,6,9,6,8,7,9,5,9,7,8,6,8,5,4,5,4,6,3,7,6,7,7,5,5,8,3,8,5,5,5,4,7,7,3,5,7,6,6,4,7,6,8,2,7,3,1,5,6,6,5,7,7,8,6,4,2,9,5,9,5,2,1,6,9,3, 1, 5, 5, 4, 2, 9, 4, 4, 6,4, 7, 6, 6, 6, 7, 7, 9, 8, 5, 5, 6, 5, 5,6, 6, 7, 6, 8, 5, 8, 6, 5, 6, 5, 5, 8, 8,4, 5, 9, 3, 5, 6, 5, 5, 9, 7, 3, 8, 8, 3,7, 6, 9, 5, 9, 7, 6, 4, 2, 5, 9, 6, 7, 4,2, 6, 6, 5, 1, 1, 7, 9, 7, 9, 8, 6, 4, 4,5, 2, 1, 9, 2, 4, 7, 7, 9, 8, 3, 0, 7, 7,7, 9, 0, 6, 7, 8, 3, 8, 7, 7, 6, 9, 8, 5,5,10, 3, 8, 3, 9, 9, 1, 7, 5, 1, 8, 7, 4,0,8)

choc3<-c(4,5,8,2,7,6,5,7,4,4,3,4,6,5,3,6,2,6,5,6,8,6,8,3,8,9,9,9,9,7,4,6,6,9,8,7,6,7,7,9,4,9,9,7,7,9,7,9,6,8,8,7,5,6,2,8,2,7,8,1,4,8,8,6,1,8,4,1,2,8,7,7,3,4,2,3,7,6,8,7,3,9,9,8,9,8,9,8,2,1,3,7,2,6,7,1,8,4,2,6,7,5,4,2,2,4,7,8,3,5,5,4,7,8,6,9,7,8,7,9,5,6,9,1,6,7,6,6,5,8,8,9,9,1,5,7,2,5,1,9,1,7,3,1,4,2,8,2,7,7,6,9,1,4,5,4,3,7,8,1,9,9,9,10,9,10,6,10,6,2,5,10,2,10,2,8,6,8,9,8,6,0,6,10,9,6,2,6,7,8,2,4,7,8,9,10,7,8,8,6,5,8,4,8,1,1,9,3,8,6,1,2,4,3,4,8,0,1,7,3,1,6)

choc4<-c(3,6,5,1,5,8,4,5,7,1,4,8,2,3,2,4,5,5,2,4,2,4,4,4,9,4,6,7,5,7,6,8,5,6,5,6,8,7,8,9,7,7,9,9,9,9,4,7,4,6,4,6,3,8,6,6,7,6,3,4,6,6,3,3,6,6,5,1,8,7,8,6,6,8,6,3,1,8,4,6,5,6,7,6,8,6,8,8,4,5,6,3,8,8,1,6,8,8,8,8,4,4,6,6,8,8,5,3,8,6,7,7,4,8,6,9,6,4,6,6,3,4,1,5,7,6,7,5,7,3,8,3,4,3,7,3,7,9,9,1,7,5,4,2,8,5,1,9,9,3,3,7,5,4,3,9,5,6,3,9,7,3,8,2,6,8,4,7,9,5,4,6,3,8,2,7,3,5,9,3,7,4,4,6,6,4,9,5,2,10,9,6,5,10,8,9,9,9,5,8,9,7,7,6,9,7,6,10,9,6,0,9,7,8,9,8,8,5,5,7,0,2)

choc5<-c(3,7,6,5,7,7,3,5,7,7,2,8,4,1,4,7,6,7,6,4,1,5,3,3,8,7,6,7,10,6,6,5,6,7,8,9,8,5,6,8,4,6,7,7,6,8,7,1,3,6,5,6,2,3,7,7,5,4,3,8,5,5,2,5,5,6,8,2,5,7,7,6,5,7,2,3,2,9,2,8,4,4,8,5,8,6,9,1,4,2,8,7,4,7,2,4,7,4,7,3,4,5,5,2,5,3,7,4,8,6,6,6,3,7,8,7,7,6,3,7,4,6,9,6,7,4,4,6,7,5,7,2,6,1,6,7,5,8,5,6,3,7,8,9,7,2,4,5,8,6,5,7,5,7,6,5,4,5,4,2,6,8,8,7,8,8,8,7,5,6,5,9,7,8,7,7,5,1,3,4,5,1,5,2,4,5,8,8,5,3,8,8,6,6,3,4,7,6,6,8,8,5,8,8,5,8,6,7,10,9,7,8,6,5,8,3,5,6,6,7,3,7)

choc6<-c(8,7,6,4,2,8,3,6,7,2,4,2,4,4,2,7,9,5,4,2,4,7,7,5,6,7,9,8,4,6,7,6,4,8,5,5,9,8,8,7,5,8,9,7,4,9,6,6,7,7,6,8,8,8,4,6,8,8,7,4,7,7,4,7,4,3,8,5,1,9,7,8,6,8,2,8,2,9,5,6,5,7,5,4,8,6,9,3,5,6,8,4,4,7,4,5,5,5,2,2,6,8,6,4,5,8,5,3,7,8,6,7,5,8,8,9,7,6,4,7,7,6,9,5,5,5,8,6,6,7,7,7,1,5,6,6,7,9,8,6,3,3,5,6,8,4,6,9,8,6,3,9,3,8,2,7,8,6,2,6,6,4,7,8,6,7,5,7,4,2,7,4,5,6,7,5,7,6,6,2,4,8,0,6,6,3,7,6,6,4,6,7,4,9,7,3,8,8,6,8,7,6,5,7,6,6,4,10,10,7,8,8,5,9,2,5,5,6,6,6,5,5)

par(mfrow=c(2,3))

hist(choc1)

hist(choc2)

hist(choc3)

hist(choc4)

hist(choc5)

hist(choc6)

mean<-c(mean(choc1),mean(choc2),mean(choc3),mean(choc4),mean(choc5),mean(choc6))

barplot(mean)

3.2


dl<-c(5,3,4,6,3,3,2,2,2,5,6,7,4,2,1,5,1,3,3,1,1,2,2,2,8,8,8,7,8,7,8,7,7,8,7,8,7,6,5,8,6,9,8,6,8,9,6,8,2,5,5,5,1,3,8,5,7,3,5,7,7,3,1,5,7,5,2,1,2,8,6,7,8,8,4,4,1,7,7,3,7,7,4,2,8,3,9,2,6,2,7,8,6,8,3,3,8,2,2,8,2,4,2,8,5,2,7,1,5,5,5,4,4,6,8,5,5,4,4,7,4,4,9,8,6,5,4,7,7,4,2,9,1,5,8,8,7,8,1,1,5,2,6,5,8,8,5,1,6,4,6,7,9,2,9,9,7,5,6,9,6,7,6,0,4,8,3,8,9,10,1,4,5,3,3,7,6,3,7,3,7,10,6,9,3,2,9,6,3,9,7,9,8,5,1,6,4,2,3,9,8,5,5,7,10,8,8,5,3,7,10,10,3,1,9,2,5,9,5,3,6,4,8,6,6,6,2,7,5,6,4,3,6,4,4,3,4,3,7,2,6,3,2,4,8,6,7,8,9,6,7,8,5,6,8,5,6,9,6,8,7,9,5,9,7,8,6,8,5,4,5,4,6,3,7,6,7,7,5,5,8,3,8,5,5,5,4,7,7,3,5,7,6,6,4,7,6,8,2,7,3,1,5,6,6,5,7,7,8,6,4,2,9,5,9,5,2,1,6,9,3,1,5,5,4,2,9,4,4,6,4,7,6,6,6,7,7,9,8,5,5,6,5,5,6,6,7,6,8,5,8,6,5,6,5,5,8,8,4,5,9,3,5,6,5,5,9,7,3,8,8,3,7,6,9,5,9,7,6,4,2,5,9,6,7,4,2,6,6,5,1,1,7,9,7,9,8,6,4,4,5,2,1,9,2,4,7,7,9,8,3,0,7,7,7,9,0,6,7,8,3,8,7,7,6,9,8,5,5,10,3,8,3,9,9,1,7,5,1,8,7,4,0,8,4,5,8,2,7,6,5,7,4,4,3,4,6,5,3,6,2,6,5,6,8,6,8,3,8,9,9,9,9,7,4,6,6,9,8,7,6,7,7,9,4,9,9,7,7,9,7,9,6,8,8,7,5,6,2,8,2,7,8,1,4,8,8,6,1,8,4,1,2,8,7,7,3,4,2,3,7,6,8,7,3,9,9,8,9,8,9,8,2,1,3,7,2,6,7,1,8,4,2,6,7,5,4,2,2,4,7,8,3,5,5,4,7,8,6,9,7,8,7,9,5,6,9,1,6,7,6,6,5,8,8,9,9,1,5,7,2,5,1,9,1,7,3,1,4,2,8,2,7,7,6,9,1,4,5,4,3,7,8,1,9,9,9,10,9,10,6,10,6,2,5,10,2,10,2,8,6,8,9,8,6,0,6,10,9,6,2,6,7,8,2,4,7,8,9,10,7,8,8,6,5,8,4,8,1,1,9,3,8,6,1,2,4,3,4,8,0,1,7,3,1,6,3,6,5,1,5,8,4,5,7,1,4,8,2,3,2,4,5,5,2,4,2,4,4,4,9,4,6,7,5,7,6,8,5,6,5,6,8,7,8,9,7,7,9,9,9,9,4,7,4,6,4,6,3,8,6,6,7,6,3,4,6,6,3,3,6,6,5,1,8,7,8,6,6,8,6,3,1,8,4,6,5,6,7,6,8,6,8,8,4,5,6,3,8,8,1,6,8,8,8,8,4,4,6,6,8,8,5,3,8,6,7,7,4,8,6,9,6,4,6,6,3,4,1,5,7,6,7,5,7,3,8,3,4,3,7,3,7,9,9,1,7,5,4,2,8,5,1,9,9,3,3,7,5,4,3,9,5,6,3,9,7,3,8,2,6,8,4,7,9,5,4,6,3,8,2,7,3,5,9,3,7,4,4,6,6,4,9,5,2,10,9,6,5,10,8,9,9,9,5,8,9,7,7,6,9,7,6,10,9,6,0,9,7,8,9,8,8,5,5,7,0,2,3,7,6,5,7,7,3,5,7,7,2,8,4,1,4,7,6,7,6,4,1,5,3,3,8,7,6,7,10,6,6,5,6,7,8,9,8,5,6,8,4,6,7,7,6,8,7,1,3,6,5,6,2,3,7,7,5,4,3,8,5,5,2,5,5,6,8,2,5,7,7,6,5,7,2,3,2,9,2,8,4,4,8,5,8,6,9,1,4,2,8,7,4,7,2,4,7,4,7,3,4,5,5,2,5,3,7,4,8,6,6,6,3,7,8,7,7,6,3,7,4,6,9,6,7,4,4,6,7,5,7,2,6,1,6,7,5,8,5,6,3,7,8,9,7,2,4,5,8,6,5,7,5,7,6,5,4,5,4,2,6,8,8,7,8,8,8,7,5,6,5,9,7,8,7,7,5,1,3,4,5,1,5,2,4,5,8,8,5,3,8,8,6,6,3,4,7,6,6,8,8,5,8,8,5,8,6,7,10,9,7,8,6,5,8,3,5,6,6,7,3,7,8,7,6,4,2,8,3,6,7,2,4,2,4,4,2,7,9,5,4,2,4,7,7,5,6,7,9,8,4,6,7,6,4,8,5,5,9,8,8,7,5,8,9,7,4,9,6,6,7,7,6,8,8,8,4,6,8,8,7,4,7,7,4,7,4,3,8,5,1,9,7,8,6,8,2,8,2,9,5,6,5,7,5,4,8,6,9,3,5,6,8,4,4,7,4,5,5,5,2,2,6,8,6,4,5,8,5,3,7,8,6,7,5,8,8,9,7,6,4,7,7,6,9,5,5,5,8,6,6,7,7,7,1,5,6,6,7,9,8,6,3,3,5,6,8,4,6,9,8,6,3,9,3,8,2,7,8,6,2,6,6,4,7,8,6,7,5,7,4,2,7,4,5,6,7,5,7,6,6,2,4,8,0,6,6,3,7,6,6,4,6,7,4,9,7,3,8,8,6,8,7,6,5,7,6,6,4,10,10,7,8,8,5,9,2,5,5,6,6,6,5,5)

> j<-as.factor(gl(222,1,1332))

> choc<-as.factor(gl(6,222))

> anova(lm(dl~choc+j))

>j12<-c(j1,j2)

> j1<-as.factor(gl(2,6))

> rep1<-aov(j12~j1)

> anova(rep1)

> j6<-c(j68,j70)

> jl<-as.factor(gl(2,6))

> anova(lm(j6~jl))

> j4<-c(j36,j37,j38,j39,j40,j41,j42)

> j3<-as.factor(gl(7,6))

> TukeyHSD(aov(j4~j3))

> j8<-c(j112,j113,j114,j115,j116,j117)

> j6<-as.factor(gl(7,6))

> TukeyHSD(aov(j8~j6))

3.3


cocaA

data<-subset(sensochoc,Session=="1")

c1<-subset(data,Product=="choc1")

co1<-c1[,5]

c2<-subset(data,Product=="choc2")

co2<-c2[,5]

c3<-subset(data,Product=="choc3")

co3<-c3[,5]

c4<-subset(data,Product=="choc4")

co4<-c4[,5]

c5<-subset(data,Product=="choc5")

co5<-c5[,5]

c6<-subset(data,Product=="choc6")

co6<-c6[,5]

choc<-c(gl(6,29))

panelist<-c(rep(c(1:29),6))

choc<-as.factor(choc)

panelist<-as.factor(panelist)

co<-c(co1,co2,co3,co4,co5,co6)

cocoaA<-lm(co~choc+panelist)

anova(cocoaA)

boxplot(co~choc)

boxplot(co~panelist)

data<-subset(sensochoc,Session=="2")

c1<-subset(data,Product=="choc1")

co1<-c1[,5]

c2<-subset(data,Product=="choc2")

co2<-c2[,5]

c3<-subset(data,Product=="choc3")

co3<-c3[,5]

c4<-subset(data,Product=="choc4")

co4<-c4[,5]

c5<-subset(data,Product=="choc5")

co5<-c5[,5]

c6<-subset(data,Product=="choc6")

co6<-c6[,5]

choc<-c(gl(6,29))

panelist<-c(rep(c(1:29),6))

choc<-as.factor(choc)

panelist<-as.factor(panelist)

co<-c(co1,co2,co3,co4,co5,co6)

cocoaA<-lm(co~choc+panelist)

anova(cocoaA)

boxplot(co~choc)

boxplot(co~panelist)

mikaA


data<-subset(sensochoc,Session=="1")

c1<-subset(data,Product=="choc1")

mik1<-c1[,6]

c2<-subset(data,Product=="choc2")

mik2<-c2[,6]

c3<-subset(data,Product=="choc3")

mik3<-c3[,6]

c4<-subset(data,Product=="choc4")

mik4<-c4[,6]

c5<-subset(data,Product=="choc5")

mik5<-c5[,6]

c6<-subset(data,Product=="choc6")

mik6<-c6[,6]

choc<-c(gl(6,29))

panelist<-c(rep(c(1:29),6))

choc<-as.factor(choc)

panelist<-as.factor(panelist)

mik<-c(mik1,mik2,mik3,mik4,mik5,mik6)

mikA<-lm(mik~choc+panelist)

anova(mikA)

boxplot(mik~choc)

boxplot(mik~panelist)

data<-subset(sensochoc,Session=="2")

c1<-subset(data,Product=="choc1")

mik1<-c1[,6]

c2<-subset(data,Product=="choc2")

mik2<-c2[,6]

c3<-subset(data,Product=="choc3")

mik3<-c3[,6]

c4<-subset(data,Product=="choc4")

mik4<-c4[,6]

c5<-subset(data,Product=="choc5")

mik5<-c5[,6]

c6<-subset(data,Product=="choc6")

mik6<-c6[,6]

choc<-c(gl(6,29))

panelist<-c(rep(c(1:29),6))

choc<-as.factor(choc)

panelist<-as.factor(panelist)

mik<-c(mik1,mik2,mik3,mik4,mik5,mik6)

mikA<-lm(mik~choc+panelist)

anova(mikA)

boxplot(mik~choc)

boxplot(mik~panelist)

cocoaF

data<-subset(sensochoc,Session=="1")



c1<-subset(data,Product=="choc1")

coc1<-c1[,7]

c2<-subset(data,Product=="choc2")

coc2<-c2[,7]

c3<-subset(data,Product=="choc3")

coc3<-c3[,7]

c4<-subset(data,Product=="choc4")

coc4<-c4[,7]

c5<-subset(data,Product=="choc5")

coc5<-c5[,7]

c6<-subset(data,Product=="choc6")

coc6<-c6[,7]

choc<-c(gl(6,29))

panelist<-c(rep(c(1:29),6))

choc<-as.factor(choc)

panelist<-as.factor(panelist)

coc<-c(coc1,coc2,coc3,coc4,coc5,coc6)

cocA<-lm(coc~choc+panelist)

anova(cocA)

boxplot(coc~choc)

boxplot(coc~panelist)

data<-subset(sensochoc,Session=="2")

c1<-subset(data,Product=="choc1")

coc1<-c1[,7]

c2<-subset(data,Product=="choc2")

coc2<-c2[,7]

c3<-subset(data,Product=="choc3")

coc3<-c3[,7]

c4<-subset(data,Product=="choc4")

coc4<-c4[,7]

c5<-subset(data,Product=="choc5")

coc5<-c5[,7]

c6<-subset(data,Product=="choc6")

coc6<-c6[,7]

choc<-c(gl(6,29))

panelist<-c(rep(c(1:29),6))

choc<-as.factor(choc)

panelist<-as.factor(panelist)

coc<-c(coc1,coc2,coc3,coc4,coc5,coc6)

cocA<-lm(coc~choc+panelist)

anova(cocA)

boxplot(coc~choc)

boxplot(coc~panelist)

câu 4:


lan1<-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)

a=matrix(lan1,6,6)

dimnames(a)=list(c("choc1","choc2","choc3","choc4","choc5","choc6"),c("hang1","hang2","hang3","hang4","hang5","hang6"))

chisq.test(a)

b=c(4,6,4,5,5,5)

t=c(29,29,29,29,29,29)

prop.test(b,t)

lan2<-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)

lan<-matrix(lan2,6,6)

dimnames(lan)<-list(c("choc1","choc2","choc3","choc4","choc5","choc6"),c("hang1","hang2","hang3","hang4","hang5","hang6"))

chisq.test(lan)

hang1<-c(5,5,5,4,6,4)

t<-c(29,29,29,29,29,29)

prop.test(hang1,t)

câu 5: vẽ radar

datarada<-matrix(c(3 ,0, 3, 6, 0, 2, 4, 2, 4, 4, 2, 6, 0, 1, 0, 1, 1, 0, 1, 2, 0, 0, 1, 0, 0, 1, 2, 0, 3, 7, 0, 6, 8, 4, 4, 0,1, 4, 5, 3, 3, 1, 2, 0, 3, 1, 5, 7, 6, 0, 0, 1, 1, 0, 6, 6, 0, 0, 8, 0, 6, 7, 5, 7, 0, 9, 8, 9, 7, 8, 4, 4, 9, 9,7, 8, 5, 6, 5, 5, 7, 7, 0, 7, 7, 7, 8, 4, 0, 5, 0, 2, 6, 2, 4, 2, 3, 1, 0, 0, 2, 0, 6, 1, 0, 0, 2, 0, 0, 3, 0,0, 6, 2, 4, 8, 6, 0, 6, 7, 6, 3,1,6,3,5,3,8, 2, 2, 0, 0, 4, 2, 6, 4, 1, 0, 4, 0, 0, 7, 5, 0, 9, 5, 0, 3,5, 5, 6, 7, 8, 4, 5, 3, 7, 1, 2, 0, 5, 3, 5, 3, 3, 1, 0, 2, 3, 0, 7, 6, 1, 7 ),nrow=6,ncol=29,byrow=T,dimnames=list(c("c1","c2","c3","c4","c5","c6")))

stars(datarada)
library(SensoMineR)

data(chocolates)

library(psych)

op=par(mfrow=c(2,2))



spider(y=1:4,x=5:18,data=cor(sensochoc,use="pairwise"),fill=TRUE,scale=2)



tải về 212.8 Kb.

Chia sẻ với bạn bè của bạn:




Cơ sở dữ liệu được bảo vệ bởi bản quyền ©hocday.com 2024
được sử dụng cho việc quản lý

    Quê hương