Sensory & Marketing Research Co., Ltd.

Introduction

GV: Lê Minh Tâm

Website: http://tamleftc.googlepages.com

Lê Minh Tâm 1

Contents

1. R introduction

2. Installation and some simple applications

3. Reading data

4. Using χ2, T-test, anova, PCA in sensory data analysis

Lê Minh Tâm 2

1
 References

1. Nguyễn Văn Tuấn, Phân tích số liệu và tạo biểu đồ

bằng R, NXB KHKT, 2007, 340 trang

2. Michael O´Mahony, Sensory Evaluation of Food:

Statistical Methods and Procedures, Marcel Dekker,
New York, 1986, 487 p.

3. Douglas C. Montgomery, Geoge C. Runger, Applied

Statistics and Probability for engineers, John Wiley
& Son, 2003, 706p.
n www.ykhoanet.com/r, kỹ thuật thống kê
n www2.hcmut.edu.vn/~dzung/Rworkshop2006
n www.r-project.org , download Phần mềm R.

Lê Minh Tâm 3

1. R language_ Introduction

n Tính toán đơn giản, toán học giải trí (recreational

mathematics), tính toán ma trận (matrix).
n Được phát triển thành các phần mềm chuyên môn
cho một vấn đề tính toán cá biệt: các packages.
n R là một phần mềm sử dụng cho phân tích thống
kê và vẽ biểu đồ.

Lê Minh Tâm 4

2
 2. Installation & Some simple applications

n “Comprehensive R Archive Network” (CRAN):

http://cran.R-project.org.

n http://cran.r-project.org/bin/windows/base/R-
2.6.1-win32.exe

Lê Minh Tâm 5

2. Cài đặt và một số ứng dụng đơn giản

n Setup file

n Icon on desktop

n Window Screen

Lê Minh Tâm 6

3
 2. Cài đặt và một số ứng dụng đơn giản

Lê Minh Tâm 7

2. Cài đặt và một số ứng dụng đơn giản

n Prompt : >

n Getting help: ?lm or help(lm)

Lê Minh Tâm 8

4
 R syntax

n object <- function(arguments)

Ví dụ: reg <- lm(y ~ x)

n Phép toán (Operations)

x == 5 x equals to 5
x != 5 x is not equal to 5
y < x y is less than x
x > y x is greater y
z <= 7 z is less than or equal to 7
p >= 1 p is greater than or equal to 1
is.na(x) Is x a missing value?
A & B A and B
A | B A or B
! not
Lê Minh Tâm 9

Application - R as a calculator
n Arithmetic calculations
> -27*12/21 Permulation: 3!
[1] -15.42857 Øprod(3:1)
> sqrt(10)
[1] 6
[1] 3.162278
# 10.9.8.7.6.5.4
> log(10) > prod(10:4)
[1] 2.302585 [1] 604800
> log10(2+3*pi)
[1] 1.057848 > prod(10:4)/prod(40:36)
[1] 0.007659481
> exp(2.7689)
[1] 15.94109 > choose(5, 2)
> (25 - 5)^3
[1] 10
[1] 8000
> 1/choose(5, 2)
> cos(pi) [1] 0.1
[1] -1
Lê Minh Tâm 10

5
 Application - R as a number generator

n Sequence – seq(from, to, by= )

n Generate a variable with numbers ranging from
1 to 12:
> x <- (1:12)
> x
[1] 1 2 3 4 5 6 7 8 9 10 11 12

> seq(12)
[1] 1 2 3 4 5 6 7 8 9 10 11 12

> seq(4, 6, 0.25)

[1] 4.00 4.25 4.50 4.75 5.00 5.25 5.50 5.75 6.00

Lê Minh Tâm 11

Application - R as a number generator

n Repetition – rep(x, times, …)

> rep(10, 3)
[1] 10 10 10

> rep(c(1:4), 3)
[1] 1 2 3 4 1 2 3 4 1 2 3 4

> rep(c(1.2, 2.7, 4.8), 5)

[1] 1.2 2.7 4.8 1.2 2.7 4.8 1.2 2.7 4.8 1.2 2.7 4.8
1.2 2.7 4.8

Lê Minh Tâm 12

6
 Application - R as a number generator

n Generating levels – gl(n, k, length = n*k)

> gl(2,4,8)
[1] 1 1 1 1 2 2 2 2
Levels: 1 2

> gl(2, 10, length=20)

[1] 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2
Levels: 1 2

Lê Minh Tâm 13

Application - R as a probability calculator

Normal probability

∫ f ( x ) dx
b
P(a ≤ X ≤ b) = a

∫ f ( x ) dx
a
pnorm (a, mean, sd) =
−∞
= P(X ≤ a | mean, sd)

Probability of height less than or equal to 150 cm, given that the distribution
has mean=156 and sd=4.6
> pnorm(150, 156, 4.6)
[1] 0.0960575

Lê Minh Tâm 14

7
 Application - R as a simulator

n In a population, 20% have a disease, if we do 1000

studies; each study selects 20 people from the
population. In each study, we observe the number of
people with disease. Let this number be x. What is the
distribution of 1000 values of x ? Histogram of x

200
x <- rbinom(1000, 20, 0.20)
hist(x)

150
Frequency

100
50
0

0 2 4 6 8 10

Lê Minh Tâm 15
x

R as a simulator – Normal distribution

n Average height of Vietnamese women is 156 cm, with
standard deviation being 4.6 cm. If we randomly take
1000 women from this population, what is the
distribution of height?
Histogram of height

height <- rnorm(1000, mean=156, sd=4.6)

150

hist(height)
100
Frequency

50
0

145 150 155 160 165 170

Lê Minh Tâm 16
height

8
 R as a sampler
n We have 40 people (1,2,3,…,40). If we randomly
select 5 people from the group, who would be
selected?
sample(1:40, 5)
[1] 32 26 6 18 9

sample(1:40, 5)
[1] 5 22 35 19 4

sample(1:40, 5)
[1] 24 26 12 6 22

sample(1:40, 5)
[1] 22 38 11 6 18
Lê Minh Tâm 17

R syntax
n Phân biệt HOA và THƯỜNG
a <- 5
A <- 7
B <- a+A

n Tên biến KHÔNG có khoảng trắng

var a <- 5

n Nhưng có thể gán thêm bằng cách thêm dấu “.”

var.a <- 5
var.b <- 10
var.c <- var.a + var.b
Lê Minh Tâm 18

9
 3. Reading data

age <- c(50,62,60,40,48,47,57,70,48,67)

bmi <- c(17,18,18,18,18,18,19,19,19,19)
tam <- data.frame(age,bmi)
tam

a <- c(1,2,3,4,5,6,7,8,9)
A <- matrix(a,nrow=3)
A

a <- c(1,2,3,4,5,6,7,8,9)
A <- matrix(a,nrow=3, byrow=TRUE)
A
Lê Minh Tâm 19

3. Reading data

Lê Minh Tâm 20

10
3. Reading data

Lê Minh Tâm 21

3. Reading data

Lê Minh Tâm 22

11
 3. Reading data

Lê Minh Tâm 23

4. Application in taking & presenting samples

sample(0:999,10,replace=FALSE)
[1] 667 926 888 511 475 889 404 184 713 770

williams(4)
[,1] [,2] [,3] [,4]
[1,] 1 2 4 3
[2,] 2 3 1 4
[3,] 3 4 2 1
[4,] 4 1 3 2

Lê Minh Tâm 24

12
 4. Using χ2, T-test, anova, PCA in sensory data analysis

χ2
Step 1: reading data ifg.xls

Step 2: data analysis in R environment

attach(tam)
names(tam)
table(sex,ethnicity)

Lê Minh Tâm 25

4. Using χ2, T-test, anova, PCA in sensory data analysis

χ2

Lê Minh Tâm 26

13
 4. Using χ2, T-test, anova, PCA in sensory data analysis

One-sample T-test

Two-samples T-test

- Independent-samples T-test

- Paired T-test

Wilcoxon ???

Lê Minh Tâm 27

4. Using χ2, T-test, anova, PCA in sensory data analysis

One-sample t-test: Is overall likings of R1,R2 is more than 5 ?

STT R1 R2 STT R1 R2
1 7 8 11 7 9
2 8 9 12 7 5
3 6 5 13 8 9
4 8 9 14 9 10
5 7 8 15 7 7
6 7 9 16 7 9
7 7 7 17 8 7
8 6 7 18 7 9
9 8 7 19 6 6
10 6 8 20 8 8

Lê Minh Tâm 28

14
 4. Using χ2, T-test, anova, PCA in sensory data analysis

r1 <- c(7,8,6,8,7,7,7,6,8,6,8,9,5,9,8,9,7,7,7,8)
t.test(r1,tb=5)

One Sample t-test

data: r1
t = 30.1721, df = 19, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
6.840134 7.859866
sample estimates:
mean of x
7.35

Lê Minh Tâm 29

4. Using χ2, T-test, anova, PCA in sensory data analysis

T-test (paired = TRUE)

Ex: yêu thích 1 sản phẩm trước cải tiến và sau cải tiến
STT R1 R2 STT R1 R2
Before After Before After
1 7 8 11 7 9
2 8 9 12 7 5
3 6 5 13 8 9
4 8 9 14 9 10
5 7 8 15 7 7
6 7 9 16 7 9
7 7 7 17 8 7
8 6 7 18 7 9
9 8 7 19 6 6
10 6 8 20 8 8
Lê Minh Tâm 30

15
 4. Using χ2, T-test, anova, PCA in sensory data analysis

r1 <- c(7,8,6,8,7,7,7,6,8,6,8,9,5,9,8,9,7,7,7,8)
r2 <- c(8,9,5,9,8,9,7,7,7,8,9,5,9,10,7,9,7,9,6,8)
tam <- data.frame(r1,r2)
t.test(r1,r2, paired=TRUE)

Paired t-test
data: r1 and r2
t = -1.2289, df = 19, p-value = 0.2341
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-1.2163983 0.3163983
sample estimates:
mean of the differences
Lê Minh Tâm 31
-0.45

4. Using χ2, T-test, anova, PCA in sensory data analysis

T-test (independent samples t-test)

Ex: placebo and stimulus experiment
STT G1 G2 STT G1 G2
(placebo) (drug) (placebo) (stimulus
)
1 7 8 11 7 9
2 8 9 12 7 5
3 6 5 13 8 9
4 8 9 14 9 10
5 7 8 15 7 7
6 7 9 16 7 9
7 7 7 17 8 7
8 6 7 18 7 9
9 8 7 19 6 6
10 6 8 20 8 Lê Minh Tâm832

16
 4. Using χ2, T-test, anova, PCA in sensory data analysis

r1 <- c(7,8,6,8,7,7,7,6,8,6,8,9,5,9,8,9,7,7,7,8)
r2 <- c(8,9,5,9,8,9,7,7,7,8,9,5,9,10,7,9,7,9,6,8)
tam <- data.frame(r1,r2)
t.test(r1,r2)

Welch Two Sample t-test

data: r1 and r2
t = -1.1348, df = 35.845, p-value = 0.2640
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-1.2543229 0.3543229
sample estimates:
mean of x mean of y
7.35 7.80

Lê Minh Tâm 33

4. Using χ2, T-test, anova, PCA in sensory data analysis

Anova
Model S(A)
G1 G2 G3 G4 G5

9 7 8 4 7

8 9 5 3 8

6 6 6 6 7

8 6 7 5 6

10 6 3 4 9

Lê Minh Tâm 34

17
 4. Using χ2, T-test, anova, PCA in sensory data analysis

x <- c(1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,4,4,4,4,4,5,5,5,5,5)
y <- c(9,8,6,8,10,7,9,6,6,6,8,5,6,7,3,4,3,6,5,4,7,8,7,6,9)
x <- as.factor(x)
result <- data.frame(x,y)
result <- aov(y~x)
summary(result)

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

x 4 43.44 10.86 5.3235 0.004373 **
Residuals 20 40.80 2.04
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

plot(TukeyHSD(result))

Lê Minh Tâm 35

4. Using χ2, T-test, anova, PCA in sensory data analysis

Anova
Model S(A*B)
Công thức

Giới tính R1 R2 R3

8 7 5
Male 6 6 6
9 7 4

8 6 7
Female 10 8 3
8 7 4

Lê Minh Tâm 36

18
 4. Using χ2, T-test, anova, PCA in sensory data analysis

gender <- c(1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2)

recipe <- c(3,3,3,4,4,4,5,5,5,3,3,3,4,4,4,5,5,5)
gender <- as.factor(gender)
recipe <- as.factor(recipe)
y <- c(8,6,9,7,6,7,5,6,4,8,10,8,6,8,7,7,3,4)
result <- data.frame(gender,recipe,y)
result <- aov(y~gender+recipe+gender:recipe)
summary(result)
TukeyHSD(result)
Plot(TukeyHSD(result))

Lê Minh Tâm 37

19
 4. Using χ2, T-test, anova, PCA in sensory data analysis

PCA

Lê Minh Tâm 39

4. Using χ2, T-test, anova, PCA in sensory data analysis

Lê Minh Tâm 40

20
 Variables factor map (PCA)

1.0
Hong Dau
Ngot

Dimension 2 (28.89%)
0.5
Chua.M Chua.V
Sanh
Vang
Dongnhat
Beo
0.0

Kem
Bamdinh

Chat
-0.5

Bo
-1.0

Nau.kem

-1.0 -0.5 0.0 0.5 1.0

Dimension 1 (32.4%)
Lê Minh Tâm 41

Individuals factor map (PCA)

Ancom
2
Dimension 2 (28.89%)

Izzi
Vinamilk
Daisy
0

Milky Dutch
-2

Nuti
-4

-4 -2 0 2 4 6
Dimension 1 (32.4%)
Lê Minh Tâm 42

21
4. Using χ2, T-test, anova, PCA in sensory data analysis

Lê Minh Tâm 43

Summary

n R is an interactive statistical language

n Extremely flexible and powerful
n Data manipulation and coding
n Can be used as a calculator, simulator
and sampler
n FREE!

Lê Minh Tâm 44

22
 Standby Slides

Lê Minh Tâm 45

Chương 1: Một số khái niệm thống kê cơ bản

1. Measure of central tendency: arithmetic mean,

median, mode and quartiles

2. Measures of Variation: range, variance and

standard deviation

3. The shape of distribution

Lê Minh Tâm 46

23
 Chương 1: Một số khái niệm thống kê cơ bản

1. Measure of central tendency: arithmetic mean,

median, mode and quartiles

sum _ of _ the _ values

arithmetic _ mean =
number _ of _ values

X 1 + X 2 + ... + X n
X =
n
n

∑X i
X = i =1

n
Lê Minh Tâm 47

Chương 1: Một số khái niệm thống kê cơ bản

Example:

Day 1 2 3 4 5 6 7 8 9 10
Time 39 29 43 52 39 44 40 31 44 35

396
X = = 39.6
10

Lê Minh Tâm 48

24
 Chương 1: Một số khái niệm thống kê cơ bản

1. Measure of central tendency: arithmetic mean,

median, mode and quartiles

The median is the value such that 50% of the values are
smaller and 50% of the values are lager

n +1
median = ranked .value
2
where n= sample size

Lê Minh Tâm 49

Chương 1: Một số khái niệm thống kê cơ bản

1. Measure of central tendency: arithmetic mean,

median, mode and quartiles

Time 29 31 35 39 39 40 43 44 44 52
Ranks 1 2 3 4 5 6 7 8 9 10

Median = 39.5

Extreme value do not affect the

median
Lê Minh Tâm 50

25
 Chương 1: Một số khái niệm thống kê cơ bản

1. Measure of central tendency: arithmetic mean,

median, mode and quartiles

The mode is the value in a set of data that appears

most frequenctly

There are two modes:

39 & 44

Extreme value do not affect the mode as

well
Lê Minh Tâm 51

Chương 1: Một số khái niệm thống kê cơ bản

1. Measure of central tendency: arithmetic mean,

median, mode and quartiles

Q1: the first quartile, is the value such that 25.0%

of the values are smaller and 75% are lager.
n +1
Q1 = ranked .value
4
Q3: the third quartile, is the value such that 75.0%
of the values are smaller and 25% are lager.
3.(n + 1)
Q3 = ranked .value
4
where n= sample size
Lê Minh Tâm 52

26
 Chương 1: Một số khái niệm thống kê cơ bản

1. Measure of central tendency: arithmetic mean,

median, mode and quartiles

Q1 Q3

Lê Minh Tâm 53

Chương 1: Một số khái niệm thống kê cơ bản

2. Measures of Variation: range, variance and

standard deviation

Time 29 31 35 39 39 40 43 44 44 52

Range = largest value – smallest value

Range = 52 – 29 = 23

Although the range is a measure of the total spread, it does not

consider HOW the values distribute around the mean.

Lê Minh Tâm 54

27
 Chương 1: Một số khái niệm thống kê cơ bản

2. Measures of Variation: range, variance (s2) and

standard deviation (s)

Computing s2 , the sample variance, do the following:

§ Compute the difference between each value and the mean
§ Square each difference
§ Add the squared differences
§ Divide this total by (n-1)

To compute s, take the square root of variance

Lê Minh Tâm 55

Chương 1: Một số khái niệm thống kê cơ bản

Time
(X)
δ = Xi − X δ 2 = ( X i − X )2
39 -0.6 0.36
29 -10.6 112.36
43 3.4 11.56
52 12.4 153.76
39 -0.6 0.36
44 4.4 19.36
40 0.4 0.16
31 -8.6 73.96
44 4.4 19.36
35 -4.6 21.16
Mean=39.6 Sum of dif = 0 Sum of squared dif = 412.4

Lê Minh Tâm 56

28
 Chương 1: Một số khái niệm thống kê cơ bản

412.4
Sample variance: s2 = = 45.82
9

Sample standard deviation: s = 45.82 = 6.77

Lê Minh Tâm 57

Chương 1: Một số khái niệm thống kê cơ bản

n n

∑ ( X 1 − X )2 ∑ (X 1 − X )2
s2 = i =1
s= i =1
n −1 n −1

For almost all sets of data that have a single mode, most of the
values lie within an interval of plus or minus 3 standard
deviations above or below the mean

M ± (3).SD

Lê Minh Tâm 58

29
 Chương 1: Một số khái niệm thống kê cơ bản

3. The shape of distribution

Lê Minh Tâm 59

Chương 1: Một số khái niệm thống kê cơ bản

3. The shape of distribution

Left-Skewed Symmetrical Right-Skewed

Lê Minh Tâm 60

30
 Chương 1: Một số khái niệm thống kê cơ bản

3. The shape of distribution

Bimodal Multimodal

Lê Minh Tâm 61

Đọc dữ liệu từ file excel

n Có bao nhiêu cột (hay variable = biến số) và dòng số liệu
(observations) trong dữ liệu này? Chúng ta dùng lệnh dim(arg) với
arg là tên của dữ liệu. (dim viết tắt chữ dimension). Ví dụ (kết quả
của R trình bày ngay sau khi chúng ta gõ lệnh):
n > dim(chol)
n [1] 50 8
n Như vậy, chúng ta có 50 dòng và 8 cột (hay biến số). Vậy những
biến số này tên gì? Chúng ta dùng lệnh names(arg) với arg là tên
của dữ liệu. Ví dụ:
n > names(chol)
n [1] "id" "sex" "age" "bmi" "hdl" "ldl" "tc" "tg"
n Trong biến số sex, chúng ta có bao nhiêu nam và nữ? Để trả lời
câu hỏi này, chúng ta có thể dùng lệnh table(arg) với arg là tên của
biến số. Ví dụ:
n > table(sex)
n sex
n Nam Nu
n 21 28
n Kết quả cho thấy dữ liệu này có 21 nam và 28 nữ. Lê Minh Tâm 62

31
 Dữ liệu cấp dưới

setwd(“c:/works/r”)
chol <- read.table(“chol.txt”,
header=TRUE)
attach(chol)

nam <- subset(chol, sex==”Nam”)

nu <- subset(chol, sex==”Nu”)
old <- subset(chol, age>=60)
n60 <- subset(chol, age>=60 &
sex==“Nam”)

Lê Minh Tâm 63

Sampling with Replacement

n Sampling with replacement: If we want to

sample 10 people from a group of 50 people.
However, each time we select one, we put the id
back and select from the group again.

sample(1:50, 10, replace=T)

[1] 31 44 6 8 47 50 10 16 29 23

Lê Minh Tâm 64

32