You are on page 1of 12

BỘ CÔNG THƯƠNG

TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP TP. HỒ CHÍ MINH


VIỆN CÔNG NGHỆ SINH HỌC & THỰC PHẨM

MÔN: XỬ LÝ SỐ LIỆU THỰC

Giảng viên hướng dẫn: PHẠM MINH TUẤN


Lớp: DHTP17E
Nhóm: 1

Họ & tên MSSV


Kiều Đăng Khoa 21126261
Trương Tấn Lộc 21126941
Nguyễn Thu Phương 21120461
Phạm Chính Dũng 21137941
Nguyễn Trọng Nhân 21132961
Trần Ngọc Hạnh 21136361

Thành phố Hồ Chí Minh, ngày 1 tháng 9 năm 2023


Giới thiệu về bài báo:
Để hoàn thành bài tiểu luận này nhóm chúng em đã tham khảo bài báo:
“Effects of Table Grape Cultivars on Fruit Quality and Aroma Components” của
tác giả: Có DOI là: https://doi.org/10.3390/foods12183371. Được đăng trên đầu
báo MDPI vào 8 September 2023

1, Mục tiêu Thí nghiệm


Mục tiêu của thí nghiệm là xác định được sự ảnh hưởng của các loài đối với
chất lượng của trái cây và các hương thơm có trong những loài nho.
2, Đơn vị thí nghiệm
- Chất lượng vật lý và hóa học cơ bản của các giống nho khác nhau.
- Chất lượng dinh dưỡng của các giống nho khác nhau.
- Phân tích thành phần chính (PCA) và PLS-DA của các giống nho ăn khác
nhau.
- Phân tích cụm các giống nho để bàn khác nhau.
- Đánh giá cảm quan được các giống nho đã thu thập để lựa chọn ra những
giống loài tốt.
3,Đối tượng và phạm vi nghiên cứu
a, Đối tượng nghiên cứu
Nho được thu hoạch vào năm 2021 tại một vườn nho thương mại ở Dương
Lăng, Thiểm Tây,Trung Quốc.
b,Phạm vi nghiên cứu
- Không gian: Loại nho được thu hoạch này
- Số loài được khảo sát:Mười cây nho đã được chọn cho mỗi loại nho. Ba chùm
được chọn ngẫu nhiên từ mỗi cây nho, mỗi chùm 10 quả, cho ra 300 quả nho.
- Thời gian: 2 tháng ( từ tháng 8 đến tháng 10 năm 2023 )
c,Biến độc lập:
- Các loài nho khác nhau
- Hương thơm của các loài nho.
d, Biến phụ thuộc:
- Các thành phần cơ bản.
- Dinh dưỡng.
- VitaminC.
- Tổng anthocyanin.
- Tổng số phenol.
- Flavonoid.
- Tannin.
- Mùi thơm của từng loại.
4. Lựa chọn cách thiết kế thí nghiệm.
4.1. Hàm lượng flavonoid được xác định bằng phương pháp natri nitrit-nhôm
nitrat
Flavonoid có thể tăng cường khả năng chống oxy hóa và nhặt gốc tự do và có
tác dụng kìm khuẩn nhất định [ 27 ]. Có sự khác biệt đáng kể về hàm lượng
flavonoid giữa các giống nho khác nhau ( Hình 1 d). Hàm lượng flavonoid trong
Zitianwuhe là 126,58 mg/g, trong khi hàm lượng vitamin C là 23,96 mg/100 g.
Hàm lượng vitamin C và flavonoid trong Aishenmeigui lần lượt là 41,45
mg/100 g và 120,60 mg/g, cao hơn so với các giống khác.
4.2. Tổng hàm lượng phenol được xác định bằng phương pháp Folin-Ciocalte
Phenol tổng là một hoạt chất hữu cơ và chất chuyển hóa thứ cấp quan trọng
trong nho, có tác dụng tạo mùi vị. Hình 1 c cho thấy không có sự khác biệt đáng
kể giữa tổng hàm lượng phenol Aishenmeigui và Sweet Sapphire . Tuy nhiên,
tổng hàm lượng phenol trong Aishenmeigui và Sweet Sapphire cao hơn so với
các giống khác. Tổng hàm lượng phenol ở Italia , Zhengyanwuhe , Jumeigui và
Shine-Muscat dưới 800 mg/kg, trong khi Zhengyanwuhe xấp xỉ 426,63 mg/kg,
thấp hơn so với các giống khác.
4.3. Hàm lượng vitamin C trong trái cây được xác định bằng phương pháp 2,6-
dichloroindophenol
Vitamin C là một chất dinh dưỡng và chất chống oxy hóa quan trọng trong nho
có thể loại bỏ các gốc tự do và giảm căng thẳng oxy hóa. Có sự khác biệt đáng
kể về hàm lượng vitamin C giữa các giống nho khác nhau ( Hình 1 a). Các
giống nho có hàm lượng vitamin C cao là Shine-Muscat (53,51 mg/100 g) và
Aishenmeigui (41,45 mg/100 g). Các giống nho có hàm lượng vitamin C từ 30
đến 40 mg/100 g là Sunmmer Black , Zaoheibao , Sweet Sapphire , Jumeigui và
củ cải đen.. 10 loại còn lại chứa vitamin C từ 20 đến 30 mg/100 g.
4.4. Hàm lượng tannin được xác định bằng phương pháp Folin–Denis
Tannin là chất chống oxy hóa và chất bảo quản tự nhiên mang lại vị đắng nhất
định cho nho. Hàm lượng tannin của Thiệu Hưng 1 hao và Aishenmeigui lần
lượt là 95,59 mg/100 g và 92,85 mg/100 g ( Hình 1 e). Hàm lượng tannin ở
giống Italia chín sớm không hạt thấp hơn so với các giống còn lại, khoảng 39,59
mg/100 g.
4.5. Hàm lượng anthocyanin tổng số trong quả nho đỏ được xác định bằng
phương pháp chênh lệch pH với dimethyl anthocyanin (mg/kg)
Hàm lượng anthocyanin tổng số phụ thuộc vào màu sắc của vỏ nho. Hàm lượng
anthocyanin tổng số cao hơn ở các giống nho có màu tím đen. Hình 1 b cho thấy
sự khác biệt đáng kể về tổng hàm lượng anthocyanin giữa các giống nho có màu
sáng và các giống nho có màu sẫm. Hàm lượng anthocyanin trong Sunmmer
Black , Aishenmeigui , Sweet Sapphire và Black Beet đều trên 1000 mg/kg.
Hàm lượng anthocyanin tổng số của giống Italia và Shine-Muscat lần lượt là
74,96 mg/kg và 104,89 mg/kg, thấp hơn so với các giống khác. Mặc dù
Zhengyanwuhelà giống màu đỏ, hàm lượng anthocyanin tổng số trong giống
này chỉ đạt 156,53 mg/kg do hạt quả nhỏ và vỏ mỏng.
5. Ứoc tính số lần lặp
tổng <- 0
for (i in 1:5)
{tổng <- tổng + i}
print(tổng)
thì lúc này vòng lặp for được thực thi 5 lần, tương ứng với số phần tử trong tập
hợp 1:5. Vòng lặp được lặp lại 5 lần để tính tổng các số từ 1 đến 5. Kết quả sẽ
được hiển thị là 15, tức là tổng của các số từ 1 đến 5.
6. Xác định phương pháp phân tích kết quả thí nghiệm.
+ Phương pháp phân tích phương sai
+ Phương pháp phân tích hiệu nghiệm
6.1 Phương pháp phân tích kết quả thí nghiệm
Trong bài cáo cáo trên, các dữ liệu thực nghiệm được phân tích bằng phép thử t
mẫu độc lập (Independent T-Test) và các chỉ số khác được phân tích bằng phân
tích phương sai một chiều và so sánh trung bình bằng thử nghiệm đa phạm vi ở
mức độ tin cậy 95% bằng cách sử dụng SPSS. Vì vậy nhóm chúng em sẽ phân
tích dữ liệu theo Independent T-Test) và trên R - Studio
6.2 Phương pháp phân tích đánh giá cảm quan
Nhóm đánh giá cảm quan gồm 15 sinh viên rượu được đào tạo chuyên nghiệp,
trong đó có 7 nam và 8 nữ, trong độ tuổi từ 22 đến 28. Đánh giá cảm quan của
rượu được đánh giá từ bốn khía cạnh: phân tích hình thức bên ngoài (độ trong,
sắc độ và màu sắc), phân tích hương vị. (độ tinh khiết, nồng độ và độ sang
trọng), phân tích kết cấu (độ tinh khiết, nồng độ, cân bằng, độ bền và chất lượng
đặc trưng của hương vị) và đánh giá tổng thể, với tổng số điểm là 100 điểm
6.3 Phương pháp phân tích phương sai
- ANOVA (Analysis of Variance) là một phương pháp thống kê dùng để
kiểm tra sự khác biệt về trung bình giữa các nhóm. Phương pháp này được sử
dụng rộng rãi trong các nghiên cứu khoa học để phân tích dữ liệu và đưa ra kết
luận về sự khác biệt giữa các nhóm.
- ANOVA cho phép chúng ta kiểm tra sự khác biệt trung bình giữa hai hoặc
nhiều nhóm. Nó đánh giá sự phân tán của dữ liệu và giúp xác định xem liệu sự
khác biệt trong trung bình có đáng kể hay không. Kết quả của ANOVA cho biết
sự khác biệt giữa các nhóm được đo lường bằng giá trị F.
Các phép kiểm định ANOVA trong R – Studio
Trong R - Studio, có nhiều phép kiểm định ANOVA khác nhau để thực hiện
phân tích sự khác biệt giữa các nhóm. Sau đây là một số phép kiểm định
ANOVA phổ biến trong R - Studio:
- One-Way ANOVA: là một loại thử nghiệm thống kê so sánh phương sai
trong nhóm có nghĩa là trong một mẫu trong khi chỉ xem xét một yếu tố hoặc
một biến độc lập. Phương sai một yếu tố so sánh ba hoặc nhiều hơn ba nhóm
phân loại để xác định xem có sự khác biệt giữa chúng hay không. Trong mỗi
nhóm nên có ba hoặc nhiều quan sát và phương tiện của các mẫu được so sánh.
- Two-Way ANOVA: là một phần mở rộng của phân tích phương sai một
yếu tố. Với One Way, bạn có một biến độc lập ảnh hưởng đến biến phụ thuộc.
Còn với two-way ANOVA, sẽ có 2 biến độc lập.
- MANOVA (Multivariate Analysis of Variance): Phân tích sự khác biệt
giữa trung bình của nhiều biến phụ thuộc và một hoặc nhiều biến độc lập.
- Repeated Measures ANOVA: Phân tích sự khác biệt giữa trung bình của
một biến phụ thuộc và một biến độc lập với sự lặp lại đo lường trên thời gian
hoặc trên điều kiện khác nhau.
Các loại ANOVA khác nhau sẽ được sử dụng tùy thuộc vào mục đích và kiểu dữ
liệu của nghiên cứu.
6.4 Phương pháp phân tích hiệu nghiệm
Phân tích hiệu ứng cốt lõi: Sử dụng các gói phần mềm như lm() trong R để thực
hiện phân tích hiệu ứng cốt lõi (ANOVA) hoặc phân tích hồi quy tuyến tính.
Đây là một phương pháp phổ biến để kiểm tra sự ảnh hưởng của một hoặc nhiều
biến độc lập lên biến phụ thuộc. Bạn có thể sử dụng hàm summary() để xem kết
quả phân tích.
7. Xác định câu lệnh và xử lý số liệu và đọc kết quả.
STT Trọng
lượng Axit Đường
chất rắn Đường
pH quả chuẩn kính
hòa tan kính dọc
mọng độ ngang
đơn (g)
1 4.13 7.07 20.41 7.64 2.59 1.6
2 3.04 5.59 16.73 6.77 2.28 2.04

3 3.13 7.75 17.08 8.63 2.65 2.5

4 4.20 3.90 18.53 8.16 1.96 1.87

5 3.76 3.76 16.28 7.99 1.4 1.34

6 3.22 5.76 16.04 8.55 2.37 2.12

7 4.02 6.93 18.02 7.77 3.08 1.73

8 4.45 10.87 19.61 7.92 2.27 2.15

9 3.34 4.15 16.75 8.02 1.76 1.54

10 3.90 8.82 15.89 8.41 3.11 2.03

11 4.37 7.90 21.17 8.21 2.42 1.64

12 4.02 7.33 20.34 8.36 1.93 1.57

13 3.85 10.37 17.70 7.37 2.36 2.13

14 4.31 8.53 19.29 8.44 2.52 2.25

15 4.10 9.28 20.92 7.49 2.54 2.59

16 3.84 8.67 16.91 8.03 2.63 2.26

17 3.53 7.27 15.71 8.30 2.21 1.76


Bảng 1: Phân tích chất lượng vật lý và hóa học cơ bản của các loại nho ăn khác
nhau.

-Giá trị tại tâm


Trọng
lượng Axit Đường
chất rắn Đường
pH quả chuẩn kính
hòa tan kính dọc
mọng độ ngang
đơn (g)
Trung 3.84 7.29 18.08 8.00 1.95 2.36
bình
Trung vị
3.34 4.15 16.75 8.02 1.76 1.54

-Giá trị phân tán


Trọng
lượng Axit Đường
chất rắn Đường
pH quả chuẩn kính
hòa tan kính dọc
mọng độ ngang
đơn (g)
Độ lệch 0.440483 2.119153 1.872174 0.481559 0.434159 0.354263
chuẩn 5 2 1 9

Sai số 0.106833 0.124656 0.116795 0.105299 0.085922


chuẩn 0.454069
Phương 0.216929 0.51397 3.505036 0.231899 0.188494 0.125502
sai 3 1 9
Hình 1. Phân tích chất lượng dinh dưỡng của các loại nho ăn khác
nhau. ( a ), Vitamin C; ( b ), Tổng anthocyanin; ( c ), Tổng số
phenol; ( d ), Flavonoid; ( e ), Tannin. Các chữ cái viết thường biểu thị
mức ý nghĩa ( p < 0,05).
Tiến hành xử lý số liệu bằng R-studio ta được p-value < 0,05 điều đó cho thấy
được có ít nhất một sự khác biệt về Ảnh hưởng của các giống nho ăn đến chất
lượng trái cây.
Biện luận kết quả
Xu hướng của bộ dữ liệu mô phỏng:
- Kết quả kiểm định Ảnh hưởng của các giống nho ăn đến chất lượng trái cây.
bằng bộ dữ liệu càng gần sát với bài báo nếu như giá trị phân tán cao và ngược
lại giá trị phân tán thấp cho ra kết quả không mong muốn và chênh lệch hoàn
toàn với bài báo.
Cơ sở lý thuyết
- Dùng phép phân tích phương sai đơn giản (one-way analysis of variance –
ANOVA) tiến hành kiểm định cho bộ dữ liệu mô phỏng theo bài báo.
- Sử dụng phép kiểm định tổng thể sau đó dùng phép kiểm định nhiều nhóm
bằng phương pháp TukeyHSD để cho thấy sự khác biệt rõ ràng trong từng chất
dinh dưỡng có trong quả nho. Thông số tốt nhất từ bộ dữ liệu mô phỏng.
- Số liệu trên được nhóm tiến hành mô phỏng từ thí nghiệm có thể không chính
xác hoàn toàn nhưng khi kiểm chứng Ảnh hưởng của các giống nho ăn đến chất
lượng trái cây cho thấy các số liệu đưa ra gần như tối ưu như trong bài báo và
kết quả phân tích mang lại có độ tin cậy cao. Đây được coi là số liệu bám sát
nhất và tốt nhất mà nhóm đã đạt được.
Phụ Lục
> pH<-
c(4.13,3.04,3.13,4.20,3.76,3.22,4.02,4.45,3.34,3.90,4.37,4.02,3.85,4.31,4.10,3
.84,3.53 )
> TL<-
c(7.07,5.59,7.75,3.90,3.76,5.76,6.93,10.87,4.15,8.82,7.90,7.33,10.37,8.53,9.28
,8.67,7.27)
> cr<-
c(20.41,16.73,17.08,18.53,16.28,16.04,18.02,19.61,16.75,15.89,21.17,20.34,17.7
0,19.2929,20.92,16.91,15.71)
> ac<-
c(7.64,6.77,8.63,8.16,7.99,8.55,7.92,7.92,8.02,8.41,8.21,8.36,7.37,8.44,7.49,8
.03,8.30)
> dkd<-
c(2.59,2.65,2.65,1.96,1.4,2.37,3.08,2.27,1.76,3.11,2.42,1.93,2.36,2.52,2.54,2.
63,2.21)
> dkn<-
c(1.6,2.04,2.5,1.87,1.34,2.12,1.73,2.15,1.54,2.03,1.64,1.57,2.13,2.25,2.59,2.2
6,1.76)
Số trung bình
> mean(pH)
[1] 3.835882
> mean(TL)
[1] 7.291176
> mean(cr)
[1] 18.08135
> mean(ac)
[1] 8.012353
> mean(dkd)
[1] 2.379412
> mean(dkn)
[1] 1.948235
Số trung vị
> median(pH)
[1] 3.9
> median(TL)
[1] 7.33
> median(cr)
[1] 17.7
> median(ac)
[1] 8.03
> median(dkd)
[1] 2.42
> median(dkn)
[1] 2.03
Độ lệch chuẩn
> sd(pH)
[1] 0.4404835
> sd(TL)
[1] 2.119153
> sd(cr)
[1] 1.872291
> sd(ac)
[1] 0.4783765
> sd(dkd)
[1] 0.4392674
> sd(dkn)
[1] 0.3542639
Sai số chuẩn
> se(pH)
[1] 0.106833
> se(TL)
[1] 0.124656
> se(cr)
[1] 0.454069
> se(ac)
[1] 0.116795
> se(dkd)
[1] 0.105299
> se(dkn)
[1] 0.085922
Phương sai
> var(pH)
[1] 0.1940257
> var(TL)
[1] 4.490811
> var(cr)
[1] 3.505475
> var(ac)
[1] 0.2288441
> var(dkd)
[1] 0.1929559
> var(dkn)
[1] 0.1255029

You might also like