《3.第六章 感官分析统计方法学.ppt

  1. 1、本文档共69页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
《3.第六章 感官分析统计方法学

第六章 感官分析统计方法学 统计学是感官研究的一个重要组成部分,要成为一名专业感官研究人员,必须具备比较全面的统计学知识。 感官评价中误差产生的根源: 不同的人,生理构造有差异 环境因素的影响 人们在语言表达上有所差别,使用标度的方式也不同 结果分析中图的好处 在统计学中把利用统计图形表现统计资料的方法叫做统计图示法。其特点是:形象具体、简明生动、通俗易懂、一目了然。 “条形图”的特点是对各个时期或时点的数据有直接对比的作用,对其数值大小,一目了然。 “折线图”的特点是对时期数列的数据的运动轨迹以及发展趋势有较强的指示作用。 “扇形图”的特点是对数据中的各个分组的大小和结构有明显的比较作用。 统计表的作用是: ①用数量说明研究对象之间的相互关系。 ②用数量把研究对象之间的变化规律显著地表示出来。 ③用数量把研究对象之间的差别显著地表示出来。这样便于人们用来分析问题和研究问题。 图的误用 美国国家食品药品管理局(FDA)要求新药的研发试验中,必须有统计学家来指导研究的设计、数据的分析、报告的呈递等。 统计学在感官分析中的应用 描述:结果的简单描述(数据的收集、加工处理、显示方法、分布特征的概括等) 推论:为实验处理提供根据 衡量:估计变量间的相关程度(研究如何根据样本信息来推断总体的特征) 研究的过程 图表描述 条形图、柱形图、折线图、雷达图、 箱线图等。 数据描述 集中程度:平均数 变异程度:标准差 分布的对称、陡峭程度;偏斜度、峭度 推论 剔除极端值/缺失值 选择显著性水平 统计试验 通过检验样本平均数、标准差、方差、相关系数与相应的总体参数或样本统计量之间是否存在差异,进而检验样本与总体或样本与样本之间是否存在显著差异,并得出结论和对结论进行推论。 常用统计数据的计算 1、数值的计算 (1)平均值:是对数据分布的中心/中心趋势的估计,公式为: (2)样本标准差:是对平均值的波动幅度或覆盖范围的估计,公式为: (3)中值:在所有数据中排序处于中间位置的数值。 (4)标准误差:SE=S/(n)1/2 S为样本的标准差 2、置信区间 置信区间是某参数真实值的可能变化范围,可用来判断数值是否精确 试验敏感参数 α,也叫α-风险,是统计学上的名词,他的定义是错误的估计两者之间的差别存在的可能性,也叫第Ⅰ类错误。 β,也叫β-风险,他的定义是错误估计两者之间的差异不存在的可能性,也叫第Ⅱ类错误。 Pd,是指能够分辨出差异的人数比例。 在统计学上 α值在10%~5%(0.1~0.05),表明存在的差异程度是中等。 α值在5%~1%(0.05~0.01),表明存在的差异程度是显著。 α值在1%~0.1%(0.01~0.001),表明存在的差异程度是非常显著。 α值低于0.1%(<0.001),表明存在的差异程度是特别显著。 β值的范围在表明差异不存在的程度上,同α值有着同样的规定。 Pd 值的范围意义如下: Pd 值<25%表示比例比较小,即能够分辨出差异的人的比例比较小。 25%<Pd 值<35%表示能够分辨出差异的人的比例中等。 Pd 值>35%表示能够分辨出差异的人的比例较大。 假设检验 统计假设检验也称为显著性检验,即指样本统计量和假设的总体参数之间的显著性差异。 假设检验时提出的假设称为原假设或无效假设,就是假定样本统计量与总体参数的差异都是由随机因素引起,不存在条件变动因素。 假设检验的基本思路 首先,对总体参数值提出假设(原假设); 然后,利用样本数据提供的信息来验证所提出的假设是否成立(统计推断)。 如果样本数据提供的信息不能证明上述假设成立,则证明该假设为错误; 如果样本数据提供的信息不能证明上述假设不成立,则证明该假设成立。 假设检验的基本步骤 提出原假设(或称“零假设”,H0); 选择检验统计量; 根据样本数据计算检验统计量观测值的发生概率(相伴概率,p); 根据给定的小概率事件界定标准(显著性水平,如0.05,0.01)做出统计推断。 为什么要设计并计算检验统计量? 在假设检验中,样本值(或更极端的取值)发生的概率不能直接通过样本数据计算,而是通过计算检验统计量观测值的发生概率而间接得到的。 所设计的检验统计量一般服从或近似服从某种已知的理论分布(如t-分布、F-分布、卡方分布),易于估算其取值概率。 对于不同的假设检验和不同的总体,会有不同的选择检验统计量的理论和方法。 计算检验统计量观测值的发生概率 在假定原假设成立的前提下,利用样本数据计

文档评论(0)

zhuanyewd + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档