统计分析在食品感官品评重要性.PPT

一因子變異數分析（完全隨機化設計）與二因子變異數分析（隨機化區集設計） 一因子變異數分析 二因子變異數分析 處理均值之比較測驗 最小顯著差異測驗法 鄧氏新多變域測驗法 紐曼－柯爾測驗法 特奇公正顯著差異法 謝費氏S法 最小顯著差異測驗法 鄧氏新多變域測驗法 紐曼－柯爾測驗法 特奇公正顯著差異法 謝費氏S法 變異數分析例題 食品感官品評資料的統計分析 第一節　如何確保官能品評結果的可信度 第二節　資料特性與統計分析方法的關係 第三節　統計分析在食品感官品評重要性 如何確保官能品評結果的可信度 容易發生錯誤的原因 使用不恰當的試驗設計(目標不明瞭) 忽略試驗之間可能存在的差異性(方法錯誤) 品評人數不足夠或缺乏訓練 選用不適當的統計方法 為減少錯誤，進行感官品評前應瞭解試驗目的，然後選擇正確的感官品評方法，獲得品評試驗資料特性清楚分類，再以合適的統計方法進行分析 資料特性與統計分析方法的關係 資料可分為四類 計量的資料 計數的資料 有序的資料 名義的資料 資料也可分為兩類 定量資料（計量的和計數的） 定性資料（有序的和名義的） 資料特性 計量的資料 資料特點：連續且有單位的 例如濃度、質量、溫度等 計數的資料 資料特點：非負整數 例如員工人數、喜好的人數等 資料特性 有序的資料 既無法計量，也無法計數 例如顏色、好吃與否、喜歡程度等，只能評出一個順序，而無法量化 通常為標記方便，往往將這類有序的量用等級1,2,3….來表示，這些整數實際上是反映出偏好或深淺的程度，並不具有計數的意義 資料特性 名義的資料 不計量的、計數的，也不是有序的，而僅僅是一個名義值 例如給不同顏色、性別等賦以代號或代碼等 這些代號值只是名義的作用，與順序、大小並無統計意義 資料特性 定量資料（計量的和計數的） 定量資料的統計分析是與連續(計量)或離散(計數)的隨機變量的分布有關 一般的統計教科書，這是主要的論述對象 定性資料（有序的和名義的） 定性資料的統計分析，一般統計教材書籍則較少提及；非介量統計分析 實際問題，把定性資料數量化，全部作為定量資料處理 定性資料的數量化方法不相同，所得結論是否會與數量化方法有關，使人產生疑慮 尋求一種與數量化不相干的分析方法十分重要 感官能品評的資料特性 由於官能品評的資料型態通常是好吃與否、喜歡程度、或是等級的比較資料 資料屬性大多為有序或計數的資料，偶而有些為名義資料 統計分析，有將其數量化後當作定量資料處理的方式，也有將定性資料直接利用非介量統計方法來分析 介量與非介量統計 資料在族群分布狀態 介量（parameter，或稱母數、參數）統計 非介量統計分析或無母數統計（nonparametric statistics） 介量(parameter)統計 大多數的假設檢定比較事物間的差異 都是在族群分布為常態（normal distribution）以及變方為同質的前提進行分析 一般進行統計分析，針對有特定分布的計量資料，根據所求得的平均值及標準差等之介量(母數、參數)建立統計方法推論 通常可獲得正確結論而且效率也較高 或可利用變數轉換(transformation)將資料轉化為常態分布 非介量統計分析(無母數統計) 統計上，常見的卡方（χ2）測驗，資料沒有一定的分布，所以並不強調資料的分布型態，故沒有特定的前提或假設 這類資料大都是計數資料，它沒有平均值及變方，因此也就無須估算特定的參數，也不以介量為推論對象 除了卡方測驗以外，非介量統計分析法中根據樣品的順序統計量的「序」為基礎的測驗方法，處理的對象就是有序資料 非介量統計分析(無母數統計) 配對比較法與三角試驗法皆屬表名式(標稱式)數據(nominal)：(是不是、喜歡不喜歡) 通常以二項式檢定(binominal test)進行分析 已有學者將資料整理成為檢定表，實務運用僅查表即可 順位法數據為次序式(ordinal)數據，通常以卡方檢定或Kramer檢定表格查閱 介量性(parameter)數據分析 先決條件：具有重複的執行，統計模式 兩組樣品比較： Student’s test檢定，以樣品平均值比較，計算 t值，再查檢定表 兩個以上樣品比較： 使用變方分析(ANOVA) 變方分析(ANOVA) Analysis of variance，簡稱ANOVA 常見的統計模型 主要為探討連續型(Continuous)資料型態之依變項(Dependent variable)與類別型資料型態之自變項(Independent variable)的關係 當自變項內包含等於或超過三組以上的類別分組情況下，檢定其各組平均數是否相等的統計模式 變方分析(ANOVA) 變異數分析依靠F-分布為機率分布的依據，利用平方和(Sum of square)與自由度(Degree of