Phương pháp tách chiết ở khoảng không kết hợp với phổ sắc ký khối lượng khí đốt đã được áp dụng để xác định các hợp chất dễ bay hơi trong 30 mẫu cà phê. Để phân biệt và đặc trưng cà phê Arabica và Robusta, sáu các hợp chất dễ bay hơi được lựa chọn để phân tích. Theo phương pháp phân tích thành phần chính (PCA) đã được áp dụng để phân tích sắc ký và xử lý dữ liệu. | Chào mừng thầy và các bạn đến bài báo cáo của nhóm 3 CHỦ ĐỀ: Coffee aroma – statistical analysis of compositional data. Phân tích thành phần hương thơm cà phê GVHD: ThS. Nguyễn Văn Tặng NHÓM TH: Nhóm 3 LỚP : 51TP2 TRƯỜNG ĐẠI HỌC NHA TRANG KHOA CÔNG NGHỆ THỰC PHẨM A. Lời mở đầu Phương pháp tách chiết ở khoảng không kết hợp với phổ sắc ký khối lượng khí đốt đã được áp dụng để xác định các hợp chất dễ bay hơi trong 30 mẫu cà phê. Để phân biệt và đặc trưng cà phê Arabica và Robusta, sáu các hợp chất dễ bay hơi được lựa chọn để phân tích. Theo phương pháp phân tích thành phần chính (PCA) đã được áp dụng để phân tích sắc ký và xử lý dữ liệu. I. Giới thiệu Phương pháp Phân tích thành phần chính (PCA), được sử dụng rộng rãi để phân tích kết quả của các phép đo hóa chất. Mục tiêu chính của PCA là giảm bộ dữ liệu chiều cao bằng cách giữ lại càng nhiều càng tốt của các biến thể có trong dữ liệu. PCA được thiết kế để chuyển đổi các biến ban đầu thành biến mới, các biến không tương quan (trục) . | Chào mừng thầy và các bạn đến bài báo cáo của nhóm 3 CHỦ ĐỀ: Coffee aroma – statistical analysis of compositional data. Phân tích thành phần hương thơm cà phê GVHD: ThS. Nguyễn Văn Tặng NHÓM TH: Nhóm 3 LỚP : 51TP2 TRƯỜNG ĐẠI HỌC NHA TRANG KHOA CÔNG NGHỆ THỰC PHẨM A. Lời mở đầu Phương pháp tách chiết ở khoảng không kết hợp với phổ sắc ký khối lượng khí đốt đã được áp dụng để xác định các hợp chất dễ bay hơi trong 30 mẫu cà phê. Để phân biệt và đặc trưng cà phê Arabica và Robusta, sáu các hợp chất dễ bay hơi được lựa chọn để phân tích. Theo phương pháp phân tích thành phần chính (PCA) đã được áp dụng để phân tích sắc ký và xử lý dữ liệu. I. Giới thiệu Phương pháp Phân tích thành phần chính (PCA), được sử dụng rộng rãi để phân tích kết quả của các phép đo hóa chất. Mục tiêu chính của PCA là giảm bộ dữ liệu chiều cao bằng cách giữ lại càng nhiều càng tốt của các biến thể có trong dữ liệu. PCA được thiết kế để chuyển đổi các biến ban đầu thành biến mới, các biến không tương quan (trục) gọi là thành phần chủ yếu. Kết quả của PCA, có thể hình dung bằng cách sử dụng biplot Cách phổ biến nhất để thể hiện dữ liệu hóa học là trình bày chúng dưới dạng tỷ lệ phần trăm. Một yêu cầu quan trọng trong phương pháp PCA là phải lưu tâm hơn tới thang điểm tương đối của mình. Sử dụng các phương pháp tiếp cận logratio để phân tích biểu diển PCA. II. Nhắc lại lý thuyết Một phần của thành phần D được xác định bởi vectơ: x = [x1, x2, , xD], hàng của dữ liệu ma trận X, khi tất cả các thành phần của nó đúng là số thực và nó chỉ mang thông tin tương đối. Để đơn giản hóa việc sử dụng của các thành phần là trình bày chúng trong hình thức đóng, tức là vectơ dương với tổng số k là hằng số của các thành phần. Sự phân tán trong tập hợp dữ liệu liên quan đến thành phần có thể được mô tả bởi các biến, được định nghĩa là: ij= var (ln ), i,j= 1, ., D Trong phạm vi mục đích bài báo, chúng tôi sẽ xem xét sự biến đổi dữ liệu logarit , ở đây thành phần x được chuyển đổi thành dữ liệu y với: Y= [ y1, y2,
