2.2. Statistical analysesRaw data f

2.2. Statistical analyses
Raw data from the data recording systems (Agilent data acquisition
and control unit (DAU)) for beef was loaded into a spreadsheet.
The raw temperature data for each sample was extracted from the
complete data set adjusted using the pure water calibration point
for each individual thermocouple, and placed in a separate spreadsheet
headed with sample number and measured pH. The data was
then sorted by pH and grouped into low (pHb5.8) and high
(pH>6.2) ultimate pH (pHu). The data for each pH range was then averaged
and at this point a 43 data point rolling average was applied to
all the temperature data to smooth the data. The original data, adjusted
for the thermocouple calibrations, was used for the statistical analysis.
A Bayesian smoothing technique (Upsdell, 1994) was used to
estimate the splines and their least significant intervals (Pb0.05).
If intervals do not overlap then the splines are significantly different at
the 5% level of significance

ผลลัพธ์ (ไทย) 1:

2.2 การวิเคราะห์ทางสถิติ
ข้อมูลดิบจากระบบการบันทึกข้อมูล (เก็บข้อมูล agilent
และหน่วยควบคุม (Dau)) เนื้อถูกโหลดลงในกระดาษคำนวณ.
ข้อมูลอุณหภูมิดิบสำหรับแต่ละตัวอย่างถูกสกัดจาก
ชุดข้อมูลที่สมบูรณ์ปรับใช้บริสุทธิ์ จุดสอบเทียบน้ำ
สำหรับแต่ละวัดแต่ละและวางไว้ในกระดาษคำนวณแยก
มุ่งหน้าไปยังมีจำนวนตัวอย่างและวัด ph ข้อมูลที่ถูกจัดเรียง
แล้วโดย ph และแบ่งออกเป็นต่ำ (phb5.8) และสูง
(ph> 6.2) ph สูงสุด (ภู) ข้อมูลสำหรับแต่ละช่วง ph คือเฉลี่ยแล้ว
และที่จุดนี้ 43 ข้อมูลชี้เฉลี่ยกลิ้งถูกนำไปใช้
ข้อมูลทั้งหมดที่อุณหภูมิให้เรียบข้อมูล ข้อมูลเดิมการปรับ
เพื่อการสอบเทียบวัดที่ถูกนำมาใช้สำหรับการวิเคราะห์ทางสถิติ.
เทคนิคเรียบ bayesian (upsdel​​l, 1994) ถูกใช้ในการประเมิน
ร่องและช่วงเวลาอย่างน้อยอย่างมีนัยสำคัญของพวกเขา (pb0.05)
ถ้าช่วงเวลาที่ไม่ทับซ้อนแล้วร่องที่แตกต่างกันอย่างมีนัยสำคัญที่
ระดับ 5% ของความสำคัญ

ผลลัพธ์ (ไทย) 2:

2.2 สถิติวิเคราะห์
ข้อมูลดิบจากระบบบันทึกข้อมูล (Agilent ข้อมูลซื้อ
และหน่วยควบคุม (เดา)) สำหรับเนื้อถูกโหลดลงในกระดาษ
ข้อมูลอุณหภูมิวัตถุดิบแต่ละอย่างถูกสกัดจาก
สมบูรณ์แบบข้อมูลปรับใช้จุดเทียบน้ำบริสุทธิ์
สำหรับ thermocouple แต่ละแต่ละ และวางลงในกระดาษแยกต่างหาก
หัวมีตัวอย่าง และวัดค่า pH ข้อมูลถูก
แล้วเรียงลำดับตามค่า pH และจัดต่ำ (pHb5.8) และ high
(pH>6.2) (ภู) ค่า pH ที่ดีที่สุด ข้อมูลสำหรับแต่ละช่วงการวัดได้แล้ว averaged
จุดนี้ จุดข้อมูล 43 กลิ้งเฉลี่ยถูกนำมาใช้กับ
ข้อมูลอุณหภูมิให้เรียบข้อมูล ข้อมูลเดิม ปรับปรุง
เสริม thermocouple ถูกใช้สำหรับการวิเคราะห์ทางสถิติ
ทฤษฎีการปรับให้เรียบ (Upsdell, 1994) เทคนิคที่ใช้
ประมาณ splines และช่วงเวลาความสำคัญน้อยที่สุด (Pb0.05)
ถ้าช่วงทับซ้อนกัน แล้ว splines จะแตกต่างกันอย่างมีนัยสำคัญที่
5% ระดับความสำคัญ

ผลลัพธ์ (ไทย) 3:

2.2 . การวิเคราะห์ข้อมูลทางสถิติ
ข้อมูลดิบจากข้อมูลการบันทึกระบบ(, Agilent ,ข้อมูลการซื้อ
และชุดควบคุม( dau ))สำหรับเนื้อจะถูกโหลดเข้าไปในที่สเปรดชีท.
ที่วัตถุดิบ อุณหภูมิ สำหรับการใช้ข้อมูลแต่ละตัวอย่างก็ถูกแยกออกมาจากที่
ซึ่งจะช่วยให้ข้อมูลตั้งค่าปรับการใช้น้ำเย็นที่สะอาดบริสุทธิ์การปรับจุด
แต่ละรุ่น Thermocouple และวางในสเปรดชีทที่แยกต่างหาก
หัวพร้อมด้วยหมายเลขและลิ้มลองวัดดร. ข้อมูลถูกเรียงตามหมายเลขและจัดกลุ่มในระดับต่ำ( phb 5.8 )และสูง
( PH > 6.2 )สุดยอด PH ( ภู )
แล้ว ข้อมูลสำหรับแต่ละช่วงค่า pH
ซึ่งจะช่วยเป็นค่าเงินบาทเฉลี่ยอยู่แล้วและที่จุดนี้เฉลี่ย 43 ข้อมูลจุดเชื่อมต่อเป็นลอนคลื่นที่ถูกนำไปใช้กับข้อมูลทั้งหมด
ซึ่งจะช่วยปรับ อุณหภูมิ ไปที่ข้อมูลที่เรียบลื่น ข้อมูลเดิมที่ปรับ
สำหรับ calibrations Thermocouple ที่ถูกใช้ในการวิเคราะห์ข้อมูลทางสถิติที่.
การปรับความคมชัดของเทคนิค Bayesian ( upsdell 1994 )ได้นำมาใช้ในการ
ประมาณ splines และอย่างน้อยในแต่ละช่วงอย่างมีนัยสำคัญของพวกเขา( PB 0.05 )
หากในแต่ละช่วงจะไม่ทับซ้อนแล้ว splines จะมีความแตกต่างกันอย่างเห็นได้ชัดในระดับ 5%
ซึ่งจะช่วยให้มีความสำคัญ