Statistical analysisAs the one-way

Statistical analysis
As the one-way ANOVA results showed that ten vegetable oils
have a statistically significant difference (P < 0.05) on the solubility
of each VAC at the 95% confidence level, mean values were further
transformed using MATLAB 2013a (The MathWorks, Inc. Natick,
Massachusetts, USA). Firstly, a principal component analysis (PCA)
was performed to reduce the dimensionality of our data set (individuals:
vegetable oils; variables: VACs) by linear combination
into new coordinate systems which are completely uncorrelated
with each other. The mean concentrations in ten oily extracts were
taken for the determination of principal components so as to
compare the solubility of ten vegetable oils in a two-dimensional
graph. Subsequently, an agglomerative hierarchical clustering
(AHC) was applied to classify the closest individuals into clusters
according to an aggregation criterion. The Ward's hierarchical
clustering was used to calculate dissimilarities from the Euclidean
distances and aggregation criterion corresponding to the minimization
of the within-cluster inertia and the maximization of
between-cluster inertia. This method led to a partition of vegetable
oils into homogenous clusters (low within-variability) in terms of
concentrations of six VACs extracted, which are different from
others with a high between-variability. A dendrogram was finally
obtained to illustrate the aggregations made at each successive
stage of the analysis

ผลลัพธ์ (ไทย) 1:

การวิเคราะห์ทางสถิติANOVA เดียวผลลัพธ์แสดงที่สิบน้ำมันพืชมีความแตกต่างอย่างมีนัยสำคัญทางสถิติ (P < 0.05) บนละลายของแต่ละ VAC ที่ระดับความเชื่อมั่น 95% หมายถึงค่าได้ต่อไปเปลี่ยนใช้ MATLAB 2013a (MathWorks, Inc. Natickแมซซาซูเสท์ สหรัฐอเมริกา) ประการแรก การวิเคราะห์ส่วนประกอบหลัก (PCA)ดำเนินการลดมิติของชุดข้อมูลของเรา (บุคคล:น้ำมันพืช ตัวแปร: VACs) โดยผลรวมเชิงเส้นในระบบพิกัดใหม่ที่สมบูรณ์ uncorrelatedกับแต่ละอื่น ๆ มีความเข้มข้นเฉลี่ยในสารสกัดมันสิบดำเนินการในการกำหนดหลักประกอบนั้นเป็นไปเปรียบเทียบการละลายของน้ำมันพืช 10 ในแบบสองมิติกราฟ ต่อมา การ agglomerative ลำดับคลัสเตอร์(เอเอชซี) ถูกใช้เพื่อจัดประเภทบุคคลที่เป็นกลุ่มตามเกณฑ์การการรวม ผู้ป่วยของลำดับชั้นคลัสเตอร์ใช้ในการคำนวณ dissimilarities จาก Euclideanระยะทางและเงื่อนไขการรวมที่สอดคล้องกับมาตรการการแรงเฉื่อยในคลัสเตอร์และรายไดระหว่างคลัสเตอร์เฉื่อย วิธีนี้นำพาร์ติชันของผักน้ำมันเข้าเป็นเนื้อเดียวกันกลุ่ม (ต่ำภายในความแปรปรวน) ในแง่ของความเข้มข้นของ VACs หกแยก ซึ่งแตกต่างจากคนอื่น ๆ มีความสูงระหว่างความแปรปรวน Dendrogram ถูกสุดรับแสดงรวมที่ทำในแต่ละครั้งขั้นตอนของการวิเคราะห์

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ทางสถิติ
ในฐานะที่เป็นทางเดียวผลการวิเคราะห์ความแปรปรวนพบว่าสิบน้ำมันพืช
มีความแตกต่างอย่างมีนัยสำคัญทางสถิติ (p <0.05) จากการละลาย
ของแต่ละ VAC ที่ระดับความเชื่อมั่น 95% ค่าเฉลี่ยที่ได้รับต่อไป
เปลี่ยนโดยใช้ MATLAB 2013a (ใน MathWorks, Inc . เนติก,
แมสซาชูเซต, ประเทศสหรัฐอเมริกา) ประการแรกการวิเคราะห์องค์ประกอบหลัก (PCA)
ได้ดำเนินการเพื่อลดมิติของชุดข้อมูลของเรา (บุคคล:
น้ำมันพืชตัวแปร: Vacs) โดยการรวมกันเชิงเส้น
ใหม่เข้าสู่ระบบที่มีความสมบูรณ์ uncorrelated ประสานงาน
กับแต่ละอื่น ๆ ความเข้มข้นเฉลี่ยของสารสกัดจากน้ำมันสิบถูก
นำสำหรับการกำหนดองค์ประกอบหลักเพื่อ
เปรียบเทียบการละลายของน้ำมันพืชสิบในสองมิติ
กราฟ ต่อมามีการจัดกลุ่ม agglomerative ลำดับชั้น
(AHC) ถูกนำมาใช้ในการจำแนกบุคคลที่อยู่ใกล้ที่สุดเข้ากลุ่ม
ตามเกณฑ์รวม ของวอร์ดลำดับชั้น
การจัดกลุ่มที่ถูกใช้ในการคำนวณความแตกต่างจากยุคลิด
ระยะทางและเกณฑ์การรวมตัวที่สอดคล้องกับการลด
ของความเฉื่อยภายในคลัสเตอร์และสูงสุดของ
ความเฉื่อยระหว่างคลัสเตอร์ วิธีการนี้จะนำไปสู่การแบ่งผัก
น้ำมันเข้าไปในกลุ่มเนื้อเดียวกัน (ต่ำภายในแปรปรวน) ในแง่ของ
ความเข้มข้นของหก Vacs สกัดที่แตกต่างจาก
คนอื่น ๆ ที่มีความสูงระหว่างแปรปรวน dendrogram ที่สุดก็
ได้แสดงให้เห็นถึงการรวมที่ทำต่อเนื่องในแต่ละ
ขั้นตอนของการวิเคราะห์