2.5. Multivariate analysisTo reveal

2.5. Multivariate analysis
To reveal the relationship among different gentian samples
according to compositions of secondary metabolites, and to identify
the main constituents influencing variability, the composition
data matrix of twenty samples (6 variables 20 samples = 120
data) was analysed using principal component analysis (PCA) with
STATISTICA 7.1 (Stat Soft Italia srl, 2005, www.statsoft.it). Eigenvalues
were calculated using a covariance matrix among 6 chemical
compounds as input, and the two-dimensional PCA biplot,
including both samples of different origin and compounds, was
generated.

ผลลัพธ์ (ไทย) 2:

2.5 การวิเคราะห์หลายตัวแปรเผยให้เห็นความสัมพันธ์ระหว่างกลุ่มตัวอย่างพืชจำพวกดีมังกรที่แตกต่างกันไปตามองค์ประกอบของสารทุติยภูมิและเพื่อระบุองค์ประกอบหลักที่มีอิทธิพลต่อความแปรปรวนขององค์ประกอบเมทริกซ์ข้อมูลยี่สิบตัวอย่าง(6 ตัวแปร 20 ตัวอย่าง = 120 ข้อมูล) ได้รับการวิเคราะห์โดยใช้การวิเคราะห์องค์ประกอบหลัก (PCA ) กับSTATISTICA 7.1 (สถิติของซอฟท์ SRL Italia 2005 www.statsoft.it) ค่าลักษณะเฉพาะได้รับการคำนวณโดยใช้เมทริกซ์ความแปรปรวนในหมู่ 6 สารเคมีสารเป็นinput และ biplot PCA สองมิติรวมถึงตัวอย่างทั้งแหล่งกำเนิดที่แตกต่างกันและสารประกอบที่ถูกสร้างขึ้น

ผลลัพธ์ (ไทย) 3:

2.5
การวิเคราะห์ตัวแปรหลายตัวที่จะเปิดเผยความสัมพันธ์ระหว่างตัวอย่างยาฆ่าเชื้อโรคชนิดหนึ่งมีแตกต่างกัน
ตามองค์ประกอบของสารทุติยภูมิและเพื่อระบุองค์ประกอบหลักที่มีอิทธิพลต่อความแปรปรวน

ข้อมูล องค์ประกอบของเมทริกซ์ 20 ตัวอย่าง ( 6 ตัวแปร 20 คน = 120
ข้อมูลวิเคราะห์โดยใช้การวิเคราะห์องค์ประกอบหลัก ( PCA ) ด้วย
statistica 7.1 ( stat นุ่มอิตาลี เป็นต้น , 2005 , wwwStatSoft มัน ) คำนวณโดยใช้ค่า
6
สารเคมีเมตริกซ์ของความเป็น input และสองมิติ biplot PCA , รวมทั้งตัวอย่างของประเทศ
แตกต่างกันและสารประกอบ ,

สร้าง