【正文】 的不同 ? 而大蒜和菠蘿風(fēng)味的樣品在喜愛(ài)程度上沒(méi)有差別，由于它們的排序和小，表明它們比薄荷風(fēng)味樣品更受喜歡。 ? 以上 手工計(jì)算可利用 Excel軟件，點(diǎn)擊“工具” ―數(shù)據(jù)分析” ―t檢驗(yàn)：平均值的成對(duì)二樣本分析” （ 2）統(tǒng)計(jì)學(xué)的推論功能 ? 例子 2： ? Excel軟件計(jì)算結(jié)果如下： t 檢驗(yàn) : 成對(duì)雙樣本均值分析 變量 1 變量 2 平均 1 9. 1 2 0. 1 方差 3 .2 111 11 111 3 .6 55 5 55 556 觀測(cè)值 10 10 泊松相關(guān)系數(shù) 0 .0 616 17 877 假設(shè)平均差 0 df 9 t S tat 1. 245 68 219 8 P (T =t ) 單尾 0 .1 221 66 572 t 單尾臨界 1 .8 331 12 923 P (T =t ) 雙尾 0 .2 443 33 144 t 雙尾臨界 2 .2 621 57 158 （ 2）統(tǒng)計(jì)學(xué)的推論功能 ? 例子 3： ? 由 2個(gè)評(píng)價(jià)小組， 1個(gè)來(lái)自企業(yè) QC評(píng)價(jià)小組， 1個(gè)來(lái)自研究機(jī)構(gòu)，評(píng)價(jià)對(duì)象為香辛料產(chǎn)品中添加的胡椒的辣度。 ? 對(duì)于給定的概率水平，查自由度為（ s1， s（ n1））的 F分布表得臨界值 Fα，當(dāng) F≥Fα?xí)r，說(shuō)明小概率事件發(fā)生了，而這種一次試驗(yàn)中小概率事件居然能發(fā)生，說(shuō)明原假設(shè)不真，即認(rèn)為因素 A的差異對(duì)試驗(yàn)結(jié)果的影響有顯著性。 ? cards。 ? 評(píng)價(jià)在有分隔小間的感官評(píng)定室中進(jìn)行，在日光燈下，每次只提供一個(gè)樣品，水作味覺(jué)凈化劑，對(duì) 4個(gè)蜂蜜樣品進(jìn)行評(píng)價(jià)。例如，如果下一個(gè)樣品的甜度是第一個(gè)樣品的 2倍，則給該樣品定值為第一個(gè)樣品的 2倍；如果甜度是第一個(gè)樣品的一半，則給其定值為第一個(gè)樣品的一半。 量值估計(jì)標(biāo)度 ? 賦予參照樣固定數(shù)值模數(shù)的量值估計(jì) ? 可以使用任意的正數(shù)，包括分?jǐn)?shù)和小數(shù)。其他中間點(diǎn)也可以標(biāo)出來(lái)。 ? 多重差異比較目前最常用的是鄧肯氏新復(fù)極差測(cè)驗(yàn)法（ Duncan’s New Multiple rang test）。 ? 方差即是 SD2（ SD也寫成 S為標(biāo)準(zhǔn)偏差）： 1/)(1)( 2222?????? ? ??nNxxNMxS自由度處理內(nèi)變差平方和自由度處理的變差平方和誤差方差處理方差//??F（ 2）統(tǒng)計(jì)學(xué)的推論功能 ? 例子 4——單因素試驗(yàn)的方差分析 ? 只讓一個(gè)因素 A變化（自變量取不同水平），這種試驗(yàn)稱為單因素試驗(yàn)。 （ 2）統(tǒng)計(jì)學(xué)的推論功能 ? 例子 1： ? D、 做出統(tǒng)計(jì)推理： ? 因此，我們做出無(wú)差異的假設(shè)是錯(cuò)誤的。 排序標(biāo)度 ? 例子 ? 某一干酪制造商想在當(dāng)前普遍的低脂肪干酪品種以外再開發(fā)比較有風(fēng)味的干乳酪。 四、測(cè)量技術(shù) ? 測(cè)量理論告訴我們對(duì)于事件可以有不同的賦值方式，常用的賦值方式有： ? 排序標(biāo)度 ? 類項(xiàng)標(biāo)度 ? 線性標(biāo)度 ? 量值估計(jì)標(biāo)度 四、測(cè)量技術(shù) ? 排序標(biāo)度 ? 用數(shù)字 按指定特性的強(qiáng)度或程度排出樣品順序 ? 該方法中，數(shù)值并不能告訴我們關(guān)于產(chǎn)品間相對(duì)的差別大?。? ? 排在第四的產(chǎn)品某種感官?gòu)?qiáng)度并不一定就是排在第一的產(chǎn)品的 1/4，它與排在第三的產(chǎn)品間的差別也不一定就和排在第三與第二的產(chǎn)品間的差別相同。 B as ker 表 排序 和之間差別的臨界值（ p=0 .0 5 ） 排列產(chǎn)品數(shù) 評(píng)價(jià) 員數(shù) 2 3 4 5 6 7 8 9 10 20 8 .8 1 4. 8 2 1. 0 2 7. 3 3 3. 7 4 0. 3 4 7. 0 5 3. 7 6 0. 6 21 9 .0 1 5. 2 2 1. 5 2 8. 0 3 4. 6 4 1. 3 4 8. 1 5 5. 1 6 2. 1 22 9 .2 1 5. 5 2 2. 0 2 8. 6 3 5. 4 4 2. 3 4 9. 2 5 6. 4 6 3. 5 23 9 .4 1 5. 9 2 2. 5 2 9. 3 3 6. 2 4 3. 2 5 0. 3 5 7. 6 6 5. 0 24 9 .6 1 6. 2 2 3. 0 2 9. 9 3 6. 9 4 4. 1 5 1. 4 5 8. 9 6 6. 4 25 9 .8 1 6. 6 2 3. 5 3 0. 5 3 7. 7 4 5. 0 5 2. 5 6 0. 1 6 7. 7 26 1 0. 0 1 6. 9 2 3. 9 3 1. 1 3 8. 4 4 5. 9 5 3. 5 6 1. 3 6 9. 1 27 1 0. 2 1 7. 2 2 4. 4 3 1. 7 3 9. 2 4 6. 8 5 4. 6 6 2. 4 7 0. 4 28 1 0. 4 1 7. 5 2 4. 8 3 2. 3 3 9. 9 4 7. 7 5 5. 6 6 3. 6 7 1. 7 29 1 0. 6 1 7. 8 2 5. 3 3 2. 8 40 .6 4 8. 5 5 6. 5 6 4. 7 7 2. 9 30 1 0. 7 1 8. 2 2 5. 7 3 3. 4 4 1. 3 4 9. 3 5 7. 5 6 5. 8 7 4. 2 31 1 0. 9 1 8. 5 2 6. 1 3 4. 0 4 2. 0 5 0. 2 5 8. 5 6 6. 9 7 5. 4 32 1 1. 1 1 8. 7 2 6. 5 3 4. 5 4 2. 6 5 1. 0 5 9. 4 6 8. 0 7 6. 6 33 1 1. 3 1 9. 0 2 6. 9 3 5. 0 4 3. 3 5 1. 7 6 0. 3 6 9. 0 7 7. 8 ?34 1 1. 4 1 9. 3 2 7. 3 3 5. 6 4 4. 0 5 2. 5 6 1. 2 7 0. 1 7 9. 0 35 1 1. 6 1 9. 6 2 7. 7 3 6. 1 4 4. 6 5 3. 3 6 2. 1 7 1. 1 8 0. 1 36 1 1. 8 1 9. 9 2 8. 1 3 6. 6 4 5. 2 5 4. 0 6 3. 0 7 2. 1 8 1. 3 37 1 1. 9 2 0. 2 2 8. 5 3 7. 1 4 5. 9 5 4. 8 6 3. 9 7 3. 1 8 2. 4 38 1 2. 1 2 0. 4 2 8. 9 3 7. 6 4 6. 5 5 5. 5 6 4. 7 7 4. 1 8 3. 5 39 1 2. 2 2 0. 7 2 9. 3 3 8. 1 4 7. 1 5 6. 3 6 5. 6 7 5. 0 8 4. 6 40 1 2. 4 2 1. 0 2 9. 7 3 8. 6 4 7. 7 5 7. 0 6 6. 4 7 6. 0 8 5. 7 41 1 2. 6 2 1. 2 3 0. 0 3 9. 1 4 8. 3 5 7. 7 6 7. 2 7 6. 9 8 6. 7 42 1 2. 7 2 1. 5 3 0. 4 3 9. 5 4 8. 9 5 8. 4 6 8. 0 7 7. 9 8 7. 8 43 1 2. 9 2 1. 7 3 0. 8 4 0. 0 4 9. 4 5 9. 1 6 8. 8 7 8. 8 8 8. 8 44 1 3. 0 2 2. 0 3 1. 1 4 0. 5 5 0. 0 5 9. 8 6 9. 6 7 9. 7 8 9. 9 45 1 3. 1 2 2. 2 3 1. 5 4 0. 9 5 0. 6 6 0. 4 7 0. 4 8 0. 6 9 0. 9 46 1 3. 3 2 2. 5 3 1. 8 4 1. 4 5 1. 1 6 1. 1 7 1. 2 8 1. 5 9 1. 9 47 1 3. 4 2 2. 7 3 2. 2 4 1. 8 5 1. 7 6 1. 8 7 2. 0 8 2. 4 9 2. 9 48 1 3. 6 2 3. 0 3 2. 5 4 2. 3 5 2. 2 2 .4 7 2. 7 8 3. 2 9 3. 8 ?49 1 3. 7 2 3. 2 3 2. 8 4 2. 7 5 2. 8