- •Методы исследования свойств и продуктов питания
- •Методы исследования свойств сырья и продуктов питания
- •ВвЕдение
- •1. Измерения и их классификация
- •1.1. Единицы измерения величин
- •1.2. Системы единиц
- •Кратные и дольные единицы по гост 1052-78
- •2. Статистический анализ измерений
- •2.1. Погрешности приближенных величин
- •2.2. Математическая статистика измерений
- •2.2.1. Параметры точности ряда измерений
- •Интегральная функция Лапласа
- •2.2.2. Анализ результатов экспериментов
- •2.3. Нахождение оптимальных параметров, применение методов планирования экспериментов
- •2.3.1. Схема Зайделя–Гаусса
- •2.3.2. Метод Бокса
- •2.3.3. Нахождение оптимальных параметров с помощью эвм
- •2.3.4. Пример оптимизации процесса приготовления пивного сусла
- •Матрица экспериментальных данных
- •2.3.5. Пример оптимизации использования питательной среды при культивировании пекарских дрожжей
- •Матрица экспериментальных данных
- •2.3.6. Аппроксимация экспериментальных данных
- •3. Отбор проб сырья, полуфабрикатов и пищевых продуктов для проведения исследований
- •3.1. Отбор проб сыпучих продуктов
- •3.1.1. Отбор проб из вагонов
- •3.1.2.Отбор проб из автомашин
- •3.1.3. Отбор проб из танкеров и барж
- •Размеры проб
- •3.1.4. Отбор проб от партии затаренных сыпучих продуктов
- •3.2. Отбор проб сыпучих продуктов при хранении
- •3.2.1. Отбор проб из бунтов
- •3.2.2. Отбор проб из силосов элеваторов
- •3.2.3. Отбор проб в производстве
- •4. Приемы подготовки проб к анализу
- •4.1. Подсушивание (высушивание)
- •4.2. Измельчение
- •4.2.1. Ступки
- •4.2.2. Терочные машины
- •4.2.3. Дисковые мельницы
- •4.2.4. Фрезерные измельчители
- •4.2.5. Комбинированные мельницы
- •4.2.6. Измельчители в жидкой среде
- •4.2.7. Выбор типа измельчительных устройств
- •4.3. Извлечение растворимых компонентов из твердых и пластичных материалов
- •4.3.1. Отжим
- •4.3.2. Извлечение растворителями
- •4.3.3. Специальные приемы извлечения растворимых компонентов
- •4.4. Разделение смеси различных веществ на компоненты
- •4.4.1. Простая перегонка
- •4.4.2. Ректификация
- •4.4.3. Молекулярная перегонка
- •4.4.4. Фракционирование кристаллизацией из растворов
- •5. Измерение кислотности и окислительно-восстановительного потенциала
- •5.1. Определение активной кислотности
- •5.2. Электрометрический метод определения рН
- •5.3. Определение рН при помощи рН-метра марки лпу-01
- •5.4. Колориметрический метод определения рН
- •Характеристика индикаторов для определения рН
- •5.5. Определение титруемой кислотности
- •5.5.1. Титрование с помощью индикаторов
- •5.5.2. Электрометрическое титрование
- •5.6. Определение окислительно-восстановительного потенциала
- •5.6.1. Электрометрический метод
- •5.6.2. Колориметрический метод
- •6. Рефрактометрия
- •6.1. Измерение показателя преломления
- •6.2. Измерения с помощью рефрактометров
- •6.3. Прецизионный рефрактометр
- •6.4. Погружаемый рефрактометр
- •7. Поляриметрия
- •7.1. Устройство поляриметров
- •Удельные вращения сахаров
- •7.2. Приготовление и осветление раствора анализируемого продукта
- •7.3. Методы поляриметрического определения
- •7.4. Определение крахмала методом Эверса
- •8. Колориметрия
- •8.1. Визуальные методы
- •8.2. Фотоэлектрический метод
- •Характеристика светофильтров спектрофотометров фэк-56
- •8.3. Люминесцентный анализ
- •8.3.1. Техника эксперимента и общие приемы анализа
- •8.3.2. Применение люминесцентного анализа в исследовании пищевых продуктов
- •8.4. Цвет и его измерение
- •8.4.1.Общие понятия и приемы измерения цвета
- •8.4.2. Методики определения цветности пищевых продуктов
- •Приготовление серии растворов йода
- •9. Хроматография
- •9.1. Адсорбционная молекулярная хроматография
- •9.2. Распределительная хроматография
- •9.2.1. Хроматография на бумаге
- •9.2.2. Хроматография на колонках
- •9.2.3. Газожидкостная хроматография
- •Характеристика неподвижной фазы
- •10. Электрофорез
- •11. Спектроскопия
- •11.1. Общие понятия и терминология
- •11.2. Эмиссионный спектральный анализ
- •11.3. Анализ элементов методом пламенной фотометрии
- •11.4. Анализ элементов в дуге
- •12. Молекулярный спектральный анализ
- •12.1. Общие сведения об электронных спектрах молекул
- •12.2. Приборы для регистрации электронных спектров поглощения и техника эксперимента
- •12.2.1. Ультрафиолетовая область
- •12.2.2. Видимая область
- •12.2.3. Использование инфракрасных спектров поглощения
- •12.3. Количественный анализ по спектрам поглощения в ультрафиолетовой, видимой и инфракрасной областях спектра
- •12.3.1. Анализ однокомпонентной смеси
- •12.3.2. Анализ двухкомпонентной смеси
- •13. Масс-спектРометрия
- •14. Спектроскопия электронного парамагнитного и ядерного магнитного резонанса
- •14.1. Электронный парамагнитный резонанс
- •14.2. Ядерный магнитный резонанс
- •Контрольные вопросы
- •Список рекомендуемой литературы
- •Содержание
- •Методы исследования свойств сырья и продуктов питания
2.2. Математическая статистика измерений
С точки зрения математической статистики партию сырья, готовой продукции или отходов можно рассматривать как генеральную совокупность с несколько различными значениями качественных показателей. Результаты анализов отобранных проб из данной партии материала можно рассматривать как выборочную (конечную) совокупность. Изменения качественных показателей сырья и готовой продукции в силу ряда причин происходят случайно и подчиняются законам случайной вариации.
Важной задачей при изучении статистических совокупностей является нахождение приближенного выражения для функции распределения или плотности вероятности по эмпирическому материалу. Измеренные параметры для каждой пробы выборочной совокупности с учетом разных величин показателя, а также случайных и систематических погрешностей будут иметь несколько различные величины параметра l (или рассматриваемых параметров l1, l2, l3, …lj,…, lk).
Генеральная совокупность характеризуется генеральной пробой, состоящей из n элементарных проб (численность выборочной совокупности).
Таким образом, каждый параметр lj характеризуется числом значений измерений данного параметра n. Каждое из измерений lj1, lj2, lj3,…, ljn; содержит соответственно случайные погрешности δ1, δ2, δ3,…, δn; причем погрешности lj будут иметь вид
lj1 = Мj + δ1; lj2 = Мj + δ2; lj3 = Мj + δ3;…; ln = Мj + δjn, (2.3)
где Мj – истинное значение параметра в генеральной совокупности, т.е. математическое ожидание данного параметра.
В связи с тем что истинное значение Мj неизвестно, принимаем вместо него некоторое значение Lj, являющееся наилучшим приближением к истинному и определяемое отдельными измерениями l1, l2, l3,…, ln:
Lj = F (l1, l2, l3,…, ln). (2.4)
Наилучшее определение Lj:
L = . (2.5)
Величина p называется массой измерений (масса материала, к которому относится анализируемая проба), а величина L – взвешенным средним материалом.
Отклонения отдельных измерений от среднего результата обозначают через :
1 = l1 – L;
2 = l2 – L;
… … … .
n = ln – L.
Эти отклонения называются остаточными погрешностями.
Взвешенное среднее имеет следующие свойства:
= 0; = min.
Если массы отдельных партий материала, от которых взяты пробы, одинаковы, то в этом случае
(2.6)
Арифметическое среднее значение имеет следующие свойства:
= 0; = min. (2.7)
Второе свойство лежит в основе метода обработки наблюдений, называемого "способом наименьших квадратов".
Теория случайных погрешностей основывается на двух положениях:
при очень большом числе измерений случайные погрешности, равные по величине, но различные по знаку, встречаются одинаково часто;
малые погрешности случаются чаще, чем большие; очень большие погрешности не встречаются.
Если результаты измерений освобождены от систематических погрешностей, то при неограниченном увеличении числа измерений среднее арифметическое стремится к истинному значению измеряемой величины, а остаточные погрешности – к случайным погрешностям.
Следовательно, все теоретические выводы и предположения, относящиеся к случайным погрешностям, можно применять при достаточно большом числе измерений к остаточным погрешностям.
При повторных измерениях частота появления равных по величине случайных погрешностей подчиняется закону нормального распределения случайных погрешностей и выражается уравнением
у = , (2.8)
где y – частота появления случайных погрешностей определенного значения δ; σ – средняя квадратичная погрешность ряда измерений,
j = . (2.9)