Подбор закона распределения для числа падения пшеничной муки

Достоверность результатов эксперимента в значительной степени определяется точностью измерений, когда выборочные данные являются случайными числами. В прикладной задаче вместо определения для случайной величины закона распределения вероятностей прибегают к описательной статистике переменных при помощи числовых характеристик. Принадлежность эмпирического распределения случайной величины к известному распределению доказывается с помощью критериев согласия, устанавливающих допустимое несовпадение экспериментальной частоты попадания результата в тот или иной интервал с частотой, вычисленной для этих интервалов. Проверка отклонения распределения вероятностей от нормального распределения позволяет отклонить нулевую гипотезу в пользу альтернативной при заданном уровне значимости (α = 0,05), если эмпирическое распределение значений измерений числа падения (n = 100) искажено (√(β_1 ) = 3,92) и имеет большую кривизну (β_2 = 346,93) при одновременном выполнении неравенства β_2≥(√(β_1 ))^2+1. С целью получения выборок измерения числа падения, подчиняющихся известным законам распределения, произведено статистическое моделирование на основе алгоритма генерации случайного числа в модуле «Анализ данных» в прикладном пакете MS Excel 2007. Сравнение значений критерия мощности Пирсона для выборки генерированной случайной величины показало закономерность повышения вероятности того, что проверяемая случайная величина имеет предполагаемый закон распределения: от равномерного распределения к нормальному и модельному равномерному распределению. Принимается гипотеза о соответствии закона модельного распределения равномерному распределению, поскольку рассчитанный параметр р-уровень значимости критерия, определяющий вероятность ошибки при отклонении гипотезы о нормальности, достигает 0,99256 (что значительно больше 0,05).

1. Ахназарова, С. Л. & Кафаров, В. В. (1985). Методы оптимизации эксперимента в химической технологии (2-е изд., перераб. и доп.). М.: Высшая школа.

2. Грачев, Ю. П., & Плаксин, Ю. М. (2005). Математические методы планирования эксперимента. М.: ДеЛи принт.

3. Зеленский, Г. С. & Марьянова, А. И. (1999). Нормативы для пшеничной муки по «числу падения». Хлебопродукты, 2, 14.

4. Зотова, Н. Б., Соседов, Н. И. & Вакар, А. Б. (1975). Изменение осахаривающей способности и «числа падения» в муке из нормальной и поврежденной клопом-черепашкой в разные фазы созревания пшеницы. Хранение и переработка зерна, 1, 14-15.

5. Козьмина, Н. П. & Воронова, Е. А. (1968). Современные методы контроля свойств муки и улучшения качества хлеба. М.: ЦИНТИПИЩЕПРОМ.

6. Косован, А. П. (2008). Сборник современных технологий хлебобулочных изделий. М.: Московская типография № 2.

7. Крупнов, В. А. & Крупнова О. В. (2015). Подходы по улучшению качества зерна пшеницы: селекция на число падения. Вавиловский журнал генетики и селекции, 19(1), 604-612. https://doi.org/10.18699/VJ15.077

8. Лущик, Т. В. (2002). Разработка метода контроля и регулирования автолитической активности пшеничной муки. Хлебопечение России, 4, 20-22.

9. Марьянова, А. И., Царькова, Н. & Шелковников М. (1996). Определение амилолитической активности зерна и муки по числу падения на приборе ПЧП-3. Хлебопродукты, 9, 19-20.

10. Мелешкина, Е. П. (2005). Связь числа падения со свойствами углеводно-амилазного комплекса муки. Хлебопродукты, 9, 28-31.

11. Панкратьева, И. А., Береш, И. Д., Алексеева, Н. В., Швецова, И. А. & Семикина, Л. И. (1977). Исследование амилолитической активности продуктов помола проросшего зерна пшеницы. Труды ВНИИЗ, 87, 79-85.

12. Халафян, А. А. (2007). STATICTICA 6.0. Статистический анализ данных (3-е изд.). М.: ООО «Бином-Пресс».

13. Цыплаков, А. С. (1999). «Число падения» и качество хлеба. Хлебопродукты, 1, 12-13.

14. Черных, В. Я., Ширшиков, М. А., Белоусова, Е. М., & Лущик, Т. В. (2000). Информационно-измерительная система для оценки хлебопекарных свойств муки. Хлебопродукты, 8, 21-25.

15. Шмалько, Н. А. (2019). Автолитическая активность пшеничной муки с пониженными хлебопекарными свойствами. Электронный сетевой политематический журнал «Научные труды КубГТУ», S9, 41-49.

16. Шмалько, Н. А., Бахмет, М. П. & Росляков, Ю. Ф. (2017). Организация научных исследований. Краснодар: Изд. ФГБОУ ВО «КубГТУ».

17. Codina, G. G. & Leahu, A. (2009). The improvement of the quality of wheat flour with a lower content of α-amylase through the addition of different enzymatic products. Lucrări Ştiinţifice, 52, 629-635.

18. Newberry, M., Zwart, A. B., Whan, A., Mieog, J. C., Sun, M., Leyne, E., Pritchard, J., Daneri-Castro, S. N., Ibrahim, K., Diepeveen, D., Howitt, C. A. & Ral, J-P. F. (2018). Does Late Maturity Alpha-Amylose Impact Wheat Baking Quality? Frontiers in Plant Science, 9, 1356 https://doi.org/10.3389/fpls.2018.01356

19. Rakita, S. M., Torbica, A. M., Dokić, L. P., Tomić, J. M., Pojić, M. M., Hadnadev, M. S. & Hadnadev-Dapčević, T. R. (2015). Alpha-amylase activity in wheat flour and breadmaking properties in relation to different climatic conditions. Food and Feed Research, 42(2), 91-99. https://doi.org/10.5937/FFR1502092R

20. Zarzycki, P. & Sobota, A. (2015). Effect of storage temperature on falling number and apparent viscosity of gruels from wheat flours. Journal of Food Science and Technology-Mysore, 52(1), 437-443. https://doi.org/10.1007/s13197-013-0975-1