Case Study :Rice Grain Varieties each with 4-5 replicates,with their 74 chemical constituents Functional:- 1. Classification of Rice Varieties 2. Searching for responsible variables explaining total variability among the measurements. 3. Detection of Superior varieties

1. UNIVERSITY OF KALYANI
M . Sc in Statistics
Multivariate analysis of Chemical
Compositions
Related to some rice grain varieties
Mentor: SADHAN SAMAR MAITY
Team members :
DIPIKA PATRA
ARNAB JANA
Team members : DIPIKa PaTra
arNab JaNa
meNTor: saDhaN swaPaN maITy

2. DATA DESCRIPTION:
DDaattaa ccoonnttaaiinn 2266 vvaarriieettiieess ooff rriiccee ggrraaiinnss,, eeaacchh wwiitthh 44--55
rreepplliiccaatteess,, wwiitthh tthheeiirr 7744 cchheemmiiccaall ccoonnssttiittuueennttss ppllaacceedd
iinn 77 ddiiffffeerreenntt ggrroouuppss ((ggrroouuppss mmaarrkkeedd wwiitthh ddiiffffeerreenntt
ccoolloouurrss))....DDooccuummeennttssRRIICCEE__RRAAWW..xxllss nnaammeedd aass
11>> AAMMIINNOO AACCIIDD
22>> OORRGGAANNIICC AACCIIDD cchheellaatteedd wwiitthh ssaalltt
33>> PPHHEENNOOLL
44>> LLIIPPIIDDSS
55>> CCAARRBBOOHHYYDDRRAADD
66>> SSTTEERROOLL
77>> NNIITTRROOGGEENN ccoonnttaaiinniinngg RRIIBBOOSSEE
TThhee mmeeaassuurreemmeennttss wweerree ggeenneerraatteedd bbyy aannaallyyzziinngg tthhee rriiccee
eexxttrraaccttss iinn GGCC--MMSS iinnssttrruummeenntt.. HHeerree mmeeaassuurreemmeennttss aarree
uunniitt ffrreeee..

3. OOBBJJEECCTTIIVVEE OOFF TTHHEE PPRROOJJEECCTT::
•TTrryyiinngg ffoorr ccllaassssiiffiiccaattiioonn ooff rriiccee vvaarriieettiieess..
•SSeeaarrcchhiinngg ffoorr rreessppoonnssiibbllee vvaarriiaabblleess eexxppllaaiinniinngg
ttoottaall vvaarriiaabbiilliittyy aammoonngg tthhee mmeeaassuurreemmeennttss..
•DDeetteeccttiioonn ooff ssuuppeerriioorr vvaarriieettiieess..
AANNAALLYYTTIICCAALL SSOOFFTTWWAARREESS ::
SSAASS,, SSPPSSSS,, MMIINNIITTAABB,, MMIICCRROOSSOOFFTT OOFFFFIICCEE

4. SSTTEEPPSS OOFF AANNAALLYYSSIISS::
11>>PPrreeppaarriinngg ddaattaa
22>>MMuullttiivvaarriiaattee AApppplliiaanncceess
OOnnee--wwaayy MMAANNOOVVAA
CClluusstteerr AAnnaallyyssiiss((CCAA))
PPrriinncciippaall CCoommppoonneenntt AAnnaallyyssiiss((PPCCAA))
CCaannoonniiccaall CCoorrrreellaattiioonn AAnnaallyyssiiss((CCCCAA))
MMuullttii--ddiimmeennssiioonnaall SSccaalliinngg((MMDDSS))
PPrrooffiillee AAnnaallyyssiiss((PPAA))
33>> IInntteerrpprreettaattiioonn ooff tthhee rreessuullttss
44>> CCoonncclluussiioonn

5. ONE WAY MANOVA

6. OONNEE--WWAAYY MMAANNOOVVAA
TThhee MMAANNOOVVAA pprroocceedduurree ttrriieess ttoo ffiinndd oouutt iiff tthheerree iiss
aannyy ssiiggnniiffiiccaanntt ddiiffffeerreennccee aammoonngg tthhee 2266 vvaarriieettiieess
aaccrroossss 77 BBiioocchheemmiiccaall ggrroouuppss.. WWee aassssuummee tthhaatt tthhee
ccoonncceerrnneedd ddaattaasseettss aarree ccoommiinngg ffrroomm 2266
hhoommoosscceeddaassttiicc mmuullttii--nnoorrmmaall ppooppuullaattiioonnss wwiitthh
ddiiffffeerreenntt mmeeaann vveeccttoorrss..
OOuuttppuutt aarree sshhoowwnn hheerree--
....DDooccuummeennttssMMAANNOOVVAA__OOUUTTPPUUTT..xxllssxx

7. CCOONNCCLLUUSSIIOONN::
OOnnee wwaayy MMAANNOOVVAA rreessuullttss sshhooww aallll tthhee pp--vvaalluueess aarree
vveerryy ssmmaallll.. SSoo wwee rreejjeecctt tthhee hhyyppootthheessiiss wwhhiicchh
ssaayyss tthhaatt aallll tthhee vvaarriieettiieess aarree ssaammee..SSoo tthheerree
aarree ssiiggnniiffiiccaanntt ddiiffffeerreenncceess aammoonngg tthhee mmeeaann
vveeccttoorrss nnoott oonnllyy ooff tthhee vvaarriieettiieess bbuutt aallssoo ffoorr
aannyy ggrroouupp..

8. CLUSTER ANALYSIS

9. FFIINNAALL PPAARRTTIITTIIOONN
UUssiinngg ssiinnggllee lliinnkkaaggee && EEuucclliiddeeaann mmeeaassuurree
CClluusstteerr 11
WWAA WWBB WWCC WWDD WWEE
WWGG WWHH WWII WWJJ WWKK
WWLL WWMM RRBB RRDD RRFF
CClluusstteerr 22
WWFF
CClluusstteerr 33
WWNN WWOO WWPP WWQQ
CClluusstteerr 44
WWRR WWTT RRAA RRCC RREE
CClluusstteerr 55
WWSS

10. DENDROGRAM OF 26 VARIETIES:
DENDROGRAM FOR 26 VARIETIES

11. PRINCIPAL COMPONENT
ANALYSIS

12. Eigen values ooff tthhee CCoovvaarriiaannccee MMaattrriixx
EEiiggeenn
vvaalluuee
DDiiffffeerreenncceePPrrooppoorrttiioonnCCuummuullaattiivvee
11 774444996600..668855 666666338899..99993300..88338877 00..88338877
22 7788557700..669911 3322002244..0099 00..00888855 00..99227711
33 4466554466..660022 3366003366..2233 00..00552244 00..99779955
44 1100551100..337722 77552211..5533 00..00111188 00..99991144
55 22998888..884422 442244..448822 00..00003344 00..99994477
PPrriinncciippaall ccoommppoonneenntt vveeccttoorrss aarree sshhoowwnn hheerree
............ddiippiikkaaKKUU__PPRRIINNCCIIPPAALL__11..xxllss
WWee sseelleecctt oouutt rreessppoonnssiibbllee vvaarriiaabblleess wwhhoossee
ccoonnttrriibbuuttiioonn ttoo tthhee pprriinncciippaall ccoommppoonneennttss iiss
ssiiggnniiffiiccaanntt ((wwiitthh llooaaddiinngg bbeeyyoonndd ±± 00..55))..
RReessppoonnssiibbllee vvaarriiaabblleess ((wwiitthh tthheeiirr llooaaddiinnggss))
PP11 GGuuaanniinnee ((00..8899))
PP22 SSuuccrroossee ((00..9911))
PP33 LLiinnoolleeiicc AAcciidd ((00..6666))
PP44 PPhhoosspphhaattee ((00..6677))

13. CCAANNOONNIICCAALL CCOORRRREELLAATTIIOONN
AANNAALLYYSSIISS::

14. CCaannoonniiccaall CCoorrrreellaattiioonn iiss aa mmeeaassuurree ooff aassssoocciiaattiioonn
bbeettwweeeenn ttwwoo ggrroouuppss ooff rraannddoomm vvaarriiaabblleess..
FFoolllloowwiinngg ttaabbllee ggiivveess tthhee eennttrriieess ooff llaarrggeesstt
CCaannoonniiccaall CCoorrrreellaattiioonn bbeettwweeeenn aannyy ttwwoo ppaaiirrss ooff
ggrroouuppss..
GGRROOUUPP 11 22 33 44 55 66 77
11 00..997755 00..996666 00..997766 00..889988 00..882277 00..995566
22 00..997755 00..998888 00..999933 00..995555 00..885588 00..998811
33 00..996666 00..998888 00..999966 00..883322 00..773311 00..998888
44 00..997766 00..999933 00..999966 00..994433 00..889977 00..998899
55 00..889988 00..995555 00..883322 00..994433 00..88 00..888811
66 00..882277 00..885588 00..773311 00..889977 00..88 00..881166
77 00..995566 00..998811 00..998888 00..998899 00..888811 00..881166

15. MULTIDIMENSIONAL
SCALING :

16. Using SPSS
Given outputs
are:

17. Main points from SPSS output :

18. CCOONNCCLLUUSSIIOONN
HHiigghh ccaannoonniiccaall ccoorrrreellaattiioonn iinnddiiccaatteess mmoorree
ccoommmmoonn((llaatteenntt)) ffaaccttoorrss iinntteerrppllaayy aammoonngg tthhee
ggrroouuppss.. FFrroomm CCCCAA,, tthhee ttaabbllee rreellaatteedd ttoo ffiirrsstt
ccaannoonniiccaall ccoorrrreellaattiioonn sshhoowwss tthhee eennttrriieess nneeaarreerr ttoo
uunniittyy iinnddiiccaattiinngg aa ggoooodd nnoo.. ooff ((ccoommmmoonn)) ffaaccttoorrss
iinntteerrppllaayyss aammoonngg tthhee 77 ggrroouuppss..
HHoowweevveerr,, ffrroomm MMDDSS aannaallyyssiiss 77 ggrroouuppss aarree ffoouunndd
qquuiittee ssccaatttteerreedd iinnddiiccaattiinngg tthheeiirr uunniiqquueenneessss,,
rraatthheerr tthhaann tthheeiirr ssiimmiillaarriittiieess.. TThhuuss tthhiiss eevveenntt
ccoonnttrraaddiiccttss tthhee ffoorrmmeerr eessttaabblliisshhmmeenntt bbyy CCCCAA.. IItt
mmaayy hhaappppeenn tthhaatt llaatteenntt ffaaccttoorrss aammoonngg 77 ggrroouuppss aarree
nnoott uunnccoorrrreellaatteedd ((ii..ee..,, nnoonn--oorrtthhooggoonnaall)).. WWee
ddiissppeennssee wwiitthh ffaaccttoorr aannaallyyssiiss..

19. SPECIAL ATTENTION TO
AMINO ACID GROUP

21. Considering varieties from cluster 1

22. Variety “WF”
Cluster 3

23. Cluster 4
Cluster 5

24. From the above 5 diagrams, it is clear that no
clear cut views on the varieties can be
settled. Indeed, superiority amongst the
varieties is hard to judge without any suitable
criterion framed beforehand.

25. FINAL CONCLUSION:
The varieties are significantly different
4 variables namely Guanine, Sucrose, Linoleic Acid &
Phosphate are detected as responsible variables for capturing
maximum share of system variance.
We can group the 26 varieties into 5 groups(or clusters)
Canonical correlations among 7 bio-chemical groups are found
very high. So, they are governed by internal common
factor(s), which needs factor analysis (FA). Due to shortage
of time FA is not conducted.
CCA & MDS lead to adverse results regarding biochemical
groups.
From profile diagrams, indeed no clear cut conclusion on
best variety is obtained.
Correspondence Analysis on variety vs. constituents could
throw some better insight about their level wise
correspondence. Due to shortage of time such analysis could
not be done.

26. Thanking You
DIPIKA PATRA
ROLL NO: 96/STS/115002
dipika.patra1988@gmail.com
ARNAB JANA
ROLL NO: 96/STS/115013
arnabjana.jana@gmail.com