Está en la página 1de 7

PRUEBA DE COMPARACIÓN MÚLTIPLE

I. INTRODUCCIÓN

El método que se le da a la información de la evaluación sensorial es muy variado.


Muchas decisiones acerca de la problemática de producir y distribuir alimentos se
basan en la información que proporcionan el jurado sensorial.

La mayoría de veces la decisión de mandar un nuevo producto al mercado o cuanto se


puede variar la calidad sin perder la imagen que el consumidor conoce análisis
sensorial puede ser definido como el método experimental mediante el cual los jueces
perciben y califican, caracterizando y/o mesurando, las propiedades sensoriales de
muestras adecuadamente presentadas, bajo condiciones ambientales preestablecidas
bajo un patrón de evaluación acorde al posterior análisis estadísticos. Este análisis
emplea cuatro muestras codificadas que son presentadas simultáneamente, y una
muestra debe ser presentada como R.

II. OBJETIVO

 Evaluar muestras de hot-dog de diversas industrias empleando la prueba de


evaluación de comparación múltiple.

III. MATERIALES

 Hot-dog de diferentes marcas


 Platos descartables
 Agua
 Vasos

IV. PROCEDIMIENTO

El análisis sensorial se llevó a cabo mediante el método de comparación múltiple en


tres muestras de hot-dog. Este método consistió en evaluar las muestras en relación a
la textura (dureza), comparándolas cada una con una muestra de referencia (R) y a
partir de una escala de categorías.

 PUNTAJE

NADA…………………………………………..5

Ligeramente menos dura que R…………….4


Moderadamente menos dura que R………..3
Mucho memos dura que R…………………..2
Muchísimo menos dura que R………………1

Ligeramente más dura que R………………..6


Moderadamente más dura que R…………...7
Mucho más dura que R……………………....8
Muchísimo más dura que R………………….9
 RESULTADOS DE ANÁLISIS SENSORIAL MEDIANTE LA PRUEBA DE
COMPARACION MULTIPLE DE LAS MUESTRAS DE HOT-DOG.

CODIGOS DE LA MUESTRA DE HOT - DOG


JUECES SAN FERNANDO SUIZA SEGOVIANA OTTOKUNZ TOTAL(Xi)
R 355 421 845
1 8 6 9 23
2 8 6 7 21
3 8 6 7 21
4 8 6 7 21
5 7 5 6 18
6 8 6 7 21
7 7 5 8 20
8 7 4 8 19
9 8 5 7 20
10 8 6 7 21
11 8 6 7 21
12 8 6 7 21
13 8 5 7 20
14 8 6 7 21
15 8 6 7 21
16 8 5 7 20
17 8 6 7 21
18 8 6 7 21
19 8 5 7 20
20 8 6 9 23
21 8 6 7 21
22 8 6 7 21
23 8 6 9 23
24 8 6 9 23
25 8 6 9 23
26 8 6 7 21
TOTAL(Ri) 205 148 193 546
MEDIA 7.885 5.692 7.423

 ASIGNACIÓN DE CÓDIGOS:

CODIGOS
R San fernando
355 (R1) Suiza
421 (R2) Segoviana
845 (R3) Ottokunz
 Total de panelistas: N=26

 Total de muestras: M=3

 Desarrollo:

i  0 25

R1i  R2i  R3i  Xi 

8 6 9 23
8 6 7 21
8 6 7 21
8 6 7 21
7 5 6 18
8 6 7 21
7 5 8 20
7 4 8 19
8 5 7 20
8 6 7 21
8 6 7 21
8 6 7 21
8 5 7 20
8 6 7 21
8 6 7 21
8 5 7 20
8 6 7 21
8 6 7 21
8 5 7 20
8 6 9 23
8 6 7 21
8 6 7 21
8 6 9 23
8 6 9 23
8 6 9 23
8 6 7 21

 R1i  205  R2i  148  R3i  193  Xi  546


i i i
i

T 00 
 R1i   R2i   R3i


 i i i 

T 00  546
1. Factor de corrección

N  26 M  3

 T00 2
CT 
( N)  ( M)

CT  3822

2. Hallando los grados de libertad

2.1. Grados de libertad de la tratamiento (GLtr)

GLtr  M  1 GLtr  2

2.2. Grados de libertad de los jueces (GLj)

GLj  N  1 GLj  25

2.3. Grados de libertad total (GLto)

GLto  ( N) ( M)  1 GLto  77

2.4. Grados de libertad del residuo (GLr)

GLr  GLto  GLtr  GLj GLr  50

3. Suma de cuadrados

3.1. Suma de cuadrados del tratamiento

 R1i  R2i  R3i


2 2 2
    
  
SCTR 
 i   i   i   CT
N

SCTR  69.462

3.2. Suma de cuadrados de jueces


 Xi 
2

 i   CT
SCJ 
M

SCJ  12.667
3.3. Suma de cuadrados totales


 R1i    R2i    R3i   CT
2 2 2
SCT 
 i   i   i 

SCT  98

3.4. Suma de cuadrados de residuo

SCR  SCT  ( SCTR  SCJ)

SCR  15.871

4. Hallando la varianza estimada

4.1. Varianza estimada del tratamiento

SCTR
CMTR 
GLtr

CMTR  34.731

4.2. Varianza estimada de jueces

SCJ
CMJ 
GLj

CMJ  0.507

4.3. Varianza estimada de residuo

SCR
CMR 
GLr

CMR  0.317

5. Hallando “F calculado”

5.1. “F calculado” del tratamiento

CMTR
FCTR 
CMR

FCTR  109.562
5.2. “F calculado” de jueces

CMJ
FCJ 
CMR

FCJ  1.599

6. Calculando “F de tabla” para el tratamiento y jueces

6.1. “F de tabla” para el tratamiento

F ( GLtr GLr ) 5%
Ttr

F ( 2 50) 3 19
Ttr

6.2. “F de tabla” para los jueces

F ( GLj GLr ) 5%
Tj

F ( 25 50) 1 73
Ttr

7. Cuadro ANOVA para los resultados

Fc  Ft Si hay diferencia significativa

Fc  Ft No hay diferencia significativa

FUENTE DE GL SC CM Fc Ft
VARIACION
Tratamiento 2 69.462 34.731 109.562 3.19 Si hay diferencia significativa
Jueces 25 12.667 0.507 1.599 1.73 No hay diferencia significativa
Residuo 50 15.871 0.317
Total 77 98

8. Aplicando prueba de TUKEY

 “r” se obtiene de la tabla M = 3 y GLr = 50

Dado que no se encuentra en la tabla se interpola y se obtiene

r  3.42

DMS  0.378
 Promedio de las muestras

355(suiza) =R1 421(segoviana)=R2 845(ottokunz)=R3

7.885 5.692 7.423

 Ordenado en forma decreciente (mayor a menor)

355 (suiza)=R1 845 (ottokuns)=R3 421(segoviana)=R2

7.885 7.432 5.692

 Comparando diferencias

R1 – R3 = 7.885 – 7.432 = 0.453 > 0.378 Si hay diferencia


R1 – R2 = 7.885 – 5.692 = 2.193 > 0.378 Si hay diferencia
R3 – R2 = 7.432 – 5.692 = 1.74 > 0.378 Si hay diferencia

También podría gustarte