See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/293972852

DETERMINACION DEL TAMAÑO DE LA MUESTRA PARA REALIZAR ANÁLISIS

DE LABORATORIO DE ALIMENTOS

Chapter · December 2013

CITATIONS READS

0 8,992

1 author:

M E Ramírez Guzmán
Colegio de Postgraduados
80 PUBLICATIONS   233 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Hola Jacobo: Estoy trabajando con geoestadística, es decir estadística en el espacio. Estoy reproduciendo mapas de riesgo, como por ejemplo de plagas cuarentenarias
en México. View project

New statistical methods for detecting pests associated to imported products View project

All content following this page was uploaded by M E Ramírez Guzmán on 05 May 2016.

The user has requested enhancement of the downloaded file.

DETERMINACIÓN DEL
TAMAÑO DE LA MUESTRA
PARA REALIZAR ANÁLISIS DE
LABORATORIO DE ALIMENTOS
INTRODUCCIÓN
Una estrategia para minimizar las enfermeda-
des transmitidas por alimentos es la inspección
de lotes a través de la toma de una muestra
representativa. Por ejemplo, en las tiendas de
autoservicio es común inspeccionar la calidad
de grandes volúmenes de paquetes de comida
preparada para posteriormente analizar la pre-
sencia de patógenos como Salmonella, Esche-
richia coli o Listeria spp. Esta inspección puede
realizarse al menos en dos niveles, el primero
es el nivel macro, es decir la inspección de un
tamaño de cajas, paquetes, latas o cualquier
otro contenedor; y posteriormente el nivel micro,
es decir la cantidad de alimento en gramos. En
esta etapa se consideran las especificaciones
como los límites microbiológicos. Con el propó-
sito de introducir a los lectores en el muestreo
de aceptación –que es el adecuado para acep-
tar o rechazar lotes de cualquier tipo y en espe-
cial en alimentos– se presentan los objetivos del
muestreo de alimentos, así como una introduc-
ción al muestreo de aceptación, la descripción
de la Curva Característica de Aceptación para
Martha Elva Ramírez Guzmán
Línea Prioritaria de Investigación en Inocuidad,
Calidad de Alimentos y Bioseguridad
(LPI-7) y Posgrado en Estadística, Colegio
de Postgraduados, Montecillo, México.
aceptar o rechazar lotes en función del cumpli-
miento o no de los límites microbiológicos defi-
nidos para un alimento en particular. También se
describen los muestreos por atributos simples y
para grandes volúmenes de lotes, se describe
el cálculo del tamaño de muestra para envío al
laboratorio, el muestreo de dos clases, tres cla-
ses y el muestreo para variables. Finalmente se
presentan las consideraciones generales esta-
dísticas que deberían realizarse para estimar el
tamaño de muestra en términos de la gravedad
del microorganismo.
MUESTREO DE ACEPTACIÓN
Actualmente, la calidad y la inocuidad ya no son
factores de lujo sino una demanda de los con-
sumidores de un bien o servicio. Por lo tanto, la
calidad y la inocuidad pasaron de ser un desa-
fío retórico a un requisito de la competitividad.
En los próximos años las empresas que logren
sobrevivir serán aquellas que ofrezcan produc-
tos y servicios de calidad a precios competitivos
que satisfagan e incluso superen las expectati-
vas de los clientes.
153
Temas selectos en inocuidad y calidad de los alimentos
El muestreo de aceptación es una técnica
estadística que se utiliza para inspeccionar la
calidad y/o inocuidad de un lote, con el propósito
de aceptarlo o rechazarlo. Su uso es recomen-
dado cuando el costo de inspección es alto o el
proceso de inspección es monótono conducien-
do a una alta probabilidad de cometer errores.
También es recomendado cuando se requieren
pruebas destructivas.
Ventajas y desventajas del muestreo
de aceptación
La principal ventaja del muestreo de aceptación
es su bajo costo (menor requerimiento de mano
de obra), así como el menor daño para el pro-
ducto debido al poco manejo que se ejerce en el
lote. Así también, se mejora la tarea de inspec-
ción, ya que se toman decisiones lote por lote y
no de pieza por pieza.
La desventaja del muestreo de aceptación
es el riesgo de rechazar lotes que cumplen con
las especificaciones y aceptar lotes que no las
cumplen, además de aportar menos informa-
ción del proceso de producción de los lotes.
154
Proceso de muestreo de aceptación
El proceso de muestreo consiste en extraer de un
lote de tamaño N de unidades de alimento una
muestra de tamaño n para aceptarlo, siempre y
cuando el número de unidades de alimento sea
cuando mucho igual a una cantidad C. Para ilustrar
el muestreo de aceptación supóngase que se quie-
re tomar una muestra de un embarque de 1,000
empaques de ensaladas. Para inspeccionarlo se
considera el esquema de muestreo siguiente:
Esquema de muestreo:
N=1,000, n=75 y C=0.
Este esquema se describe como: De un lote
de 1,000 paquetes de ensaladas tómense
aleatoriamente 75. Si en los 75 paquetes
se encuentra cero paquetes que cumplen
las especificaciones de inocuidad, se acep-
ta el lote, si hay 1 o más defectuosos, el lote
se rechaza.
Existen planes de muestreo para atributos y
para variables. Los primeros se utilizan cuando
la decisión al inspeccionar un producto es: de-
fectuoso o no defectuoso (escala nominal). Los
segundos se emplean cuando la característica de
calidad de un producto se mide en una escala de
razón (o proporción), por ejemplo, si se quisiera
inspeccionar la cantidad de grados Brix de un jugo
o de frutas después de una fecha determinada.
Otras variables medidas en la escala de propor-
ción que motivarían un muestreo de inspección
del tipo continuo serían: temperatura, humedad y
tiempo de vida de productos y subproductos ve-
getales procesados y deshidratados.
Un plan de muestreo de aceptación tiene
como fundamento el contrato de compra venta
entre el productor y el consumidor. Ambas partes
interesadas definen las condiciones en las que
se realizará la transacción. Sin embargo, en esta
transacción pueden ocurrir riesgos que correrán
ambas partes, que pueden ser minimizados esti-
pulando condiciones “cómodas” para ambas, es-
tas se denominan protecciones. A continuación
se describen estos riesgos y protecciones, así
como los conceptos de muestra y lote.
Protecciones
nca:Nivel de calidad aceptable, este se refiere al
máximo número de productos que no cumplen
con los requisitos de calidad y/o inocuidad que
permite considerar al lote todavía aceptable. En
adelante, también se utilizará la notación p1.
pdt: Porcentaje defectuoso tolerable, indica el
máximo porcentaje de productos que no cum-
plen con las especificaciones que el cliente está
dispuesto aún a tolerar con una probabilidad de
aceptación muy baja. En adelante, también se
utilizará la notación p2.
Riesgos
α. Riesgo del producto, también llamado
error tipo I, es la probabilidad de recha-
zar un lote de buena calidad o que cum-
ple con las condiciones de inocuidad,
en la que puede incurrir el productor al
juzgar al lote como de mala calidad o de
falta de inocuidad. En otras palabras, a
es la probabilidad de rechazar un lote
con un porcentaje de productos defec-
tuosos p menor o igual al nca estipulado
en el contrato.
β. Riesgo del consumidor, también llamado
error tipo II y se refiere a la probabilidad
de aceptar un lote de mala calidad al juz-
garlo como de buena calidad. En otras
palabras, b es la probabilidad de aceptar
un lote con un porcentaje de productos
defectuosos mayor o igual al pdt estipu-
lado por el cliente.
1-β Potencia de la prueba o nivel de confia-
bilidad, se refiere a la capacidad del es-
quema de muestreo para rechazar lotes
que no cumplen con las características
de calidad y/o inocuidad convenidas.
Lote: Es una cantidad de alimento o unida-
des de alimento producida y manipulada
bajo las mismas condiciones. Se ha ob-
servado que los logaritmos de los recuen-
tos microbianos en los alimentos tienen
una distribución normal (Baird-Parker,
1980). En los casos en que se van a ob-
tener resultados analíticos cuantitativos,
el diseño de los planes de muestreo se
basa en el conocimiento de las distribu-
ciones y de la variabilidad típica existente
entre las unidades de muestra.
Muestra: Es el material seleccionado y está
compuesta de materias unitarias. Muestra uni-
taria es la cantidad de sustancia que se utiliza
para el análisis, es decir, la unidad de análisis.
La muestra y la muestra unitaria pueden ser una
misma, pero es preferible que la muestra esté
compuesta de más de una muestra unitaria.
155
Temas selectos en inocuidad y calidad de los alimentos
Muestra representativa: Es aquella cuyo
estado es lo más parecido posible al del
lote del cual ha sido extraída.
Por lo tanto, un buen plan de muestreo de
aceptación es aquel que acepta lotes que tie-
nen, cuando mucho, un porcentaje de defec-
tuosos igual al valor nca; con una probabilidad
cercana a uno, y que rechaza lotes con una pro-
babilidad muy alta igual a 1-b, cuando el porcen-
taje de productos defectuosos es igual o mayor
que el valor pdt.
CURVA CARACTERÍSTICA
DE OPERACIÓN
Todo plan de inspección puede representarse
gráficamente mediante una curva decreciente
de izquierda a derecha en forma de Z, llamada
curva característica de operación. La vertica-
lidad de la curva indica el poder del esquema
de muestreo para discriminar entre lotes buenos
y malos, y, esta verticalidad está en función del
tamaño de muestra. La utilidad práctica de las
curvas de operación es comparar los distintos
planes de muestreo de aceptación.
Curva Característica de Operación
1
0.8
Hombro
0.6
0.4
Pa
0.2
0
0 0.05 p1 0.1
-0.2
Proporción de unidades defectuosas
Figura 1. Curva característica de operación ideal
156
Una curva de operación se caracteriza por tres
áreas: el hombro de la curva, la parte más delga-
da de la cola situada a la derecha de la curva y
la porción media de la curva (entre el hombro y la
cola). El hombro de la curva puede ser una por-
ción horizontal corta o larga; si es corta, indica que
se están aceptando lotes con porcentajes de de-
fectuosos muy bajos, esto es, es un muestreo de
aceptación muy estricto que probablemente esté
rechazando lotes con fracciones bajas de defec-
tuosos; ello muestra que la calidad del producto,
que será aceptada por el plan de muestreo, es
casi, con certeza absoluta, la que se desea. Por
el contrario, si el hombro de la curva es muy largo,
esto es, una línea horizontal pronunciada, significa
que se aceptarán lotes con fracciones muy altas
de defectuosos.
La cola de la curva es muy importante también,
porque muestra a qué nivel de calidad del producto
se rechaza el lote. La porción media de la curva
se encuentra justamente donde la probabilidad de
aceptación es igual a 50%, que corresponde a una
calidad que tiene 50% de oportunidad de que sea
aceptado o rechazado. El plan de muestreo ideal
tendría la curva de operación en color rojo que se
muestra en la figura 1.
Pa
cola
Ideal
1-
0.15 P2 0.2 0.25 0.3
 Para diseñar una curva de operación es in-
dispensable identificar la característica de inte-
rés, por ejemplo para el caso de los alimentos
puede ser:
(1) Número de paquetes de alimento que (1)
no cumplen con las especificaciones de
calidad.
(2) Presencia de Salmonella spp. en 2 kg
de carne.
(3) Presencia de Escherichia coli en 500 g Distribución Poisson
de melón.
(4) Presencia de aflatoxinas en cacahuates
con un límite máximo de 20 µg/kg. (2)
(5) Número de fruta contaminada en em-
barques de grande volúmenes
Si la probabilidad de aceptación (Pa) es igual
Para el caso 1 la distribución asociada es la a b en p2, se tiene que el tamaño de muestra es:
binomial ya que se trata de modelar el número
de paquetes que no cumplen con las especifica-
ciones de calidad. Para los casos 2 y 3 la distri-
bución asociada es la Poisson para modelar la
presencia de un microorganismo en gramos de
alimento. Para el caso 4 la distribución asociada
es la normal debido a que se trata de una va-
riable continua (aunque si la distribución de esta
variable presenta una cola pesada, una posible
distribución podría ser la de valores extremos
generalizada). Para el caso 5 se puede asociar Distribución beta binomial
la distribución beta binomial, ya que esta se
utiliza para modelar la proporción de frutas con- Se asume que una fracción defectuosa (p),
taminadas en grandes volúmenes de lotes. como por ejemplo el porcentaje de incidencia
de hlb, es una variable (X) con distribución beta:
Estas distribuciones se definen como:
Distribución Binomial

donde: 0≤ x≤1; a y b son constantes y Beta es la

función beta.

Entonces la probabilidad condicional de Yi

Si la probabilidad de rechazo (Pa) es igual a (por ejemplo, el número de paquetes de alimen-
b en p2, se tiene que el tamaño de muestra es tos con problemas de inocuidad) para una Xi
(proporción de paquetes de alimentos contami-

157
Temas selectos en inocuidad y calidad de los alimentos

nados en la i-ésima unidad de producción), está MUESTREO SIMPLE

dada por:
En el caso del muestreo simple se toma del lote
una muestra (n) y de esta dependerá la decisión
de aceptar o rechazar el lote, dependiendo del
número de productos máximo a tolerar (C). A la
probabilidad de aceptar un lote se le denomi-
na Probabilidad de Aceptación (Pa) y todo va a
De las ecuaciones anteriores se obtiene depender de la calidad del lote o fracción defec-
la función beta binomial: tuosa (p). La notación es:

• N: tamaño del lote

• n: tamaño de muestra
• C: número de aceptación
• d : fracción de defectuosos
Si la probabilidad de aceptación (Pa) en • Pa: probabilidad de aceptar un lote con
p2 es igual a b, y el tamaño del lote es una fracción de defectuosos real de p.
N, se tiene que el tamaño de muestra es Ejemplo
Supóngase que se desea diseñar un esquema
c1 j c2
n! n i j i j
de muestreo con cero tolerancia de paquetes de
Pa = p0 p1 p2 (3) ensaladas contaminados con coliformes totales
i ?0 i =0 i! j!( n i j )!
(C=0). Para definir el tamaño de la muestra para
realizar la respectiva inspección del lote, se ex-
donde: tiende un contrato de compra venta en donde el
cliente defina que un Nivel de Calidad Acepta-
N = Número dec unidades en el lote de unidades ble (nca) de p1=0.01 (1%) sea aceptado hasta
n ni i
Pa =
alimenticias. p0 p1 con 95% ((1-α)%=(1-0.05)%) de probabilidad,
i = 0 i
n = Número de unidades alimenticias a inspec- mientras que sólo con 10% de probabilidad (b)
cionar. el cliente aceptará lotes que tengan un porcen-
p2 = Proporción de unidades alimenticias infec- taje defectuoso tolerable pdt de hasta 4% (p2).
tadas.
b = Probabilidad de aceptar un lote con una cali- El cuadro 1 muestra las probabilidades de
dad con una fracción p2 de unidades alimenticias aceptación para diferentes valores de p (frac-
infectadas máxima permisible. ción de productos que no cumplen con las
especificaciones) y para tamaños de muestra
Con los siguientes supuestos: n=50, 100, 150 y 200. La figura 2 muestra cur-
1) La proporción de unidades alimenticias vas características de operación para estos
infectadas depende de la empresa de esquemas, en esta figura observamos el poder
producción. discriminatorio entre lotes buenos (≤ p1=0.01)
2) Se asume que cada muestra de unida- y lotes malos (≥ p1=0.01). También se puede
des alimenticias se selecciona al azar observar que la probabilidad de aceptación (b)
de una población infinita de unidades cuando p2=0.04 es de casi 13% con n=50 y de
alimenticias. 0% con n=200, esto implica que entre mayor
es el tamaño de muestra mayor es la probabi-

158
 1  
0.9  
1   0.9  
0.8  
0.9   0.8  
0.7  

Pa  de  aceptación  
0.8   0.7  

Pa  de  aceptación  
0.6  
0.7   0.6  
0.5  

Pa  de  aceptación  
0.6   0.5  
0.4  
0.5   0.4  
0.3  
1   0.3  
0.4   0.2  
0.9   0.2  
0.3   0.1  
0.8   0.1  
0.2   0  
0.7  
0   0.02  0   0.04   0.06   0.08   0.1   0.12  
Pa  de  aceptación  

0.1  
0.6   0  
%  de  0.02  
productos  d0.04  
efectuosos   0.06   0.08  
0   n=50   n=100   %  de  productos  
n=150   n=200  defectuosos  
0.5   0   0.02   0.04   0.06  
n=50   0.08   n=100   0.1   n=150   0.12   n=200  
0.4   %  de  productos  defectuosos  
n=50   n=100   n=150   n=200  
0.3  
0.2  
0.1  
0  
0   0.02   0.04   0.06   0.08   0.1   0.12  
%  de  productos  defectuosos  
Figuran=50  
2. Curvas n=100  
de operaciónn=150   n=200  
para diferentes tamaños de muestra n=50, 100,
150 y 200 semillas, con Distribución binomial y C=0

lidad de rechazo (Pr) de lotes que no cumplen Para la inspección de grandes volúmenes de uni-
con las especificaciones. dades alimenticias es necesario contar con planes
de muestreo para lotes sensitivos (lsp: Lot Sen-
sitive Plans, Hawkes, 1979), con C=0 tolerancia a
TAMAÑO DE MUESTRA PARA la presencia de microorganismos patógenos. Los
INSPECCIÓN VISUAL DE GRANDES tamaños de muestra que presenta Hawkes se pre-
VOLÚMENES DE UNIDADES sentan en el cuadro 2 para los niveles de protec-
ALIMENTICIAS ción (probabilidad de rechazo) de 99%, 95%, 80%
y 50% y p2=10%.

Cuadro 1. Probabilidades de aceptación para p1=1%, p2=4%, = 0.05 y =0.10.

  Semillas
Fracción defectuosa, p Probabilidad de aceptación (Pa)
  Número de unidades de alimento
  50 100 150 200
0.000 1 1 1 1
0.010 0.60500607 0.36603234 0.22145179 0.13397967
0.020 0.36416968 0.13261956 0.04829602 0.01758795
0.030 0.21806538 0.04755251 0.01036956 0.00226124
0.040 0.12988579 0.01687032 0.00219121 0.00028461
0.050 0.07694498 0.00592053 0.00045555 3.5053E-05
0.060 0.04533073 0.00205487 9.3149E-05 4.2225E-06
0.070 0.02655507 0.00070517 1.8726E-05 4.9727E-07
0.080 0.01546648 0.00023921 3.6998E-06 5.7222E-08
0.090 0.00895508 8.0194E-05 7.1814E-07 6.431E-09
0.100 0.00515378 2.6561E-05 1.3689E-07 7.0551E-10

159
Temas selectos en inocuidad y calidad de los alimentos

Cuadro 2. Tamaño de muestra (Nomogramas de Hawkes, 1979) para diferentes niveles de protección (Pr).

Tamaño del lote 99% 95% 80% 50%

N n tamaño de muestras primarias

p2=10%
N£100 28 25 15 7
100<N£200 35 28 16 7
200<N£999 40 30 16 7
1000£N 40 30 16 7

Este tamaño de muestra es equivalente obtener el cálculo final de n (ecuación 3).

al tamaño de muestra propuesta por Yama- Esta metodología también fue desarrollada
mura y Sugimoto (1995). Estos autores uti- para inspección de grandes volúmenes de
lizaron las distribuciones beta binomial para productos.

Cuadro 3. Tamaño de muestra para los riesgos de aceptar lotes con sacos contaminados con:
1%, 2%, 4%, 8% y 10% para =0.01, 0.05, 0.20 y 0.50, respectivamente.

N: Tamaño del lote

p 100 200 999 1,000 100,000 200,000 600,000
n: tamaño de la muestra
        b= 0.01    
1.00% 90 180 367 367 457 458 458
2.00% 68 136 204 204 228 228 228
4.00% 43 86 107 107 113 113 113
8.00% 24 48 54 54 55 55 55
10.00% 20 39 43 43 44 44 44
        = 0.05    
1.00% 78 155 258 258 298 298 298
2.00% 52 105 138 138 148 148 148
4.00% 31 61 71 71 73 73 73
8.00% 16 33 35 35 36 36 36
10.00% 13 27 28 28 28 28 28
        = 0.2    
1.00% 55 110 148 148 160 160 160
2.00% 33 66 77 77 80 80 80
4.00% 18 36 39 39 39 39 39
8.00% 9 18 19 19 19 19 19
10.00% 7 15 15 15 15 15 15
        b= 0.5    
1.00% 29 58 67 67 69 69 69
2.00% 16 32 34 34 34 34 34
4.00% 8 16 17 17 17 17 17
8.00% 4 8 8 8 8 8 8
10.00% 3 6 7 7 7 7 7

160
La figura 3 y el cuadro 3 muestran el tamaño tamaño de muestra para el segundo caso. Lo
de muestra para los riesgos de aceptar lotes anterior se debe a que es menos estricto el res-
con paquetes de alimentos contaminados con: pectivo plan de muestreo.
1%, 2%, 4%, 8% y 10% para b=0.01, 0.05, 0.20
y 0.50, respectivamente. Como se puede ob- Como se puede observar los tamaños de
servar, entre 8% y 10% unidades alimenticias muestra de Hawkes (cuadro 2) y los de Yamamura
contaminadas ya casi no existe diferencia en y Sugimoto (cuadro 3) son muy parecidos, para los
el tamaño de muestra para lotes grandes (a mismos niveles de infección (p2). La diferencia es-
partir de 200 paquetes) cuando b=0.050. Sin triba en que Hawkes proporciona un monograma
embargo, como se esperaba existe una gran di- en donde el tamaño de la muestra debe ser iden-
ferencia entre el tamaño de muestra calculado tificada visualmente, mientras que la opción de los
para b=0.01 y 0.50, ya que es mucho menor el autores japoneses es analítica (ec. 3).

Tamaño de muestra (sacos). Beta=0.20

Tamaño de muestra (sacos). Beta=0.20 Tamaño
Tamaño de
de muestra
muestra (sacos).
(sacos). Beta=0.50
Beta=0.50

180
180 350
350
160
160 300
300
140
140
250
muestra

250
muestra
de muestra

120
muestra

120
100 200
200
100
dede

Tamaño de

80 150
150
Tamaño

80
Tamaño
Tamaño

60
60 100
100
40
40
50
50
20
20
0 00
0 100
100 200
200 999 1,000 100,000 200,000 600,000
100 200 999 1,000 100,000 200,000 600,000
100 200 999 1,000 100,000 200,000 600,000
Tamaño del lote en sacos Tamaño del lote en sacos
Tamaño del lote en sacos
1.00% 2.00% 4.00% 8.00% 10.00% 1.00%
1.00% 2.00%
2.00% 4.00% 8.00% 10.00%
1.00% 2.00% 4.00% 8.00% 10.00%
     
 

Figura 3. Tamaño de la muestra en función del tamaño del lote.

TAMAÑO DE MUESTRA PARA ENVÍO muestra con distribución Poisson es la mitad

AL LABORATORIO que la estimada con la distribución binomial.
Por lo tanto, se puede decir que si se consi-
Para el análisis de laboratorio se puede consi- dera poco probable que exista contaminación,
derar el muestreo simple por atributos con to- o si el proveedor tiene un historial de cumpli-
lerancia C=0. El tamaño de muestra resultante miento con las especificaciones de calidad y/o
para 80% y 50% de confiabilidad con distribu- inocuidad se sugiere considerar el tamaño de
ción binomial y Poisson se muestra en el cua- muestra Poisson, de lo contrario considerar la
dro 4. Como se puede observar el tamaño de distribución binomial.

161
Temas selectos en inocuidad y calidad de los alimentos
Cuadro 4. Tamaño de muestra con distribución Binomial y Poisson, C=0
  Distribución Binomial
Confiabilidad en % 80
p2 0.1
Tamaño de muestra 15
Para el análisis de laboratorio se propo-
ne el empleo de los muestreos de dos y tres
clases para conteos (i.e. variable discreta) y
muestreo de variables cuando la variable sea
continua.
Tamaño de muestra en muestreo de dos
clases para análisis de laboratorio
El plan de muestreo de dos clases sólo debe-
ría aplicarse cuando el analista está seguro de
que los microorganismos están uniformemente
distribuidos en el seno del lote. En este plan de
muestreo se designa con n el número de mues-
tras unitarias que deben examinarse y con c, el
número máximo de muestras unitarias que pue-
den contener un número máximo de microorga-
nismos m. La figura 4 muestra un plan de mues-
treo de dos clases.
Figura 4. Plan de muestreo de atributos de dos clases
El plan de muestreo de dos clases utiliza la
siguiente notación:
N= Tamaño del lote.
162
  Distribución Poisson
50   80 50
0.1   0.1 0.1
7   7 3
n= Tamaño de la muestra, esto es el nú-
mero de unidades señaladas de un lote
para ser examinadas.
p= Fracción de unidades que no cumplen
con las especificaciones en un lote.
m= El valor de las características para se-
parar las unidades de calidad buena y
calidad mala.
d= Número de unidades defectuosas, esto
es el número de artículos de la muestra
que exceden a m.
c= Número de aceptación; el número
máximo de artículos defectuosos de la
muestra tolerables (si d > c, el lote es
rechazado).
El cuadro 5 muestra las Pa de los planes de
dos clases (c=0), que contienen proporciones
de unidades de la muestra insatisfactorias. La
figura 6 ilustra las curvas características de ope-
ración para planes de dos clases con c=0. Se
puede observar que entre mayor es la muestra
nuevamente es mayor el poder discriminatorio
entre lotes buenos y malos.
Tamaño de muestra en muestreo de tres
clases para análisis de laboratorio
Los planes de atributos de tres clases fueron
desarrollados por Bray et al., (1973), para mues-
trear lotes en donde la distribución de los pató-
genos sigue una distribución heterogénea en el
lote y también para reconocer tres clases de ca-
lidad: buena, marginalmente buena y mala. Este
procedimiento no requiere del conocimiento de
la distribución de los microorganismos. El mues-
treo de tres clases se puede considerar como
una extensión del muestreo de dos clases. En
particular, es una extensión de la distribución
binomial (o hipergeométrica) a la distribución
trinomial (o hipergeométrica trivariada). Recor-
demos que la distribución hipergeométrica se
utiliza cuando los lotes no son muy grandes
(entonces se dice que produce una curva de
operación del tipo A), mientras que si los lotes
son muy grandes se considera la distribución
binomial (produce una curva de operación del
tipo B). En particular, para el muestreo de tres
clases se considera que la distribución trinomial
es la adecuada por tratarse de inspección de
lotes grandes.

Cuadro 5. Probabilidad de Aceptación (Pa) de planes de muestreo de dos clases para los casos: c=0 y c=1 para cuando
p0+p1=1 y para cuando p0+p1≤1, con n=5.
  con c2=0      
    n= 5

Doble     c1=0 c1=1

p0+p1=1      
Bueno Marginal Malo    
p0 p1 p2 0 1
99 1 0 0.951 0.999
95 5 0 0.774 0.977
90 10 0 0.590 0.919
80 20 0 0.328 0.737
70 30 0 0.168 0.528
60 40 0 0.078 0.337
50 50 0 0.031 0.188
40 60 0 0.010 0.087
30 70 0 0.002 0.031
p0+p1≤1        
50 12 38 0.031 0.069
55 45 0 0.050 0.256
60 7 33 0.078 0.123
65 5 30 0.116 0.161
70 15 15 0.168 0.348
75 12 13 0.237 0.427
80 5 15 0.328 0.430
85 2 13 0.444 0.496
95 2 3 0.774 0.855
51 12 37 0.035 0.075
57 20 23 0.060 0.166
63 7 30 0.099 0.154
67 5 28 0.135 0.185
70 5 25 0.168 0.228

163
 Temas selectos en inocuidad y calidad de los alimentos

c2 = Máximo valor permitido de unidades de

Planes
Planes declases
de dos dos clases con c=0
con c=0
alimento malas en la muestra.
1.00 1.00
0.90 0.90
0.80 0.80 Así este tipo de muestreo queda definido por
0.70 0.70 n, c1 y c2 y la calidad del lote por cualquier par de
0.60 0.60
0.50 0.50 las fracciones defectuosas p0, p1 y p2. La distribu-
Pa
Pa

0.40 0.40
0.30 0.30 ción trinomial asociada es:
0.20 0.20
0.10 0.10
0.00 0.00
0

1
0.02
0.05
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0

1
0.02
0.05
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
c1 j c2
n! n i j i j
p p Pa = p0 p1 p2

i ? 0 i =0 i! j!(n i j )! (4)
n=3 n=3 n=5 n=5 n=10 n=10n=15 n=15
n=20 n=20n=30 n=30n=60 n=60n=100 n=100
   

c1 j c2
En el caso Pade= cque C2=0 la n! ecuación
Figura 5. Planes de muestreo con c=0 y p14p2queda
n i j i j
n p0
i!n j!
i ( ni i j )!
n=3,5,10,15,20,30,60 y 100. reducida a:Pa = i ? 0 i = p0 p1
0

i =0 i

La notación para los planes de tres clases es

la siguiente:
N = Tamaño del lote, el número de unidades
de alimentos en el lote.
n = Tamaño de la muestra, el número de
unidades de alimentos a ser inspeccio-
nados.
po = Fracción de unidades de buena calidad
en el lote.
p1 = Fracción de unidades de calidad margi-
nal en el lote.
p2 = 1-p1- p2 fracción de unidades de mala
calidad en el lote.
m = Valor de la característica que separa
las unidades buenas de las marginal-
mente buenas.
M = Valor de la característica que separa
las unidades marginalmente buenas de
las malas.
d1= Número de unidades marginal de mala
calidad o malas en la muestra, tales que
son mayores a m.
d2 = Número de piezas de mala calidad en
la muestra, tal que son mayores a M.
c1 = Máximo valor permitido para la suma
de unidades de alimento marginalmente
malas y malas en la muestra.
c n ni i
Pa = p0 p1
i =0 i (5)
Cuadro 6. Probabilidad de aceptación (Pa) para planes de
tres clases para n=25, con un número de aceptación de cero
para productos malos y c para marginales
Esta suma parcial es exactamente igual a
la distribución binomial, sin embargo no es la
misma porque po + p1 no suman generalmente
1. Sólo en el caso en que el lote no contenga
unidades malas (i.e. p2=0), la ecuación 5 es la
distribución binomial ordinaria.
Uso de las Tablas de tres clases
El muestreo de tres clases puede ser utiliza-
do para encontrar planes que provean de una
alta protección en contra de aceptar lotes de
mala calidad.
Cómo seleccionar un buen plan de tres
clases

164
El camino para seleccionar un buen plan de
sería:
1. Decidir un nivel de calidad aceptable (nca
o aql en inglés), esto es una combina-
ción de po, p1 y p2, que sea satisfactoria.
2. Seleccionar arbitrariamente un valor para
Pa (probabilidad de aceptación), por
ejemplo Pa= 90%.
3. Seleccionar un tamaño de muestra n y su
valor de aceptación asociado c.

Un ejemplo para interpretar estos planes es

el siguiente.

Ejemplo 1
Supóngase que asumimos que la calidad del
lote es: p0= 70% p1= 20%, p2= 10%, para n= 25,
c1= 7 y c2= 0, al revisar el cuadro 6, observamos
que en un plan de muestreo triple que cumple
con estas características tiene una probabilidad
de aceptación de Pa= .06, lo que implica que
se rechazaría 94% de las veces lotes con este
nivel de calidad (aql, por sus siglas en inglés).

Ejemplo 2
Supongamos que po= 80, p1= 20% y p2= 0% es
considerado aceptable (nca), en consecuencia,
seleccionamos n= 10 y c= 3, ya que este plan
se acerca mucho a la Pa= 90% preseleccionado
(cuadro 7).

165
Temas selectos en inocuidad y calidad de los alimentos

Cuadro 7. Probabilidad de aceptación (Pa) para planes de tres clases para n=10 y varios valores de c1.

    n≤ 10                

Triple             C        

Bueno Marginal Malo    

p0 p1 p2 0 1 2 3 4 5 6 7 9 10
99 1 0 0.90 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
99 0 1 0.90 0.90 0.90 0.90 0.90 0.90 0.90 0.90 0.90 0.90
97 3 0 0.74 0.97 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
97 1 2 0.74 0.81 0.82 0.82 0.82 0.82 0.82 0.82 0.82 0.82
95 5 0 0.60 0.91 0.99 1.00 1.00 1.00 1.00 1.00 1.00 1.00
95 3 2 0.60 0.79 0.81 0.82 0.82 0.82 0.82 0.82 0.82 0.82
90 10 0 0.35 0.74 0.93 0.99 1.00 1.00 1.00 1.00 1.00 1.00
90 8 2 0.35 0.66 0.78 0.81 0.82 0.82 0.82 0.82 0.82 0.82
90 5 5 0.35 0.54 0.59 0.60 0.60 0.60 0.60 0.60 0.60 0.60
80 20 0 0.11 0.38 0.68 0.88 0.97 0.99 1.00 1.00 1.00 1.00
80 18 2 0.11 0.35 0.59 0.74 0.80 0.81 0.82 0.82 0.82 0.82
80 15 5 0.11 0.31 0.48 0.56 0.59 0.60 0.60 0.60 0.60 0.60
80 10 10 0.11 0.24 0.32 0.34 0.35 0.35 0.35 0.35 0.35 0.35
80 5 15 0.11 0.17 0.19 0.20 0.20 0.20 0.20 0.20 0.20 0.20
70 30 0 0.03 0.15 0.38 0.65 0.85 0.95 0.99 1.00 1.00 1.00
70 25 5 0.03 0.13 0.29 0.45 0.54 0.58 0.60 0.60 0.60 0.60
70 20 10 0.03 0.11 0.21 0.29 0.33 0.34 0.35 0.35 0.35 0.35
70 10 20 0.03 0.07 0.09 0.10 0.11 0.11 0.11 0.11 0.11 0.11
60 40 0 0.01 0.05 0.17 0.38 0.63 0.83 0.95 0.99 0.99 0.99
60 35 5 0.01 0.04 0.13 0.28 0.42 0.53 0.58 0.59 0.60 0.60
60 30 10 0.01 0.04 0.10 0.20 0.27 0.32 0.34 0.35 0.35 0.35
60 20 20 0.01 0.03 0.06 0.08 0.10 0.11 0.11 0.11 0.11 0.11
60 10 30 0.01 0.02 0.02 0.03 0.03 0.03 0.03 0.03 0.03 0.03
50 50 0 0.00 0.01 0.05 0.17 0.38 0.62 0.83 0.95 0.96 0.96
50 45 5 0.00 0.01 0.05 0.13 0.27 0.41 0.52 0.58 0.58 0.58
50 40 10 0.00 0.01 0.04 0.10 0.18 0.26 0.32 0.34 0.34 0.34
50 30 20 0.00 0.01 0.02 0.05 0.07 0.09 0.10 0.11 0.11 0.11
50 20 30 0.00 0.00 0.01 0.02 0.02 0.03 0.03 0.03 0.03 0.03
50 10 40 0.00 0.00 0.00 0.01 0.01 0.01 0.01 0.01 0.01 0.01
40 60 0 0.00 0.00 0.01 0.05 0.17 0.37 0.62 0.83 0.87 0.88
40 50 10 0.00 0.00 0.01 0.03 0.09 0.17 0.25 0.31 0.32 0.32
40 40 20 0.00 0.00 0.01 0.02 0.04 0.07 0.09 0.10 0.10 0.10
40 30 30 0.00 0.00 0.00 0.01 0.02 0.02 0.03 0.03 0.03 0.03
30 70 0 0.00 0.00 0.00 0.01 0.05 0.15 0.35 0.62 0.74 0.77

166
Bray et al., (1973), señalan que cuando se de-
sea maximizar la protección debería utilizarse
c1= 0 y c2= 0. El cuadro 8 presenta planes de
muestreo de tres clases para n= 5, 10, 30 y 60
y para c1= c2= 0 y la figura 6 ilustra las zonas
de aceptación (Pa) para planes de tres clases.
Se asume que el tamaño del lote es infinito. Se
puede observar en la figura 6 que entre menor
es el tamaño de la muestra, mayor es la proba-
bilidad aceptación (Pa) de aceptar un lote.
El cuadro 8 muestra planes de muestreo
para c1= 0 y c1= 1, para c2= 0. Se puede uti-
lizar la porción (a) para cuando se desean nca
tal que po + p1 = 1, es decir para cuando se de-
see valores de p2= 0, esto es que la fracción
de unidades de mala calidad es igual a cero y
la porción (b) para cuando po + p1 ≤ 1, es decir
cuando se aceptan lotes con una fracción de
defectuosos p2.
MUESTREO DE VARIABLES
Estos planes de muestreo se recomiendan cuan-
do se conoce la función de distribución estadís-
tica de los microorganismos bajo estudio. Estos
planes de muestreo hacen pleno uso de los da-
tos del recuento microbiano, en lugar de adscri-
bir estos recuentos a categorías, como ausencia
o presencia del microorganismo. Un ejemplo de
distribución de microorganismos observada con
frecuencia en alimentos es la distribución lognor-
mal (ecuación 6). La transformación logaritmo
aplicado a la concentración microbiana es muy
popular (icmsf, 2002), ya que la distribución de
la concentración transforma una distribución asi-
métrica a una distribución simétrica.

Cuadro 8. Probabilidad de aceptación (Pa) para planes de tres clases para n=5, 10, 30, 60 y c2=0 y dos valores para c1.

Porcentaje del lote Porcentaje del lote

Buena Marginal Mala Buena Marginal Mala
p0 p1 p2 c1=0 c1=1 p0 p1 p2 c1=0 c1=1
50 12 38 0.031 0.069 50 12 38 0 0
55 45 0 0.05 0.256 55 45 0 0 0
60 7 33 0.078 0.123 60 7 33 0 0
65 5 30 0.116 0.161 65 5 30 0 0
70 15 15 0.168 0.348 70 15 15 0 0
75 12 13 0.237 0.427 75 12 13 0 0.001
n=5 80 5 15 0.328 0.43 n=30 80 5 15 0.001 0.004
85 2 13 0.444 0.496 85 2 13 0.008 0.013
95 2 3 0.774 0.855 95 2 3 0.215 0.35
51 12 37 0.035 0.075 51 12 37 0 0
57 20 23 0.06 0.166 57 20 23 0 0
63 7 30 0.099 0.154 63 7 30 0 0
67 5 28 0.135 0.185 67 5 28 0 0
70 5 25 0.168 0.228 70 5 25 0 0

167
Temas selectos en inocuidad y calidad de los alimentos

50 12 38 0.001 0.003 50 12 38 0 0
55 45 0 0.003 0.023 55 45 0 0 0
60 7 33 0.006 0.013 60 7 33 0 0
65 5 30 0.013 0.024 65 5 30 0 0
70 15 15 0.028 0.089 70 15 15 0 0
75 12 13 0.056 0.146 75 12 13 0 0
80 5 15 0.107 0.174 80 5 15 0 0
n=10 n=60
85 2 13 0.197 0.243 85 2 13 0 0
95 2 3 0.599 0.725 95 2 3 0.046 0.104
51 12 37 0.001 0.004 51 12 37 0 0
57 20 23 0.004 0.016 57 20 23 0 0
63 7 30 0.01 0.021 63 7 30 0 0
67 5 28 0.018 0.032 67 5 28 0 0
70 5 25 0.028 0.048 70 5 25 0 0

Distribución Lognormal
La función de densidad lognormal se define
como:
(6)
Figura 6. Probabilidad de aceptación para planes de tres
clases para n=5, 10, 30, 60 y c2=0 y dos valores para c1.
Las decisiones críticas en microbiología so-
bre sanidad y calidad de los alimentos implica
tres pasos: (1) Definición de los límites de acep-
tabilidad de un lote, (2) el nivel de confianza
para identificar lotes aceptables y lotes inacep-
tables y (3) elección de un plan de muestreo. En
particular el icmsf, 2002, proporciona el cuadro
9 para obtener las constantes k, tal que, se re-
chaza el lote si:

�
Para x > 0,donde μ y σ son la media y la des-
x + k * s > M (7)
viación estándar del log(X). El valor esperado
de X es: donde:
x = Promedio de los log de la carga micro-
biana.
y la varianza es: s = Desviación estándar de los log de la
carga microbiana.
K: Valor del cuadro 9.
M = Valor límite de calidad o seguridad.
La media y la varianza del log(X) son: Máximo valor en logaritmos de carga
bacteriana permitida.

168
 Cuadro 9. Valores de k utilizando una distribución t no central para la especificación de calidad/seguridad.
Rechazar el lote si x + k * s  V .
Probabilidad de Proporción de Número de unidades de muestra: n. icmsf, 2002.
rechazo defectuosos: pd 3 4 5 6 7 8 9 10
0.95 0.05 7.7 5.1 4.2 3.7 3.4 3.2 3.0 2.9
0.1 6.2 4.2 3.4 3.0 2.8 2.6 2.4 2.4
0.3 3.3 2.3 1.9 1.6 1.5 1.4 1.3 1.3
0.90 0.1 4.3 3.2 2.7 2.5 2.3 2.2 2.1 2.1
0.25 2.6 2.0 1.7 1.5 1.4 1.4 1.3 1.3

Ejemplo 3 asociado a n= 5. Al aplicar la regla de decisión

El recuento de aerobios en placa de 5 unida- (7) obtenemos:
des de muestra tomadas de un lote de pollo se
muestra en el cuadro 10. Un plan de muestra x + k * s  V = 5.039 + (1.7 * 0.378) = 5.682
adecuado podría ser Pa= 0.90 con pd= 0.25 con
un valor máximo permisible de M= 7 en la esca- Este valor es menor que 7 por lo tanto el lote
la logarítmica. Por lo tanto el valor de k sería 1.7 se aceptaría.

Cuadro 10. Recuento de aerobios en placa (rap) de una muestra de pollos

�
rap Log(rap) Desviación estándar (s)
Media de log ( x )
40,000 4.602
69,000 4.839
81,000 4.909 5.039 0.378
200,000 5.301
350,000 5.544

Valores de M para alimentos Ventajas del muestreo por variables

Algunos valores de M para frutas y verduras han
sido reportados por ejemplo como sigue: James
(2006) reportó que el total de cuentas aeróbicas
de vegetales intactos podrían variar entre 2.9 y
7.3 log de ufc/g. Albrecht et al. (1995) reportaron
que con 7 log de ufc/g las frutas son factibles
de comer. El gobierno japonés ha definido ali-
mentos con cuentas aeróbicas menores a 5 log
de ufc como seguras para el consumo humano
(James, 2006).
A continuación se listan algunas ventajas del
muestreo de variables:
• Permiten obtener la misma curva carac-
terística de opresión que el muestreo de
atributos con un tamaño de muestra
mucho menor. Esto compensa el costo
de la toma de muestras por variables.
• Se recomienda cuando las pruebas de
inspección son destructivas, para redu-
cir los costos de inspección.

169
Temas selectos en inocuidad y calidad de los alimentos

• La medición numérica de característi- • Se asume que la distribución probabi-

cas de sanidad (cuenta microbiana) o
calidad es de mayor utilidad que la sim-
ple clasificación del producto en defec-
tuoso o no defectuoso.
• Cuando los niveles de calidad acepta-
ble son muy pequeños, los tamaños de
muestra requeridos por los planes de
muestreo para atributos son muy gran-
des. Por esto resultan más ventajosos
los muestreos por variables.
Desventajas del muestreo por variables
• Necesidad de conocer la distribución de
la característica de calidad (presencia
de microorganismos patógenos).
lística de los datos es la normal por lo
general. Si se asume esta distribución
y no la tiene la característica de calidad
bajo estudio, se incrementan las proba-
bilidades de error como el de rechazar
lotes aceptables y no rechazar lotes que
no cumplen.
Con el objeto de integrar los planes de
muestreo revisados en este capítulo, se pre-
sentan dos planes de muestreo para su inspec-
ción desde la revisión visual hasta el análisis
de laboratorio para frutas y hortalizas (cuadros
11 y 12) y para productos deshidratados (cua-
dros 13 y 14).

Cuadro 11. Tamaño de muestra para frutas y hortalizas para diferentes pesos

Distribución Nivel de confiabilidad /

Unidad de muestreo Nomograma o Fórmula
estadística fracciones defectuosas
Beta binomial para
Prob. Rechazo: Alto
muestra primaria.
riesgo= 80%
Poisson para
Para muestra primaria:
1) bolsa o paquete/ de <25 muestra combinada
p= 0.02. Para muestra
gramos/ y también Poisson Distribución Poisson
combinada p= 0.1 y Pr=
para muestra para
66%,, para muestra para
laboratorio. c =0
laboratorio= 0.01 1 = e x
/ x!
Beta binomial para cx =
=00
Prob. Rechazo: Alto x
muestra primaria. 1 =c =0 e / x!
riesgo= 80% si =x =np x
Binomial para la 1 = 0 e / x!
Para muestra primaria:
muestra combinada si = log(
x =0
= np 1 )
2) de 25 a 250 gramos p= 0.005. Para muestra n
y Poisson para si = npp
combinada p= 0.1 y Pr= log(1 )
muestra para n = log(1
66%, para muestra para )
laboratorio. n= p
laboratorio= 0.01 p
Beta binomial para
muestra primaria. Prob. Rechazo: Alto Distribución Beta binomial
Binomial para la riesgo= 80% Para Ni p 1
muestra combinada muestra primaria: p= ni = N i
2
(
1 1 /( Ni p ) )
NNp p1 1
3) de 250 a 500 gramos y Poisson para
muestra para
0.005. Para muestra
combinada p= 0.1 y Pr=
((
nii == NNi i i i 1 1 1 /( N1i/(pN) i p )
22
))
laboratorio. 66%,, para muestra para
laboratorio= 0.01
c =0
Beta binomial para Prob. Rechazo: Alto Distribución Poisson x
1 =c = 0 e / x!
muestra primaria. riesgo= 80% Para 1 = cx = 0e x
/x x!
Binomial para la muestra primaria: p= 0.02. 1 =x = 0 e / x!
4) de más de 500 gramos muestra combinada Para muestra combinada si =x =np
0
y Poisson para p= 0.1 y Pr= 34, para si = np
muestra para muestra para laboratorio= si = log(
n = np1 )
log(1 )
laboratorio. 0.01 n= p
log(p1 )
n=
p

170
Frutas y hortalizas
Cuadro 12. Tamaño de muestra para frutas y hortalizas. alto riesgo: Productos que han presentado contaminación
microbiana durante los últimos 5 años.

Tamaño de muestra para frutas y hortalizas: np: unidades primarias, nc: muestra combinada.
nL: muestra para análisis de laboratorio y ncontramuestra: contramuestra.
INSPECTOR LABORATORIO
n p: nc:
Peso Tamaño del lote unidades unidades
Unidad de nL: en ncontramuestra:
unitario de Producto (en unidades de para para nc: en kg
inspección kg en kg
la fruta inspección) inspección enviar al
visual laboratorio
Paquetes Paquetes kg kg kg
paquete menos de 1,000 35 (**)
paquete
o bolsa 1,001 a 10,000 35 (**)
<25 g de fresas 10 2.50 1.25 1.25
listo para 10,001 a 100,000 35 (**)
cerezas
consumo más de 100,000 35 (**)
Frutas u hortalizas frutas u hortalizas kg kg kg
menos de 1,000 275 (**)
pieza de manzana
1,001 a 10,000 316
ALTO RIESGO

25 a 250 g fruta u elote 10 2.50 1.25 1.25

10,001 a 100,000 321
hortaliza papa
más de 100,000 321
Frutas u hortalizas frutas u hortalizas kg kg kg
lechuga
menos de 1,000 275 (**)
repollo
pieza de pepino 1,001 a 10,000 316
250 a 10 5.00 2.50 2.50
fruta u racimos
500 g 10,001 a 100,000 321        
hortaliza uvas
perejil y 321
más de 100,000
cilandro (*)  
Frutas u hortalizas frutas u hortalizas kg kg kg
melón menos de 1,000 77
pieza de sandía 1,001 a 10,000 79
> 500 g fruta u 5.00 10.000 5.000 5.000
hortaliza papaya 10,001 a 100,000 80
  más de 100,000 80
(*): Para perejil y cilandro, se colectaban suficientes manojos para igualar los gramos correspondientes
(**): Si los paquetes o bolsas son menos que 25, muestrear como mínimo 20% del total del lote.
Nota para el laboratorio: extraer de cada pieza la cantidad proporcional hasta sumar nL y ncontramuestra

171
Temas selectos en inocuidad y calidad de los alimentos

Cuadro 13. Tamaño de muestra para productos deshidratados para diferentes tamaños del lote

Nombre de la muestra /Unidad Distribución Nivel de confiabilidad /

de muestreo/Tamaño del lote estadística fracciones defectuosas Nomograma o Fórmula

Distribución Poisson
c =0 c =0

Prob. Aceptación: Alto riesgo= 1 1= =e ex / x!x / x!

c =0
1) Muestra Primaria/bolsa o 1 =
x =0
e
x =0
x
/ x!
Poisson 99% . p1= 0.1% es decir 1
paquete/ 100 o menos unidades si si =x =np
0 = np
grano de cada 1,000
si nplog(
=log(1 1) )
n p =n p =
log(1p p)
np =
p
Prob. Rechazo: Alto riesgo= Distribución Beta binomial
2) Muestra Primaria/sacos/ con
Beta binomial 80% . p2= 10% es decir 10 N pN1p 1
más de 100 unidades
saco de cada 100 ( ( ) )
n p =n pN=i N i i i 1 11 /( Ni1p/() Ni p )
N i 2p 12
n p = Ni
2
(
1 1 /( Ni p ) )
3) Muestra Primaria/ puntos a Distribución Beta binomial
N pN1p 1
inspeccionar en zigzag sobre las
Beta binomial
Prob. Rechazo: Alto riesgo=
80% . p2= 10% es decir 10 N i 2p 12
( ( ) )
n p =n pN=i N i i i 1 11 /( Ni1p/() Ni p )
pacas o producto a granel/100 o
saco de cada 100
n p = Ni
2
(
1 1 /( Ni p ) )
más kgs

Para Poisson: Prob. Rechazo: k: peso de unidad de inspección

Poisson 90% y p2= 1% de gramos
contaminados.
nc = n p * k

4) Muestra Combinada Para beta-binomial:

Beta binomial Prob. Rechazo: Alto riesgo=
80% y p2= 10% de gramos nc = n p * k
contaminados.

5) Muestra para análisis de

Poisson Prob. Rechazo: 90% n L = ( nc * k ) / 2
y p2= 1% de gramos
laboratorio
Beta binomial contaminados n L = ( nc * k ) / 2
Poisson Prob. Rechazo: 90% ncontramuetra = (nc * k ) / 2
6) Contramuestra y p2= 1% de gramos
Beta binomial contaminados ncontramuestra = (nc * k ) / 2

172
Productos deshidratados

Cuadro 14. Tamaño de muestra para productos deshidratados. alto riesgo: Productos que han presentado contaminación
microbiana durante los últimos 5 años.

Tamaño de muestra para productos deshidratados: np: unidades primarias y nc: muestra combinada

INSPECTOR LABORATORIO

Peso unitario nc: en gramos

Unidad de Tamaño del lote en np: unidades nL: en ncontramuestra:
del producto para enviar al
inspección unidades de inspección de inspección gramos en gramos
deshidratado laboratorio

Unidades a
    Paquetes, bolsas o sacos      
inspeccionar

Paquete o   N≤ 100
<25 g (un
bolsa (de 7 700 350 350
datil) 101 <N≤ 1,500
dátiles)

Paquete o   N≤ 100 7 1,750 875 875

25 a 250 g
bolsa 101 <N≤ 1,500 15 1,875 1,875
3,750
Paquete o   N≤ 100
ALTO RIESGO

>250g 14 14,000 7,000 7,000

bolsa 101 <N≤ 1,500
  N≤ 100 7 3,500 1,750 1,750
sacos Saco
101 <N≤ 1,500 15 7,500 3,750 3,750

Pacas a
    Pacas
inspeccionar

pacas de   N≤ 100 7 350 175 175

productos Paca
deshidratados 101 <N≤ 1,500 15 750 375 375

Puntos a
    Kilogramos
inspeccionar

Puntos a   N≤ 2,500 7 1,750 875 875

producto a
inspeccionar
granel 2,501 <N≤ 5,000 15 3,750 1,875 1,875
en zigzag

173
Temas selectos en inocuidad y calidad de los alimentos
Elección final del muestreo según icmsf
(2002)
El programa de muestreo microbiológico tiene el
propósito de evitar que los alimentos ocasionen
daño al consumidor. La gravedad del peligro
depende de la tasa de crecimiento del microor-
ganismo, y de la patogenicidad del mismo. Por
lo tanto, la elección del programa de muestreo
va a estar en función de la gravedad del peligro
dada por un microorganismo y las condiciones
posteriores de exposición del alimento que pue-
dan provocar un cambio en la peligrosidad del
mismo. El plan de muestreo deberá ser más es-
tricto mientras mayor sea el riesgo que implique
el tipo de microorganismo a analizar. Los gru-
pos de microorganismos según el tipo de riesgo
(patogenicidad) se clasifican en:
• Sin riesgo a la salud. Aquellos microor-
ganismos que son responsables de la
descomposición de alimentos, como los
aerobios: Pseudomonas, Acromobac-
ter, Moraxella, etc.
• Riesgo indirecto. Se considera a los mi-
croorganismos indicadores de la posible
presencia de microorganismo patóge-
nos, como Enterobacter aerogenes, E.
coli, etc.
• Riesgo moderado de extensión mode-
rada. Son microorganismos ubicuos en
la naturaleza y la enfermedad que pro-
ducen está relacionada con números
grandes del patógeno. Tales como: Ba-
cillus cerus, Campylobacter jejuni, Clos-
tridium perfringens, Staphylococcus
aureus, Vibrio cholerae no 01, Vibrio pa-
rahaemolyticus, Yersinia enterocolitica,
Giardia lamblia y Taenia saginata.
• Riesgo moderado de extensión amplia.
Incluye microorganismos que presentan
riesgos epidemiológicos severos. Son
diseminados por alimentos específicos,
pero pueden introducirse al alimento por
174
contaminación ambiental o cruzada. La
enfermedad resulta de inóculos relativa-
mente pequeños. Tales como: Listeria
monocytogenes, Salmonella spp., Shi-
gella spp., otras cepas enterovirulentas
de E. coli y Estreptococcus pyogenes.
• Riesgo severo. Los microorganismos
incluidos son aquellos que provocan
riesgos severos a la salud. Tales como:
Clostridium botulinum tipos A, B, E y F,
Shigella dysenteriae, Salmonella typhi
serotipos paratyphi A y B, Escherichia
coli enterohemorrágia, virus de la he-
patitis A y E, Brucella abortus, Brucella
suis, Vibrio cholerae 01, Vibrio vulnificus
y Taenia solium.
Hay que considerar que ésta, no es una cla-
sificación rígida, ya que se debe tomar en cuen-
ta que si para un adulto normal un determinado
microorganismo representa un riesgo modera-
do, para un bebé o un enfermo puede ser un
riesgo severo.
Condiciones posteriores de exposición
del alimento
Cuando se desconoce si el proceso o la mani-
pulación posterior a éste ha sido adecuado, se
deben utilizar las pruebas destinadas a deter-
minar el número de microorganismos indica-
dores pues revelan los posible defectos en el
procesamiento del alimento (icmsf, 2002). Sólo
se debe someter a los alimentos a pruebas para
la detección de patógenos en circunstancias es-
peciales:
a Si se sabe que un determinado patógeno
se encuentra con frecuencia en un alimen-
to y es capaz de producir enfermedad.
b. Cuando la epidemiología de un brote
de enfermedad de origen alimentario
hace sospechar que un determinado
 lote de alimentos ha sido la causa de la
enfermedad.
c. Cuando se trata de otras circunstancias
que hagan sospechar la presencia
de patógenos.
El cuadro 15 presenta la relación entre el tipo
de riesgo y las condiciones de manipulación y
consumo del alimento tras el muestreo, en éste
se indica los planes de muestreo recomenda-
dos para cada categoría establecida.
Además, existen otros criterios que también
influyen en la decisión de qué alimentos y lotes
recibirán más atención que otros según el tiem-
po y los recursos disponibles (icmsf, 2002).

Cuadro 15. Programas de muestreo recomendados para combinaciones de diferentes grados de peligrosidad y diversas
Tipo de Riesgo
Sin riesgo para la salud
Vida útil y alteración
Riesgo para la salud bajo,
indirecto (indicadores)
Moderado directo, difusión
limitada
Moderado, directo, difusión
potencialmente extensa
Grave, directo
condiciones de manipulación (icmsf, 2002).
Condiciones de manipulación del alimento tras el muestreo
Reducen el riesgo Riesgo sin cambios Pueden aumentar el riesgo
Categoría 1 Categoría 2 Categoría 3
3 clases n= 5, c= 3 3 clases n= 5, c= 2 3 clases n= 5, c= 1
Categoría 4 Categoría 5 Categoría 6
3 clases n= 5, c= 3 3 clases n= 5, c= 2 3 clases n= 5, c= 1
Categoría 7 Categoría 8 Categoría 9
3 clases n= 5, c= 2 3 clases n= 5, c= 1 3 clases n= 10, c= 1
Categoría 10 Categoría 11 Categoría 12
2 clases n= 5, c= 0 2 clases n= 10, c= 0 2 clases n= 20, c= 0
Categoría 13 Categoría 14 Categoría 15
2 clases n= 15, c= 0 2 clases n= 30, c= 0 2 clases n= 60, c= 0
(icmsf,1999)

175
Temas selectos en inocuidad y calidad de los alimentos
Uniformidad: A menor uniformidad, será nece-
sario sustraer un mayor número de unidades de
muestra.
Estratificación: Esta estrategia se usa cuando
se sabe que la partida no tiene una calidad uni-
forme; y lo que se hace es dar a cada peque-
ña parte del material de cada estrato la misma
oportunidad de estar en la muestra total.
Historial: Lotes de proveedores con buenos his-
toriales, se puede reducir el número de mues-
tras.
Limitaciones prácticas: Los análisis microbioló-
gicos son lentos y laboriosos, los alimentos pe-
recederos por lo que las autoridades políticas
y administrativas presionan para agilizarlos, y
por lo tanto disminuyen el número de muestras
y aumenta la probabilidad de error.
Decisión entre planes de muestreo
La decisión entre planes de muestreo depende
básicamente de la restricción o no de permitir
la presencia de una muestra positiva. Si la res-
puesta es negativa, se debería elegir un plan de
muestreo de dos clases con c= 0. Si la respues-
ta es positiva se puede aplicar un plan de mues-
treo de tres clases. Estos últimos son mejores
que los de dos clases cuando se aceptan unas
cuantas unidades de muestra por encima de los
permisibles sin que originen problemas. Esta si-
tuación es especialmente aplicable al recuento
de microorganismos indicadores.
El límite crítico M se mantendrá a no ser que
nuevos datos revelen que se debe modificar,
debe esperarse que, cuanto mayor sea la estabi-
lidad del criterio de aceptación de los planes de
muestreo, estos adquieran una mayor difusión y
se adopten con mayor asiduidad (icmsf, 2002).
176
Un plan de tres clases permite a los organis-
mos reguladores controlar la tendencia de los
análisis. Por ejemplo, si se observa un aumen-
to del número de muestras con valores dentro
del intervalo de “marginalmente aceptable” (de
m a M), esto puede indicar que existe una falta
de control. En resumen se debería aplicar: (1)
el muestreo doble cuando la norma exige C= 0
presencia de patógenos, (2) el muestreo triple,
cuando se permite una cierta cantidad de pro-
ducto con presencia de microorganismos y (3)
el muestreo para variables, cuando se conoce
la distribución de las frecuencias de los microor-
ganismos en unidades de masa (e.g. gramos)
o de volumen y el máximo valor permisible de
microorganismos tolerables M (e.g. en unidades
de log). Las distribuciones más frecuentes son
la normal y la log normal (e.g. recuento de aero-
bios en placa de muestra). Para el caso de fru-
tas y hortalizas M se podría definir inicialmente
entre 5 log de ufc/g como lo definen los japo-
neses (James, 2006) y 7 log de ufc/g como lo
reportó Albrecht et al. (1995) para frutas listas
para comer.
REFERENCIAS
Albrecht, J. A., F. L. Hamouz, S. S. Summer, &
V. Melch. 1995. Microbial evaluation of
vegetable ingredients in salad bars. J.
Food Prot. 58: 683-685.
Arummugaswamy, R. K., R. A. Rusul & B. A. H.
Nadzriah. 1994. Prevalence of Listeria
monocytogenes in foods in Malaysia.
Int. J. Food Microbiol. 23: 117-121.
Baird-Parker, A. C. 1980. The role of industry
in the microbiological safety of foods.
Food Tech Aust 32: 254-260.
Beuchat L. R. & J. H. Ryu. 1997. Produce han-
dling and processing practices. Emerg.
Inf. Dos. 3(4): 459-465.
Bray, D., D. Lyon, I. Burr. 1973. Three Class At-
tributes Plans in Acceptance Sampling.
Technometrics 15(3): 575–585.
Codex Alimentarius (Codex Alimentarius Com-
mission). 1997. Principios para el Es-
tablecimiento y la Aplicación de Crite-
rios Microbiológicos a los Alimentos. Hi-
giene de los Alimentos, Suplemento al
Volumen 1B. Codex Alimentarius Com-
mission, FAO, Rome, Italy. Consultado
en:http://www.fao.org/DOCREP/005/
Y1579S/y1579s04.htm.
Doyle, M. P. & J. L. Schoeni 1986. Isolation of
Campilobacter jejuni from retail mus-
hrooms. Appl. Environ. Microbiol. 51
(2): 449-450.
Duncan, A. J. 1989. Control de calidad y esta-
dística industrial. Ediciones Alfaomega,
S. A. de C. V. México, D.F.
Harmon, S. M., D. D. A. Kautter & H. M. Solo-
mon. 1987. Bacillius cereus contami-
nation of seeds and vegetables sprouts
grown in a home sprouting kit. J. Food
Prot. 50: 62-65.
Hawkes, C. J. 1979. Curves for Simple Size De-
termination in Lot Sensitive Sampling
Plans. Journal of Quality Technology
11(4):205-210.
icmsf. 2002. Comisión Internacional de Espe-
cificaciones Microbiológicas de los Ali-
mentos. 2002. Microorganismos de los
Alimentos 7: Análisis microbiológico en
la gestión de la seguridad alimentaria.
Editorial Acribia, Zaragoza, España.
Jackish, W. 1995. Risiken bei der Ermittlung des
Fremd-und Unkrautbeesatzes von Sa-
atgutpartien. VDLUFA-Schriftenreihe,
Kongrebband.
James, J. 2006. Microbial Hazard Identification
in Fresh Fruit and Vegetables. Wiley
and Sons, Inc., NY.
Kuralmani, V. & K. Govindaraju. 1993. Selection
of Conditional Sampling Plans for given
aql and lql. Journal of Applied Statistics
20(4):467-479.
Little, C. L., D. Roberts, E. Youngs & J. de
Louvois. 1999. Microbiological quality of
retail imported unprepared whole lettu-
ces: a PHLS Food Working Group Stu-
dy. J. Food Prot. 62 (4): 325-328.
Marchetti, R., M. A. Casadei & M. E. Guerzoni.
1992. Microbial population dynamics in
ready-to-use vegetables salads. Ital. J.
Food Sci. 2:97-108.
Monge, R. y M. Chinchilla. 1996. Presence of
Cryptosporidium oocysts in fresh vege-
tables. J. Food Prot. 59 (2): 202-203.
Notermans, S., J. Dufrene & J. P. G. Gerrits.
1989. Natural Occurrence of Clostri-
dium botulinum on fresh mushrooms
(Agaricus bisporus). J. Food Prot. 52
(10): 733-736.
Odumeru, J. A., S. J. Mitchell, D. M. Alves, J.
A. Lynch, A. J. Yee, S. Styliadis & J. M.
Farber. 1997. Assesment of the micro-
biological quality of ready-to-use vege-
tables for health-care food services. J.
Food Prot. 60 (8): 954-960.
Organización Internacional de Normalización.
1979. Norma Internacional ISO 950:
Muestreo de cereales (en grano), e ISO
951: Muestreo de legumbres en sacos.
ISO, http://www.iso.ch/iso/en/ISOOnli-
ne.openerpage.
Park, C. E. & G. W. Sanders. 1992. Ocurrence of
thermotolerant campylobacters in fresh
vegetables sold at farmers´ outdoors
markets and supermarkets. Can. J. Mi-
crobiol. 38: 313- 316.
Yamamura, K., Sugimoto, T. Biometrics, Vol. 51,
No. 2 (Jun., 1995), pp. 482-490.
177
“El Colegio de Postgraduados está comprometido con el manejo
responsable de los productos forestales, es por ello que buscamos
a través de nuestros proveedores de impresión apoyar al Forest
Stewardship Council, principal organismo internacional de certificación
forestal. Las publicaciones que editamos y que llevan la etiqueta FSC®
han sido impresas en papel certificado FSC®, lo cual garantiza que
dicho papel proviene de fuentes responsables y ha sido custodiado en
todos los pasos del proceso desde su elaboración hasta la impresión”.
 TEMAS SELECTOS EN INOCUIDAD Y CALIDAD AGRÍCOLA Y PECUARIA
Impreso en México Printed in México
PRINTING ARTS MEXICO, S. de R. L. de C. V.
Calle 14 no. 2430, Zona Industrial
Guadalajara, Jalisco, México. C.P. 44940
www.tegrafIk.com
RFC: PAM 991118 DG0
Tiraje: 1 000 ejemplares.

View publication stats