MÉTODOS ESTADÍSTICOS PARA INTERPRETACIÓN DE DATOS SENSORIALES Y

TEST DE MEDIDA

PRESENTADO POR
MELISA MONTOYA HOYOS

DOCENTE
CLAUDIA DENISE DE PAULA

UNIVERSIDAD DE CORDOBA
FACULTAD DE INGENIERIAS
PROGRAMA DE INGENIERIA DE ALIMENTOS
SEDE- BERASTEGUI
2020
 MÉTODOS ESTADÍSTICOS PARA INTERPRETACIÓN DE DATOS SENSORIALES Y
TEST DE MEDIDA

Las pruebas de análisis sensorial existen desde que el hombre utilizó sus sentidos
para juzgar la calidad y seguridad del agua potable y de los alimentos. Con la
aparición de la actividad comercial se desarrollaron distintos avances que
permitieron análisis formalizados, incluyendo catadores profesionales y sistemas
de calificación. El análisis sensorial busca satisfacer la necesidad de una buena
reproducción de los datos, con la mayor objetividad posible y sin desviaciones. La
parte esencial del análisis sensorial se realiza mediante la cata del producto
alimentario, que puede ser en una sesión matinal con el objetivo de hacer
comparación con productos de la competencia, evaluación de la calidad de un
producto, evaluación de nuevas recetas de cocina para el desarrollo de productos
o para el control durante la producción. Es muy importante que el técnico
sensorial, tenga claro por qué se realiza este trabajo y la forma correcta de llevarlo
a cabo para garantizar que las conclusiones obtenidas no sean erróneas.
Los datos de las pruebas sensoriales pueden presentarse en forma de
frecuencias, ordenamiento por rangos o datos numéricos cuantitativos. La forma
de los datos depende del tipo de escala de medición utilizada para la prueba
sensorial. Para el análisis estadístico de los datos, deben emplearse métodos
apropiados para los datos de frecuencia, de ordenamiento o cuantitativos. En la
siguiente sección se describen brevemente los tipos de escalas y métodos
estadísticos apropiados para el análisis de los datos obtenidos.
Escalas de medición
Las escalas de medición se utilizan para cuantificar la información de las pruebas
sensoriales. Existen diferentes tipos de escalas: nominal, ordinal, de intervalo y
racional. Dado que el tipo de análisis estadístico que se llevará a cabo se ve
afectado por el tipo de escala seleccionado, la escala de medición deberá
seleccionarse sólo después de haber analizado cuidadosamente los objetivos del
estudio.
 Escalas Nominales
Las escalas nominales son el tipo más sencillo de escala. En este tipo de escala,
los números no tienen valor numérico real ya que se emplean para designar o
nombrar categorías. Por ejemplo, para identificar características olfativas de
salsas de tomate, los panelistas pueden utilizar una escala nominal en que el
número 1 = a fruta, el 2 = dulce, el 3 = picante y el 4 = acre. Los panelistas
escriben el número correspondiente a cada característica de olor presente en cada
muestra y el encargado del panel tabula la frecuencia en que aparecen las
diferentes características para cada muestra. Luego, los productos se comparan
observando la frecuencia de cada característica de olor en cada muestra.
En una escala nominal es posible utilizar nombres solamente, en vez de números
que representen a los nombres. Se puede dar nombre a las clasificaciones o
categorías y las frecuencias en cada clasificación pueden tabularse y compararse.
Las muestras de alimentos pueden clasificarse como aceptables o no aceptables y
se puede comparar el número de panelistas que juzga la muestra como no
aceptable en relación al número de panelistas que la considera aceptable.
 Escalas ordinales
En las escalas ordinales, los números representan posiciones. Las muestras se
ordenan de acuerdo a magnitud. El orden no indica el tamaño de la diferencia
entre muestras. Las escalas ordinales se utilizan tanto en las pruebas orientadas
al consumidor como en las orientadas al producto. En los paneles de
consumidores, las muestras se ordenan en base a su preferencia o aceptabilidad.
Por ejemplo, los bizcochos horneados con tres fórmulas diferentes, pueden ser
ordenados en base a preferencia, asignando el número1 al que más se prefiere y
el número 3 al menos preferido. En las pruebas orientadas al producto, el
ordenamiento se basa en las intensidades de una característica específica del
producto.
Escalas de Intervalo
Las escalas de intervalo permiten ordenar muestras, de acuerdo a la magnitud de
una sola característica del producto o de acuerdo a la aceptabilidad o preferencia.
Las escalas de intervalo permiten indicar el grado de diferencia entre muestras;
por ejemplo, utilizando una escala de intervalos para evaluar sopas de pollo, no
sólo se puede identificar la muestra más salada, sino que también se sabe el
número de intervalos que separan la sopa más salada de la menos salada. Para
poder medir el grado de diferencia entre muestras, la magnitud de los intervalos de
la escala debe ser constante.
Escalas Racionales
Las escalas racionales son similares a las escalas de intervalo, excepto que en las
de razón, existe un verdadero punto cero. En una escala de intervalo, el valor cero
escogidos arbitrariamente no indica necesariamente la ausencia de la
característica que se mide. En una escala racional, el punto cero indica la
ausencia completa de la característica. Si se emplea una escala de este tipo para
medir las cinco muestras de sopa de pollo, el número de intervalos que separan
las muestras en lo que respecta al contenido de sal indicaría cuántas veces más
salada es una muestra que la otra. En una escala de razón, si dos de las muestras
A y B reciben puntajes de 3 y 6 respectivamente, en lo que respecta a intensidad
de sabor salado, la muestra B sería dos veces más salada que la muestra A. Este
tipo de escala raramente se utiliza en pruebas orientadas al consumidor, ya que
para poder emplearla adecuadamente se requiere entrenamiento.
Análisis estadístico
Los resultados sensoriales se analizan estadísticamente para que el
experimentador puede hacer inferencias u obtener conclusiones acerca de las
poblaciones de personas o de alimentos, en base a una muestra obtenida en esas
poblaciones.
PRUEBAS ESTADÍSTICAS
 Las pruebas estadísticas se emplean para analizar los datos obtenidos en los
estudios sensoriales. El análisis estadístico persigue los siguientes objetivos:
–   comprobar hipótesis
–   determinar si existen diferencias entre las muestras, tratamientos o poblaciones
y si estas diferencias dependen a su vez de otras variables o parámetros.
–   verificar la consistencia de los panelistas entrenados, tanto durante la fase de
capacitación como durante el estudio mismo.

Pruebas Estadísticas para Datos Sensoriales

Los datos de las escalas nominales y ordinales se analizan empleando análisis
estadísticos no paramétricos, mientras que los datos de las escalas de intervalo y
racionales, se analizan empleando pruebas estadísticas paramétricas. Los
métodos no paramétricos permiten un grado de discriminación menor que los
métodos paramétricos, pero no requieren que los datos tengan una distribución
normal e independiente, como ocurre con las pruebas paramétricas. Las pruebas
paramétricas requieren escalas que tengan intervalos o categorías constantes,
tanto psicológicamente como en magnitud; de lo contrario, las categorías deberán
considerarse datos nominales y analizarse utilizando métodos no paramétricos. 
Por lo general, los datos sensoriales nominales se analizan mediante pruebas
binomiales o de chi-cuadrado. Los datos sensoriales de tipo ordinal o de
posiciones, generalmente se analizan con las pruebas de Kramer o de Friedman;
sin embargo, recientemente se ha visto que la prueba de Kramer no resulta
apropiada por lo que no es recomendable. La prueba paramétrica más frecuente
para los datos sensoriales expresados en escala de intervalos o escalas
racionales es el análisis de varianza (ANOVA).

Pruebas de comparación múltiple de medias, se utilizan para identificar muestras

que difieren entre sí, una vez que se ha confirmado la presencia de diferencias
estadísticas mediante análisis de varianza. Muchas pruebas de comparación
múltiple, tales como la Nueva Prueba de Rangos Múltiples de Duncan, la Prueba
de Tukey, la Prueba de la Menor Diferencia Significativa (MDS) y la Prueba de
Scheffe, están disponibles. De éstas, la prueba de MDS es la más poderosa y
liberal, seguida de las pruebas de Duncan, Tukey y Scheffe. Por ello, el uso de la
prueba MDS hará más probable que se encuentren diferencias significativas entre
dos muestras; sin embargo, ésta también puede identificar diferencias que en
realidad no existen. La prueba de Scheffe, por otra parte, es bastante cautelosa o
conservadora y puede no encontrar diferencias cuando éstas en realidad existen.
Las pruebas de Duncan y Tukey son utilizadas frecuentemente para datos
sensoriales ya que no son consideradas ni muy liberales ni muy conservadoras.

Las técnicas de análisis de multivarianza pueden ser utilizadas cuando se

investigan relaciones entre un número de diferentes mediciones o pruebas.
Análisis de Regresión y Correlación, Análisis Discriminante, Análisis Factorial y
Análisis de Componentes Principales, son tipos de análisis de multivarianza
utilizados frecuentemente en estudios sensoriales. Estos análisis requieren
tratamiento estadístico más sofisticado y no serán discutidos en este manual.

Los análisis estadísticos más frecuentes son:

Análisis de varianza
Se utiliza cuando se usa el método de marcamiento, en el que varios jueces
evalúan varios productos o se marcan los mismos productos a diferentes tiempos
lo que lleva a obtener un puntaje promedio para cada producto. Este método se
denomina de los mínimos cuadrados y nos indica el origen de la variación y el
significado de la diferencia. Establece una partición de la suma de cuadrados en
(para el caso de un panel marcando muestra), suma de cuadrados jueces, suma
de cuadrados muestras, suma total de cuadrados y suma de cuadrados error. El
valor de la suma de cuadrados error se establece por diferencia y nos da una
indicación de la inevitable variabilidad en el experimento. El flanero de grados de
libertad es partido del mismo modo, y para cada caso es igual el número de ítems
menos uno.
El propósito de ANOVA es probar significancia estadística de las diferencias entre
las medias de los grupos o niveles de un factor. Esto se logra analizando la
varianza, es decir, partiendo la varianza total en el componente que se debe a un
error aleatorio de la medida y el componente que se debe a las diferencias entre
las medias de los niveles del factor. Finalmente, estas varianzas son comparadas
para probar la hipótesis nula de que no hay diferencia entre las medias, y en caso
de que resulten significativamente diferentes, se rechaza dicha hipótesis.
Para determinar si existen diferencias significativas para cada variable se utiliza el
test F al nivel de significancia escogido.
Se efectúa la comparación del valor tabulado con el valor calculado para cada
variable que se define así:
 F = MS asignable/ MS error
donde MS es el valor de la varianza y se calcula como:
MS = Varianza= suma de cuadrados / grados de libertad
Test de tukey
Tras la comprobación de que existen diferencias significativas entre las muestras,
se aplica un método de comparaciones múltiples que se llama Test HSD (honestly
significance difference) de Tukey. Dicho Test fue creado por John W. Tukey. El
Test de Tukey es un test de comparaciones múltiples, que permite comparar las
medias de los t niveles de un factor después de haber rechazado la hipótesis nula
de igualdad de medias mediante la técnica del ANOVA.
El Test de Tukey se basa en la distribución del rango estudentizado, que es la
distribución que sigue la diferencia del máximo y del mínimo de las diferencias
entre la media muéstrales y la media poblacional de t variables normales N(0,1)
independientes e idénticamente distribuidas. El procedimiento consiste en calcular
todas las diferencias de medias muéstrales entre los t niveles de factor estudiado.
Las diferencias que estén por encima del umbral establecido, son diferencias
significativas, mientras que las que no estén, serán diferencias no significativas.
Las formulas del metodo de Tukey son:

Prueba de friedman.
La prueba de Friedman (1937) sirve para comparar J promedios poblacionales
cuando se trabaja con muestras relacionadas. La situación experimental que
permite resolver esta prueba es averiguar si los promedios de esos J tratamientos
o medidas son o no iguales. El diseño está formado por J muestras o tratamientos
relacionados y por una muestra aleatoria de n sujetos o bloques independientes
entre sí e independientes de los tratamientos. El estadístico de Friedman (F r ) se
distribuye según el modelo de probabilidad chi-cuadrado con J–1 grados de
libertad. En esta prueba, se contrasta la hipótesis de que los J promedios
comparados son iguales en la población:
Cuando el estadístico Fr resulta significativo, para analizar qué variables difieren
entre sí se puede emplear la prueba de Wilcoxon para dos muestras relacionadas.
Prueba de wilcoxon de comparaciones múltiples. La prueba de los rangos con
signo de Wilcoxon es una prueba no paramétrica, utilizada para comparar dos
mediciones de rangos (medianas) y determinar que la diferencia no se deba al
azar. Para este estudio se establecieron las siguientes hipótesis:

Cuadrado latino de williams

El cuadrado latino de Williams se usa en la teoría del análisis sensorial para la
presentación de las muestras a los catadores, para evitar que prueben las
muestras del mismo modo. En este diseño, cada catador prueba los cuatro
productos en un orden diferente y a cualquiera de cada uno de los productos le
sigue uno diferente a cada catador, por ejemplo, para el catador 1 B le sigue a A,
para el catador 2 es C, para el 3 D y para el 4 ninguno. Si hay disponibles
múltiplos de cuatro catadores, el mismo diseño puede repetirse por cada grupo de
cuatro.

Prueba de kramer

Prueba de Kramer Siguiendo el mismo ejemplo que el anterior podemos usar la prueba de Kramer
para determinar si existe un producto preferido frente a otros. Esta prueba requiere menos
fórmulas que la anterior. En esta prueba lo que se hace es comparar la suma total de preferencia
de un producto vs la suma de los otros (“A” vs “B”, “A” vs “C” y “B” vs “C”) (Tabla 13). Según la
Tabla de Basker (Anexo 4) el valor crítico para una prueba con 26 panelistas y 3 productos es 16.9.
Por lo tanto decimos que el producto “A” es más preferido que el producto “B” y “C”, pero el nivel
de preferencia del producto “B” es igual al “C”.

Bibliografia
 https://lac.harvestplus.org/wp-content/uploads/2008/02/Guia-para-la-evaluacion-
sensorial-de-alimentos.pdf

 http://eio.usc.es/pub/mte/descargas/ProyectosFinMaster/Proyecto_1673.pdf

 https://www.researchgate.net/publication/255880186_Analisis_de_datos_provenientes_
de_pruebas_sensoriales_del_vino_utilizando_la_logica_borrosa