Manejo de datos

en pruebas
discriminatorias
 Cuestiones clave
 ¿Es el resultado de la investigación
significativo para detectar la diferencia o
existe evidencia de una diferencia en el
producto?

 Riesgo alfa vs beta, cambios en el número de

panelistas requeridos
 Cuestiones clave
 ¿Qué proporción de discriminadores darían
este resultado?
Se necesita corregir en caso de que traten de
adivinar
 ¿El resultado es estadísticamente
significativo?
 Teoría discriminatoria

• Supuesto 1. Existen dos tipos de

respuestas:
– Discriminadores: quienes reconocen
en forma correcta las diferencias y
seleccionan correctamente la muestra.
– No discriminadores: quienes no
identifican la diferencia y adivinan.
 Teoría discriminatoria

• Supuesto 1. Existen dos tipos de

respuestas:
– Discriminadores: quienes reconocen
en forma correcta las diferencias y
seleccionan correctamente la muestra.
– No discriminadores: quienes no
identifican la diferencia y adivinan.
 Teoría discriminatoria
• Supuesto 2.
– No discriminadores: incluyen personas que
adivinan correctamente y personas que
adivinan incorrectamente.
– La mejor estimación del número de no
discriminadores quienes adivinan
correctamente está basada en el nivel del
azar.
 Teoría discriminatoria
• Inferencia.
– El número total de respuestas correctas
del panel refleja la suma de
discriminadores y la fracción de no
discriminadores quienes adivinaron
correctamente.
 Muestra
• Para definir la muestra debemos definir:
– Error tipo  (5%)
– Error tipo ß (5%)
– Cuán grande es la diferencia que deseamos
encontrar.
 Tipo de errores en medición
Resultado de evaluación
Diferencia No diferencia
reportada reportada
Diferencia Aceptación
Error tipo β
existe correcta
Verdad
Diferencia Rechazo
Error tipo α
no existe correcto
 Ejemplo

Supongamos que hicimos una prueba triangular con 45

sujetos y 21 escogieron la muestra correcta. Se concluye
que hubo una diferencia significativa (p < 0.05). Pero,
¿Cuántas personas fueron realmente discriminadoras?
 Ecuaciones
N = # de panelistas

C = # panelistas que responden correctamente

D = # discriminadores

XD = # no discriminadores (XD= N - D)
 Ecuaciones

Ecuación 1: N = D + XD

Ecuación 2: C = D + 1/3XD
(N y C conocidos)

Ecuación 3: C = D + 1/3 (N – D)
 Solución del ejemplo

Supongamos que hicimos N = 45 C = 21

una prueba triangular con 45
sujetos y 21 escogieron la 21 = D + 1/3 (45 – D)
muestra correcta. Se
concluye que hubo una 21 = D + 15 – 1/3 D
diferencia significativa (p <
0.05). Pero, ¿Cuántas 21 = 15 + 2/3 D
personas fueron realmente
discriminadoras? D = (21-15)/2/3 = 9
 Determinación de la muestra

Se debe definir:
• Error tipo α (5-10%)
• Error tipo β (5-10%)
• ¿Cuán grande es la diferencia que deseamos
encontrar? (% de aciertos esperados)
 Muestra  Z  pq  Z pa qa
2

N  
 p  pa 
• Z = 1.65 (5%, una cola)
• p = proporción de acierto en la prueba
• q = probabilidad de rechazo en la prueba
• Zß = 1.65 (5%, una cola)
• pa = C*P(1-C)
– C = % de aciertos esperados (definido por el investigador), 1
de 5 personas, 1 de 4 personas, 1 de 3 personas, etc
– P = Probabilidad de aciertos
• qa = 1-pa
 Ejemplo de muestra N   Z  pq  Z pa qa 
2

 p  pa 

• Prueba:
– Test triangular
• Z= 1.65 (5%, una cola)
• Zß = 1.65
 1.65 0.33 * 0.67  1.65 0.67 * 0.33 
2

• P = 0.33 N  
 0.33  0.67 

N  22.06  23 discriminadores
 Análisis de datos
• Pueden ser analizados por uno de los
siguientes métodos estadísticos:
– Binomial
– Chi cuadrada ajustada
– Distribución normal
 Distribución binomial

• Permite determinar si el n! y n y
P(y)  p p
resultado del estudio fue y!(n  y)!
n = # juicios
debido a la probabilidad
y = # juicios correctos
o si se percibió una
diferencia entre las p = probabilidad de dar un
juicio correcto por elección
muestras:
Pag. A-16. Applied Statistics Workshop
 Distribución binomial

• En el anexo 1 la tabla nos indica usando la

prueba binomial cuántos aciertos mínimos
deben haber para poder definir que los
panelistas identifican una diferencia entre los
productos evaluados (es decir aceptamos
nuestra hipótesis nula: los productos no son
diferentes)
 Chi cuadrada ajustada

• Permite comparar un grupo de

frecuencias observadas equiparándolas
con un grupo de frecuencias esperadas
(hipotetizadas)
 2 1 
1

 2 2 
 O  E 2  0.5   O  E 2  0.5 
  

 E1   E2 
• O1 = # observado de elecciones correctas
• O2= # observado de elecciones incorrectas
• E1= # esperado de elecciones correctas (np):
– p= 0.500: Dúo-trío; comparación pareada.
– p= 0.333: Prueba triangular
• E2= # esperado de elecciones correctas (nq):
– q= 0.500: Dúo-trío; comparación pareada.
– q= 0.667: Prueba triangular
n = # de panelistas
 Distribución normal y prueba z de
proporciones

• Se puede usar el área bajo la curva de

probabilidad normal para estimar la
probabilidad de oportunidades en el
resultado de las pruebas discriminatorias.
 X  np  0.5
Z
npq
• X = # de respuestas correctas

• n = # de respuestas

• p = probabilidad de decisión por oportunidad

– p= 1/2: Dúo-trío; comparación pareada.

– p= 1/3: Prueba triangular

• Z-score< 1.65 provee suficiente evidencia a favor de la

hipótesis nula (igualdad).