Métodos discriminativos - Evaluación Sensorial - UNAM

Erick Saldaña

2023-04-26

Métodos discriminativos
Prueba triangular
Este Script es parte del curso de Evaluación Sensorial de Alimentos dictado en la Universidad Nacional de
Moquegua (UNAM).

Diseño de la prueba
Cargando el package SensoMineR
library(SensoMineR)

## Loading required package: FactoMineR

Orden de presentación de la prueba triangular
triangle.design(2, 6)

## Product X Product Y Product Z

## Panelist1.Test1 1 2 1
## Panelist2.Test1 1 2 2
## Panelist3.Test1 1 1 2
## Panelist4.Test1 2 1 1
## Panelist5.Test1 2 1 2
## Panelist6.Test1 2 2 1
Calculando el N para una prueba triangular de diferencia
library(sensR)
discrimSS(pdA = 0.4, pd0=0, target.power = 0.80,
alpha = 0.05, pGuess = 1/3, test = "difference")

## [1] 23
Calculando el N para una prueba triangular de similaridad
discrimSS(pdA = 0, pd0=0.3, target.power = 0.95, alpha = 0.10,
pGuess = 1/3, test = "similarity")

## [1] 53
Ejemplo 1. Reemplazo de malta: La cerveza “B” se elaboró utilizando una nueva malta y se desea saber
si es diferente de la cerveza control “A”. Se acepta un error del 5%, y se dispone de 24 jueces entrenados.
Se preparan 36 vasos “A” y 36 vasos “B“ para formar 24 triángulos que se distribuyen al azar entre los
evaluadores, empleando 4 de cada una de las siguientes combinaciones: ABB, BAA, AAB, BBA, ABA y
BAB. Se obtuvieron 13 respuestas correctas (de 24 evaluaciones) donde se identificó la muestra diferente.
Analicemos!!!

1
Solución con SensoMiner
library(SensoMineR)
triangle.pair.test(13,24)

## [1] "P-value of the Triangle test: 0.02844"

## [1] "At the 95% level, one can say that the panelists make the difference between the two products"
## [1] "The estimation (by Maximum Likelihood) of panelist which really perceived the difference betwee
## [1] "The Maximum Likelihood is: 0.20781"
## [1] "The minimum of panelists who should detect the odd product to can say that panelists perceive th
## $p.value
## [1] 0.02844113
##
## $Estimation
## [1] 8
##
## $ML
## [1] 0.20781
##
## $minimum
## [1] 13
Solución con sensR
library(sensR)
discrim(13, 24, method = "triangle")

##
## Estimates for the triangle discrimination protocol with 13 correct
## answers in 24 trials. One-sided p-value and 95 % two-sided confidence
## intervals are based on the 'exact' binomial test.
##
## Estimate Std. Error Lower Upper
## pc 0.5417 0.1017 0.3333 0.7445
## pd 0.3125 0.1526 0.0000 0.6167
## d-prime 1.6807 0.5163 0.0000 2.7634
##
## Result of difference test:
## 'exact' binomial test: p-value = 0.02844
## Alternative hypothesis: d-prime is greater than 0
Ejemplo 2. Envoltorio de metal vs papel: Problema: Se desea probar la efectividad de un nuevo
envoltorio de metal para caramelos, comparándolo con un envoltorio de papel. Observaciones previas indican
que los caramelos con envoltorio de papel comienzan a tener una textura más dura a los tres meses, mientras
que con el envoltorio de metal permanecen blandos. Si el director demuestra diferencias significativas a
los tres meses, puede justificar un cambio en el envasado del producto. Objetivo: Determinar si el cambio
de envase causa alguna diferencia global en el sabor y/o textura luego de tres meses de almacenamiento.
Resultados: Se obtuvieron 17 respuestas correctas de 30 ensayos.
Función en R
discrim(correct=17, total=30, method="triangle")

##
## Estimates for the triangle discrimination protocol with 17 correct
## answers in 30 trials. One-sided p-value and 95 % two-sided confidence
## intervals are based on the 'exact' binomial test.

2
##
## Estimate Std. Error Lower Upper
## pc 0.5667 0.09047 0.37427 0.7454
## pd 0.3500 0.13571 0.06141 0.6181
## d-prime 1.8071 0.45652 0.68033 2.7691
##
## Result of difference test:
## 'exact' binomial test: p-value = 0.007223
## Alternative hypothesis: d-prime is greater than 0