UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULT FACULTAD AD DE QUÍMICA QUÍMICA EVALUACIÓN SENSORIAL PRÁCTICA 5 “Pruebas ua!"#"a"#$as% N&'bre (e) e*u#+&, O)-a"& Pr&-es&ras, .er"/a L&ae0a M&!(ra12! A(e)#!a Esa'#))a L&e0a
A)u'!&s, A)$are0 Na$arr& Sebas"#a! 344 6errera Ve Ve)es )es Fra!#s Fra!#s& & 344 Ra'#re0 6uer"a V#r1#!#a Da!#e)a 344 T&rres 7#'e!e0 Ma1(a 8ar#!a 344
Objetivos
•
Aplicar las escalas de califcación en la evaluación del color de una bebida. Conocer e identifcar las dierentes escalas utilizadas dentro de evaluación sensorial, principalmente para pruebas cuantitativas y con ellas medir distintas
•
respuestas sensoriales. Demostrar similitudes y dierencias entre distintas escalas de califcación (intervalo, magnitudes y rangos), usando la evaluación visual de una bebida (jugo de uva).
Hipótesis •
e tendr! un set de jugos de uva a dierentes concentraciones, si los jueces periben dierencias notables en las intensidades de color de cada tubo esto se re"ejar! en una dierencia signifcativa entre el color de cada disolucion.
Metodología #rdenamiento$ •
#rdenar de menor a mayor intensidad el color morado de las muestras.
•
Asignar numeros consecutivos a dic%o orden, sin reptetir.
&scala no num'rica no estructurada$ •
bicar en la escala cada muestra de acuerdo a la intensidad de color morado.
&scala num'rica estructurada$ •
&n escala de * puntos ubicar cada muestra en los puntos de la escala.
•
e permiten empates (*$menor intensidad+ *$ mayor intensidad)
&stimación por magnitudes$ •
Comparar el color morado contra una muestra reerencia
•
ndicar cuantas veces es -mas- o -menos- morado cada muestra respecto al estandar.
Resultados
Concentra ción De la muestra
Concentra ción De la muestra
Clave 56 96 98 Clave %6 $ 5$ %& 5 $& 9 666 6 5 uez $ ! % 'ue( / 0 / 2 /3 1 4 / *0 / / 00 2 3 / *0 0 0 13 2 4 / *0 1 0 22 3 5 / *0 2 0 31 3 4 / *0 3 / 1 43 4 5 / *0 4 / 1 53 4 5 / *0 5 / 60 2 4 / *0 6 / *1 3 5 / *0 * / 0 1 2 4 / *0 / 0 /2 1 5 / *0 / / 0 02 3 4 / *0 0 1 12 4 5 / *0 1 0 21 3 5 / *0 2 / 1 32 4 5 / *0 3 0 41 4 5 / *0 4 0 51 3 2 / *0 5 / 0 62 4 5 / *0 6 / /*1 4 5 / *0 /* / 0 /1 3 5 / *0 / / //0 1 4 / *0 // / /01 3 4 / *0 /0 0 /11 3 4 / *0 /1 / /21 2 4 / *0 /2 0 /41 3 5 / *0 /4 0 /51 2 4 / *0 /5 / 0 /62 4 5 / *0 /6 / 0*1 3 5 / *0 0* 2 #p2 4 /6 625 * 54 )romedio . 0 1.1 2.6 4. * 51 2003 423 0 #p$ * *. *. *.6 *. 1 *6 2 5 Tp 2 5 C+ *. *. *./ *./ *. * 1 0
#rdenamiento de menor a mayor intensidad del color morado de la muestra.
5! "
588
!" 9
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 3
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 12
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 1
01 23
/*/2
0*/ 43
4320
Datos de escala num'rica estructurada de * puntos,
Datos obtenidos en escala no estructurada de la intensidad del color morado de la muestra. Concentra ción De la muestra
Clave 'ue( / 0 1 2 3 4 5 6 * / 0 1 2 3 4 5 6 /* / // /0 /1 /2 /4 /5 /6 0* )romedio
6 $
.0 . . .1 .2 ./ 0 *.3 / *.2 /.0 ./ .1 / . .2 .1 .3 ./ .0 .0 .2 .0 .0 .0 2 * *.1 6 C+ *.0 3
% 9
$9 5
!& 5
$6 $
$8
1.1 / /./ 0.1 /.0 1.5 0.0 1.2 0. 1.6 /.0 0.3 .2 1.2 .2 /.2 / 0.2 0 1.2 .5 0.6 0. 2.0 .4 /. /.1 0.0 /.2 0.2 /.6 0.4 /.0 0.4 0.2 1.2 /./ 0.3 /.0 0 /.1 0.0 /. 0.2 .6 /.3 /. 0.4 0. 1.5 /.1 0.3 /. /.5 /.5 1 /.3 0.6 /.1 0.3 5 6 *.3 *.5 1 0 *./ *./ 3 /
0.2 2.5 3.1 2.4 3.3 1.2 4.6 0./ 3.2 4./ 1.3 4.1 /.6 2. 2.1 1 2.1 3 2./ 1.1 1.3 1.0 1.0 3.1 3.5 2. 2.0 2.5 3 2.0 6 ./ 2 *./ 0
2./ 4. 4.5 4.2 4.6 2.2 6 1.1 5 5./ 4.1 5 1.2 4.0 3.4 2.6 4.1 4.2 4.0 4 2.1 3.6 2.3 4.1 4 3.4 4 4.3 5 3.6 1 . 0 *. 3
5.6 * 6.6 * 6.4 * * * * * 6.6 * 6./ * 6.5 * * * 6.3 6.2 * * * 6 * * * 6.4 6.6 6.50 *.0 *.*0
Datos de escala de estimación por magnitudes de la intensidad de color morado en la muestra.
Concentra ción De la muestra
Clave
Resultados
59 5
'ue( / 0 1 2 3 4 5 6 * / 0 1 2 3 4 5 6 /* / // /0 /1 /2 /4 /5 /6 0* )romedio
2 2 2 2 4 2 2 2 2 4 4 2 4 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
*
.* 3 *./
C+
R
9%9
5&$
5!
!!6
* /* 0* 2* * /* 0* 2* * /* 0* 1* * /* 0* 1* * 0 /* /2 * /* 0* 2* * /* 0* 2* * /* 0* 2* * /* 2* 4* * 2 /* /2 * /* 2* ** * 0* 1* 5* * 2 /* 0* * 0* 1* 3* * 2 /* /* * /* 0* 3* * /* 1* 5* * /* 0* /2 * 2 /* 02 * 4* ** 2* * 2 /* 0* * /* 1* 42 * 0* 1* 3* * /* 0* 1* * /* 0* 1* * /* 0* 1* * 0* 2* 5* * 0* 3* 4* * /* 0* 2* * /2.4 02. 21.0 6 4 * /5. 3. /4. 3 4 5 * .*6 *.13 *.2*
6* ** 3* 4* 2* ** ** ** ** 2* /** ** 1* ** 2* ** 3* ** 5* 2** 2* /** ** ** 2* ** /** ** ** /
Ordenamiento
78mero de jueces$ /6 78mero de muestras$ 3
([
F =
12
np ( p + 1)
]∑ ) Tp
2
−3 n ( p + 1 )
53./ 6 *.44
([
F =
] )
12
Tp ( 29 ) ( 6 )( 6 + 1 ) ∑
2
−3 ( 29 ) ( 6 + 1 )=145
9.:.; p<;2 =/>riedtablas; 6./1 =/>riedtablas;6./1?=/>riedcalc;12 i presenta dierencia signifcativa An!lisis de @arianza para escala no estructurada A7: D& @ABA7A #rigen de las variacione s ueces Fuestras &rror Gotal
uma de cuadrado s 04.*/ 13.20 21.30 2*5.5
9rados de libertad /5 2 1* 40
romedio de los cuadrados
>
.0/ /50.0* *.06
0.05 4/3
robabilid ad .*&<*3 0./5&<65
@alor crEtico para > .22 /./4
An!lisis de @arianza para escala estructurada A7: D& @ABA7 A #rigen de uma de las cuadrado variacion s es ueces 3*.3 Fuestra 1*.6* &rror Gotal
26.3 20*./0
9rados de libertad
romedio de los cuadrados
>
robabilid ad
@alor crEtico para >
/5 2
/.1 /5/.5
2.*5 334. 36
1.&< 6.0&<63
.22 /./4
1* 40
*.1/
)rueba t de student para medias de dos muestras emparejadas Muestras %66 vs 6$ Columna Fedia @arianza #bservaciones Coefciente de correlación de earson Dierencia %ipot'tica de las medias 9rados de libertad &stadEstico t (G?;t) una cola @alor crEtico de t (una cola) (G?;t) dos colas @alor crEtico de t (dos colas)
Muestras $5 vs %9 Columna Fedia @arianza #bservaciones Coefciente de correlación de earson Dierencia %ipot'tica de las medias 9rados de libertad &stadEstico t (G?;t) una cola @alor crEtico de t (una cola) (G?;t) dos colas @alor crEtico de t (dos colas)
+ariable +ariable $ .0115 .0115 *./0066* 2 *./1546 /6 /6 *.12/63*3 6 * /5 < *.*030604 *.152300 / .4*0*6 0 *.64//4 /.*151*4 1
@ariable 0.**** *.41/5241 /6 *.0*5304 * /5 0.50006235 *.**44250 .4*0*601 *.**0223/3 /.*151*41/
@ariable / /.1426 *.1*43*504 /6
Muestras 5$$ vs $95 Fedia @arianza #bservaciones Coefciente de correlación de earson Dierencia %ipot'tica de las medias 9rados de libertad &stadEstico t (G?;t) una cola @alor crEtico de t (una cola) (G?;t) dos colas @alor crEtico de t (dos colas)
Muestras %&! vs !&5 Fedia @arianza #bservaciones Coefciente de correlación de earson Dierencia %ipot'tica de las medias 9rados de libertad &stadEstico t (G?;t) una cola @alor crEtico de t (una cola) (G?;t) dos colas @alor crEtico de t (dos colas)
Muestras $&% vs $6$ Fedia @arianza #bservaciones Coefciente de correlación de earson Dierencia %ipot'tica de las medias
Columna Columna/ @ariable 1 @ariable 2 1.1150 1.1150 *.42324302 *.35/05630 /6 /6 *.2251/065 * /5 0.4*345015 *.***125156 .4*0*601 *.***63645 /.*151*41/ Columna Columna/ @ariable 1 @ariable 2 2.5633 2.0564 *.620/*64 .225*0115 /6 /6 *.005/216 * /5 .5/260*651 *.*06/4346 .4*0*601 *.*45210024 /.*151*41/ Columna Columna/ @ariable @ariable / 4.15/5 3.6046 *.32430214 ./43**652/ /6 /6 *.*54056441 *
9rados de libertad &stadEstico t (G?;t) una cola @alor crEtico de t (una cola) (G?;t) dos colas @alor crEtico de t (dos colas)
Muestras 666 vs $8 Fedia @arianza #bservaciones Coefciente de correlación de earson Dierencia %ipot'tica de las medias 9rados de libertad &stadEstico t (G?;t) una cola @alor crEtico de t (una cola) (G?;t) dos colas @alor crEtico de t (dos colas)
/5 /.//3/34 *.*4*6350 .4*0*601 *.*01/6033 /.*151*41/
Columna Columna/ @ariable @ariable / *.**** 6.50* * *.*6245544 /6 /6 *.*541331 * /5 /.606625** *.**0/23351 .4*0*601 *.**320034 /.*151*41/
roporcionalidad en color morado de jugo de uva, se tomando como reerencia una magnitud de *.
Clave
595
R
9%9
5&$
5!
!!6
'ue( $ " ! 5 6 % 8 9 &
2 2 2 2 4 2 2 2 2 4
* * * * * * * * * *
/* /* /* /* 0 /* /* /* /* 2
0* 0* 0* 0* /* 0* 0* 0* 2* /*
2* 2* 1* 1* /2 2* 2* 2* 4* /2
6* ** 3* 4* 2* ** ** ** ** 2*
$ " ! 5 6 % 8 9 $& $ $$ $" $! $5 $6 $% $8 $9 "&
4 2 4 2 2 2 2 2 2 2 2 2 2 2
* * * * * * * * * * * * * * *
/* 0* 2 0* 2 /* /* /* 2 4* 2 /* 0* /* /*
2* 1* /* 1* /* 0* 1* 0* /* ** /* 1* 1* 0* 0*
** 5* 0* 3* /* 3* 5* /2 02 2* 0* 42 3* 1* 1*
/** ** 1* ** 2* ** 3* ** 5* 2** 2* /** ** ** 2*
2 2 2 2
* * * *
/* 0* 0* /*
0* 2* 3* 0*
1* 5* 4* 2*
** /** ** **
H7o se tomó en cuenta los jueces /* y /3. Calculo de media geom'trica para cada una de las concentraciones Ψ = √ x 1∗ x 2∗ x 3 … xn n
#btención media geom'trica , . /gua
!-68% /
Besultados en base logarEtmica log,
*.34*6 *.6322 ./252 .1113 .31 .5524
log 01+/2
.*46/ .0646 .320/ .55/ .626 /
9-$"% /2
8-"6 12
$%-8"% 32.5
!-6 6
%6-856 **
3stimación por magnitudes / (I) ; ./I < *.36 BJ ; *.63
.2
log ,
*.2 *
./
.1
.3
log 01+/2
y ; ./*4I K *.36/4 y =1.2107 ( 10) – 0.6927 y =12.80
.5
/
/./
/n4lisis de resultados Ordenamiento&n esta prueba, se puede observar Lue %ay una clara dierencia en las concentraciones de las muestras, pues todos los jueces ordenaron de menor a mayor en base a la tonalidad de las mismas. #bservando la =/>riedtablas y =/>riedcalc, se puede decir Lue si %ay dierencias signifcativas entre las muestras.
3scalas estructuradas no estructuradas &n estas escalas, se presenta una dierencia signifcativa entre ambas, esto puede suscitarse por diversos actores, en primera instancia, los jueces, no son capaces de conocer cu!l es el valor eIacto Lue se le debe asignar a cada muestra y es por ello, Lue cada uno adopta un criterio, en este caso con base al color percibido causando una discrepancia entre los datos. Al igual, el manejo de datos es dierente, porLue por un lado la escala no estructurada nos maneja n8meros discretos a comparación de la estructurada Lue corresponden a n8meros continuos, lo Lue caracteriza a ambas escalas. .
3scala de magnitudes o proporciones &ste tipo de prueba le otorga una mayor libertad ya Lue el juez creo su escala partiendo de una reerencia, como podemos notar en los resultados, algunos jueces tienden a usar n8meros muy grandes o muy peLueMos, en este caso no causó tanta variabilidad en los resultados.
Conclusiones De acuerdo a cada uno de los resultados, se concluye Lue eectivamente eIisten dierencias entre cada una de las escalas Lue se trabajaron en el grupo, y Lue dependiendo el uso Lue se Luiera, se escoger! la escala
m!s adecuada, ya Lue de est! depender! la interpretación de la evaluación sensorial. Gambi'n se comprende Lue cada una de las escalas tendr! un an!lisis estadEstico distinto, el cual es indispensable para su interpretación.
/n4lisis de resultados OrdenamientoAl ser mayor =/>riedcalc Lue =/>riedtablas demuestra Lue %ay dierencia signifcativa entre las concentraciones de las muestras. Godos los jueces percibieron los dierentes tonos sin problema alguno y los organizaron de orma correcta.
3scalas estructuradas no estructuradas Nay dierencia signifcativa entre ambas, esto se debe a actores como Lue los jueces no saben cu!l es el valor Lue deben asignar a cada muestra asE Lue cada uno %ace su propia escala subjetiva de manera inconsciente en la no estructurada. ara la estructurada, al tener ya valores prestablecidos, es m!s !cil asignarles un valor determinado Lue sea objetivo. &s m!s eIacta Lue la no estructurada y los datos se manejan !cilmente al ser n8meros discretos, en comparación con los continuos de la no estructurada.
3scala de magnitudes o proporciones &sta escala proporciona una mayor libertad al darle la oportunidad al juez de crear su propia escala con base en la reerencia. Al no %aber una escala unifcada, %ubo ciertas variaciones. Desde jueces Lue usaron escalas con n8meros muy peLueMos %asta jueces con escalas con n8meros muy grandes. &sto causó unas desviaciones inaceptables, pero los coefcientes de variación nos indican Lue los resultados y el m'todo son confables y aceptables.
Conclusiones &n general todas estas pruebas dan buenos resultados y son 8tiles. Dependiendo de la inormación Lue busLues o reLuieras es la escala Lue debes elegir. or ejemplo, podrEas analizar la percepción de los jueces de tu producto en la escala de magnitudes al darles la libertad de crear su
escala. #tro ejemplo serEa la de ordenamiento, podrEas obtener inormación sobre si los jueces pueden dierenciar claramente un atributo de tu producto. >inalmente, los resultados son confables y objetivos al estar apoyados en estadEstica y son una buena reerencia para tomar uturas decisiones.
Cuestionarios /- ORD37/M37#O - :u; conclues acerca de la )rueba de Rangos en t;rminos generales< como m;todo cuantitativo= &s un m'todo eectivo para medir la intensidad del estEmulo de un atributo en particular. :os datos son !ciles de interpretar con base en Lue %aya o no %aya dierencias perceptibles en las intensidades. $- Hubo di>erencia signi?cativa entre las muestras= :a estadEstica comprueba en Lue %ay dierencia signifcativa en la muestras. "- Cu4les muestras son iguales cu4les son di>erentes= 3@plica De acuerdo con el m'todo de >riedman, todas las muestras son dierentes. e respalda con el an!lisis estadEstico. A- 7#3R+/BO - 3@iste di>erencia signi?cativa entre las muestras= E eIiste dierencia signifcativa entre las muestras, seg8n el an!lisis estadEstico. $- Cu4les muestras son di>erentes= Godas las muestras son dierentes. &l valor de > calculada O @alor crEtico para > en las A7#@A
"- Hubo di>erencia 3structurada=
entre
las
3scalas
3structurada
la
7o
7o %ubo dierencia signifcativa entre los resultados obtenidos por ambos m'todos. Al ocupar una escala de a * y el mismo producto bajo las mismas condiciones, no se esperarEa dierencia en los resultados. ólo eIisten las dierencias caracterEsticas entre los m'todos, como los n8meros Lue ocupan (discretos y continuos) C- 3#M/C7 )OR M/E7#1D3-
- De acuerdo a los resultados obtenidos de la gr4?ca< Fu; te indica el e@ponente A acerca de la relación entre la intensidad del color morado percibido la concentración de jugo de uva=
Aibliogra>ía •
•
edrero D.:., angborn B.F. Evaluación sensorial de los alimentos. F'todos analEticos. &d. Al%ambra FeIicana, P edición, F'Iico, 656. !gs. 4/<42. Andalzua, A. La evaluación sensorial de los alimentos en la teoría y la práctica. &ditorial ACBQA .A. &spaMa 661. 46p.