não usar menos de 10 discriminação melhorada se forem usados 20 ou mais provadores devem ser capazes de reconhecer característica de interesse
|
|
- Manoel Oliveira Caires
- 6 Há anos
- Visualizações:
Transcrição
1 222 teste de Ordenação provadores não usar menos de 10 discriminação melhorada se forem usados 20 ou mais provadores devem ser capazes de reconhecer característica de interesse 223 teste de Ordenação procedimento amostras apresentadas simultaneamente se não for possível, sequencialmente apresentação aleatória dentro dos pares, entre os pares e entre provadores não são permitidas respostas não há diferença se ocorrerem, distribuí-las igualmente entre as amostras 1
2 224 teste de Ordenação ex: viscosidade de xarope de milho problema 4 misturas de xarope, sem flavour, comparadas para avaliar a menos viscosa objectivo do projecto avaliar qual das misturas é mais adequada para fabricar o xarope objectivo do ensaio estabelecer posição relativa das 4 misturas numa escala subjectiva de viscosidade 225 teste de Ordenação desenho do ensaio teste de ordenação escolhido porque: apresentação em pares causa menos fadiga neste tipo de produto estabelece uma escala significativa 12 provadores treinados avaliam 6 pares possíveis AB, AC, AD, BC, BD, CD 2
3 226 teste de Ordenação 227 teste de Ordenação analisar os resultados Amostras em linha (mais viscosas Rank = 1) Amostras em coluna (menos viscosas Rank = 2) A B C D A B C D nº de vezes em que cada amostra em linha foi escolhida relativamente às amostras em coluna ex: quando B apresentada com D, foi considerada mais viscosa por 2 dos 12 provadores 3
4 228 teste de Ordenação calcula-se soma de ranks para cada amostra ordem (Rank) 1 atribuída à amostra mais viscosa e ordem (Rank) 2 à menos viscosa somas obtidas pela adição da soma das frequências da linha a 2 vezes a soma das frequências da coluna ex: amostra B (12+6+2)+2(0+6+10)=52 Amostra A B C D Soma de ranks teste de Ordenação T de Friedman t T R (9 p[ t 1] ) pt i p nº de repetições (12) t - nº de tratamentos (4) R i soma de rank para tratamento i R 2 soma dos quadrados de todos os R existem tabelas com valores críticos de T para t = 3, 4 e 5 e pequenos valores de p nos casos não tabelados, T é comparado a c 2 com (t-1) graus de liberdade 4
5 230 teste de Ordenação a T crítico resultados podem ser analisados numa escala 231 teste de Ordenação por HSD (honestly significant difference) verifica-se que A é significativamente menos viscosa que restantes 5
6 232 Testes analíticos Discriminatórios Diferenciais diferença numa dada característica em diversas amostras usa-se quando objectivo é comparar a mesma característica em grupos com mais que 2 amostras baseados em tratamentos por blocos 233 Testes analíticos Descritivos objectivo identificação e quantificação de características sensoriais em vários produtos painéis de provadores treinados 5-10 para produtos de pequena produção painéis maiores para produtos de grande produção maior importância das pequenas diferenças métodos são comummente designados por Perfil Sensorial 6
7 234 Testes analíticos Descritivos usados para obter descrições detalhadas do aroma, flavour e textura oral em alimentos e bebidas, bem como aparência e som de qualquer tipo de produto 235 Testes analíticos Descritivos perfis sensoriais usados em investigação e desenvolvimento e na produção para: definir propriedades sensoriais para novo produto definir especificações para controlo de qualidade documentar atributos com interesse para estudos de mercado monitorizar alterações no produto tempo de armazenagem, embalagem,... caracterizar produtos com vista ao estabelecimento de relações com análise instrumental medir alterações na intensidade de uma dada característica ao longo de um curto período de tempo (time-intensity) 7
8 236 Testes analíticos Descritivos características dos descritores: pertinência medir apenas o que faz sentido para cada produto precisão poder discriminativo gama de notas utilizada é a mais extensa possível exaustivos independentes redundância prejudica qualidade do tratamento estatístico quantificáveis 237 Testes analíticos Descritivos exigem: provadores treinados utilização de escalas para quantificação da intensidade da sensação categoria de classificação (ou valor numérico correspondente) proporcional à intensidade da sensação provocada pelo estímulo em estudo 8
9 238 Testes analíticos Descritivos métodos habitualmente utilizados: perfil de flavour perfil de textura análise descritiva quantitativa perfil de livre escolha perfil flash método Spectrum 239 Testes analíticos Descritivos perfil de flavour descrição do aroma e flavour de um produto intensidades, ordem de percepção, gosto residual 4 6 provadores treinados seleccionados com base em teste fisiológico para discriminação de gosto, discriminação de intensidade de gosto, discriminação olfactiva e descrição 9
10 240 perfil de flavour provadores treinados com uma ampla gama de amostras referência representam toda a gama de um produto treinados também com exemplos de ingredientes e variáveis de processamento para um dado produto provadores desenvolvem e definem terminologia 241 perfil de flavour provadores avaliam amostras sentados ao redor de uma mesa redonda cada amostra analisada simultaneamente quanto a aroma e flavour características registadas intensidade, ordem de percepção e gosto residual podem ser analisadas outras amostras na mesma sessão, mas amostras não podem ser analisadas mais que uma vez resultados apresentados ao líder do painel organiza discussão para chegar a um perfil consensual dados apresentados em tabela ou gráfico 10
11 242 perfil de flavour principal vantagem pequeno nº de provadores também pode ser considerada desvantagem falta de consistência e reprodutibilidade podem ser superadas por treino e via do consenso opinião do painel pode ser dominada por provador mais idoso ou com personalidade mais forte 243 Testes analíticos Descritivos perfil de textura baseado nos princípios do método de perfil de flavour desenvolvido para ter em conta aspectos não considerados no anterior considera que textura pode ser dividida num conjunto de atributos cuja intensidade e ordem podem ser medidas terminologia específica para cada tipo de produto baseada nas suas propriedades reológicas 11
12 244 perfil de textura provadores seleccionados com base na sua capacidade de discriminar diferenças em textura no produto em questão provadores treinados com gama variada de produtos do tipo a analisar também informados sobre estrutura dos produtos 245 Testes analíticos Descritivos análise descritiva quantitativa (QDA) painel de provadores treinados para descrição e quantificação de todos os atributos sensoriais de um produto usa análise estatística para determinar terminologia, procedimentos e provadores apropriados para a análise de um dado produto 12
13 246 QDA provadores seleccionados a partir de pool de candidatos, pela capacidade de discriminar diferenças em propriedades sensoriais no tipo de produto em questão treino requer uso de amostras de referência líder não influencia o grupo provadores livres para desenvolver o seu próprio tipo de notação na régua de 15 cm usada pelo método 247 QDA produtos avaliados um de cada vez, em cabinas dados inseridos em computador ou em folhas de resultados folhas recolhidas no final e dados digitalizados provadores não podem discutir dados, terminologia nem amostras após fim da sessão relatório final apresentado em gráfico teia de aranha, com um raio para cada atributo 13
14 248 Testes analíticos Descritivos perfil de livre escolha (FCP) cada provador desenvolve a sua própria lista de descritores respeita protocolo de avaliação definido pelo responsável pelo painel dados analisados por análise procusteana generalizada 249 FCP vantagens: poupa tempo, devido a não requerer muito treino provadores representam público não treinado desvantagens: resultados menos rigorosos interpretação de resultados mais difícil interpretação final feita pelo líder do painel não detecta diferenças ténues entre produtos não adequado para uso em desenvolvimento de novos produtos 14
15 250 Testes analíticos Descritivos perfil flash desenvolvido a partir do perfil de livre escolha principal diferença apresentação das amostras apresentadas em simultâneo provadores ordenam segundo um descritor prova de ordenação necessária sessão prévia para gerar lista de descritores segue-se sessão de avaliação (mín. 2 3 h) 251 perfil flash rápido usa provadores treinados, mas sem necessidade de treino no produto em estudo 15
16 252 Testes analíticos Descritivos método Spectrum pretende ser uma ferramenta descritiva universal, baseada na utilização de referências absolutas utilizáveis para todo o tipo de produtos utiliza base de dados com conjunto de descritores de aspecto, odor, textura na boca e flavour termos explicados aos provadores com ajuda de referências absolutas intensidade quantificável em escala de 0 15 escalas desenvolvidas de modo a estimar intensidades absolutas permitem comparar intensidades de diferentes descritores 253 método Spectrum 16
17 254 método Spectrum provadores podem ser seleccionados e treinados para avaliar apenas um produto ou diversos produtos produtos podem ser descritos relativamente a um único atributo ou ao seu conjunto escolha de termos pode ser ampla ou estrita, de acordo com o objectivo do estudo provadores desenvolvem lista de descritores por avaliação de larga gama de produtos, do tipo do produto a testar após alguma experiência, cada provador elabora lista de termos que descrevam o conjunto podem ser retirados mais termos da literatura lista deve ser completa mas sem sobreposições termos com igual significado para todos os provadores 255 método Spectrum método baseado no amplo uso de pontos de referência, escolhidos segundo orientações pré-definidas derivadas a partir de dados colectivos de vários painéis e com diversas replicadas qualquer que seja a escala escolhida, deve ter pelo menos 2 (de preferência 3 5) pontos de referência uniformemente distribuídos 17
18 256 método Spectrum aplicação mais comum do Spectrum: escala com pontos de 0 a 15, em intervalos de pontos de discriminação provador introduz valor para intensidade de cada atributo no caso de produtos muito fortes (condimentos, ingredientes,...) podem ser usados valores superiores a método Spectrum versão abreviada usada em controlo de qualidade, cálculo de tempo de prateleira,... requerem avaliação de apenas algumas características utiliza painéis completamente treinados, que caracterizam todos os atributos do produto após analisarem uma sequência de produtos em que se encontra toda a gama de propriedades sensoriais, são seleccionados 5 10 parâmetros definem a gama de qualidade entre típico e defeituoso no futuro, basta analisar estes parâmetros, para avaliar existência de alterações que requeiram intervenção 18
19 258 método Spectrum ex: calibração de um painel uma mistura de sal, açúcar e ácido permite desenvolvimento de capacidades sensoriais, sem existência de atributos causadores de distracção provadores começam por se familiarizar com amostras de referência 6 copos com soluções de um único componente rótulos tipo doce 5, salgado 10,... 5 = fraco, 10 = médio, 15 = forte amostras de referência ficam disponíveis durante todo o exercício 259 método Spectrum amostras de avaliação misturas, em proporções idênticas, de 2 ou 3 das soluções de referência provadores recebem uma mistura de cada vez e anotam as suas impressões numa folha de resultados 19
20 260 método Spectrum material necessário (15 participantes, amostras de 10 ml): 1 L de soluções de referência 150 g sacarose 8.5 g NaCl 3 g ácido cítrico 300 copos plástico 15 tabuleiros 15 copos opacos grandes (para cuspir) 15 copos com água 6 jarros de água guardanapos 261 método Spectrum amostras de referência: Rótulo Sal 5 Sal 10 Doce 5 Doce 10 Ácido 5 Ácido 15 Conteúdo 0.3 % NaCl 0.55 % NaCl 5 % Sacarose 10 % Sacarose 0.1 % Ácido cítrico 0.2 % Ácido cítrico preparar com água sem flavours podem ser preparadas h antes e refrigeradas aquecer a ~20 ºC antes de servir 20
21 262 método Spectrum amostras de avaliação: Código % Sacarose % Ácido cítrico % NaCl misturar quantidades iguais das soluções de referência 263 método Spectrum no final, mostrada folha previamente obtida, com resultados médios comparar com média do painel não deve divergir em mais que 1 ponto da média Código Doce Ácido Salgado
22 264 Testes analíticos Descritivos tempo-intensidade em alguns produtos, intensidade de percepção varia com o tempo períodos curtos (1 3 min) resposta pode ser monitorizada em contínuo papel ou computador sabores doce, amargo,... provador não deve ver evolução da resposta para não influenciar resultado 265 tempo-intensidade I max intensidade máxima observada T max tempo a que ocorre intensidade máxima AUC área sob a curva Dur duração da intensidade (tempo que demora a voltar a 0) T.5m tempo que demora a intensidade a cair para metade de I max 22
23 266 Testes analíticos Descritivos norma ISO 11035:1994 para obtenção de perfis sensoriais pretende-se descrever, com mínimo de palavras e máxima eficácia, um produto descrição independente do grupo de provadores que a efectuam descrição deve possibilitar comparação com descrições de outros produtos da mesma família 267 ISO fases: procura de nº mínimo de descritores que permitam máximo de informação sobre produto medida da intensidade da sensação para cada descritor escolhido construção do perfil sensorial do produto a partir do conjunto de descritores quantificados não usar descritores com carácter hedónico 23
24 268 ISO métodos para escolha de descritores: utilização ou adaptação de descritores preexistentes elaboração de uma lista de descritores pelos provadores 269 ISO elaboração de lista de descritores: procura de maior nº possível de descritores provadores provam ~15 produtos diferentes mesmo nº de descritores pretendidos na lista final todos os provadores provam todas as amostras divididas por várias sessões provadores preenchem questionário com indicação de todos os termos que lhe ocorram durante análise do produto prova decorre em 2 fases individual discussão em grupo com coordenador possibilidade de surgimento de novos termos 24
25 270 ISO ISO nesta fase podem surgir termos diferentes 25
26 272 ISO elaboração de lista de descritores: 1ª triagem qualitativa (coordenador + provadores) seleccionados termos: citados mais de uma vez por pessoa citados mais de uma vez por produto eliminados termos: hedónicos quantitativos não pertinentes 273 ISO elaboração de lista de descritores: 2ª triagem quantitativa cada provador recebe lista dos termos restantes provadores provam mesmos alimentos e atribuem a cada descritor classificação (0 5), segundo intensidade apercebida dados obtidos ordenados de modo decrescente para: obter soma das frequências de citação dos descritores ou obter soma das intensidades acumuladas atribuídas aos descritores ou obter média geométrica de ambas 26
27 274 ISO descritores obtidos formam lista com mais informação na parte inicial que na final elimina-se parte final que, em conjunto, não contenha mais de 10 % da informação restam ~50 termos 275 ISO elaboração de lista de descritores: 3ª triagem estatística a partir da lista reduzida, construir matriz descritores/produtos para cada categoria de descritores aspecto, aroma, sabor, textura matriz analisada por técnicas de classificação análise factorial classificação hierárquica lista reduzida a termos 27
28 276 ISO elaboração de lista de descritores: treino dos provadores no uso da lista fundamental que cada termo utilizado tenha mesmo significado para todos os provadores elaborar um léxico fornecer aos provadores uma referência concreta que represente o descritor definição dos termos feita pelo coordenador com o painel se possível, utilizar definições existentes em normas, dicionários e literatura 277 Testes analíticos Descritivos Classificação de características teste de Escalas categorizadas amostras e escalas fornecidas simultaneamente aos provadores diversos tipos de escalas: escalas não estruturadas provador classifica a intensidade da sensação seleccionando uma categoria (equivalente a um valor numérico) apenas categorias-limite estão definidas 28
29 278 escalas lineares provador avalia a intensidade da sensação desenhando uma marca numa linha horizontal com 15 cm (ou 10 cm) de comprimento e com limites definidos nas extremidades (ou a 1.25 cm) caso particular das escalas não-estruturadas 279 escalas estruturadas provador classifica a intensidade da sensação seleccionando uma categoria (equivalente a um valor numérico) categorias descrevem a intensidade da sensação recorrendo a palavras-chave 29
30 280 escala de referência provador avalia a intensidade da sensação seleccionando uma categoria (equivalente a um valor numérico) categorias descrevem a intensidade da sensação por referência a outros produtos caso particular de escalas estruturadas Valor de dureza Produto Comentários 0 Iogurte Marca X, refrigerado 2 Queijo fresco Marca Y, idem 3.5 Fiambre Marca Z, idem 3 Compota de maçã Marca Y, não refrigerada 6 Café Marca A, em grão 281 resultados são variáveis intervalares se as categorias de classificação (ou valores equivalentes) estão separados por intervalos de intensidade constante análise por estatística paramétrica descrever os produtos através da média e do desvio- -padrão das classificações atribuídas comparar vários produtos usando testes de hipóteses 30
31 282 Distribuição normal para uma dada variável X, com distribuição normal X~N(m,s 2 ) função densidade de probabilidades da distribuição normal 1 f ( x) e s xm 2 s m média s desvio-padrão define uma curva centrada na média, cuja forma se deve ao desvio-padrão 283 área sob a curva = 1 uma dada área corresponde à probabilidade da variável X tomar valores num intervalo de resultados [x 1 ;x 2 ] 31
32 284 x média s desvio-padrão n tamanho da amostra desconhecendo valores de m e s necessário recorrer a transformações dos resultados da variável X através de t=(x- x )/s distribuição t de Student depende apenas dos graus de liberdade, g.l.=n-1 possível definir áreas de rejeição e de aceitação 285 aplicação da distribuição normal às provas com escalas categorizadas 1) comparação de um atributo sensorial entre 2 produtos 2) comparação de um atributo sensorial entre mais de 2 produtos 32
33 286 1) comparação de um atributo sensorial entre 2 produtos usa-se teste estatístico derivado da distribuição de t de Student para comparação de 2 médias de: amostras independentes amostras emparelhadas 287 amostras independentes resultados independentes se: produtos avaliados em sessões de prova diferentes ou classificações feitas por mais que um painel de provadores 33
34 288 amostras independentes para as observações x 1, x 2,..., x n e y 1, y 2,..., y n seleccionadas aleatoriamente de 2 populações X e Y normais, independentes e com variâncias iguais H 0 : m x =m y estatística segue distribuição t de Student, com (n x +n y -2) g.l. * x y t Sx y S erro-padrão da diferença entre as médias s 2 variância combinada das amostras 2 / 2 / S s n s n x y x y s 2 xi x yi y n x 2 2 n 2 y 289 amostras independentes H 1 : m x m y classificações médias dos produtos são diferentes se * t t 1 a ; n 2 2 x n y rejeita-se H 0 (m x m y com (1-a)100 % confiança caso contrário, não se rejeita H 0 34
35 290 amostras independentes H 1 : m x >m y ou m x <m y * * se t t ou t t rejeita-se H 1 a ; n n 2 1 a ; n n 2 0 x y caso contrário, não se rejeita H 0 x y 291 s s 2 x 2 y x x 2 n 1 x y y 2 n 1 y amostras independentes testar se as variâncias são iguais (teste de F) 2 2 H 0 : s s x y (n x -1, n y -1) g.l. s F s s 2 * x, se x y sy 35
36 292 amostras independentes g.l. tabelados 293 amostras independentes 36
37 294 amostras independentes testar se as variâncias são iguais (teste de F) 2 2 H 1 : s s x y * se F rejeita-se H 0 F a 1, nx 1, ny 1 caso contrário não se rejeita H amostras independentes 2 2 se se concluir que s s necessário usar teste t de Welch para testar diferença entre produtos H 0 : m x =m y vs. m x m y x obtém-se t de Welch a partir de t ' y x y s 2 2 s x y n x n y 37
38 296 amostras independentes comparar t com o valor crítico de t de Student para n graus de liberdade 2 2 s s x y nx n y ' s s x y n n x x n 3 n 3 x y amostras independentes H 1 : mx my classificações médias dos produtos são diferentes se t' t rejeita-se H 1 a ; ' 0 2 caso contrário não se rejeita H 0 38
39 298 amostras emparelhadas com n pares de valores (x i, y i ) seleccionados de 2 populações X e Y, normais e com as diferenças d i =x i -y i para cada par H 0 : m m x y S d S n t d d S d S di d ndi di segue distribuição t de Student com (n-1) g.l. n 1 n( n 1) 299 amostras emparelhadas H 1 : mx my se td t rejeita-se H a 0 1 ; n1 2 caso contrário, não se rejeita H 0 H1: mx my ou mx my se td t ou t 1 a ; n1 d t1 a ; n1 rejeita-se H 0 caso contrário não se rejeita H 0 39
40 300 2) comparação de um atributo sensorial entre mais de 2 produtos resultados estudados utilizando a análise de variância (ANOVA) ANOVA generalização do teste de t (alguns autores) teste de t caso particular da ANOVA (outros) ANOVA compara médias confronta variância entre produtos com variância dentro de cada produto 301 ANOVA baseia-se em 2 princípios: subdividir variabilidade total medida pela SQ total e respectivos graus de liberdade estimar s 2 por 2 (ou mais) métodos e comparar as estimativas SQ soma dos quadrados 40
41 302 ANOVA exige 3 condições: independência dos resultados garantida se se realizarem aleatoriamente as provas sensoriais distribuição normal dos resultados homogeneidade das variâncias 303 provas sensoriais envolvem 3 componentes: amostras/produtos tratamentos provadores blocos resultados das provas unidades experimentais 41
42 304 componentes ajudam a definir planos experimentais A) experiências inteiramente casualizadas B) experiências com blocos casualizados 305 experiências inteiramente casualizadas não se consideram as possíveis diferenças entre provadores nomenclatura ANOVA não se consideram os blocos resultados tipo de uma prova sensorial com k produtos e um painel de p provadores cada amostra classificada de acordo com uma escala fornecida classificações x 11, x 22,..., x pk 42
43 306 experiências inteiramente casualizadas para cada produto j obtém-se a soma das classificações T j e a classificação média calculam-se também: nº total de resultados N= n, j soma de todas as classificações T= T j = x ij, média geral x x j 307 experiências inteiramente casualizadas comparar os produtos j (j=1, 2,..., k) através das classificações atribuídas por p provadores equivale a testar as hipóteses H 0 vs. H 1 H 0 m 1 =m 2 =...=m k produtos são iguais H 1 m r =m j para algum par (r,j) com r j pelo menos um dos produtos é diferente 43
44 308 experiências inteiramente casualizadas simplificações da ANOVA: 1. comparar as médias das classificações dos produtos obtêm-se, para cada classificação média, os quadrados das diferenças (ponderadas pelo nº de observações para cada produto) entre a média de cada produto x j e a média geral x n ( x x), n ( x x), n ( x x), etc soma destas quantidades corresponde à soma dos quadrados dos desvios entre produtos SQ Entre k k j T Entre j ( j ) j1 J1 n j N SQ n x x T x j 309 experiências inteiramente casualizadas 2. medir o grau de variabilidade (aleatória) natural, ou erro intrínseco das observações considera-se a diferença de cada classificação para um dado produto relativamente à média para esse produto n n 2 2 sq1 ( xi 1 x1 ), sq2 ( xi2 x2), etc. i1 i1 obtém-se a soma dos quadrados das diferenças dentro dos produtos SQ Dentro k p k p k j Dentro ( ij j ) ij j1 i1 J 1 i1 j1 n j SQ x x x T 44
45 310 experiências inteiramente casualizadas 3. SQ Entre e SQ Dentro são as 2 componentes da variabilidade do problema SQ SQ SQ Total Entre Dentro SQ Total é a identidade da ANOVA 311 experiências inteiramente casualizadas 4. medidas da variabilidade podem ser refinadas, obtendo 2 estimativas separadas, da variância da população sabendo que e gl gl gl Total Entre Dentro ( k 1) ( N k) ( N 1) calculam-se as médias quadráticas SQEntre SQDentro MQEntre e MQDentro k 1 N k médias estimam, de forma independente, a variância da população 45
46 312 experiências inteiramente casualizadas 4. se H 0 verdadeira, MQ Entre MQ Dentro, caso contrário MQ Entre > MQ Dentro 313 experiências inteiramente casualizadas 5. teste das afirmações anteriores, calculando uma estatística de teste que utiliza a informação das variâncias se H 0 : m 1 =m 2 =...=m k for verdadeira, a estatística de teste MQ F0 MQ Entre Dentro segue distribuição de F com (k-1; N-k) g.l. na terminologia ANOVA, numerador MQ Efeito e denominador MQ Erro 46
47 314 experiências inteiramente casualizadas 5. H 1 : pelo menos uma das médias é diferente das restantes se F 0 >F [1-a, k-1, N-k] rejeita-se H 0 caso contrário, não se rejeita H experiências inteiramente casualizadas 5. informação da ANOVA deve ser resumida numa tabela Fonte de variação SQ gl MQ F 0 Entre SQ Entre K-1 MQ Entre MQ Entre /MQ Dentro Dentro SQ Dentro N-k MQ Dentro Total SQ Total N-1 47
48 316 experiências inteiramente casualizadas 6. se F 0 significativo (pelo menos um dos produtos é diferente) necessário recorrer a testes para comparações múltiplas para distinguir qual(is) da(s) média(s) dos produtos é(são) diferente(s) usar diferença mínima significativa de Fisher (LSD), para comparações específicas entre média, duas a duas LSD t 1 a ; gl 2 Dentro 2MQ n Dentro se n 1 =n 2 =...=n k n nº de observações por produto 317 experiências inteiramente casualizadas 6. se n 1 n 2... n k n a e n b nº de observações nos 2 produtos em comparação LSD t MQ 1 a ; gl 2 Dentro Dentro 1 1 na nb 48
49 318 experiências inteiramente casualizadas 6. comparando todas as amostras, duas a duas, quaisquer 2 amostras são consideradas diferentes para um nível de significância a, se as respectivas médias diferem (em módulo) mais do que o valor LSD 319 experiências com blocos casualizados planos inteiramente casualizados pouco usados em Análise Sensorial admitem-se diferenças entre provadores na classificação de atributos necessário alterar metodologia 49
50 320 experiências com blocos casualizados testar 2 conjuntos de hipóteses: H 0 : m 1 =m 2 =...=m k vs. H 1 : pelo menos uma das médias é diferente das restantes H 0 : B 1 =B 2 =...=B p vs. H 1 : pelo menos um dos provadores é diferente dos restantes 321 experiências com blocos casualizados resultados típicos Provadores (i=1, 2,..., p) Amostras/Produtos (j=1, 2,..., k) k Total B i 1 x 11 x x 1k B 1 2 x 21 x x 2k B p x p1 x p2... x pk B p Total T j T 1 T 2... T k Média x j x1 x2... xk 50
51 322 experiências com blocos casualizados necessário estimar variabilidade associada às diferenças entre provadores do erro intrínseco, parte é devida a essas diferenças; restante permanece por explicar cada provador calcula a soma das classificações atribuídas aos produtos B i k Bi xij j1 obtém SQ Blocos para o conjunto de p provadores SQ Blocos p i1 k B 2 i 2 T N 323 experiências com blocos casualizados SQ Total = SQ Entre + SQ Blocos + SQ Dentro sabendo que gl Total = gl Entre + gl Blocos + gl Dentro ou seja, (k-1) + (p-1) + (k-1)(p-1) = (N-1) calculam-se as médias quadráticas que estimam, de forma independente, a variância da população Entre Blocos Dentro MQEntre SQ, MQBlocos SQ, MQ SQ Dentro k 1 p 1 ( k 1)( p 1) 51
52 324 experiências com blocos casualizados 2 hipóteses possíveis a) H 0 : m 1 =m 2 =...=m k estatística segue distribuição de F com [k-1;(k-1)(p-1)] g.l. F 1 0 MQ MQ Entre Dentro H 1 : pelo menos uma média é diferente das restantes F F a 1 0 1, k 1,( k 1)( p 1) rejeita-se H 0 caso contrário, não se rejeita H experiências com blocos casualizados rejeitando H 0, é necessário utilizar testes de comparações múltiplas para distinguir quais as médias diferentes 52
53 326 experiências com blocos casualizados b) H 0 : B 1 =B 2 =...=B n estatística segue distribuição de F com [p-1;(k-1)(n-1)] g.l. F 2 0 MQ MQ Blocos Dentro H 1 : pelo menos um provador é diferente dos restantes F F a 2 0 1, p 1,( k 1)( p 1) rejeita-se H 0 caso contrário, não se rejeita H experiências com blocos casualizados rejeitando esta H 0, é necessário considerar as diferenças entre provadores em futuras provas sensoriais em que intervenha o mesmo painel informação ANOVA deve ser representada sob forma de tabela 53
54 328 Testes analíticos Descritivos Análise descritiva Perfis sensoriais permitem descrever, simultaneamente, várias características num ou mais produtos fornecidas escalas aos provadores para avaliarem a intensidade das sensações provocadas pelos atributos e/ou para avaliação hedonística dos produtos 329 Perfis sensoriais resultados podem ser analisados através de: elaboração de perfis sensoriais análise univariada comparações, atributo a atributo, recorrendo a testes de F e t quando são 2 produtos ou à ANOVA quando são mais análise multivariada estudo de todos os atributos em todos os produtos, em simultâneo 54
55 330 Perfis sensoriais perfis são representações gráficas, em sistema de coordenadas polares, das médias das classificações atribuídas a cada atributo dos produtos em estudo 331 Perfis sensoriais comparação qualitativa dos produtos por comparação da forma dos polígonos comparação quantitativa, atributo a atributo, usando testes de t (2 produtos) ou ANOVA (vários produtos) 55
56 332 Testes afectivos provas usadas para valorização (ou classificação) da preferência e/ou aceitação dos produtos ou características por provadores não treinados usados principalmente por produtores de bens de consumo ou fornecedores de serviços testes por consumidores são ferramenta muito eficaz para projectar produtos e serviços testes por consumidores são caros consumidores alvo, distribuídos por 3 4 cidades representam população à qual se destina o produto 56
Identificação e selecção de descritores para o estabelecimento de um perfil sensorial
Identificação e selecção de descritores para o estabelecimento de um perfil sensorial Baseado na Norma Internacional ISO 11035:1994(E) Perfil Sensorial - Para Quê? Controlo da Qualidade O que mudou relativamente
Tipos de Provas Sensoriais. Provas afetivas Provas Afetivas: Prova de preferência. Provas afetivas. Provas discriminativas
Tipos de Provas Sensoriais Provas afetivas Provas discriminativas Provas descritivas Provas afetivas Exprimem uma opinião subjetiva (gosto/não gosto; aceito/não aceito) Têm uma grande variabilidade Difíceis
16/09/2015. cada candidato repete as provas se tiver sucesso num grande nº é seleccionado
1 2 recursos necessários: grande nº de candidatos disponíveis analistas sensoriais para implementar os procedimentos de selecção, treino e manutenção, incluindo um líder do painel e um técnico indivíduo
Delineamento e Análise Experimental Aula 4
Aula 4 Castro Soares de Oliveira ANOVA Significativa Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais.
PERFIL DE SABOR P R O F. A D R. A J A N A Í N A F E R N A N D E S D E M E D E I R O S B U R K E R T
PERFIL DE SABOR P R O F. A D R. A J A N A Í N A F E R N A N D E S D E M E D E I R O S B U R K E R T Quadro 1: Características do perfil de sabor de análise descritiva Técnica Líder da equipe Número de
Escalas. Análise Sensorial. Prof ª Drª Janaína Fernandes de Medeiros Burkert
Escalas Análise Sensorial Prof ª Drª Janaína Fernandes de Medeiros Burkert Utilização de números ou palavras para expressar a intensidade de um determinado atributo Escalas: tornam os testes sensoriais
BIOESTATÍSTICA. Parte 5 Testes de Hipóteses
BIOESTATÍSTICA Parte 5 Testes de Hipóteses Aulas Teóricas de 05/05/2011 a 19/05/2011 5.1. Conceito de erro, estatística de teste, região de rejeição, nível de significância, valor de prova, potência do
EXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br Introdução o Os ensaios em quadrados latinos levam em conta o controle local, aplicado em dois destinos:
Planejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Um Pouco de Estatística Descritiva Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br elcana@quimica.ufg.br Populações, Amostras e Distribuições População
TESTE DE COMPARAÇÃO MÚLTIPLA
SUMÁRIO 1 TESTE DE COMPARAÇÃO MÚLTIPLA Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais. Mas, entre
b) 5 6 d) 1 6 e) 7 6
CONHECIMENTOS ESPECÍFICOS 21. Em estatística, duas medidas são de grande importância na análise de dados, medidas de tendência central e de dispersão. Dentre as medidas indicadas abaixo, são, respectivamente,
Distribuições por Amostragem
Distribuições por Amostragem Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Distribuições por Amostragem 2007/2008 1 / 27 Introdução: População, amostra e inferência estatística
Intervalos de Confiança
Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de
H 0 : m 1 = m 2 =... = m I = 0 H a : pelo menos m u m k, para algum u k (u,k=1,2,...,i)
Em um experimento ao se comparar as médias de tratamentos ou dos níveis de um fator de tratamentos, inicialmente, formula-se a seguintes hipóteses: H 0 : m = m =... = m = 0 H a : pelo menos m u m k, para
4 ABORDAGENS METROLÓGICAS
4 4 ABORDAGENS METROLÓGICAS Neste capitulo são apresentados os termos metrológicos utilizados neste documento. Estes conceitos foram selecionados do Vocabulário Internacional de termos fundamentais e gerais
Análise de variância (ANOVA)
Análise de variância (ANOVA) Universidade Estadual de Santa Cruz Ivan Bezerra Allaman CRONOGRAMA 1. História 2. Concepção da ideia 3. Formalização da ideia e o surgimento da distribuição F 4. Hipóteses
Lucas Santana da Cunha de outubro de 2018 Londrina
e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 17 de outubro de 2018 Londrina 1 / 31 Obtenção de uma amostra Há basicamente duas formas de se obter dados para uma pesquisa
DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 20 Introdução à otimização experimental e experimentos de um fator DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Projetos de Experimentos
i j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Delineamento e Análise Experimental Aula 3
Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da
Física Geral - Laboratório Aula 1: Organização e descrição de dados
Física Geral - Laboratório http://dfnae.fis.uerj.br/twiki/bin/view/dfnae/fisicageral Aula 1: Organização e descrição de dados 1 Física Geral - Objetivos Ao final do período, o aluno deverá ser capaz de
Cap. 9 Comparação entre tratamentos
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 9 Comparação entre tratamentos APOIO: Fundação de Apoio
IV.4 Análise de Dados da Avaliação
Melhor e Pior? IV - Avaliação IV.4 Análise de Dados da Avaliação Interactive System Design, Cap. 10, William Newman 2 Melhor e Pior? Resumo Aula Anterior! Avaliação com utilizadores!local (Laboratório,
Profa. Lidia Rodella UFPE-CAA
Profa. Lidia Rodella UFPE-CAA O que é estatística? É conjunto de técnicas que permite, de forma sistemática, coletar, organizar, descrever, analisar e interpretar dados oriundos de estudos ou experimentos,
Conceitos centrais em análise de dados
Conceitos centrais em análise de dados Conceitos básicos em Estatística Estatística Ciência que tem por objetivo orientar a coleta, o resumo, a apresentação, a análise e a interpretação dos dados. Divide-se
LAN 2740 INSPEÇÃO DA QUALIDADE. Inspeção para aceitação Planos de amostragem
LAN 2740 INSPEÇÃO DA QUALIDADE Inspeção para aceitação Planos de amostragem INSPEÇÃO DA QUALIDADE Em um processo produtivo, a inspeção da qualidade pode ser efetuada em diversos estágios: recepção de matéria-prima
Estatística. Guia de Estudos P2
Estatística Guia de Estudos P2 1. Intervalo de Confiança Conceito extremamente importante que consiste em utilizar os valores amostrais obtidos através das fórmulas de Estatística Descritiva para encontrar
EXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br TESTES PARA COMPARAÇÃO DE MÉDIAS O teste F permite tirar conclusões muito gerais relacionadas com os
DELINEAMENTO EM BLOCOS AO ACASO
DELINEAMENTO EM BLOCOS AO ACASO Sempre que não houver condições experimentais homogêneas, devemos utilizar o principio do controle local, instalando Blocos, casualizando os tratamentos, igualmente repetidos.
Projeto de Experimentos
Projeto de Experimentos O uso de Projeto de Experimentos conduz a uma seqüência estruturada de ensaios, que assegura o máximo de informação com um gasto mínimo de tempo/dinheiro. Entrada Processo Saída
EXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda.perticarrari@unesp.br INTRODUÇÃO Um dos principais objetivos da estatística é a tomada de decisões a respeito da população,
Planejamento de Experimentos
Planejamento de Experimentos 1 6.4 Os Modelos fatoriais 2 k : o caso geral. O modelo estatístico para um plano 2 k inclui k ( k 2 ( k ) ) efeitos principais efeitos de interação de ordem 2 efeitos de interação
Princípios de Bioestatística
Princípios de Bioestatística Análise de Variância Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/~enricoc 2011 1 / 25 Introdução Existem muitas
EXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,
Física Geral - Laboratório. Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação
Física Geral - Laboratório Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação 1 Física Geral - Objetivos Ao final do período, o aluno deverá ser capaz de compreender as principais
16/09/2015. teste de Dois em Cinco. Testes analíticos Discriminatórios Diferenciais teste de Dois em Cinco
113 Testes analíticos Discriminatórios Diferenciais teste de Dois em Cinco maior eficácia estatística probabilidade de 1:10 de distinguir correctamente 2 amostras em 5 (1:3 em teste triangular) mais afectado
Escolha dos testes INTRODUÇÃO À BIOESTATÍSTICA QUANTIFICAÇÃO DOS GRUPOS DO ESTUDO PESQUISA INFERÊNCIA ESTATÍSTICA TESTE DE HIPÓTESES E
Escolha dos testes INTRODUÇÃO À BIOESTATÍSTICA Determinada a pergunta/ hipótese Recolhidos os dados Análise descritiva = Estatística descritiva QUAIS TESTES ESTATÍSTICOS DEVEM SER REALIZADOS?? PROFESSORA:
EXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br INTRODUÇÃO Um dos principais objetivos da estatística é a tomada de decisões a respeito da população,
Capítulo 1 Conceitos de Marketing e Marketing Research
Índice Prefácio 21 Introdução 25 PARTE I Capítulo 1 Conceitos de Marketing e Marketing Research 1. Evolução do Marketing 33 2. Evolução do conceito de Marketing 35 3. Modelo do sistema de Marketing 38
Lucas Santana da Cunha de outubro de 2018 Londrina
e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 22 de outubro de 2018 Londrina 1 / 24 Obtenção de uma amostra Princípios básicos da experimentação Há basicamente duas
Estatística Indutiva
Estatística Indutiva MÓDULO 7: INTERVALOS DE CONFIANÇA 7.1 Conceitos básicos 7.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição
Introdução. Amostragem, amostra aleatória simples, tabela de números aleatórios, erros
Estatística Aplicada 2007/2008 Programa Introdução às probabilidades. Distribuições. Amostragem. Testes de hipóteses. Análise da variância. Estatística não-paramétrica. Testes de ajuste do qui-quadrado.
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Capítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Análise da Variância. Prof. Dr. Alberto Franke (48)
Análise da Variância Prof. Dr. Alberto Franke (48) 91471041 Análise da variância Até aqui, a metodologia do teste de hipóteses foi utilizada para tirar conclusões sobre possíveis diferenças entre os parâmetros
Cap. 6 Medidas descritivas
Estatística Aplicada às Ciências Sociais Sexta Edição Pedro Alberto Barbetta Florianópolis: Editora da UFSC, 2006 Cap. 6 Medidas descritivas Análise descritiva e exploratória de variáveis quantitativas
MINISTE RIO DA EDUCAÇA O UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIE NCIAS EXATAS
MINISTE RIO DA EDUCAÇA O UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIE NCIAS EXATAS Programa de Pós-Graduação em Estatística e Eperimentação Agropecuária Prova do Processo Seletivo para o Mestrado
Planejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Um Pouco de Estatística Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Populações, Amostras e Distribuições População Amostra
PREFERÊNCIA ACEITAÇÃO
MÉTODOS AFETIVOS Universidade Federal do Rio Grande Escola de Química e Alimentos Análise Sensorial e Controle de Qualidade EA Prof. a Dr. a Janaína Fernandes de Medeiros Burkert PREFERÊNCIA o É a expressão
ANÁLISE DE VARIÂNCIA - ANOVA. Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM
ANÁLISE DE VARIÂNCIA - ANOVA Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM UM EXEMPLO DE APLICAÇÃO Digamos que temos 6 métodos de ensino aplicados a 30 crianças
ANOVA FACTORIAL EXEMPLO 1. ANOVA TWO-WAY COM O SPSS. a capacidade de reconhecimento do odor materno
ANOVA FACTORIAL Quando a variável dependente é influenciada por mais do que uma variável independente (Factor) estamos interessados em estudar o efeito não só de cada um dos factores mas e também a possível
SENSOMETRIA. Adilson dos Anjos. Curitiba, PR 31 de março de Departamento de Estatística Universidade Federal do Paraná
SENSOMETRIA Adilson dos Anjos Departamento de Estatística Universidade Federal do Paraná aanjos@ufpr.br Curitiba, PR 31 de março de 2015 1 / 24 SENSOMETRIA Métodos Discriminativos Tipos de escalas 2 /
Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estatística Não Paramétrica
Estatística: Aplicação ao Sensoriamento Remoto SER 204 - ANO 2018 Estatística Não Paramétrica Camilo Daleles Rennó camilo@dpi.inpe.br http://www.dpi.inpe.br/~camilo/estatistica/ (1 melhor; 4 pior)............
Planejamento de Experimentos
Planejamento de Experimentos 8. Planos Fatoriais Fracionários 2 k 8.1 Introdução A medida que o número de fatores k cresce, o número de combinações de tratamento em cada replicação cresce exponencialmente
Física Geral - Laboratório Aula 1: Organização e descrição de dados
Física Geral - Laboratório http://dfnae.fis.uerj.br/twiki/bin/view/dfnae/fisicageral Aula 1: Organização e descrição de dados 1 Física Geral - Objetivos Ao final do período, o aluno deverá ser capaz de
Tratamento estatístico de observações geodésicas
Tratamento estatístico de observações geodésicas Prof. Dr. Carlos Aurélio Nadal OBJETIVO: parâmetros estatísticos são utilizados para avaliar os métodos empregados ou para o controle de qualidade dos trabalhos.
BAC011 - ESTATÍSTICA ANÁLISE DE VARIÂNCIA. Análise de Variância ANOVA. Prof. Dr. Emerson José de Paiva
BAC011 - ESTATÍSTICA Análise de Variância ANÁLISE DE VARIÂNCIA 1 A é utilizada para se verificar a influência de certos fatores sobre uma resposta de interesse. Testa-se como os diversos fatores exercem
PLANIFICAÇÃO FACTORIAL UM PROCESSO OU SISTEMA PODE SER REPRESENTADO POR UM MODELO:
PLANIFICAÇÃO FACTORIAL UM PROCESSO OU SISTEMA PODE SER REPRESENTADO POR UM MODELO: OBJECTIVOS DA EXPERIÊNCIA: 1. DETERMINAR QUAL (AIS) DA (S) VARIÁVEL (EIS) x s INFLUENCIA (M) MAIS A RESPOSTA, y.. DETERMINAR
Lucas Santana da Cunha 27 de novembro de 2017
EXPERIMENTAÇÃO E ANÁLISE DE VARIÂNCIA Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 27 de novembro de 2017 Experimentação A experimentação se difundiu como
EXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,
Análise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
Solicitado por Hiperalimentar Lda Sr. Jorge Monteiro
Estudo sensorial Preferência e aceitação de rebuçados de café Solicitado por Hiperalimentar Lda Sr. Jorge Monteiro Relatório nº 201301031/32 Porto, 11 de Fevereiro de 2013 Susana M. Teixeira, Msc Eng Avaliação
Incerteza em Medições. Introdução. ECV-5240 Instrumentação de Ensaios
Incerteza em Medições Fonte: BIPM International Bureau of Weights and Measures OIML International Organization of Legal Metrology ISO International Organization for Standardization IEC International Electrotechnical
ÍNDICE. Variáveis, Populações e Amostras. Estatística Descritiva PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 CAPÍTULO 2
COMO USAR ESTE LIVRO ÍNDICE PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 Variáveis, Populações e Amostras 1.1. VARIÁVEIS ESTATÍSTICAS E ESCALAS DE MEDIDA 27 1.2. POPULAÇÃO VS. AMOSTRA
CAPÍTULOS 7 E 8 AMOSTRAGEM POR ATRIBUTOS OU VARIÁVEIS
CAPÍTULOS 7 E 8 AMOSTRAGEM POR ATRIBUTOS OU VARIÁVEIS 1. PLANOS DE AMOSTRAGEM tamanho do lote; nível de inspeção; tamanho da amostra; tipos de inspeção; regime de inspeção; nível de qualidade aceitável
Testes de Hipóteses sobre a média: Várias Amostras
Testes de Hipóteses sobre a média: Várias Amostras Na aula de hoje veremos como comparar mais de duas populações, baseados em dados fornecidos por amostras dessas populações. A Análise de Variância (ANOVA)
4 Especificidade do método
4 Especificidade do método Neste Capítulo aborda-se um segundo aspecto da validação de um método analítico através do controle da especificidade do método. A comparação de resultados analíticos pode ser
Aula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Física Geral - Laboratório. Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação
Física Geral - Laboratório Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação 1 Física Geral - Objetivos Ao final do período, o aluno deverá ser capaz de compreender as principais
Estatística Aplicada. UNIVERSIDADE ESTÁCIO DE SÁ-RECIFE 2013 Prof: Wildson Cruz
Estatística Aplicada UNIVERSIDADE ESTÁCIO DE SÁ-RECIFE 2013 Prof: Wildson Cruz Estatística Descritiva A estatística descritiva preocupa-se com a forma pela qual podemos apresentar um conjunto de dados
Métodos Sensoriais. Prof ª Drª Janaína Fernandes de Medeiros Burkert
Métodos Sensoriais Prof ª Drª Janaína Fernandes de Medeiros Burkert Classificação: Métodos Definição Testes Discriminativo Estabelecem diferenças qualitativa e/ou quantitativa entre amostras Descritivo
ESTATÍSTICA EXPERIMENTAL
ESTATÍSTICA EXPERIMENTAL ESTUDO DE VARIABILIDADE DOS DADOS EXPERIMENTAIS Prof. Miguel Toledo del Pino, Eng. Agrícola (Dr.) INTRODUÇÃO Realizamos experimentos para compararmos os efeitos de tratamentos
EXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento Completamente 1. Quando usar? Casualizado (DCC) Este delineamento é usado quando as unidades experimentais
possibilidade de obter grande quantidade de informação a baixo custo por consumidor
333 escolha do local para realizar teste local pode influenciar resultados localização amostragem percepção sensorial podem ocorrer diferenças para um mesmo produto, em diferentes locais, devido a: diferenças
H 0 : m 1 = m 2 =... = m I = 0 H a : pelo menos m u m k, para algum u k (u,k=1,2,...,i)
Em um experimento ao se comparar as médias de tratamentos ou dos níveis de um fator de tratamentos, inicialmente, formula-se a seguintes hipóteses: H 0 : m = m =... = m I = 0 H a : pelo menos m u m k,
Bioexperimentação. Prof. Dr. Iron Macêdo Dantas
Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO
Testes de Aderência, Homogeneidade e Independência
Testes de Aderência, Homogeneidade e Independência Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais O que é um teste de hipótese? Queremos saber se a evidência que temos em mãos significa
Técnicas Experimentais Aplicadas à Zootecnia UNIDADE 1. NOÇÕES DE PLANEJAMENTO EXPERIMENTAL
Técnicas Experimentais Aplicadas à Zootecnia UNIDADE 1. NOÇÕES DE PLANEJAMENTO EXPERIMENTAL Experimentos (testes) são realizados por pesquisadores em todos os campos de investigação, usualmente para descobrir
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução
Análise da Variância (ANOVA)
Análise da Variância (ANOVA) ANOVA Análise da Variância (ANOVA) é um método para testar a igualdade de três ou mais médias populacionais, baseado na análise das variâncias amostrais Os dados amostrais
Módulo 5. Estudos de sistemas de medição por atributos, Sistemas complexos/não replicáveis
Módulo 5 Estudos de sistemas de medição por atributos, Sistemas complexos/não replicáveis Conteúdos deste módulo Estudos por atributos Método da tabulação cruzada Caso 1 Método da tabulação cruzada Caso
7 Teste de Hipóteses
7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5
REGRESSÃO E CORRELAÇÃO
REGRESSÃO E CORRELAÇÃO A interpretação moderna da regressão A análise de regressão diz respeito ao estudo da dependência de uma variável, a variável dependente, em relação a uma ou mais variáveis explanatórias,
AULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Stela Adami Vayego DEST/UFPR
Resumo 1 Testes de hipóteses não paramétricos Os métodos não-paramétricos fazem poucas suposições sobre a natureza das distribuições dos dados. Não exige que as distribuições nas populações sejam normais,
Amostragem e distribuições por amostragem
Amostragem e distribuições por amostragem Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Contabilidade e Administração População, amostra e inferência estatística
INTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... ANÁLISE DE VARIÂNCIA. Departamento de Matemática ESTV.
INTRODUÇÃO Exemplos Para curar uma certa doença existem quatro tratamentos possíveis: A, B, C e D. Pretende-se saber se existem diferenças significativas nos tratamentos no que diz respeito ao tempo necessário
31/01/2017. Investigação em saúde. serviços de saúde
1 saúde Investigação descritiva da experiência da doença e percepção da saúde e da doença serviços de saúde Avaliação dos serviços de saúde em relação à sua adequação, eficácia e custo 2 1 saúde serviços
Métodos Quantitativos em Medicina. Prof. Neli Ortega
Métodos Quantitativos em Medicina Teste de Hipótese Estatística t-student ula 7 Teste de Hipóteses - Estatística do teste estatística do teste de hipótese depende da distribuição da variável na população
Métodos Estatísticos Avançados em Epidemiologia
1 / 44 Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Referência: Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 44
Pesquisador. Planejamento de Experimentos Design of Experiments - DOE NOÇÕES SOBRE EXPERIMENTOS FATORIAIS. 1 - Fixar T e variar P até > Pureza
3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS Planeamento de Experimentos Design of Experiments - DOE Em primeiro lugar devemos definir o que é um experimento: Um experimento é um procedimento no qual alterações
PROBABILIDADE E ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Parte II
PROBABILIDADE E ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Parte II Prof.ª Sheila Regina Oro Projeto Recursos Educacionais Digitais Autores: Bruno Baierle e Maurício Furigo TESTE PARA UMA PROPORÇÃO H0: p = p 0
Utilização de planejamento experimental no estudo de absorção de água de cerâmica incorporada com lama vermelha
Utilização de planejamento experimental no estudo de absorção de água de cerâmica incorporada com lama vermelha Introdução Lama vermelha Denominação e produção A lama vermelha é a denominação genérica
MATRIZ DA PROVA DE EXAME
MATRIZ DA PROVA DE EXAME (AVALIAÇÃO DO REGIME NÃO PRESENCIAL E AVALIAÇÃO DE RECURSO) MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS - 11º ANO Módulos 4, 5 e 6 Duração da Prova 135 minutos Modalidade: Prova escrita
ANÁLISE SENSORIAL: TESTES DISCRIMINATIVOS, DESCRITIVOS E AFETIVOS
ANÁLISE SENSORIAL: TESTES DISCRIMINATIVOS, DESCRITIVOS E AFETIVOS AMARAL, Antônio das Graças 1 ; SANTOS, Elisa Norberto Ferreira 2. RESUMO: A análise sensorial é uma disciplina que vem se desenvolvendo
RESUMO INTRODUÇÃO. Área temática: Engenharia e Tecnologia de Alimentos 1
PROCESSAMENTO E ANÁLISE DO SUCO MISTO DE ACEROLA, MELANCIA E BETERRABA Thaynara Mayra Maciel BELISARIO 1, Natália Pinheiro DOS SANTOS 2, Maria Evaneide Barbosa FERREIRA 3 RESUMO Esse trabalho trata-se
3ª LISTA DE EXERCÍCIOS
MINISTERIO DA EDUCAÇÃO SECRETARIA DE EDUCAÇÃO PROFISSIONAL E TECNOLOGICA INSTITUTO FEDERAL DE EDUCAÇÃO CIÊNCIA E TECNOLOGIA GOIANO CAMPUS URUTAÍ Estatística Experimental Prof. Anderson Rodrigo da Silva
Aula II Estatística Aplicada à Instrumentação Industrial -Avaliação da Incerteza de Medição
Aula II Estatística Aplicada à Instrumentação Industrial -Avaliação da Incerteza de Medição Universidade Federal da Bahia Escola Politécnica Disciplina: Instrumentação e Automação Industrial I(ENGF99)
TESTE DE KOLMOGOROV-SMIRNOV. Professor Ewaldo Santana Universidade Estadual do Maranhão - UEMA
TESTE DE KOLMOGOROV-SMIRNOV Professor Ewaldo Santana Universidade Estadual do Maranhão - UEMA Conteúdo 2 Ewaldo Santana Introdução 3 Ewaldo Santana Introdução Testes estatísticos paramétricos, tais como