AVANÇOS NA ANÁLISE SENSORIAL DISCRIMINATIVA

Transcrição

1 AVANÇOS NA ANÁLISE SENSORIAL DISCRIMINATIVA WORKSHOP 18/09/2012 Profª Silvia Deboni Dutcosky ROTEIRO DA APRESENTAÇÃO Revisão - Panorama geral dos critérios de análise atuais para os testes de diferença e de similaridade Novas propostas: Critério d Curso IFT e The Institute for Perception Hipótese de Equivalência Considerações finais 1

2 MÉTODOS DISCRIMINATIVOS Métodos de diferença Saber se é possível a discriminação entre duas amostras similares ou confundíveis Triangular Duo trio TESTE A ou não A Dois em cinco Comparação pareada-direcional Triangular direcional Apresentação das amostras Qual amostra é diferente? Qual é igual a referência? Ref. Esta amostra é A ou não A? Qual par de amostras é diferente? Qual amostra é a mais forte? Qual amostra é a mais forte? Percepção e julgamento para testes de diferença 2

3 Teste de hipótese Regra de decisão estatística que permite, com base em informações contidas nos dados amostrais, concluir sobre parâmetros da população. Hipótese nula Ho: A = B Hipótese alternativa H 1 : A B hipótese monocaudal ou unilateral A B hipótese monocaudal ou unilateral A B hipótese bicaudal ou bilateral Mecanismo dos erros REALIDADE Ho verdadeiro Ho falso Correto Erro II Aceitar Ho DECISÃO Erro I Correto Rejeitar Ho REALIDADE Réu inocente Réu culpado Correto Erro II (Beta) Aceitar Ho DECISÃO Erro I (Alfa) Correto Rejeitar Ho DO JURI 3

4 Erro tipo I e tipo II O erro tipo I é a probabilidade de rejeitar a hipótese nula quando ela é verdadeira. Isto significa que duas amostras similares são consideradas diferentes quando elas, na realidade, não são. O risco de erro do tipo I é chamado de erro alfa e a maioria dos procedimentos estatísticos objetivam minimizá-lo. Este é o tipo de erro que nós queremos minimizar na situação do teste de diferença. O erro tipo II é a probabilidade de não rejeitarmos a hipótese nula quando ela é falsa. Isto significa que duas amostras que são diferentes são consideradas similares, quando elas não são similares. O erro do tipo II é chamado beta. Este é o tipo de erro que nós queremos minimizar na situação do teste de similaridade. Portanto, nós iremos focar em minimizar alfa (α) ou beta(β), dependendo da situação do teste, se este é de diferença ou de similaridade. Testes de diferença Podem ser classificados em: Testes de diferença Testes de similaridade 4

5 A Potência (ou Poder) de um Teste: A potência de um teste é definida como: P= 1 β Ou seja, é a probabilidade de fazer a decisão correta quando duas amostras são perceptivelmente diferentes. A potência P é dependente: da magnitude da diferença entre as duas amostras, do tamanho de alfa do número de julgadores. A Potência (ou Poder) de um Teste: Os erros tipo I e II são inversamente relacionados e, à medida que o erro tipo I se torna mais restritivo (se aproxima de zero), o erro tipo II aumenta. Assim o pesquisador deve jogar com o equilíbrio entre o nível alfa e a potência do teste. Decisão Estatística H 0 : sem diferença H 1 : com diferença Realidade H 0 :sem diferença H 1 :com diferença 1 - α β Erro tipo II α Erro tipo I 1 β Potência do teste 5

6 N o de julgadores para testes de diferença e de similaridade O número de julgadores requeridos para um teste de diferença não é crítico como para um teste de similaridade. Se você quer demonstrar que uma nova formulação é mais macia que a velha, por exemplo, você pode usar um teste de diferença com o objetivo de minimizar alfa. O erro do tipo I é minimizado neste caso porque os analistas sensoriais querem ter a certeza de que a amostra nova é diferente da velha, portanto o poder do teste não é crítico. Quando o objetivo do teste é que a diferença não seja perceptível, nós queremos minimizar o erro beta. Este erro é o de decidirmos incorretamente que as amostras são similares, quando na realidade elas são diferentes. A potência (1- beta) é crítica e deve ser maximizada, o que significa que o número de julgadores deverá ser suficientemente grande para este fim. Outra distinção entre testes de diferença e de similaridade Em testes de diferença nós utilizamos estatística binomial para desenvolver as tabelas que determinam o número mínimo de respostas corretas para estabelecer diferença e testamos contra as chances de acerto ao acaso. Em testes de similaridade, nós iremos testar contra algum nível mais alto de proporção esperada de respostas corretas e ver se nós estamos significativamente abaixo desse, a fim de chegarmos à conclusão de que as duas amostras são similares. Nós chamamos isto de proporção de discriminação permitida. Como nós descobrimos qual é a proporção que deveria ser? Nós podemos optar por uma situação conservadora, na qual nós permitimos apenas 10% de julgadores discriminadores, ou por uma situação menos crítica e permitir 30% de julgadores discriminadores. 6

7 APLICAÇÕES TESTE DE SIMILARIDADE Programas de RC Redução de Custos ou Gerenciamento de margem Substituição de ingredientes Alterações de embalagens Estudos de vida de prateleira Controle de qualidade Substanciação de alegações (claims) Tão bom quanto o líder Limpa tão bem como o produto original Cenário comum Redução de custos ou substituição de ingredientes em um produto com considerável market share e uma boa base de consumidores fiéis. Objetivo: o produto em questão deve manter seu padrão de qualidade sensorial. O QUE ACONTECE SE NÓS NÃO IDENTIFICARMOS A DIFERENÇA? RISCO: Decepção do consumidor fiel heavy users 7

8 TESTE TRIANGULAR Número de julgadores Será de acordo com o nível de sensibilidade requerida. A sensibilidade de um teste é função de três valores: o risco α, o risco β, a proporção máxima de discriminadores (Pd). Proporção de discriminadores na população Ex: 32 julgadores, teste triangular, obtendo-se 20 respostas corretas 20 corretas 12 erradas Triangular Acerto ao acaso = 1/3 20 corretas (62,5%) (alguns discriminadores, outros adivinhadores) 12 erradas (37,5%) (apostadores errados) 8

9 Proporção de discriminadores na população 14 discriminadores (44%) 18 apostadores (56%) Proporção de discriminadores para o Teste Duo-Trio Ex. 50 consumidores realizaram um teste duo-trio, obtendose 37 respostas corretas Duo trio Acerto ao acaso = ½ 37 corretas (74%) alguns discriminadores, outros apostadores 13 erradas (26%) apostadores errados 24 discriminadores (48%) 26 apostadores (52%) 9

10 Teoria Thurstoniana Thurston (1927) Introduzindo o conceito d Ao comermos o mesmo alimento várias vezes, a resposta poderia ser medida pelo número de impulsos por segundo do sistema nervoso que alcançam o cérebro. Quando degustamos um alimento, a resposta atual irá variar ligeiramente da próxima em que o alimento será degustado, podendo acontecer o efeito de adaptação ou alguns ruídos nas sinapses do sistema nervoso, pois todos os sinais dos estímulos que alcançam o cérebro podem ser acompanhados de ruídos. Estas variações das intensidades percebidas dos sinais podem ser representadas em uma curva chamada distribuição das freqüências. A maioria das vezes o sinal do estímulo irá ocorrer num nível médio, mas algumas vezes o sinal será percebido mais forte e outras vezes mais fraco. Teoria Thurstoniana Respostas não confundíveis X confundíveis Para dois alimentos A e B não confundíveis Para dois alimentos A e B confundíveis 10

11 Introduzindo o conceito δ e d δ = distância entre as médias ( μ x e μ y ) calculada em termos do número de desvios padrões pelos quais as duas distribuições são separadas. d = valor experimental de δ Assume-se que ambos os produtos (X e Y) têm o mesmo desvio padrão. Como o estímulo avaliado é o mesmo, assume-se que as distribuições serão similares. Quando δ é menor do que 1, significa que os dois estímulos podem ser confundíveis e quando δ é maior do que 1 será mais fácil distinguir os dois estímulos. O δ= 2 apresentará uma probabilidade de 92% de resposta correta. O δ= 3 dará uma probabilidade de 98% de resposta correta. Relação quanto à variância Quanto à variância, se a distribuição tiver variância maior, o d será menor, ou seja, suas distribuições de frequência terão mais sobreposição. Podemos dizer que as curvas de distribuição acima são de um julgador mais consistente, com menor variação, indicado por um d maior. 11

12 Relação entre δ e Pc ou Pd pode ser obtida através de curvas psicométricas Exemplo: Teste de Comparação Pareada Diferentes respostas ao estímulo mais fraco (A) e ao estímulo mais forte (B) em um teste pareado 12

13 Exemplo: Teste Triangular Convencional x Direcional Diferentes respostas ao estímulo mais fraco (N) e ao estímulo mais forte (F) em um teste triangular Teste Triangular Convencional X Direcional Diferentes respostas ao estímulo mais fraco (N) e ao estímulo mais forte (F) em um teste triangular 13

14 Simulação: respostas ao estímulo mais fraco (N) e ao estímulo mais forte (F) Para δ=1,5 e n= teste triangular 48,0% 21,1% 28,5% 2,3% Processo de decisão 28,5% Triangular (não direcional): Resposta errada Comparação entre distâncias 3-AFC (direcional): Resposta certa Magnitudes 14

15 Proporção de respostas corretas e valores de d para teste triangular direcional X Não direcional d primo Proporção de respostas corretas Triangular Não direcional Direcional 0,00 33,3% 33,3% 0,43 35% 46% 0,88 40% 60% 1,00 42% 64% 1,52 51% 77% 2,03 61% 87% Proporção respostas corretas Não direcional d primo Direcional 33% 0,00 0,00 40% 0,88 0,23 50% 1,47 0,56 60% 1,98 0,89 70% 2,50 1,24 80% 3,13 1,65 90% 4,03 2,23 Se você alcança 70% de respostas corretas, o d será 1,24 para o teste triangular direcional. Nós conseguimos analisar melhor em um teste direcional, pois para o teste não direcional precisaremos que d seja 2,50 para alcançar os mesmos 70% de respostas corretas. Os custos do processo de decisão Tamanho da diferença: 76% resp. corretas no 2-AFC (δ = 1,0) Potência: 80% Nível = 5% Quantidade necessária de julgamentos AFC Duo-trio 3-AFC Triangular 15

16 Os custos do processo de decisão Tamanho da diferença: 86% resp. corretas no 2-AFC (δ = 1,5) Potência: 80% Nível = 5% Quantidade necessária de julgamentos AFC Duo-trio 3-AFC Triangular ROTEIRO DA APRESENTAÇÃO Revisão/ Panorama geral dos critérios de análise atuais para os testes de diferença e de similaridade Novas propostas: Critério d - Curso com The Institute for Perception Hipótese de Equivalência Considerações finais 16

17 Pre-Annual Meeting Short Course Sensory Testing for Product Development and Claims Support Dr. Daniel Ennis Dr. John Ennis Dr. Benoit Rousseau O critério P d é método específico e também não é um critério que descreve acuradamente a habilidade discriminativa de consumidores. Assumir que alguns consumidores vão sempre discriminar enquanto que outros vão sempre acertar no chute é uma hipótese irreal. 17

18 Projeto de redução do amargor de cookies Teste de diferença Amostras Teste Resp. corretas N P c P d Diferença? d' A - B 2-AFC % 14% Não (p> 0,05) 0,25 A - C 3-AFC % 44% Sim (p< 0,001) 0,98 Valor histórico de d = 0,40 Amostras: A cookie atual B cookie reformulação 1 ( 5% custos) C cookie reformulação 2 ( 10% custos) Projeto de alteração de ingredientes nos cookies. Teste de similaridade Teste Resp. corretas N P c P d Diferença? d' Duo-trio % 10% Não (p = 0,18) 0,76 2-AFC (dureza) % 40% Sim (p = 0,02) 0,74 Triangular % 7% Não (p = 0,08) 0,73 Valores d muito similares Valor histórico de d = 0,26 Conclui-se que esta diferença é significativa e será percebida pelos consumidores. Não foi possível comprovar a similaridade 18

19 ROTEIRO DA APRESENTAÇÃO Revisão/ Panorama geral dos critérios de análise atuais para os testes de diferença e de similaridade Novas propostas: Critério d - Curso com The Institute for Perception Hipótese de Equivalência Considerações finais Teste de Hipótese Regra de decisão estatística que permite, com base em informações contidas nos dados amostrais, concluir sobre parâmetros da população. Teste de diferença Hipótese nula Ho: Hipótese alternativa H 1 : Os produtos são iguais Os produtos são diferentes 19

20 Teste de Hipótese Teste de equivalência Não é possível simplesmente fazer o reverso Entretanto é necessário desenvolver os limites para definir a equivalência Hipótese nula Ho: Hipótese alternativa H 1 : Os produtos não são equivalentes Os produtos são equivalentes Teste de Hipótese de Equivalência Estabelecimento dos limites de referência Ennis & Ennis (2009)* *CIS, 38, p Não são equivalentes H 0 Equivalentes H 1 Não são equivalentes H 0 Escolha forçada 45% 55% Diferença entre médias -0,3 0 +0,3 20

21 Literatura: Hipótese de equivalência Bi, J Similarity testing using forced choice methods in terms of Thurstonian discriminal distance, d. Journal of Sensory Studies, 26, Ennis, D. M. and Ennis, J. M Hypothesis testing for equivalence defined on symmetric open intervals. Communications in Statistics, 38, Ennis, D.M. and Ennis, J.M Equivalence hypothesis testing. Food Quality and Preference, 21, Bi, J Bayesian approach to sensory preference, difference and equivalence tests. Journal of Sensory Studies, 26, ROTEIRO DA APRESENTAÇÃO Revisão/ Panorama geral dos critérios de análise atuais para os testes de diferença e de similaridade Novas propostas: Critério d - Curso com The Institute for Perception Hipótese de Equivalência Considerações finais 21

22 CONSIDERAÇÕES FINAIS Para testes de diferença a análise está ajustada, enquanto que para testes de similaridade (ou equivalência) podemos dizer que: O critério atual P d é método específico e também não é um critério que descreve acuradamente a habilidade discriminativa de consumidores; O critério δ se ajusta melhor, porém exige um valor histórico de controle para cada produto; A hipótese de equivalência pode justificar para substanciação de alegações, porém é inviável para P&D. Tabelas iniciam c/ 400 julgamentos e é normal precisar de 1000 julgamentos. Muito obrigada!!! silvia@aboutsolution.com.br 22