Embed Size (px)
Citation preview
METODY SENZORICKÉ ANALÝZY
Přehled nejběžnějších laboratorních metod používaných pro senzorické hodnocení
Úkol Vhodné metody
Stanovení existence rozdílů mezi vzorky Rozdílové zkoušky: párová, duo-trio, trojúhelníková, tetrádová, 2/5, 4/10.Jednostimulová, dvoustimulová
Stanovení velikosti rozdílu Stupnicové metody
Stanovení preferencí Rozdílové zkouškyStanovení preferencí Rozdílové zkouškyStupnicové metody
Srovnání několika vzorků Pořadová zkouška(preferenční, intenzitní)
Stanovení absolutní přijatelnosti a intenzity
Stupnicové metody, srovnání se stupnicí
Stanovení charakteru vjemu Metody senzorického profiluMetody volného popisuSrovnání se sadou standardů
Důležité senzorické zkoušky
• ČSN ISO (2008) Senzorická analýza – Metodologie –Párová porovnávací zkouška
• ČSN ISO (2008) Senzorická analýza – Metodologie –Trojúhelníková zkouška
• ČSN ISO 8587 (2008) Senzorická analýza – Metodologie – Pořadová zkouška
• ČSN ISO 8587 (2008) Senzorická analýza – Metodologie – Pořadová zkouška
• ČSN ISO 8588 (2000) – Senzorická analýza –Metodologie – Zkouška „A – ne A“
• ISO 6564 (1985) Sensory analysis – Methodology –Flavor profile methods
• ČSN ISO 11056 (2002) Senzorická analýza –Metodologie – Metoda odhadu magnitudy
Přehled metod senzorické analýzy potravin
Rozdílové metody:
• Párová zkouška – intenzita
– preference
• Duo-trio• Duo-trio
• Trojúhelníková
• Tetrádová
• Dva z pěti
• Čtyři z deseti
PÁROVÁ POROVNÁVACÍ ZKOUŠKA• Podstata metody:- Porovnání organoleptických vlastností dvou vzorků a
stanovení rozdílu mezi nimi podle určitého znaku nebo podle preference jednoho z nich, jeden ze vzorků může být kontrolní.
- Metoda se používá též při výcviku a výběru posuzovatelů.- Metoda se používá též při výcviku a výběru posuzovatelů.
Zkouška může být použita:
a) k určení rozdílů
b) k určení preferencí
c) K výcviku posuzovatelů.
PÁROVÁ POROVNÁVACÍ ZKOUŠKA• Předložení vzorků:
- Dvojice vzorků je předkládána k hodnocení buď společně nebo po sobě
- Pořadí podávání vzorků musí být vyvážené- Pořadí podávání vzorků musí být vyvážené
- Dle smyslové únavy může být předloženo i několik párů vzorků po sobě
Posuzovatelé musí mít možnost opakovat zkoušení v
jeho průběhu. Nutná je informace o množství a
objemu zkoušeného vzorku.
PÁROVÁ POROVNÁVACÍ ZKOUŠKA
• Provedení zkoušky:
- Použití nucené volby – hodnotitel musí označit, zda jeden vzorek preferuje (má větší intenzitu), než druhý vzorek, musí se intenzitu), než druhý vzorek, musí se rozhodnout, i když si myslí, že zde neexistují rozdíly
- Je povolená odpověď „bez rozdílu“
PÁROVÁ POROVNÁVACÍ ZKOUŠKA
• Oboustranný test
Při oboustranném testu se zjišťuje, zda existuje rozdíl mezi dvěma výrobky, hypotéza je: A není rovno B.je: A není rovno B.
• Jednostranný test
Při jednostranném testu se zjišťuje, zda má jeden vzorek, zvlášť určený, např. A, větší intenzitu vlastnosti nebo preferenci než druhý.
PÁROVÁ POROVNÁVACÍ ZKOUŠKA• Zpracování výsledků:
- Nucená volba:
pro jednostrannou zkoušku se spočítá počet správných odpovědí a vyhodnotí se dle tabulky
pro oboustrannou zkoušku se spočítá počet odpovědí, vezme se větší hodnota ze dvou získaných součtů a pro oboustrannou zkoušku se spočítá počet odpovědí, vezme se větší hodnota ze dvou získaných součtů a porovná se s tabulkou (jiná tab. než v prvním případě)
- Výrobky „bez rozdílu“:
počet odpovědí „bez rozdílu“ se odečte od celkového počtu odpovědí
polovina odpovědí „bez rozdílu“ se připočte ke každé ze dvou skupin odpovědí
PÁROVÁ POROVNÁVACÍ ZKOUŠKATabulka – hodnoty pro výpočet průkaznosti rozdílu u párové zkoušky při hladině pravděpodobnosti P = 99 %.n = minimální počet odpovědí, kdy při celkovém množství odpovědí N je možno již rozdíl považovat za průkazný
Celkový počet posudků, N
Minimálnípočet kladných odpovědí, n
Celkový počet posudků, N
Minimálnípočet kladných odpovědí, n
Celkový počet posudků, N
Minimálnípočet kladných odpovědí, n
Celkový počet posudků, N
Minimálnípočet kladných odpovědí, n
8 8 17 15 26 20 35 268 8 17 15 26 20 35 26
9 9 18 15 27 21 36 27
10 10 19 16 28 22 37 27
11 11 20 17 29 22 38 28
12 11 21 17 30 23 39 28
13 12 22 18 31 24 40 29
14 13 23 19 32 24 41 30
15 13 24 19 33 25 42 30
16 14 25 20 34 25 43 31
Počet posuzovatel ůPočet posuzovatelů se vybírá na základě citlivosti požadované zkouškou
Použití většího množství hodnotitelů zvyšuje pravděpodobnost detekce malých rozdílů mezi výrobky. Avšak v praxi je počet posuzovatelů často určen fyzickými podmínkami (např. délkou experimentu, počtem využitelných posuzovatelů, množstvím výrobku).
Počet hodnotitel ů
Pokud se provádí rozdílový test, typický počet posuzovatelů je přibližně 24 až 30.
Pokud se provádí test podobnosti, pak se vyžaduje přibližně dvakrát více posuzovatelů, aby se dosáhlo stejné citlivosti (tj. přibližně 60).
α (alfa) riziko (alpha risk)pravděpodobnost závěru, že vnímaný rozdíl existuje, když žádný neexistujePOZNÁMKA Toto se také nazývá chyba I typu nebo falešně pozitivnívýsledek.
Statistické veli činyrozdíl (difference)
situace, ve které může být vzorek rozpoznán na základěsenzorických vlastností
β (beta) riziko (beta risk)pravděpodobnost závěru, že neexistuje vnímaný rozdíl, když existujePOZNÁMKA Toto se také nazývá chyba II typu nebo falešně negativnívýsledek.
pd - poměr celé populace posuzovatelů schpných rozlišit mezi vzorky
Statistická citlivost zkoušky závisí na třech hodnotách: α-riziku, β-riziku amaximu schváleného podílu z “rozlišitelných ” pd.
Před začátkem zkoušky se vybere hodnota pro α, β a pd s použitím následujících pokynů.
Statistická citlivost zkoušky
Jako obecné pravidlo, statisticky významný výsledek pro αααα-riziko:- mezi 10 % a 5 % (0,10 až 0,05) vykazuje slabé důkazy, že rozdíl byl zřejmý, - mezi 5 % a 1 % (0,05 až 0,01) vykazuje mírné důkazy, že rozdíl byl zřejmý,-mezi 1 % a 0,1 % (0,01 až 0,001) vykazuje silné důkazy, že rozdíl byl zřejmý a- pod 0,1 % (< 0,001) vykazuje velmi silné důkazy, že rozdíl byl zřejmý.
Pro β-riziko, síla důkazu, že rozdíl není zřejmý, je určen použitím stejného kriteria jako bylo specifikováno předtím (nahrazením “byl zřejmý” za “ nebyl zřejmý”).Maximálně schválený poměr z “rozlišujících ”, pd, spadá do tří kategorií:pd < 25 % představuje male hodnoty,25 % < pd < 35 % představuje hodnoty střední velikosti; a
Pravděpodobnost správné odpovědi pc, je počítána jako pc = 1 × pd + (1/2) ×(1 − pd), kde pd je poměr celé populace posuzovatelů schopné rozlišovat mezi dvěma vzorky. Psychometrický model dělání rozhodnutí posuzovatelů, jako dvěma vzorky. Psychometrický model dělání rozhodnutí posuzovatelů, jako je např. Thurstone-Ura model může být v případě párové zkoušky také použit.
αβ
0,50 0,20 0,10 0,05 0,01 0,001
pd = 50 %
0,50 — a — — 9 22 330,20 — 12 19 26 39 580,10 — 19 26 33 48 700,05 13 23 33 42 58 820,01 35 40 50 59 80 107
0,001 38 61 71 83 107 140
pd = 40 %
0,50 — — 9 20 33 550,20 — 19 30 39 60 940,10 14 28 39 53 79 1130,05 18 37 53 67 93 1320,01 35 64 80 96 130 174
0,001 61 95 117 135 176 228
0,50 — — 23 33 59 108
Tabulka A.4 — Po čet posuzovatel ů požadovaný pro jednostranný párový test
pd = 30 %
0,50 — — 23 33 59 1080,20 — 32 49 68 110 1660,10 21 53 72 96 145 2080,05 30 69 93 119 173 2430,01 64 112 143 174 235 319
0,001 107 172 210 246 318 412
pd = 20%
0,50 — 23 45 67 133 2370,20 21 77 112 158 253 3840,10 46 115 168 214 322 4710,05 71 158 213 268 392 5540,01 141 252 325 391 535 726
0,001 241 386 479 556 731 944
pd = 10%
0,50 — 75 167 271 539 9510,20 81 294 451 618 1 006 1 5550,10 170 461 658 861 1 310 1 9050,05 281 620 866 1 092 1 583 2 2370,01 550 1 007 1 301 1 582 2 170 2 927
0,001 961 1 551 1 908 2 248 2 937 3 812a Prázdné buňky odpovídají případům, které nepředstavují praktickýzájem (vysoké hodnoty pro α a β berou v úvahu vybrané hodnoty pd)
Příklad z praxe Výroba křupavějších sušenekvývojové oddělení se chce ujistit , že technologická modifikace má požadovaný efekt. Přeje si snížit riziko, že bude upřednostňován rozdíl, který neexistuje. Na druhou stranu, protože je možné udělat další technologickou modifikaci, je připraveno akceptovat vyšší riziko, že nebudou detekovány rozdíly, které existují.
Cíle zkoušky Cílem zkoušky je potvrdit, že nový výrobek je skutečně křupavější. Jde tudíž o případ jednostranného testu.
Počet hodnotitel ůAby vývojové oddělení bylo chráněno před špatným závěrem ve prospěch rozdílů, které neexistují, byla vedoucím senzorické analýzy navržena hodnota citlivost α 0,05, a procento posuzovatelů, které pozná vedoucím senzorické analýzy navržena hodnota citlivost α 0,05, a procento posuzovatelů, které pozná rozdíl pd rovno 30 % a β 0,50. Proto pokud je použita tabulka A.4, tak se zjistí, že je potřeba nejméně 30 hodnotitelů.
Provedení zkoušky Třicet talířků se sušenkami “A” (kontrola) a 30 talířků se sušenkami “B” (prototyp) se kóduje náhodnými čísly. 15 posuzovatelům jsou předloženy v pořadí AB, patnácti v pořadí BA.
Analýza a interpretace výsledk ů Dvacet jedna posuzovatelů označilo vzorek B jako křupavější. S odkazem na tabulku A.1 v řadě odpovídající n = 30 a sloupci α = 0,05 je vidět, že 20 odpovědí postačí k závěru, že dva vzorky jsou podstatně odlišné.
TROJÚHELNÍKOVÁ ZKOUŠKA• Podstata metody:
Hodnotitel obdrží trojici vzorků z nichž dva jsou stejné a třetí je odlišný. Pořadí vzorků je náhodné.
• Provedení zkoušky:
Hodnotitel testuje předložené trojice vzorků a Hodnotitel testuje předložené trojice vzorků a snaží se posoudit, které dva vzorky jsou shodné a který vzorek je odlišný.
• Vyhodnocení:
Při vyhodnocování se postupuje standardně, vyhledají se příslušné kritické hodnoty a ty se porovnají s hodnotami získanými.
TROJÚHELNÍKOVÁ ZKOUŠKATabulka – hodnoty pro výpočet průkaznosti rozdílu u trojúhelníkové zkoušky při hladině pravděpodobnosti P = 99 %.n = minimální počet odpovědí, kdy při celkovém množství odpovědí N je možno již rozdíl považovat za průkazný
Celkový počet posudků, N
Minimálnípočet kladných odpovědí, n
Celkový počet posudků, N
Minimálnípočet kladných odpovědí, n
Celkový počet posudků, N
Minimálnípočet kladných odpovědí, n
Celkový počet posudků, N
Minimálnípočet kladných odpovědí, n
5 5 14 10 23 14 32 185 5 14 10 23 14 32 18
6 6 15 10 24 14 33 19
7 6 16 11 25 15 34 19
8 7 17 11 26 15 35 19
9 7 18 12 27 16 36 20
10 8 19 12 28 16 37 20
11 8 20 13 29 17 38 21
12 9 21 13 30 17 39 21
13 9 22 14 31 18 40 22
ZKOUŠKA DUO-TRIO• Podstata metody:- Nejprve se předloží označený referenční vzorek- Následují dva kódované vzorky, z nichž jeden je shodný
s referenčním vzorkem a posuzovatel má určit tento vzorek
• Provedení zkoušky:• Provedení zkoušky:Posuzovatel obdrží nejprve označený vzorek referenční. Ten je následován dvěma kódovanými vzorky, z nichž jeden je totožný s referenčním vzorkem.
• Vyhodnocení:Zkouška je jednostranná. Rozdíl mezi vzorky je prokazatelný, jestliže minimální počet správných odpovědí dosahuje nebo přesahuje kritickou hodnotu uvedenou v tabulce.
ZKOUŠKA 2 Z 55 vzorků, z nichž jsou 3 shodné (vzorek A) a 2
odlišné, ale navzájem totožné (vzorek B). Posuzovatel musí správně rozdělit pětici vzorků na dvě správné skupiny. Hodnocení vyžaduje dobrou paměť, i když je možno se k již ochutnaným paměť, i když je možno se k již ochutnaným vzorkům vracet.
Určení náhodného výsledku je jen 1/10, takže stačí pouze malé množství hodnocení (4-8 odpovědí).
Je to náročnější zkouška – vyžaduje zkušené hodnotitele, u nezkušených se může postupovat jako u párové zkoušky.
TETRÁDOVÝ TEST- Hodnotitel obdrží 4 vzorky, z nichž prvý vzorek je
standard a další tři vzorky jsou neznámé. Z těchto neznámých vzorků je jeden nebo dva vzorky shodné se standardem. Úkolem posuzovatele je určit, které vzorky jsou shodné se standardem.
- Zavedli v roce 1973 Renner a Romer: v podstatě jde o - Zavedli v roce 1973 Renner a Romer: v podstatě jde o propracování tzv. rozšířeného trojúhelníkového testu, který navrhl Renner a Kiermeier.
- K dosažení průkazných závěrů stačí menší počet posuzovatelů (16,7 % pravděpodobnost, že ke správnému výsledku dojde posuzovatel náhodou). K posuzování se volí obvykle skupina 7-11 školených osob.
TETRÁDOVÝ TESTTabulka – statistické vyhodnocení tetrádového testu
Počet posouzení
Počet správných odpovědí pro dosažení statistický průkazného závěru na hladině pravděpodobnosti
P = 5 % P = 1 % P = 0,1 %
1 1 - -
2 2 2 -
3 2 3 3
4 3 3 44 3 3 4
5 3 3 4
6 3 4 5
7 4 4 5
8 4 5 5
9 4 5 6
10 4 5 6
11 5 6 6
12 5 6 7
13 5 6 7
14 6 6 7
Porovnání zkoušekPočet
posuzovatel ů
Párovýporovnávací
zkouška
(oboustranná)
Trojúhelníkovázkouška
Zkouška duo-trio a párová
porovnávacízkouška
(jednostranná)
Zkouška dva z pěti
5 — 4 5 36 6 5 6 37 7 5 7 38 8 6 7 39 8 6 8 4
10 9 7 9 411 10 7 9 412 10 8 10 413 11 8 10 414 12 9 11 415 12 9 12 515 12 9 12 516 13 9 12 517 13 10 13 518 14 10 13 519 15 11 14 520 15 11 15 521 16 12 15 622 17 12 16 623 17 12 16 624 18 13 17 625 18 13 18 626 19 14 18 627 20 14 19 628 20 15 19 729 21 15 20 730 21 15 20 7
STANOVENÍ ROZDÍLU MEZI VZORKY TETRÁDOVOU ZKOUŠKOUPříjmení: ……………………………………. Jméno: …………………………………………………………Datum: …………………………………….. Hodina: …………………………………………..
Úkol: Je předložena sada vzorků, z nichž prvý (nejvíce vlevo) je standard, další tři vozkry jsou neznámé a jeden nebo dva jsou totožné se standardem, ostatní jsou od standardu odlišné.Ochutnejte postupně předložené vzorky (k jednou ochutnaným vzorkům se smíte vracet) a určete, které neznámé vzorky jsou totožné se standardem a které jsou odlišné.
Číslosady
Číslo standardu Čísla vzorků shodných se standardem
Čísla vzorků odlišných od standardu
1
Vyhodnocení testu: počet správných odpovědí počet nesprávných odpovědí
Mezi vzorky byl rozdíl: velikýmalývelmi malýtéměř neznatelnýzcela neznatelný
2
3
4
5
POŘADOVÁ ZKOUŠKA
• Podstata metody:
- Současné předložení několika zkušebních vzorků v náhodném pořadí posuzovatelům
- Seřazení vzorků podle stanoveného kriteria- Seřazení vzorků podle stanoveného kriteria
POŘADOVÁ ZKOUŠKA
• Provedení metody:
Posuzovatelé hodnotí P vzorků, předložených v náhodném pořadí a umístí je do určitého pořadového uspořádání podle určitého kriteria.
Posuzovatelům je doporučeno vyvarovat se Posuzovatelům je doporučeno vyvarovat se shodným řazením. Mělo by jim být řečeno, že i když nejsou schopni najít větší rozdíly mezi vzorky, měli by je podle kriteria seřadit.
Doporučuje se nejdříve udělat předběžné pořadí.
Musí být brána v úvahu jen jedna vlastnost.
POŘADOVÁ ZKOUŠKA
• Vyhodnocení výsledků:
- Metoda podle Friedmana:
Jestliže je potřeba prokázat rozdíly mezi dvěma vzorky.vzorky.
- Metoda podle Kramera:
Zda se určitý vzorek výrazně liší od celého souboru.
- Metoda podle Page:
Zda se výrazně uplatňuje určitý faktor.
POŘADOVÁ ZKOUŠKA- hodnocení krémů
Výsledky pořadové zkoušky:Pořadí vzorků
Hodnotitel(číslo boxu)
1 2 3 4 5 6
1 K D J K D D
2 D L K L K J
Tabulka pro součty pořadí:Hodnotitel Vzorek
K D J L
1 1 2 4 3
2 3 1 4 2
3 2 4 1 33 L K L D L L
4 J J D J J K
3 2 4 1 3
4 1 3 4 2
5 2 1 4 3
6 4 1 2 3
Součet pořadí
13 12 19 16
Podle Kramera (99 %) – počet vzorků 4, počet opakování 6, kritické rozmezí 8-22.
Podle Friedmana F = [12/J×P×(P+1)] × (R12+R2
2+R32+R4
2) – 3×J×(P+1), kde P –počet vzorků, J- počet hodnotitelů, R – součty pořadí.Vypočtená hodnota F = 3, z tabulek kritická hodnota 11,34, tzn. nebyl prokázán statisticky významný rozdíl mezi vzorky.
METODA SENZORICKÉHO PROFILU
• Podstata metody:
- Vjem celkový se rozdělí na dílčí vjemy (nejčastěji chutě)
- Hodnotitel obdrží seznam přítomných chutí - Hodnotitel obdrží seznam přítomných chutí (deskriptory)
- Hodnotitel má zadanou hodnotitelskou stupnici
- Hodnotitel určuje intenzitu jednotlivých příchutí podle seznamu
METODA SENZORICKÉHO PROFILU
• Počet deskriptorů v senzorickém profilu:
- Podle zkušeností hodnotitelů
- Podle náročnosti úkolu
- Obvykle 8-16 deskriptorů- Obvykle 8-16 deskriptorů
- Experti 20-40 deskriptorů
- Výběrové rozdíly 3-5 výrazů
- Možnost výběru z většího souboru deskriptorů (skupiny a podskupiny)
• Sestavení seznamu deskriptorů:- Hlavní přítomné dílčí chutě- Příchutě, které jsou nejvýznamnější pro určení rozdílu mezi
vzorky- Příchutě, jejichž intenzita je určující pro jakostní stupeň- Specifické, charakteristické příchutě, typické pro vzorek
METODA SENZORICKÉHO PROFILU
- Specifické, charakteristické příchutě, typické pro vzorek- Významné závady chuti• Zdroje pro sestavení seznamu deskriptorů:- Výsledky volného popisu skupinou expertů- Literární podklady- Vlastní zkušenosti- Zjednodušení profilu (sjednocení podobných výrazů,
vynechání nevýznamných deskriptorů)� Profil je možné postupně zdokonalovat.
METODA SENZORICKÉHO PROFILU
• Znázornění výsledků stanovení senzorického profilu:
- Tabelární vyjádření
- Lineární graf- Lineární graf
- Diferenční profil
- Hvězdicový graf
- Pavučinový graf
- Sloupcový graf
- Vyjádření intenzity barevným odstínem
METODA SENZORICKÉHO
PROFILU• Znázornění výsledků
stanovení senzorického profilu:senzorického profilu:
- Lineární graf
Metoda Metoda Rok Autoři
Profil chutě avůně
Flavor Profile 1950 Cairncross a kol.19
Texturní profil Texture Profile 1963 Szczesniak10
Přehled deskriptivních metod
Kvantitativnídeskriptivníanalýzu
Quantitative Descriptive Analysis (QDA)
1974 Stone a kol.17,Stamponi20
Bleskový profil Flash profile 2000 Sieffermann21
Pořadová popisná analýza
Ranking descriptive analysis (RDA)
2010 Richter22
Metoda odhadu magnitudyProvádíme-li metodu klasickým způsobem, pak hodnotitelé
přiřazují kladné číselné hodnoty zkoumaným znakům upředložených vzorků. První vzorek bývá často referenční, tj. sloužícíjako standard a hodnotitel mu přiřadí zcela libovolnou kladnouhodnotu různou od nuly. Ostatním vzorkům jsou příslušné hodnotypřiřazeny tak, aby poměr hodnot standardu a vzorku odpovídalpoměrům intenzit příslušných zkoumaných vlastností. Nula je opětpoměrům intenzit příslušných zkoumaných vlastností. Nula je opětvyloučena, vzorky s absencí zkoumaného znaku by se nemělyvůbec objevovat. Standard je přítomen během celého hodnocení aje povoleno jeho opakované hodnocení. Je-li to charakteremzkoušky umožněno, pak standard připravujeme tak, aby intenzitazkoumané vlastnosti standardu odpovídala geometrickému průměruintenzit zkoumaných vlastností série. Lze pracovat i se sadouvzorků neobsahující standard, ale tento postup nebývá obvyklý proobtížnější vyhodnocování výsledků.
Pro výcvik posuzovatelů je vhodné použít posouzení plochy geometrických obrazců, konkrétně sadu obsahující šest kruhů, šest rovnostranných trojúhelníků a šest čtverců. V každé ze tří sérií slouží jeden obrazec středních rozměrů jako referenční vzorek, série se vyhodnocují nezávisle na sobě. Je vhodné předložit alespoň v jedné sérii dva totožné obrazce za účelem vyhodnocení reprodukovatelnosti posuzovatelů.
Metodu lze modifikovat zavedením značených magnitudových stupnic, Metodu lze modifikovat zavedením značených magnitudových stupnic, prvně zavedených Greenem. Jsou to poměrové, grafické strukturované stupnice se semilogaritmickým měřítkem, používané pro stanovení intenzity chuti nebo vůně. Horní hranice takto zkonstruované stupnice musí vždy odpovídat nejsilnějšímu představitelnému vjemu. Poměr intensit představovaných sousedními charakteristickými body je poloviční, a tedy vzdálenost mezi počátkem a charakteristickým bodem přestavujícím nižší intenzitu je poloviční vůči vzdálenosti počátku a charakteristického bodu představujícího intenzitu dvojnásobnou (dle logiky semilogaritmického měřítka).
Stupnice používané v senzorické analýze
Pod pojmem stupnice rozumíme řadu stupňů (kvality, intenzity, příjemnost) seřazených do určité posloupnosti. Stupnice je vždy orientovaná a má charakter vektoru.
• V roce 1946 navrhl psycholog Stanley SmithStevens teorii stupnic, kterou vydal v časopise Science – Teorie měřících stupnic. Rozdělil stupnice numerické stupnice do 4 kategorií.
Stupnice používané v senzorické analýze
Typ stupnice Příklady
Kategorové ano-ne-nevím, muž-žena
Ordinální A-B-C-D-E,výborný-velmi dobrý-dobrý-spíše dobrý-špatný-velmi špatnýšpatný-velmi špatný
Intervalové 0-100 °C20-30
Poměrové vztažené na standard
magnitudové hodnocení
Nominální, kategorová stupnice sestává ze dvou či více vzájemněse vylučujících kategorií (tříd). V případě, že kategorie jsou právě dvě, stupnice se nazývá dichotomická. Pro identifikaci tříd nominálních znaků často používáme čísla. Přiřazená čísla jsou ale jen symboly (kódy), které nelze použít pro obvyklé aritmetické operace. Z matematických operátorů zde platí jen rovnost (=) nebo nerovnost (≠)
o Pořadová stupnice ( ordinal scale ) Ordinální , pořadováo Pořadová stupnice ( ordinal scale ) Ordinální , pořadovájen pořadí, ne velikost rozdílu,
•Ordinální stupnice je bohatší než nominální stupnice. Hodnoty znakůjsou seskupeny do neslučitelných kategorií (tříd), které jsou vzájemněuspořádány. Čísla přiřazená kategoriím pro identifikaci odrážejí totouspořádání, ale neposkytují žádnou informaci o vzdálenosti kategorií.
kromě rovnosti a nerovnosti zde platí také operátory < a >
Intervalová stupnice ( interval scale )podnětový práh a od něho rostoucí koncentracelze odčítat, sčítat (ne násobit a dělit)
•Na intervalové stupnici je nulová pozice věcí volby. Příkladem měřenína této stupnici je teplota ve stupních Celsia nebo libovolná kalendářnístupnice.
kromě vlastností předcházejících dvou stupnic je zde možné také sčítání a odečítání (znaky mohou nabývat také hodnoty 0)
Poměrová stupnice ( ratio scale ) Poměrová stupnice ( ratio scale )
lze všechny početní úkony včetně záporných Nulová pozice na poměrové stupnici je pevně dána a vyjadřujenaprostou nepřítomnost měřené vlastnosti.
•Na rozdíl od intervalové stupnice při porovnání dvou hodnot napoměrové stupnici má smysl se ptát, kolikrát je první hodnota větší neždruhá.
dovoluje vyjádřit poměr mezi objekty (lze použít též operátor dělení
Příklady stupnic- poměrové stupnice:
0 % standard vzorek
- grafické strukturované stupnice:
dělená rovnoměrně (hedonická)chuť vynikající chuť dobrá chuť přůměrná chuť špatná chuť velmi špatná
dělená nerovnoměrně (hedonická)
1 2 3 4 5 6 7 8 9
tvořená řadou čtyřúhelníkůtvořená řadou čtyřúhelníků
neznatelný nesmírně
sladký
- grafická nestrukturovaná stupnice:
ohraničená z obou stranvynikající odporný
ohraničená z jedné stranyvynikající
neohraničenástandard
Bodové stupnice
• Pětibodové
• Sedmibodové
• Devítibodové
Stupnice pro hodnocení příjemnosti vzhledu, vůně, celkové Stupnice pro hodnocení příjemnosti vzhledu, vůně, celkové chuti a textury
• Vynikající
• Velmi dobrý
• Celkem přijatelný, průměrný
• Nepřijatelný
• Velmi špatný
Stupnice
• Hodnocení intensity jednotlivých chutí
• Velmi silná
• Dosti silná
Středně silná
• Příjemnost Intenzita
• 1. vynikající 1. nepřítomná
2. velmi dobrá 2. ve stopách
• 3. dosti dobrá 3. velmi slabá
• Středně silná
• Slabá
• Velmi slabá
Vyhodnocení stupnic četností
• 3. dosti dobrá 3. velmi slabá
• 4. ještě vyhovující 4. dosti slabá
• 5. špatná 5. výrazná
• 6. velmi špatná 6. silná
• 7. odporná 7. velmi silná
Základní statistické charakteristiky
• Základní soubor, n členů
• Charakteristiky polohy:
Průměry, medián a modus
• Průměry jsou definovány pro kvantitativní data (tj. na poměrové a intervalové stupnici)
Aritmetický průměr
N
∑
základního souboru
N
XN
i
i∑== 1µ
Geometrický průměr
• Je to n-tá odmocnina součinu n hodnot
∏∏ =
n
iiXn
1
Prakticky má smysl jen pro kladná čísla; totéž co „odlogaritmovaný“ aritmetický průměr logaritmů
Medián [lze užít i pro data na ordinální stupnici]
• Definován tak, že polovina hodnot leží pod, a polovina nad mediánem (v nekonečně velkých souborech - pravděpodobnost, že náhodná hodnota leží nad i pod mediánem je 0,5). V hodnota leží nad i pod mediánem je 0,5). V souborech o sudém počtu členů je obvykle za medián považovaná hodnota v půli intervalu mezi dvěma prostředními hodnotami.
Modus - nejčastěji se vyskytujícíhodnota - u spojitých dat
“vrchol” histogramu četností -“vrchol” histogramu četností -
Analýza hlavních komponent (PCA)
Cílem metody je transformace dat z původních proměnných x, j=1, ..., m,do menšího počtu latentních proměnných iy .
Tyto proměnné mají vhodnější vlastnosti, je jich výrazně méně, vystihují téměř celou proměnlivost původních j proměnných a jsou vzájemně nekorelované (korelační koeficient mezi latentními proměnnými y , ..., y je 0).
Latentní 1m proměnné jsou u této metody nazvány hlavními komponentami a jsou to lineární kombinace původních proměnných:
první hlavní komponenta y popisuje největší část proměnlivosti čili rozptylu původních dat, druhá hlavní komponenta y zase největší část rozptylu neobsaženého atd.
Matematicky řečeno, první hlavní komponenta je takovou lineární kombinací vstupních proměnných, která obsahuje největší proměnlivost mezi všemi lineárnímikombinacemi.
Zpracování dat.
Neuronové sítě Fuzzy logika
-Pojempoprvé použit v roce 1965 v článku, jehož autorembyl profesorLotfi A. Zadeh .
-fuzzy znamená neostrý, matný, mlhavý, neurčitý, vágní.
-fuzzy teorie se snaží se pokrýt realitu v její nepřesnosti a neurčitosti.
Fuzzy logika
-základní pojemfuzzy logiky - fuzzy množina.
V klasické teorii množin prvek do množiny buďto patří (úplnéčlenství v množině) nebo nepatří (žádnéčlenství v množině).
Fuzzy množina je množina, která kroměúplnéhonebožádnéhočlenství připouští ičlenstvíčástečné. To znamená, že prvekpatřído množinys jistoupravděpodobností (stupeňpříslušnosti).
Tentopřístupumožňuje pracovat s vágnímidaty, protože používání přesnýchpopisů vedek idealizování skutečností reálnéhosvěta.
Umělé neuronové sítě (ANN, artificialneural network) jsou adaptivním
Umělé neuronové sít ě (ANN, artificial neural network)
neural network) jsou adaptivním systémem, který imituje funkci centrálního nervového systému lidského mozku.
První umělá neuronová síť bylas navržena v roce 1958 psychologem Franke Rosenblattem.
Využívá ke své práci množství propojených procesorů a výpočetních cest.ANN jsou inspirovány architekturou lidského mozku; jsou schopny se učit a analyzovat rozsáhlé a komplexní množiny dat, které mnohem lineárnější algoritmy jen těžko zvládají. Sít´se skládá z umělých neuronů rozložených na více hladinách. Hladiny mohou být rozděleny na více hladinách. Hladiny mohou být rozděleny na vstupní hladinu, několik skrytých hladin a výstupní.Skryté hladiny řeší otázku jak propojit vstupní a výstupní hladiny. Umělá neuronová síť se učí trénováním.
Potom, co je umělá síť vyškolená je schopna najít specifický vzor, například v datech získaných numerickou simulací.
Např. u matematických modelů se s její pomocí vyloučí některá měření pro definované oblasti vyloučí některá měření pro definované oblasti povrchu modelu jazyku. Výsledkem pak je, že se nahradí časově náročné počítačové simulace.
