Enologia 1 - modulo b
Analisi sensoriale con esercitazioni di laboratorio
Laurea in Viticoltura ed Enologia
SECONDA parte (II_2)
I METODI ANALITICI DESCRITTIVI
PROGRAMMA TEORIA
Seconda parte: I METODI (1,5 CFU)
1. Metodi analitici discriminanti: il concetto di differenza percepibile, le principali procedure di analisi, l’elaborazione dei dati e
interpretazione dei risultati, campi di applicazione, vantaggi e limiti.
2. Metodi analitici descrittivi: le
procedure convenzionali e i nuovi metodi descrittivi (rapidi, di
similitudine e dinamici),
l’elaborazione e la visualizzazione dei dati e l’interpretazione dei
risultati, esempi applicativi, vantaggi e limiti.
3. Cenni introduttivi ai metodi affettivi per misurare la risposta dei
consumatori.
I PARTE: LE BASI II PARTE: I METODI
I metodi analitici
Per quantificare le differenze Per individuare le differenze
• obiettivo: stabilire se esiste una differenza sensoriale *
• obiettivo: stimare l'importanza delle differenze
obiettivo: descrivere le differenze
*
* descrizione quali-quantitativa delle proprietà sensoriali , può essere parziale o completo
(focus su 1 o più aspetti sensoriali:
aspetto esterno, odore, flavour, texture)
I metodi analitici
quantificare le differenze Individuare le differenze
CHI?
Panel di giudici con un buon livello di addestramento selezionati in base a: abilità sensoriali nel riconoscere, descrivere e quantificare stimoli sensoriali
abilità comunicative (creatività verbale) e relazionali (predisposizione al lavoro di gruppo)
interesse/motivazione, disponibilità di tempo
precedenti esperienze
stato di salute, allergie, diete, fumo
DOVE?
nel laboratorio di analisi sensorialeCOME?
valgono le regole generali per le analisi sensorialiPERCHE?
per oggettivarela qualità sensoriale
Metodi descrittivi
Possibili applicazioni
Mettere a punto o ottimizzare un prodotto:
Definire la caratteristiche di prodotti della concorrenza
Definire le caratteristiche di prototipi in relazione ad un target definito
Tracciare i cambiamenti indotti da modifica di ingredienti o processo
Tracciare i cambiamenti indotti dalla conservazione (studio di shelf- life) o dall’imballaggio
Verificare la corrispondenza a standard qualitativi prefissati (conformità prodotto)
Studiare le relazioni tra descrittori sensoriali e caratteristiche strumentali
Individuare le caratteristiche importanti per l’accettabilità
Individuare caratteristiche chiave per la tipicità
Metodologia:
... altri aspetti importanti
L’aspetto TEMPORALE:
L’ordine di apparizione
La persistenza
Il retrogusto/retroaroma
La predominanza
L’impressione COMPLESSIVA
L’intensità totale di odore o flavour
L’equilibrio, l’idoneità
Il giudizio di accettabilità
Attenzione !
Sono dati “rappresentativi” ? Sono dati oggettivi ?
Aspetto QUALITATIVO
con quali caratteristiche sensoriali possiamo descrivere il prodotto ?
=> ATTRIBUTI/DESCRITTORI Aspetto QUANTITATIVO
= quanto sono intense ognuna di queste caratteristiche ?
=> SCALE a INTENSITA’
Gli attributi sensoriali /requisiti
Gli attributi
devono essere: pertinenti: essere rispondenti alla realtà sensoriale
correlati con l’accettabilità da parte del consumatore
esaustivi: descrivere tutti gli aspetti sensoriali
discriminanti: essere in grado di differenziare i prodotti
unici, non complessi: avere un significato chiaro non combinazione di più descrittori
non ridondanti: non essere sinonimi
non ambigui: avere il consenso del panel ovvero tutti i giudici usano il descrittore attribuendogli lo stesso significato
misurabili in modo preciso ed affidabile (es. disporre di uno standard di riferimento)
comunicabili: avere un significato facilmente spiegabile agli altri
correlati con altre misure strumentali (chimiche o fisiche)
Le scale di misura
Permettono di quantificare l’intensità di una caratteristica sensoriale Ogni punto della scala identifica un livello di intensità.
Esiste una relazione (lineare o logaritmica) tra risposta sensoriale e punteggio.
L’addestramento è importante
per definire un criterio di valutazione comune
per minimizzare la variabilità legata ai giudici:
diversa sensibilità
diverso modo di esprimere e definire
2 TIPI DI SCALE più usati:
CATEGORIA
LINEARI
Le scale di categoria
Permettono di classificare le caratteristiche sensoriali in base all’appartenenza a gruppi separati da intervalli costanti
più usate a 5, 7, 9 intervalli (dispari con punto centrale)
ciascun punto identifica un livello di intensità
possono essere verbali o numeriche
unipolari/bipolari
esistono relazioni di tipo quantitativo fra le classi
possono essere elaborati con metodi di analisi parametrici
effetti di bordo
Esempi di SCALE a categorie
Es scala numerica unipolare per il GUSTO DOLCE
•
1 (appena percepibile)
•
2
•
3
•
4
•
5
•
6
•
7
•
8
•
9 (estremamente forte) Es scala verbale bipolare per la DUREZZA
• molto duro
• moderatamente duro
•
leggermente duro
•
né duro né morbido
•
leggermente morbido
•
moderatamente morbido
• molto morbido
Le scale lineari
Permettono di ottenere valori di intensità continui di ogni caratteristica sensoriale
Sono segmenti di retta di 10 o 15 cm (sono le più usate)
aperte/con estremi (senza/con indicazione del valore agli estremi della scala)
ancorate (con 1 o più punti di riferimento)
strutturate/non strutturate (con divisioni della scala/unità misura)
unipolari/bipolari (crescenti da sin a dx/ 0 centrale e crescenti nelle 2 direzioni)
danno valori che possono essere elaborati con l’analisi della varianza e successivi test di comparazione
possono essere anche a base logaritmica o semilogaritmica (Labeled magnitude scale Gren et al 1996)
Esempi di SCALE lineari
Es: Intensità Gusto dolce (chiusa=con estremi, non strutturata)
0 (assente) massima
Es: Intensità acidità (chiusa, strutturata=suddivsioni)
0 1 2 3 4 5 6 7 8 9 10
Es: Intensità friabilità (aperta, non strutturata, con ancoraggi)
rif. 1 (livello int 2)
rif. 2
(livello int 5)
Esempi di SCALE a base semilogaritmica
Labeled Affective Magnitude Scale (0–100) (Schutz & Cardello, 2001)
Generalized Labeled Magnitude Scale (0–100) (Bartoshuk et al., 2004)
Es: Scala LAM (strutturata, bipolare) Es: Scala gLM (strutturata, unipolare)
Quale scala usare?
Scale a categorie
Valori DISCONTINUI, Intervalli uguali tra categorie
sono più FACILI (più riproducibili con giudici poco addestrati)
Scale lineari
Valori CONTINUI
Sono più DISCRIMINANTI ma più difficili (è più difficile ricordare una posizione che una categoria)
Valutazione intensità (Scalar Rating)
PER misurare l’intensità di una caratteristica sensoriale si può procedere in 2 modi:
1. Con RIFERIMENTO/I ESTERNO/I: 1 o più campioni standard sono proposti ai giudici per fissare sulla scala l’intensità di riferimento, il giudice valuta i campioni in riferimento a questi punti sulla scala 2. Con STIMA dell’INTENSITA’ (Magnitude Estimation= ME): il primo
campione valutato rappresenta il proprio riferimento e viene posizionato liberamente dal giudice sulla scala che quindi valuta gli altri campioni rispetto a questo primo campione
Vantaggi: il giudice tende a usare la scala anche nelle posizioni estreme e non ci sono standard di riferimento (non ci sono le fasi di preparazione e addestramento giudici)
Le Fasi di lavoro
I. definizione dell’attributo II. addestramento panel III. valutazione intensità
Analisi dati:
Media dei punteggi del panel
Analisi della varianza dei punteggi medi
=> indica se esistono differenze significative (tra almeno 2 campioni)
Confronto multiplo tra valori (con Minima Differenza Significativa/LSD o altri test simili)
=> indica quali differenze sono significative, ovvero quali campioni differiscono tra loro
Valutazione intensità
Principali metodi
Negli ultimi 70 anni sono stati sviluppati diversi metodi per l’analisi descrittiva (PROFILO), tutti possono essere definiti metodi per il profilo convenzionale basati su un vocabolario di consenso ovvero basati su una lista di attributi di “riferimento”/concordati dal panel.
I metodi che hanno avuto/hanno maggior seguito sono:
Profilo del flavour (Flavour profile method, FPM)
Profilo della texture (Texture profile, TP)
Analisi Quantitativa Descrittiva QDA (Quantitative Descriptive Analysis)
Metodo Spectrum
CRITICITA’ generali:
È difficile selezionare il numero di attributi ottimale (ne troppi ne troppo pochi)
È impegnativo addestrare i giudici (tempo, costi)
Non considerano importanti aspetti: l’aspetto temporale, la predominanza, l’impressione complessiva
Flavour profile method (FPM)
-
Cairncross e Sjostrom 1950E’ il primo metodo descrittivo proposto, oggi viene usato raramente in ambito sensoriale ma riferimento per degustazioni tecniche
Obiettivo: descrivere il flavour = gusto e aroma (odore retro-olfattivo) Panel: 4-6 giudici + panel leader (coordinare e partecipa all’analisi)
Parametri: intensità attributi di flavour, ordine di apparizione e retrogusto Fasi:1. addestramento panel su prodotti analoghi
2. definizione delle caratteristiche di aroma e gusto 3. definizione dell’ordine di percezione
4. valutazione intensità con scale a categorie: inizialmente solo a 3 livelli (leggero=soglia, moderato, forte), poi a 7 (categorie verbali) 5. Valutazioni prima singole quindi collegiali
Limiti
dati non elaborati statisticamente ma solo interpretati e mediati dal panel leader (soggettività)
pochi giudici (rappresentatività?) con lungo addestramento
influenza variabili di natura psicologica (soggetti dominanti?)
discussioni per accordare i giudizi (abilità del panel leader)
Texture Profile Method (TPM)
Brandt, Szczesniak,1963
Obiettivo: descrivere la texture dal primo morso fino alla completa masticazione
Panel: 6-10 giudici + panel leader
Parametri misurati: intensità di caratteristiche meccaniche, geometriche e altre caratteristiche fisiche di texture
Scale a punteggi standardizzate: ancoraggi con prodotti di riferimento (inizialmente a categorie a 7 punti poi anche scale lineari)
Fasi: (vedi FPM)
Evoluzione: inizialmente valutazioni singole quindi collegiali poi ulteriore evoluzione con valutazioni indipendenti da parte di ogni giudice e analisi statistica (l’attuale modo di procedere)
Quantitative Descriptive Analysis ( Tragon QDA)
Stone et. al 1974
Obiettivo: descrivere il profilo in maniera completa
Parametri: intensità attributi di apparenza, odore, flavour, texture Scala: lineare non strutturata
Panel: 8-12 giudici + panel leader (NON partecipa alle valutazioni) Fasi:
1. addestramento generico panel 2. addestramento specifico (scale)
3. sviluppo linguaggio (attraverso l’esposizione a campioni con ampia variabilità)
4. selezione degli attributi di consenso: definizione sensoriale, procedura di valutazione e standard di riferimento
5. validazione del panel
6. valutazioni individuale dei campione
7. elaborazione statistica dei dati forniti dai singoli giudici
Limiti: fase preliminare molto impegnativa (tempo/costi) e difficoltà di compare i risultati ottenuti con panel diversi (limiti comuni ai metodi convenzionali)
Spectrum Method ( SM)
Munoz & Civile 1992
Obiettivo: descrivere il profilo in maniera completa e “assoluta”
Parametri: intensità attributi di apparenza, odore, gusto, texture con VOCABOLARIO STANDARDIZZATO
Scala: numerica (a 15 punti) ASSOLUTA con ancoraggi STANDARDIZZATI
Panel: 12-15 giudici addestrati (+ panel leader) Fasi:
1. addestramento generico panel
2. addestramento specifico per la valutazione dell’intensità dei descrittori del vocabolario standardizzato (definizione dell’attributo, della procedura di valutazione e degli standard di riferimento, es Meilgard 1991)
3. validazione del panel (performance dei singoli giudici) 4. valutazioni individuale dei campioni
5. elaborazione statistica dei dati forniti dai singoli giudici
Limiti: difficoltà ad addestrare e mantenere un panel «assoluto» e a reperire i prodotti di riferimento «assoluti»
Evoluzioni
Negli anni successivi sono stati proposti anche altri metodi basati sempre su un vocabolario di consenso come ad esempio:
IDEAL PROFILE METHOD (IPM) (Hoggan 1975; Moskowitz et al. 1977;
Szczeniak et al. 1975) valutazione rispetto al “prodotto ideale”
DIFFERENCE FROM CONTROL PROFILING (Larson‐Powers and Pangborn (1978): valutazione rispetto ad uno prodotto di riferimento Ma la metodologia di riferimento più applicata rimane l’analisi
descrittiva classica.
Parallelamente, per ovviare ai limiti dei metodi descrittivi classici si sono sviluppati anche altri nuovi metodi che si basato su altri presupposti (vocabolario individuale, similitudine, evoluzione temporale) che vedremo tra I metodi “rapidi”, “di similitudine“ e
“dinamici“
ANALISI DESCRITTIVA (AD) convenzionale
È il metodo generalizzato, ha in comune con i precedenti vari aspetti Obiettivo: descrivere il profilo in maniera completa
Parametri: intensità di attributi di apparenza, odore, flavour, texture, … Scala: a categorie numeriche o lineare
Panel: 8-12 giudici + panel leader Fasi:
1. selezione dei giudici
2. addestramento generico giudici (descrizione e uso delle scale) 3. addestramento specifico/sviluppo linguaggio
4. selezione attributi sui quali c’è consenso: definizione verbali dell’attributo, procedura di valutazione e standard di riferimento
5. validazione: valutazione performance dei singoli giudici/del panel, è la verifica che da validità ai dati raccolti nella fase successiva
6. valutazioni individuale dei campioni
7. elaborazione statistica dei dati forniti dai singoli giudici con verifica della validità dei dati
1
• SELEZIONE DEI PRODOTTI
2
• COSTITUZIONE DEL PANEL
3
• DEFINIZIONE DEL VOCABOLARIO
4
• CALIBRAZIONE DEL PANEL
5
• VALIDAZIONE DEL METODO
6
• VALUTAZIONE DEI CAMPIONI
7
• VALIDAZIONE DEI DATI
8
• ANALISI E REPORT
ANALISI DESCRITTIVA (AD) convenzionale
Fasi dell’intero processo
Obiettivo: selezione e addestramento dei giudici Giudici selezionati tra coloro che
hanno superato positivamente un addestramento di base
hanno esperienza nell’applicazione di metodi discriminanti
dimostrano interesse per l’attività proposta (persone curiose e motivate rendono l’addestramento più rapido ed efficace)
hanno disponibilità di tempo per il programma di attività proposto L’addestramento prevede 2 fasi
1. addestramento generico: riconoscimento e descrizione di attributi sensoriali pertinenti con il prodotto (si lavora su prodotti modello) e sull’uso delle scale
2. addestramento specifico/sviluppo linguaggio = generazione di un set di descrittori (come specificato nella fase 3)
Obiettivo : sviluppo del linguaggio 1. Generazione dei descrittori
= generazione di un set di descrittori che descrivono le differenze tra i campioni da analizzare
Si basa sia su liste fornite dai giudici sia su suggerimento del panel leader (in base alla bibliografia)
Questo primo elenco comprende molti termini che poi vengono selezionati, molti di questi non arrivano poi nella scheda finale.
Metodologia per favorire la generazione dei descrittori da parte dei giudici : es Repertory grid method (Barcenas et al 1999)
- Si scelgono 3 prodotti rappresentativi della variabilità da studiare - Si propongono in terne (o coppie) secondo le 3 combinazione:
2 Vs 1: A&B vs C A&C vs B B&C vs A
- Il giudice deve descrizione ogni combinazione indicando tutti i descrittori utili a descrivere differenze/similitudini tra la coppia e il campione singolo
2. Selezione degli attributi: selezione di un sub-set di attributi sui quali c’è consenso del panel su
definizione sensoriale dell’attributo
procedura di valutazione individuazione
standard di riferimento Metodologia:
Si raccolgono tutti i termini proposti e si raggruppano per analogia (es gusto acido, acidità, acido, aspro)
Riduzione preliminare: collegiale.
Vengono eliminati sinonimi, (associandoli ad uno stesso termine es gusto acido), termini edonici, indefiniti, quantitativi (difetti)
Definizioni di ogni termine: collegiale (ed eliminazione termini sui quali non si trova assenso)
Individuazione di prodotti di riferimento: collegiale
Verifica con prodotti di riferimento: individuale
Selezione degli attributi: individuale
ESEMPIO di come si può verificare la validità di un descrittore
Si analizzano i dati forniti dal panel su prodotti reali rappresentativi della variabilità attesa e si osservano i seguenti parametri:
1. la frequenza di elicitazione FE (n° di volte che un descrittore è usato): ci dice quanto un descrittore è utilizzato dal panel
2. l’intensità relativa I: ci da un‘indicazione dell’intensità media e del range di intensità
3. l’intensità percepita M: tiene conto sia della frequenza che dell’intensità
E E = numero elicitazioni
FE = --- x 100 C = numero campioni
C x G G = numero giudici
Ii Ii = intensità individuale I = --- x 100 I max = intensità massima
I max x C x G M = (FE x I) ½
STANDARD di RIFERIMENTO
= composti chimici, ingredienti, prodotti alimentari o modelli ricostruiti in laboratorio
• Es geraniolo=> odore floreale, rosa
• Es yogurt acido=> gusto acido (in prodotti caseari)
• Es pantone colori => colori
• Es nocciole tostate => flavour tostato
SONO utili per DEFINIRE il descrittore in maniera univoca &
CALIBRARE le intensità: rendono stabili le misure
Permettono di migliorare le performance: i descrittori sono meglio definiti ed utilizzati se ad essi sono associati dei riferimenti
Bisogno porre attenzione alla scelta: uno standard inadeguato invece di chiarire il significato di un termine causa maggiore confusione !
Obiettivo: validazione=verificare efficacia e affidabilità del metodo (panel e scheda)
Come: si raccolgono le valutazioni del panel in alcune sessioni di analisi (min 2) su una serie di prodotti reali rappresentativi della variabilità attesa (3-6) e si calcolano i seguenti parametri (per ogni attributo)
1. assonanza: misura l’accordo del singolo giudice con il panel ovvero quanto il singolo giudice da valutazioni coerenti con la media del panel
2. capacità descrittiva/discriminante: misura la capacità di descrivere e discriminare in base alle caratteristiche sensoriali (è legata alla sensibilità= minima differenza riscontrabile). Indica la capacità di differenziare i campioni (per natura e intensità delle caratteristiche sensoriali)
3. ripetibilità: coerenza nelle valutazioni ripetute sul medesimo prodotto (campioni replicati nella stessa sessione)
4. riproducibilità: misura la capacità di riprodurre le valutazioni (campioni replicati in sessioni diverse)
5
• VALIDAZIONE DEL METODO
6
• VALUTAZIONE DEI CAMPIONI
Obiettivo: analizzare le caratteristiche sensoriali dei prodotti allo studio PRIMA del test: PRESENTAZIONE ai giudici del test:
informazioni generali sulle motivazioni (no sui campioni!) e dettagliate sulla procedura di valutazione
PRESENTAZIONE DEI CAMPIONI
In genere da 3 a 6 campioni per sessione di regola serviti assieme
in condizioni standardizzate il più possibile vicine a quelle del reale utilizzo
in maniera anonima codificati con numeri a 3 cifre
in un ordine di presentazione bilanciato (ogni combinazione va presentata lo stesso numero volte)
VALUTAZIONE DEI CAMPIONI
Secondo la procedura concordata in fase di addestramento sia per la valutazione dell’intensità degli attributi sia per le pause e la pulizia della bocca tra un campione e l'altro
Obiettivo: validazione e analisi dei dati (=verificare affidabilità dei dati e studiare effetti fattori allo studio)
Analisi esploratica: per visualizzare i dati raccolti
• Linee, istogrammi, Box-plot su medie e distribuzione
• Profili a stella (o spider plot): per prodotto o per attributo
Analisi univariata: per comparare i dati (variabili considerate una alla volta)
• Analisi univariata della varianza (ANOVA) a 1 fattore o a più fattori e i successivi confronti POST-HOC permette di valutare:
differenze tra i campioni
differenze tra giudici (uniformità del panel)
differenze tra repliche (riproducibilità del panel)
• Correlazione: misura la relazione tra 2 variabili ovvero come
«covariano» (non implica un rapporto causale)
• Regressione: definisce un modello (un’equazione) per descrivere la relazione esistente tra una variabile dipendente e una o più variabili indipendenti o esplicative
analisi dati/I
7
• VALIDAZIONE/ANALISI DEI DATI
Obiettivo generale: studiare l’effetto del tempo di appassimento (3 tempi) su 2 diverse varietà di uva sulla qualità dei vini (6 vini)
Obiettivo specifico «sensoriale» : valutare il profilo sensoriale dei 6 vini
0 (assente) 100
Esempio 1: Valutazione profilo sensoriale di 6 vini
PREPARAZIONE I 6 vini sono stati conservati alla temperatura di assaggio per 8 ore e versati nella stessa quantità in bicchieri codificati con numeri casuali a 3 cifre.
PRESENTAZIONE: I 6 campioni sono stati presentati ai giudici in odine bilanciato secondo una MASTER CARD
METODO:
ANALISI DESCRITTIVA: un panel di 12 giudici addestrati (addestramento specifico) ha valutato l’intensità di 8 attributi (secondo un vocabolario di consenso) in 6 prodotti su scala lineare 0- 100 (chiusa, non strutturata)
NJ C1 P1 C2 P2 C3 P3 C4 P4 C5 P5 C6 P6
G1 907 V6 244 V2 581 V4 465 V1 802 V5 139 V3
G2 686 V4 023 V6 360 V5 570 V2 233 V3 896 V1
G3 349 V2 012 V1 675 V6 128 V3 791 V4 454 V5
G4 117 V5 780 V4 327 V3 664 V6 885 V1 559 V2
G5 106 V3 443 V5 537 V1 990 V4 653 V2 316 V6
G6 769 V1 432 V3 095 V2 548 V5 211 V6 874 V4
G7 305 V4 642 V2 979 V5 526 V3 863 V6 747 V1
G8 084 V3 421 V1 758 V2 515 V6 968 V4 631 V5
G9 294 V2 957 V3 410 V4 073 V1 736 V5 189 V6
G10 852 V1 504 V6 178 V3 725 V5 062 V2 399 V4
G11 946 V6 283 V5 620 V1 167 V4 388 V3 051 V2
G12 714 V5 377 V4 830 V6 493 V2 156 V1 609 V3
COUNTIF(X2:X13;"VX") 2 2 2 2 2 2
2 2 2 2 2 2
2 2 2 2 2 2
2 2 2 2 2 2
2 2 2 2 2 2
2 2 2 2 2 2
Set=giudice
C1=codice campione P1
C2=codice campione P2
MASTER CARD: 12 giudici (righe) – 6 campioni (colonne) presentazione bilanciata
Esempio 1: Valutazione profilo sensoriale di 6 vini
Vi saranno consegnati 6 campioni siglati con
numeri casuali
Li assaggerete secondo la procedura
concordata seguendo attentamente le istruzioni a monitor
ISTRUZIONI AL PANEL
L’obiettivo del test è descrivere i profili olfatto gustativi di 6 vini valutando l’intensità di ogni descrittore della sceda secondo la procedura
concordata
Esempio 1: Valutazione profilo sensoriale di 6 vini
Prima di iniziare sciacquate bene la bocca seguendo le istruzioni sullo schermo
La valutazione inizia dal campione in basso a sinistra e continua da sinistra a destra e dal basso verso l’alto (seguendo le frecce)
Ricordatevi di controllare che il codice del campione sul bicchierino che state valutando corrisponda a quello che appare sullo schermo
Seguite attentamente le istruzioni sullo schermo per l’assaggio
Indicate l’intensità di ogni attributo posizionando il cursore sulla scala nella posizione che meglio rappresenta l’intensità
percepita
Prima di passare al campione successivo sciacquate bene la bocca e attendete il tempo indicato prima di assaggiare
Proseguite allo stesso modo con gli altri campioni ISTRUZIONI AL PANEL
Esempio 1: valutazione intensità gusto dolce in 6 vini
Giudice Prodotto Attributo 1 Attributo 2 Attributo 3 Attributo 4 Attributo 5 Attributo 6 Attributo 7 Attributo 8
G1 V1 46 69 … …
G2 V1 43 64,5
G3 V1 44 66
G4 V1 54 81
G5 V1 48 72
G6 V1 51 76,5
G7 V1 43 64,5
G8 V1 45 67,5
G9 V1 47 70,5
G10 V1 42 63
G11 V1 52 78
G12 V1 38 57
G1 V2 25 37,5 … …
G2 V2 38 57
G3 V2 30 45
G4 V2 39 58,5
G5 V2 35 52,5
G6 V2 33 49,5
G7 V2 29 43,5
G8 V2 32 48
G9 V2 34 51
G10 V2 30 45
G11 V2 39 58,5
G12 V2 25 37,5
DATASET:
per ogni giudice (G1, …, G12) per ogni campioni (V1. …, V6)
le INTENSITA’ di ogni descrittore (Attributo 1, …Attributo 6, ….)
Esempio 1: valutazione intensità 4 attributi in 6 vini
DATASET ridotto: consideriamo ora solo il primo ATTRIBUTO=GUSTO DOLCE e riorganizziamo i dati per le elaborazioni con EXCEL
campioni V1 V2 V3 V4 V5 V6
giudici
G1 51 38 27 53 43 62
G2 43 30 19 45 35 54
G3 44 31 20 46 36 55
G4 54 41 30 56 46 65
G5 48 35 24 50 40 59
G6 42 29 18 44 34 53
G7 43 30 19 45 35 54
G8 45 32 21 47 37 56
G9 47 34 23 49 39 58
G10 46 33 22 48 38 57
G11 52 39 28 54 44 63
G12 38 25 14 40 30 49
Esempio 1: valutazione intensità gusto dolce in 6 vini
GIUDICI
campioni V1 V2 V3 V4 V5 V6
giudici media min max dev st
G1 46 25 19 60 30 62 40,3 19,0 62,0 18,4
G2 43 38 20 35 43 54 38,8 20,0 54,0 11,3
G3 44 30 30 48 35 55 40,3 30,0 55,0 10,3
G4 54 39 24 44 36 65 43,7 24,0 65,0 14,3
G5 48 35 18 50 46 59 42,7 18,0 59,0 14,3
G6 51 33 19 40 40 53 39,3 19,0 53,0 12,5
G7 43 29 21 47 34 54 38,0 21,0 54,0 12,2
G8 45 32 23 56 33 56 40,8 23,0 56,0 13,7
G9 47 34 22 52 37 58 41,7 22,0 58,0 13,2
G10 42 30 28 42 39 57 39,7 28,0 57,0 10,4
G11 52 39 18 55 36 63 43,8 18,0 63,0 16,2
G12 38 25 27 33 40 49 35,3 25,0 49,0 8,9
Esempio 1: valutazione intensità gusto dolce in 6 vini
ANALISI DATI:
Per studiare le risposte dei singoli giudici
ANALISI DATI:
Per studiare le risposte del panel per i 6 prodotti
PANEL
campioni V1 V2 V3 V4 V5 V6
giudici
G1 46 25 19 60 30 62
G2 43 38 20 35 43 54
G3 44 30 30 48 35 55
G4 54 39 24 44 36 65
G5 48 35 18 50 46 59
G6 51 33 19 40 40 53
G7 43 29 21 47 34 54
G8 45 32 23 56 33 56
G9 47 34 22 52 37 58
G10 42 30 28 42 39 57
G11 52 39 18 55 36 63
G12 38 25 27 33 40 49
media 46,1 33,1 22,0 48,1 38,1 57,1
min 38,0 25,0 18,0 35,0 33,0 49,0
max 54,0 39,0 30,0 60,0 46,0 65,0
dev st 4,6 4,5 4,0 7,5 4,0 4,6
mediana 45,5 33 21 48 37 56,5
Esempio 1: valutazione intensità gusto dolce in 6 vini
GRAFICO A BARRE - VALORI INDIVIDUALI: intensità del gusto DOLCE (asse y) valutata dai 12 giudici (G1…G12) nei 6 vini (V1 -…- V6, asse x)
0 10 20 30 40 50 60 70
V1 V2 V3 V4 V5 V6
Intensità gusto dolce
G1 G2 G3 G4 G5 G6 G7 G8 G9 G10 G11 G12
Esempio 1: valutazione intensità gusto dolce in 6 vini
GRAFICO a PUNTI (DISPERSIONE) - VALORI INDIVIDUALI : intensità del gusto DOLCE (asse y) valutata dai 12 giudici (G1…G12) nei 6 vini (V1 -
…- V6, asse x)
0 10 20 30 40 50 60 70
0 1 2 3 4 5 6
Intensità gusto dolce
G1 G2 G3 G4 G5 G6 G7 G8 G9 G10 G11 G12
Esempio 1: valutazione intensità gusto dolce in 6 vini
GRAFICO A LINEE - VALORI INDIVIDUALI intensità del gusto DOLCE (asse y) valutata dai 12 giudici (G1…G12) nei 6 vini (V1 -…- V6, asse x)
0 10 20 30 40 50 60 70
V1 V2 V3 V4 V5 V6
Intensità gusto dolce
G1 G2 G3 G4 G5 G6 G7 G8 G9 G10 G11 G12
Esempio 1: valutazione intensità gusto dolce in 6 vini
0 20 40 60 80 V1
V2
V3
V4 V5
V6
Intensità gusto dolce
G1 G2 G3 G4 G5 G6 G7 G8 G9 G10 G11 G12
Esempio 1: valutazione intensità gusto dolce in 6 vini
GRAFICO RADAR (SPIDER PLOT) – VALORI INDIVIDUALI 12 giudice (ogni tracciato è un giudice)
GRAFICO A BARRE – VALORI MEDI: intensità MEDIA (panel) del gusto DOLCE (asse y) nei 6 vini (V1 -…- V6, asse x)
46
33
22
48
38
57
0 20 40 60 80
V1 V2 V3 V4 V5 V6
Intensità Gusto dolce
Esempio 1: valutazione intensità gusto dolce in 6 vini
0,0 20,0 40,0 60,0 80,0
V1
V2
V3
V4 V5
V6
Intensità del gusto dolce
Esempio 1: valutazione intensità gusto dolce in 6 vini
GRAFICO RADAR (SPIDER PLOT) – VALORI MEDI: intensità MEDIA (panel) del gusto DOLCE nei 6 vini (V1 -…- V6)
Il rettangolo ("scatola") è delimitato dal
primo (Q1/4) e dal terzo quartile
(Q3/4), e diviso al suo interno
dalla mediana (Q1/2)
I segmenti ("baffi") sono delimitati dal minimo e
dal massimo dei valori.
GRAFICO/BOX PLOT (distribuzione delle valutazioni IN QUARTILI*) – VALORI MEDI per l’intensità del gusto DOLCE (asse y) nei 6 vini (V1 -..- V6, asse x)
Esempio 1: valutazione intensità gusto dolce in 6 vini
10 20 30 40 50 60 70
V1 V2 V3 V4 V5 V6
Intensità Gusto Dolce
Q2/4 Q3/4
Q1/4 MAX
MIN
*i quartili=valori che ripartiscono la popolazione in 4 parti di uguale numerosità
0 10 20 30 40 50 60 70 80 90
Limpidezza Colore intensità Dolce Acido Astringenza Aroma_mela Aroma_erba Aroma_legno V_1 V_2 V_3 V_4 V_5 V_6
Esempio 1: valutazione intensità di tutti e 8 attributi
Valutazione dell’ intensità di 8 attributi in 6 prodotti su una scala lineare 0- 100 con riferimenti. Per ogni prodotto (V1 -…- V6 sull’asse x ) è riportata l’intensità media di ogni attributo valutato (sull’asse delle y - colori diversi):
GRAFICO A BARRE (istogrammi)- VALORI MEDI
200 4060 80
100Limpidezza
Colore intensità
Dolce
Acido Astringenza
Aroma_mela Aroma_erba
Aroma_legno
V_1
200 4060 80 100Limpidezza
Colore intensità
Dolce
Acido Astringenza
Aroma_mela Aroma_erba
Aroma_legno
V_2
200 4060 80
100Limpidezza
Colore intensità
Dolce
Acido Astringenza
Aroma_mela Aroma_erba
Aroma_legno
V_3
200 4060
100Limpidezza80
Colore intensità
Dolce
Acido Astringenza
Aroma_mela Aroma_erba
Aroma_legno
V_4
200 4060
100Limpidezza80
Colore intensità
Dolce
Acido Astringenza
Aroma_mela Aroma_erba
Aroma_legno
V_5
200 4060
100Limpidezza80
Colore intensità
Dolce
Acido Astringenza
Aroma_mela Aroma_erba
Aroma_legno
Profilo V_6
Esempio 1: valutazione intensità dei 8 attributi
I vertici sono i descrittori
GRAFICO: RADAR (SPIDER PLOT) X PRODOTTO – VALORI MEDI (1 grafico per ogni prodotto): gli assi concentrici (raggi) rappresentano gli attributi sui quali viene riportata l’intensità media, riunendo poi i punti si ottiene il profilo del prodotto
0 10 20 30 40 50 60 70 80 90 100
Limpidezza
Colore intensità
Dolce
Acido
Astringenza Aroma_mela
Aroma_erba
Aroma_legno
V_1 V_2 V_3 V_4 V_5 V_6
Esempio 1: valutazione intensità dei 8 attributi
GRAFICO: RADAR (SPIDER PLOT) VALORI MEDI - tutti i prodotti in
1 grafico
Analisi dei dati: Analisi della Varianza (Anova)
Permette di valutare se i diversi fattori (sorgenti di variazione: campioni, giudici, repliche) sono significativamente diversi tra loro. Può essere fatta considerando 1 fattore alla volta (One Way Anova/ Anova a via) oppure più fattori (Multifactor Anova, Anova a 2 o 3 vie)
Esempio: valutazione intensità dolce in 6 prodotti (k) eseguita da n giudici
PRODOTTO A B C D E F
giudice 1 x1A x1B x1C x1D x1E x1F
giudice 2 x2A x2B x2C x2D x2E x2E
... ... ... ... ...
giudice n xnA xnB xnC xnD xnE xnF
media mi miA miB miC miD miE miF
xiA/nA xiB/nB xiC/nC xiD/nD xiE/niE xiF/nF GRAN MEDIA M xi/ n
Per sapere se almeno 1 dei valori medi è diverso applico l’ANOVA che confronta la variabilità all’interno dei gruppi e tra i gruppi
Per fare questo devo calcolare:
SSB = SOMMA degli SCARTI quadratici (SS) TRA I GRUPPI (BETWEEN GROUP) = > devianza esterna >> fattore/trattamento
i n (mi – M)2
mi – M = scarto della media di ciascun gruppo dalla gran media M
SSW = SOMMA degli SCARTI quadratici (SS) NEI GRUPPI (WITHIN GROUP) => devianza interna >> errore
ki (xi –mi)2
xi–mi= scarto fra ogni singolo valore xi e la media mi del gruppo
SST = SOMMA degli SCARTI quadratici (SS) TOTALE
i(x
i– M)
2xi–M= scarto fra ogni singolo valore xi e la gran media M
SST = SSW + SSB
Analisi dei dati: Analisi della Varianza (Anova)
La significatività è valutata attraverso il PARAMETRO F che è il rapporto tra: varianza * esterna / varianza interna = BETWEEN/WITHIN
varianza tra i gruppi (BETWEEN)/varianza esterna SSB i n (m – M)2
= --- = ---
gdl K-1
m – M = scarto della media di ciascun gruppo m dalla gran media M gdl = gradi di libertà
K= numero gruppi (es prodotti)
varianza nei gruppi (WITHIN)/varianza interna SSW ki (xi –mi)2
= --- = ---
gdl N – K
xi–mi= scarti dei valori fra ogni singolo valore xi e la media mi gdl = gradi di libertà *
N= numero di valori (es prodotti x giudici) K= numero gruppi (es prodotti)
*la varianza è la somma degli scarti quadratici diviso i gradi di libertà
** il numero di gradi di libertà è il numero di valori nel calcolo finale di una statistica che sono liberi di variare
Analisi dei dati: Analisi della Varianza (Anova)
Se F calcolato è maggiore di F tabulato allora c’è differenza significativa tra i campioni (valori per gradi di libertà numeratore/denominatore)
Tabelle corrispondenti ai diversi livelli di significatività statistica (p => ) 0,05, 0,01, 0001
Analisi dei dati: Analisi della Varianza (Anova)
gdl=K-1 (prodotti -1)
gdl=N-K (K*G)-K)
https://www.youtube.com/watch?v=Ke9ttUj7AQc
Tutorial: come fare i calcoli in Excel
La funzione ANOVA con EXCEL
DOVE? In DATA/ ANALISI DATI / Analisi varianza ad un fattore Scelgo alfa (es =0,05)
Es DATA SET (intensità gusto dolce)
6 (prodotti V1, V2, …V6) K= numero gruppi = 6
12 giudici (1,---12 ) N= numero di osservazioni x gruppo = 12
La funzione ANOVA con EXCEL
Output da DATA/ ANALISI DATI / Analisi varianza ad un fattore RIEPILOGO
K= numero gruppi (es prodotti) = 6
N= numero di osservazioni x gruppo (es giudici) = 12 N x K = numero di osservazioni totali 6 x 12 = 72
Gruppi Conteggio Somma Media Varianza
V1 12 553 46,08 21,17
V2 12 389 32,42 23,72
V3 12 269 22,42 16,63
V4 12 562 46,83 70,15
V5 12 449 37,42 19,72
V6 12 685 57,08 21,17
La funzione ANOVA con EXCEL
Output da DATA/ ANALISI DATI / Analisi varianza ad un fattore
Origine della
variazione SQ gdl MQ F
Valore di
significatività F crit Tra gruppi 8976,63 5 1795,33 62,42 1,09917E-23 2,353809
In gruppi 1898,25 66 28,76
Totale 10874,88 71
ANALISI DELLA VARIANZA Se F > F CRITICO (α =0,05)
=>> differenza significativa
Livello di significatività < 0,001 (***) Gdl tra GRUPPI = K-1 = 6-1 = 5
Gdl in GRUPPI = ((N x K) -1 ) – (K – 1) = 71-5 = 66 Gdl tot = (N x K) – 1 = (6x12)-1 = 71
K= numero gruppi (es prodotti)
N= numero di osservazioni x gruppo (es giudici) N x K = numero di osservazioni totali
In base all’ANOVA posso verificare se c’è differenza significativa tra i campioni (se F calcolato è maggiore di F tabulato)
In base all’entità di questa differenza posso calcolarmi la significatività statistica (p => )
Per verificare quali campioni differiscono devo applicate un test di confronto (post-hoc):
Metodo del confronto multiplo con calcolo della minima differenza «critica»:
LSD * = t (MSE/n)1/2
MSE=varianza dell’errore, t=t di Student,
n=giudici
Altri test di confronto: HSD** test di Tuckey, test di Sheffè ( tutti indicano quali campioni differiscono tra loro)
*LSD= Least significant difference
**HSD= honestly significant difference
ANOVA + Confronti post hoc
Confronti Multipli Post-hoc
Metodo LSD per individuare le differenze significative tra le coppie di
campioni: si basa sul calcolo della minima differenza significativa LSD (ai diversi livelli di significatività) e sul confronto tra questo valore e le
differenze riscontrate tra le medie delle coppie di campioni
Altri software dedicati: es Statistica, R, SensoMineR
4 Gewuerztraminer vinificati secondo 4 varianti: un testimone (pigiatura a grappolo intero) e 3 varianti che prevedono un contatto con le bucce più o meno prolungato analizzati da un panel addestrato secondo il
metodo dell’analisi descrittiva (11 attributi olfatto-gustativi).
Esempio: MULTI SPIDER MEDIE & anova - 4 prodotti/11 attributi
Se l'ANOVAapplicata alle medie risulta significativa per un attributo (p ≤ 0,05) significa che almeno una delle medie relative ai 4 campioni è significativamente diversa. Per sapere quali sono le medie che differiscono si deve applicare un test post-hoc (test LSD di Fisher, test HSD di Tukey
Gli asterischi accanto all’attributo
indicano che c’è differenza
signifiativa tra le medie all’ANOVA:
il * p-value ≤ 0,05
** p-value ≤ 0.01
*** p-value ≤ 0,001
Esempio: MULTI SPIDER MEDIE + LSD - 2 prodotti/14 attributi
L’area
evidenziata rappresenta la media +/- LSD (Least Significant Difference *)
* Il metodo LSD permette di individuare le differenze significative tra le coppie di campioni.
Si basa sul calcolo della minima differenza significativa LSD (ai diversi livelli di significatività) e sul confronto tra questo valore e le differenze riscontrate tra le medie delle coppie di campioni: sono significative (ossia significativamente diverse) le differenze che in valore assoluto sono superiori al valore LSD,
Ogni tracciato è relativo ad un prodotto
ISO 12299-2003 (E)
Il segmento è pari alla HSD* (calcolata per p
= 0,05)
Esempio: MULTI SPIDER MEDIE & HSD- 2 prodotti/9 attributi
* Honestly Significant Difference
È un test post –hoc simile al test LSD: anche qui la fascia permette di
individuare le differenze significative tra la
coppia di campioni Analisi descrittiva con vocabolario di consenso (9 attributi intensità)
2 birre
26 giudici
Esempio: MULTI SPIDER MEDIE & LSD- 6 prodotti/8 attributi
Il segmento è pari alla LSD (least significance
difference p = 0,05*) Analisi descrittiva con vocabolario di consenso
• 8 attributi (intensità
4 vini affinati in legni con diverse provenienze
diversi:
14 giudici
3 repliche
Analisi multivariata
Analisi Multivariata: per comparare i dati considerando più variabili simultaneamente*
• Analisi delle Componenti Principali (PCA)
• Analisi Procrastica Generalizzata (GPA)
• Analisi Fattoriale
• Analisi Canonica (CVA)
• Analisi dei Cluster
• Analisi Discriminante
• Analisi delle Variabili latenti (PLS)
• Regressione Multipla
* Perché l’analisi multivariata?
– per comprendere la multi-sensorialità che è alla base del profilo – per ridurre la complessità (=compressione delle variabili)
consente di valutare le relazioni tra tutti i parametri (variabili=descrittori) e di capire quali sono i parametri maggiormente implicati nella qualità
permette di ridurre il numero di variabili necessarie a descrivere i campioni (es da 20 variabili=descrittori a 3-4 componenti)
sostituisce le variabili originarie con nuove variabili indipendenti ottenute come trasformazione delle originarie con l’obiettivo di massimizzare la variabilità (dispersione nello spazio)
descrive quindi i prodotti secondo queste nuove variabili = componenti principali (ogni nuova componente deve spiegare la massima % di variabilità)
Analisi delle Componenti Principali
Trovare le direzioni perpendicolari di maggior variabilità
Proiettare le informazioni su queste dimensioni
Comprimere le informazioni massimizzare la variabilità
Dalla matrice dei dati originali: n prodotti, p variabili=attributi
attributo 1
attributo 2
attributo 3
attributo
4 … .. …
attributo p campione 1
campione 2 campione 3
….
….
campione n
Cosa fa la PCA?
Variabilità spiegata
Da 0 ………..……….a 100
Cosa fa la PCA?
compon 1
compon 2
compon
3 … …
compon q campione 1
campione 2 campione 3
….
….
campione n
produce una matrice più piccola: n prodotti, q variabili=componenti con q<p
Ogni nuova variabile è combinazione lineare delle variabili vecchie
Le nuove variabili catturano il massimo della variabilità
Le nuove variabili sono incorrelate (ortogonali)
Le nuove variabili si chiamano “Componenti Principali”
Variabilità spiegata
Da 0 ……….….a 100
Come si rappresenta graficamente la PCA?
Possiamo rappresentare graficamente il risultato in un grafico con piani
ortogonali = mappa sensoriale dove si posizionano i prodotti
ogni asse del grafico rappresenta una
componente (x=1°
componente y= 2°
componente, …)
ogni asse (la nuova variabile=component) è la combinazione di più attributi (le vecchie variabili=attributi)
A
B
C
D
E
Score plot
la posizione relativa ci permette di descrivere i prodotti (i prodotti vicini sono simile e più sono lontani più sono diversi)
Come si rappresenta graficamente la PCA?
Nella stessa mappa si possono riportare gli attributi:
la correlazione (positiva e negativa) di ogni
attributo con una componente ci da un’indicazione
dell’importanza di
questa variabile per la distribuzione dei
prodotti lungo questa componente
la lunghezza è proporzionale alla
varianza della variabili,
Attributo 8
Attributo 5 Attributo 4
Attributo 6
Attributo 2
Attributo 3
Attributo 1 Attributo 9
Loading plot
l’angolo con gli assi indica la correlazione con le componenti, gli angoli tra le variabili indicano correlazione tra le stesse
Attributo 8
Attributo 5 Attributo 4
Attributo 6
Attributo 2
Attributo 3
Attributo 1 Attributo 9
Come si rappresenta graficamente la PCA?
Può essere
rappresentata con un con un grafico bi-plot dove sono indicati sia attributi che prodotti
i prodotti si
posizionano nello spazio come punti (score plot)
gli attributi sono rappresentati da segmenti che
originano nel punto di intersezione degli assi (loading plot)
A
B
C
D
E
BIPLOT=Loading plot + Score plot
Carlucci et al., Journal of sensory Studies 23 (2008): 817-834
Nello spazio sono posizionati: i 10 vini (numeri da 1 a 10) e i 10 descrittori (frecce): la posizione relativa ci permette di descrivere i vini.
Esempio: PCA di 10 vini (bi-plot prime due componenti)
Es Lungo la 1°
componente (asse x):
a sinistra ci sono i vini caratterizzati
soprattutto dai
descrittori di pesca, miele e erba
a destra da mela,
banana rosa vaniglia e burro.
Lungo la 2°
componente (asse Y) i vini si differenziano soprattutto per i
descrittori arancia e te