Enologia 1 - modulo b Analisi sensoriale con esercitazioni di laboratorio. SECONDA parte (II_2)

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?

 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?

COME?

PERCHE?

la 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

 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)

-

E’ 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

 I_i I_i = 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 x_1A x_1B x_1C x_1D x_1E x_1F

giudice 2 x_2A x_2B x_2C x_2D x_2E x_2E

... ... ... ... ...

giudice n x_nA x_nB x_nC x_nD x_nE x_nF

media m_i m_iA m_iB m_iC m_iD m_iE m_iF

 x_iA/n_A  x_iB/n_B  x_iC/n_C  x_iD/n_D  x_iE/n_iE  x_iF/n_F GRAN MEDIA M  x_i/  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 (m_i – M)²

m_i – M = scarto della media di ciascun gruppo dalla gran media M

SSW = SOMMA degli SCARTI quadratici (SS) NEI GRUPPI (WITHIN GROUP) => devianza interna >> errore

_k_i (x_i –m_i)²

x_i–m_i= scarto fra ogni singolo valore x_i e la media m_i del gruppo

SST = SOMMA degli SCARTI quadratici (SS) TOTALE



(x

– M)

x_i–M= scarto fra ogni singolo valore x_i 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 _k_i (x_i –m_i)²

= --- = ---

gdl N – K

x_i–m_i= scarti dei valori fra ogni singolo valore x_i e la media m_i 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