DCA-716

Tpicos en evaluacin sensorial

Datos generales

Unidad acadmica: Departamento de Ingeniera Agroindustrial

Programa educativo: Doctorado en Ciencias Agroalimentarias
Nivel educativo: Doctorado
Estructura curricular: Lnea de Generacin y Aplicacin del Conocimiento
Denominacin: Metodolgica
Asignatura: Tpicos en evaluacin sensorial.
Carcter: Electiva
Tipo: Terico y prctico
Prerrequisitos: Mtodos estadsticos
Profesor: Ph.D. Arturo Hernndez Montes
Ao: Primero o segundo
Sesin: Otoo o Primavera
Semestre: Primero o segundo
Horas totales/semana: 4
Horas totales del curso: 64
Horas totales de estudio independiente/semana: 2
Horas totales de estudio independiente: 32
Crditos: 6
Clave: DCA-716

1
Introduccin

Esta asignatura se puede elegir a partir del segundo semestre del primer ao, del
programa doctoral. La asignatura se relaciona hacia atrs con los mtodos
estadsticos y hacia adelante con la investigacin y los seminarios de
investigacin. En forma horizontal se relaciona con la materia de tipo optativo.

La asignatura es de tipo terico y prctico y ofrece metodologas modernas y

especficas para la evaluacin sensorial de alimentos. La modalidad de la
asignatura es la de un curso, que para su imparticin requiere de un aula,
laboratorio sensorial, biblioteca y sala de cmputo. Para el proceso de enseanza
aprendizaje, los recursos materiales y didcticos constarn de: libros, artculos
cientficos, videos, equipo de cmputo, can, software disponible (principalmente
SAS, XLSTAT y Minitab). La clase terica es reforzada con prcticas para facilitar
el aprendizaje del anlisis estadstico de los datos y su interpretacin. La
metodologa de aprendizaje incluye conferencias, lecturas de artculos y libros, as
como el uso de programas estadsticos.

La evaluacin de la asignatura consta de tres factores: exmenes, elaboracin de

reportes de prcticas y participacin. Se evala el trabajo independiente destinado
a la solucin de problemas, lecturas, preparacin de exposiciones y trabajos de
investigacin.

Presentacin

Este curso incluye planeacin y anlisis de datos de pruebas diferencia/similaridad

empleando mediciones repetidas y la distribucin beta binomial, tcnicas rpidas
descriptivas, uso de bloques incompletos para pruebas de ordenamiento, anlisis
de penalizacin de medias, anlisis conjunto, anlisis CATA (verifica todo lo que
aplique), vida sensorial de anaquel, clasificacin ascendente jerrquica y mapas
de preferencia internos. Se da nfasis a la aplicacin de tcnicas modernas,
rpidas y de uso especfico para situaciones diversas. La aplicacin de los
conocimientos adquiridos permitir emplear estas tcnicas en la innovacin y
2
desarrollo de productos agroalimentarios en las investigaciones llevadas por los
estudiantes.

Objetivo

Adquirir informacin sensorial de alimentos empleando tcnicas especficas

avanzadas para diversas necesidades de investigacin, a travs de pruebas para
mediciones repetidas, datos ordinales en bloques incompletos balanceados,
perfiles descriptivos rpidos, anlisis CATA y otras tcnicas para diferenciar,
describir y evaluar afectivamente a los alimentos.

Contenido
Unidad I. Pruebas discriminativas con mediciones repetidas
(10 horas de teora)

Objetivo: Aplicar procedimientos sensoriales apropiados, empleando pruebas

triangulares, do-tro, 2-AFC y 3-AFC para realizar pruebas sensoriales
discriminativas con mediciones repetidas, calcular potencias de las pruebas y
realizar pruebas de hiptesis.

1.1 Relacin entre potencia de la prueba, tamao de muestra, magnitud de

diferencia y error tipo uno.
1.2 Propiedades de las distribuciones beta binomial y beta binomial
corregida.
1.3 Pruebas no direccionales (triangulares, do-tro y 2-AFC) pruebas
direccionales (3-AFC y 2-AFC)
1.4 Clculo de potencias de las pruebas.
1.5 Uso del programa Herramientas del Instituto de la Percepcin.

3
Unidad II. Pruebas descriptivas rpidas
(10 horas de teora)

Objetivo: Valorar datos de descriptores sensoriales de alimentos, empleando el

perfil flash, con panelistas de rpido entrenamiento y el anlisis CATA (verifica
todo lo que aplique) con consumidores, para obtener perfiles descriptivos de
alimentos.

2.1 Metodologa del anlisis flash y el anlisis Procustano generalizado.

2.2 Aplicacin del programa XLSTAT para anlisis de datos del perfil flash y
su interpretacin.

2.3 Anlisis CATA: prueba Q de Cochran, anlisis de correspondencia y

anlisis de coordenadas principales.

2.4 Aplicacin del programa XLSTAT para anlisis de datos de perfil flash y
datos del anlisis CATA y sus interpretaciones.

Unidad III. Pruebas afectivas

(13 horas de teora)

Objetivo: Valorar afectivamente alimentos empleando el estadstico de Dubin y el

anlisis de penalizacin de medias, para obtener preferencias en alimentos y la
adecuacin de atributos y su efecto en la cada de la media de la aceptacin
global del alimento.

3.1 Boques incompletos balanceados en pruebas de ordenamiento de

preferencia y el estadstico de Dubin y comparacin de jerarquas con
prueba LSD y HSD.

3.2 Empleo de tablas de Baskers y Christensen para diseos de bloques

completos al azar.

4
 3.3 La escala Just about Right, (JAR) y anlisis grfico de datos JAR,
anlisis de datos JAR para muestras independientes y para muestras
relacionadas.

3.4 Anlisis de penalizacin de medias y pruebas de hiptesis para

reducciones de medias.

3.5 Aplicacin del programa XLSTAT para calcular estadstico de Durbin y

anlisis de penalizacin de medias.

3.6 Pruebas de aceptabilidad empleando escala hednica, aplicacin de

clasificacin ascendente jerrquica para encontrar conglomerados de
consumidores y uso de superficies de respuesta para obtener mapas de
preferencia interna.

Unidad IV. Vida sensorial de anaquel de alimentos

(7 horas de teora)

Objetivo: Aplicar tcnicas sensoriales para obtener datos censurados, los cuales
empleando la distribucin de Weibull sern modelados para obtener una ecuacin
que permita predecir la vida de anaquel del alimento estudiado.

4.1 Diversas tcnicas sensoriales empleadas en el estudio de vida sensorial

de anaquel.

4.2 Censura de datos y las distribuciones ms comunes (normal, lognormal,

Weibull, etc.) en el estudio de vida sensorial de anaquel y el empleo del
estadstico de Anderson-Darling.

4.3 Obtencin de grficas de sobrevivencia, parmetros de forma, escala y

umbral de la distribucin, adems del tiempo medio para la falla (MTTF).

4.4 Empleo del programa Minitab y XLSAT para clculo de vida sensorial de
anaquel de alimentos.

5
Actividades prcticas

Esta asignatura consiste de ocho prcticas requiriendo un total de 24 horas de

actividad prctica. Las actividades se realizan en el laboratorio sensorial.

Nombre de
No. Objetivos Horas Unidad
la prctica
Analizar el nmero de juicios que perciben diferencia
Pruebas 2-
mediante el clculo de gamma y el uso de la distribucin beta
AFC no
binomial para determinar diferencia significativa y magnitud
direccionales
1 de diferencia en un par de muestras, empleando pruebas 2- 3.0 I
con AFC no direccionales con mediciones repetidas.
mediciones
repetidas

Pruebas Analizar el nmero de juicios que perciben diferencia

triangulares mediante el clculo de gamma y el uso de la distribucin beta
direccionales binomial corregida para determinar diferencia significativa y
2 3.0 I
con magnitud de diferencia en un par de muestras, empleando
mediciones pruebas triangulares con mediciones repetidas.
repetidas
Identificar atributos de productos empleando el
Anlisis Flash procedimiento del perfil flash y el anlisis de coordenadas
3 3.0 II
principales, para describir al alimento estudiado.

Identificar todas las caractersticas que apliquen a los

Anlisis CATA productos empleando el procedimiento anlisis CATA y el
4 3.0 II
anlisis para describir por consenso al alimento estudiado.
Pruebas de Valorar datos jerarquizados mediante el empleo de escalas
preferencia ordinales y BIB para demostrar preferencia cuando se tienen
5 3.0 III
bajo diseos ms de seis muestras.
de BIB
Analizar datos de escalas JAR empleando grficas y anlisis de
Anlisis de penalizacin de medias para demostrar como un atributo
6 penalizacin calificado como no adecuado, por un porcentaje de 3.0 III
de medias consumidores, afecta la aceptabilidad global de la muestras de
alimentos.

Mapas de Identificar segmentos de consumidores mediante clasificacin

7 preferencia ascendente jerrquica y el uso de superficies de respuesta 3.0 III
para obtener mapas de preferencia internos con los

6
 Nombre de
No. Objetivos Horas Unidad
la prctica
segmentos de consumidores obtenidos y sus preferencias
respectivas.

Identificar distribuciones mediante la censura de datos y

Vida
evaluacin del ajuste de las mismas, para encontrar los
sensorial de
8 parmetros de la distribucin seleccionada y el MTTF para 3.0 IV
anaquel
predecir vida sensorial de anaquel del alimento estudiado.

Metodologa
Para desarrollar el proceso de enseanza y aprendizaje de evaluacin sensorial
se implementan diversas actividades enfocadas a facilitar y promover el
aprendizaje:

i. Discusin grupal.
ii. Anlisis de datos de prcticas.
iii. Tcnicas tradicionales: presentacin del profesor, seminario por
estudiantes, lecturas de artculos cientficos y captulos de libros.
iv. Trabajo independiente, a travs de reportes, para fortalecer las actividades
previas

Los recursos materiales y apoyos didcticos consisten en: libros, artculos

cientficos, prcticas, equipo de cmputo, can, pginas web, software disponible
(principalmente, Excel, Minitab y XLSTAT). Recursos fsicos o el lugar de trabajo
es en aula, sala de cmputo, biblioteca y laboratorio.

Evaluacin

Elaborar/presentar Indicadores Valor Objetivo

Lecturas Participacin 10
(se valora el trabajo y resumen
independiente) Valorar el aprendizaje a travs de la
Reporte de cinco Dominio del tema. comprensin de lecturas, anlisis de
prcticas, tres obligatorias Exposicin. 25 datos y su interpretacin y la
y dos electivas. Material didctico. solucin de casos sensoriales para
Examen 1 individual mostrar evidencia del aprendizaje
Examen 32.5 individual.
Unidad uno y dos
Examen 2 individual
Examen 32.5
Unidad tres y cuatro
7
Perfil del profesor

Persona con grado de doctor y con experiencia de al menos 5 aos en el rea de

evaluacin sensorial y estadstica aplicada.

Bibliografa bsica

1. Johnson D. E. (2000). Mtodos Multivariados Aplicados al Anlisis de Datos.

International Thomson Editores.

2. Lawless, H.T. and Heyman, H. (1998), Sensory Evaluation of Food : Principles

and Practices. New York : Chapman & Hall.

3. Meilgaard, M., Civille, G.V. y Carr, B.T. (2007) Sensory evaluation techniques,
4th Edition, CRC, USA.

4. Naes, T, Brockhoff, P.B, and Tomic, O. (2010) Statistics for Sensory and
Consumer Science. Ed. Wiley. USA.

5. OMahony, M, (1986) Sensory Evaluation of Food, Statistical methods and

procedures. Marcel Dekker. USA.

Bibliografa complementaria

1. Basker, D. (1988). Critical values of differences among ranked sums for

multiple comparisons. Food Technology. 42 :79-84.

2. Bi, J. (2006). Sensory Discrimination Tests and Measurements. Statistical

Principles, Procedures and Tables. Blackwell Publishing, Ames Iowa.

3. Bi, J. (2006b) Statistical analysis for R-index. Journal of Sensory Studies.

21 :584-600.

8
4. Bi, J. and OMahony, M. 2007. Updated and extended table for testing the
signifcance of the R-index. Journal of Sensory Studies. 22 :713-720.

5. Christhensen, Z. T. Ogden, L.V. Dunn, M.L. and Eggett, D.L. (2006).

Multiple comparison procedures for analysis of ranked data. Journal of Food
Science. 71 (2)132-143.

6. Dairou V. and Sieffermann J.M. (2002) A comparison of 14 jams

characterized by conventional profile and a quick original method, the Flash
Profile. Journal of Food Science. Vol.67 No. 2 pp. 826-834.

7. Dairou V. and Sieffermann J.M. (2004) Sensory mapping using Flash profile.
Comparison with a conventional descriptive method for the evaluation of the
flavour of fruit dairy products. Food Quality and Preference. Vol.15 pp. 383-
392.

8. Gower J.C. (1975) Generalized Procrustes Analysis. Psycometrika Vol. 40,

No. 1 pp. 33-51.

9. Martens, H., Anderssen, E., Flatberg, A., Gidskehaug, L. H., Hoy, M.,
Westad, F., Thybo, A., Martens, M. (2005) Regression of a data matrix on
descriptors of both its rows and of its columns via latent variables : L-PLSR,
Computational Statistics & Data Analysis 48, 103 123.

10. Meyners M., Castura J.C and Carr B.T. (2013) Existing and new approaches
for the analysis of CATA data. Food Quality and Preference. Vol. 30 pp.
309-319.

11. Morand E. and Pags J. (2006) Procrustres multiple factor analysis to

analyse the overall perception of food products. Food Quality and
Preference Vol. 17 pp. 36-42.