Académique Documents
Professionnel Documents
Culture Documents
Universidad de Oriente, Ncleo Sucre, Escuela de Administracin. 2Universidad de Los Andes, Instituto de
Estadstica Aplicada y Computacin, Mrida. 3REMAVENCA. Cuman.
E-mail: mvaldivi@sucre.udo.edu.ve, mvaldivi70@cantv.net, sinha32@yahoo.com
RESUMEN
El procesamiento del maz, para la obtencin de harina precocida, consiste bsicamente de tres etapas:
desgerminacin, laminacin y molienda del endospermo. El producto resultante es la harina de maz, la cual
pasa por inspeccin de calidad, donde un analista de calidad u operador de molienda evala su aspecto mediante
un anlisis sensorial. Es por ello que el objetivo de este trabajo consiste en modelar la relacin existente entre
la apariencia de la harina y un conjunto de variables explicativas mediante anlisis de regresin logstica. Estas
variables explicativas fueron: el nmero de piezas crticas del endospermo terminado, la calificacin sensorial
y el color del endospermo, mientras que la variable respuesta est representada por el aspecto final de la harina
precocida. Para lograr el objetivo del trabajo se tom un conjunto de 500 datos para cada variable y se utiliz un
modelo de regresin logstica con efectos principales e interacciones que permiti estimar la probabilidad de tener
como salida harina con aspecto muy bueno, P[Y=1|x]. Los datos de la muestra fueron analizados con SAS versin
9.1.3 y se obtuvo como resultado un modelo slo de efectos principales con dos variables significativas al 5% del
nivel de significacin que fueron: color y nmero de piezas crticas del endospermo.
PALABRAS CLAVE: Harina precocida, modelacin, regresin logstica.
ABSTRACT
The processing of corn for obtaining precooked flour consists basically of three stages: degermination,
lamination and milling of the endosperm. The resulting product is cornflour, which then undergoes quality control,
whereby a quality analyst or mill operator evaluates its aspect by means of sensorial analysis. The aim of this
study was to model the relationship between the appearance of the flour and a group of explanatory variables by
means of logistic regression analysis. The explanatory variables were: the number of critical pieces of the finished
endosperm, the sensorial evaluation and the color of the endosperm. The response variable was represented by the
final aspect of the precooked flour. A total of 500 data were taken for each variable and a logistic regression model
with main effects and interactions was used, in order to estimate the probability that the appearance of the resulting
flour would be good, P[Y=1|x]. Sample data were analyzed with SAS 9.1.3 and a main effects model was obtained
with two significant variables; color and number of critical pieces of the endosperm at a 5% significance level.
K EY WORDS: Precooked flour, modelling, logistic regression.
INTRODUCCIN
La harina de maz precocida, es el producto obtenido
a partir del endospermo del maz (Zea mayz L), los cuales
son sometidos a un proceso de limpieza, desgerminacin,
precoccin y molienda, (Normas COVENIN, 1996). El
producto resultante es la harina de maz, la cual pasa
por un chequeo riguroso de control de calidad, donde
un analista de calidad u operador de molienda sigue un
procedimiento para el reconocimiento y evaluacin del
aspecto fsico, tomando en cuenta diferentes parmetros
de calidad establecidos por la empresa procesadora.
165
VALDIVIEZO et al.
MATERIALES Y MTODOS
Para la obtencin de la harina, la empresa recibe y
procesa maz proveniente de toda la regin oriental. La
Figura 1 recoge de manera esquemtica el proceso de
elaboracin de harina tanto amarilla como blanca, desde
la limpieza del maz hasta el producto final empacado.
Equipos utilizados
Limpieza del maz
Impurezas
Maz limpio
Proceso de
Desgerminacin
Material extrable
Color
Molienda
Empaque de la harina
terminada.
Aspecto de la harina
166
la evaluacin.
El valor 0, indica una harina calificada muy buena.
Se acepta como normal. Para el estudio, se asignar un
valor reparametrizado de 1 para el resultado muy buena.
Descripcin
Aspecto numerado: 4
Aspecto numerado: 13
Aspecto numerado:
VALOR
REPARAMETRIZADO
Nmero de piezas
crticas
piezas
Calificacin
sensorial
calificacin
Color del
endospermo
color
Aspecto de la
harina
aspecto
Desde 0 hasta 60
piezas: control
-8: Endospermo
bueno.
-13: Endospermo
regular
-30:Endospermo malo
Amarillo
Blanco
Muy buena,
cataloga con 0
Buena, cataloga
como -4
167
VALDIVIEZO et al.
(3)
(1)
donde, =(1,2,...,p+q) es un vector de parmetros
desconocidos.
Existe una gran cantidad de referencias donde se
exhibe de manera detallada este mtodo de regresin
logstica, entre ellos Hosmer y Stanley (1989), Mc
Cullagh y Nelder (1989); Mehta y Patel (1995).
RESULTADOS Y DISCUSIN
En la Tabla 3, se recogen las frecuencias y porcentajes
para los parmetros estimados para el modelo de
regresin logstica. Para comparar el aspecto harina
catalogada buena (buena calidad, 0); con el nmero de
piezas en control (0), el porcentaje resultante es de 19,80.
168
Modelo
Tcnica de
optimizacin
Aspecto
Logit
binario
Fishers
scoring
Valor
ordenado
aspecto
Frecuencia
total
228
272
Piezas
Color
Frecuencia
Porcentaje
99
19,80
173
34,60
172
34,40
Total
271
54,20
Total
Total
272
54,40
15
3,00
257
51,4
272
54,40
56
11,20
228
45,60
220
44,00
8
1,60
228
45,60
229
45,80
500
100,00
235
47,00
265
53,00
500
100,00
Piezas
Total
Frecuencia Porcentaje
176
35,20
59
11,80
235
47,00
95
19,00
170
34,00
265
53,00
Total
271
54,20
229
45,80
500
100,00
169
VALDIVIEZO et al.
g.l
Estimadores
Error
Estndar
Estadstico
de Wald
Chi-Square
Pr >
ChiSq
exp(Est)
Intercepto
2,9762
0,3235
84,6156
<0,0001
19,613
Piezas
-0,8806
0,4356
4,0863
0,0432
0,415
Color
-5,9686
0,4492
176,5249
<0,0001
0,003
Criterio
Valor
G.l
Valor/g.l
Deviance
1,7835
0,4459
0,7755
Pearson
1,5661
0,3915
0,8149
(4)
Escrito en forma multiplicativa se tiene,
(5)
Los coeficientes del modelo (4), pueden interpretarse
como: un incremento en el nmero de piezas de
endospermo daado produce una disminucin de 0,88
unidades logit de la variable dependiente. Ms an, el
incremento en el nmero de piezas de endospermo
daado produce un incremento multiplicativo por un
factor de 0,415 en la escala de productos cruzados (cuya
escala vara desde 0 hasta + , y un factor mayor que 1
produce un incremento, mientras que si es menor produce
una disminucin; quiere decir que aumenta el nmero de
piezas daadas de endospermo disminuye la probabilidad
de tener harina de maz con aspecto muy bueno. Si se
traduce en trminos de porcentajes se tiene: 100(e-0,88 -1)
=100(0,415-1)= -58,5%, lo que indica que al variar el
nmero de piezas de endospermo daados, el porcentaje
de cambio en el aspecto (disminucin por ser negativo)
es del 58,5%. De manera similar se puede interpretar
la variable color; esto es 100(e-5,986-1)=100(0,0003-1)=
-99,7%, al variar el color el porcentaje de cambio en el
aspecto de la harina resultante es de 99,7%. Para efecto
de interpretar el intercepto cuyo valor es 2,9762, se tiene
que valores mayores o iguales a ste llevan a pronosticar
harina de maz con aspecto muy bueno (codificada 1),
mientras que para valores menores se obtiene harina
con aspecto bueno (codificada 0). Esta interpretacin
anterior resume los odds ratios o razn de cambios para
los estimadores obtenidos en el modelo, indican que la
posibilidad de que el nmero de piezas en control generen
como salida harina de aspecto muy bueno es 2,41 veces
mayor que cuando el nmero de piezas no est en control
(1 vs 0), esto es (1/0,415).
170
REFERENCIAS BIBLIOGRFICAS
COVENIN 2135. 1996. Harina de Maz precocida, 3ra
revisin. Comisin Venezolana de Normas
Industriales. FONDO NORMA, Caracas.
COX D. R. 1970. Anlisis of Binary Data, New York:
Chapman and Hall.
HAIR J., ANDERSON R., TATHAM R., BLACK W. 1999.
Anlisis Multivariante. 5ta Edicin. Madrid
Prentice Hall.
171