Académique Documents
Professionnel Documents
Culture Documents
TRATAMENTO DE
DADOS
Anlise Multivariada
1
2/6/2015
ACP
ANLISE DE COMPONENTES
PRINCIPAIS
http://www.youtube.com/watch?v=f9mZ8dSrVJA
2
2/6/2015
(II) ACP
Critrios para extrao de componentes:
Critrio do autovalores (razes latentes) ou eigenvalues.
- procurar autovalores maiores do que a unidade.
(III) ACP
Fundamento Matemtico:
Matematicamente, a computao dos fatores na ACP consiste
basicamente na diagonalizao da matriz simtrica (correlao ou
covarincia) dependendo se os dados vo ser padronizados ou
centrados em relao mdia. As CP so combinaes lineares das
variveis originais e no so correlacionadas.
Revendo as Aplicaes:
reduo do nmero de variveis
classificao das variveis e objetos
gerao de hipteses e ideias para novas pesquisas.
3
2/6/2015
4
2/6/2015
Tutorial em vdeo
http://www.youtube.com/watch?v=ca0OBsml79o
Anlise de Clusters
ou
ANLISE DE
AGRUPAMENTOS
http://www.youtube.com/watch?v=LbAAXgXWo7E
http://www.youtube.com/watch?v=aRdI-TSSKPc
5
2/6/2015
Anlise de agrupamentos
Hair e colaboradores (2005) descrevem seis estgios
no processo de deciso em anlise de agrupamentos:
(1) objetivos,
(2) projeto de pesquisa,
(3) suposies,
(4) determinao de agrupamentos e avaliao do ajuste
geral,
(5) interpretao dos agrupamentos e
(6) validao e perfil dos agrupamentos.
Anlise de agrupamentos
Objetivo: Classificar objetos (consumidores, produtos ou
outras entidades) com base num conjunto de caractersticas
definidas. Espera-se elevada homogeneidade interna (dentro dos
grupos) e elevada heterogeneidade externa (entre grupos).
Questes bsicas:
1) Como se mede a similaridade?
2) Como se formam os grupos?
3) Quantos grupos so formados?
6
2/6/2015
Medidas de similaridade
Tcnicas de agrupamento
ligao simples (vizinho mais prximo)
ligao completa (vizinho mais distante)
ligao mdia (UMPG = similaridade mdia de todos
de um grupo com todos de outro)
mtodo de Ward (minimiza a soma dos quadrados
dentro dos agrupamentos sobre todas as variveis)
Medidas de similaridade
7
2/6/2015
Medidas de similaridade
Dendrograma
8
2/6/2015
9
2/6/2015
MAPAS DE PREFERNCIA
A primeira vantagem dos mapas de preferncia
que os likes e dislikes individuais so caracterizados e
representados no espao e seus efeitos de segmentao
do conjunto no so anulados pela obteno de um
simples valor mdio.
Trata-se de uma anlise multidimensional que leva
em considerao as preferncias individuais dos
consumidores.
Ao contrrio da anlise univariada, a pontuao
conferida pelos consumidores s amostras no
transformada em mdia, mas cada consumidor
representado individualmente no mapa, tendo sua
significncia proporcional porcentagem de explicao
dos dados.
Para:
desenvolver produtos de sucesso
melhorar a qualidade dos produtos existentes
10
2/6/2015
Anlise de Componente
Principal (ACP) mapa de Anlise de Componente
preferncia interno Principal (ACP)
MAPA DE PREFERNCIA
EXTERNO
A primeira informao utilizada para criar o
espao a dos descritores sensoriais obtidos
pelo painel treinado. Depois os consumidores
e likes e dislikes precisam ser ajustados;
Assume que as diferenas mais bvias entre
os atributos so responsveis pelos likes e
dislikes;
possvel que os drivers of liking fiquem
escondidos em outras dimenses
11
2/6/2015
12
2/6/2015
EXERCCIOS
1. Abrir arquivo MDPREF Barras de Cereais e
seguir tutorial para o XLSTAT
2. Abrir o arquivo Anlise Multivariada Barras
de Cereais e seguir o tutorial de Statistica
13
2/6/2015
LSA
LANDSCAPE SEGMENTATION
ANALYSIS
IFProgram
Institute for Perception
www.ifpress.com
14
2/6/2015
Hednico
Score
Score
Ponto
timo
Intensidade Intensidade
do atributo do atributo
A
B
C
H
F G
D
1 2 3 4 5 6 7 8 9
A B F D G C
E H
15
2/6/2015
16
2/6/2015
17
2/6/2015
Conclui-se que:
Resultados obtidos por IPM e LSA podem ou no
convergir. O LSA considera a saciedade, ou seja,
considera o comportamento no linear da
preferncia em relao ao aumento da
intensidade do atributo;
Bri l h o
OF
OF + GA
L O:1 /1
I+I+OF
OF + GA/3
Du re z a
I+ OF + GA/1
II+ OF + GA/2 GA
M
Seacsutira
g adboi lsi dflaodceo s
I+ GA
18
2/6/2015
Bri l h o
Biplot (eixos F1 e F2: 76,29 %)
10
OF 8
COV2
Grupo 2
OF + GA 6
Sabor banana
4
Mdia I+OF+GA/1 I
L O:1 /1
F2 (18,21 %)
2 COV1
I+I+OF
OF + GA/3 I+OF I+OF+GA/2
Secura floc
Mastigabilidade
0
Du re z a I+GA
I+OF+GA/3 Dureza
I+ OF + GA/1 Grupo 1 OF+GA
-2 Brilho GA
-8
-10 -8 -6 -4 -2 0 2 4 6 8 10 12
F1 (58,08 %)
AC
ANLISE DE
CORRESPONDNCIA
http://www.youtube.com/watch?v=O6RyRhcz
ZD8
19
2/6/2015
Definio:
uma tcnica multivariada composicional para mapeamento de percepo,
que tem por base categorias de uma tabela de contingncia.
Aplicaes:
AC permite associaes entre as caractersticas do entrevistado e suas
possveis relaes com o objeto pesquisado, ou seja, pode detectar
aspectos mercadolgicos e hbitos do consumidor em relao ao produto
de interesse.
Caractersticas:
(1) Retratar a correspondncia de categorias de variveis, especialmente
aquelas medidas em escalas nominais.
(2) Representar linhas e colunas, por exemplo, marcas e atributos, num espao
conjunto.
(II) AC
Anlise de dados:
O valor do qui-quadrado empregado para anlise da tabela de
contingncia, comparando frequncias observadas e frequncias esperadas.
Caractersticas diferenciadas:
O uso de dados estritamente no-mtricos na sua forma mais simples
(tabulao cruzada) para representar igualmente bem relaes lineares e
no-lineares.
20
2/6/2015
(III) AC
INTERPRETAO E TERMINOLOGIA
Massa:
Medida relativa da frequncia para descrever o tamanho de qualquer clula ou
categoria na tabulao cruzada. A massa total ao longo de todas as entradas de clulas
igual a unidade. Assim calculada como o valor de qualquer entrada dividida pelo
total N (para tabela, que a soma das linhas ou colunas).
Inrcia:
A inrcia total de uma tabulao cruzada calculada como qui-quadrado total dividido
pelo total das contagens de frequncia. Assim uma medida relativa de qui-quadrado
que pode ser relacionada com qualquer contagem de frequncia.
Dimenses:
Semelhante anlise fatorial pode-se determinar autovalores, varincia explicada
para as dimenses individuais e para o todo. O nmero mximo de dimenses um a
menos que o menor nmero entre linhas ou colunas.
Regras prticas:
O nmero de dimenses sugere-se inrcia (valor singular) maior do que 0,2.
AC bastante sensvel a observaes atpicas.
AC Sobremesa Anlise
CATA Mas
21
2/6/2015
DEX
DELINEAMENTO DE
EXPERIMENTOS
Profa Dra Silvia D. Dutcosky
22
2/6/2015
NO
Fazemos Verificao
Mais
Nosso (HUT)
tempo
melhor
SIM
O que est escondido
no Laboratrio Lanamento
23
2/6/2015
O melhor processo
Delineamento de Experimentos
Planejamento
Lanamento
conjunto com
Com
todos os Defina as
Otimize Verifique sucesso
stakeholders variveis
24
2/6/2015
FUNDAMENTOS BSICOS
Pensamento Estatstico
Pensamento estatstico uma
filosofia de aprendizado baseada
nos 3 princpios fundamentais:
1. Todo trabalho acontece em
uma srie de processos
interconectados;
2. Todos os processos exibem O pensamento
estatstico algo
variaes; muito importante
3. As chaves do sucesso so: o para ser exclusivo
dos estatsticos
entendimento e a reduo da
variao.
50
25
2/6/2015
Fundamentos bsicos
Pensamento Estatistico
Contedo de aprendizagem
51
PLANEJAMENTO EXPERIMENTAL
1. Experimentos fatoriais
1.1. Fatoriais completos
1.2. Fatoriais fracionados
2. Metodologia de superfcie de
resposta
2.1. Central composto
2.2. Box-Behnken
3. Delineamentos de misturas
26
2/6/2015
EXPERIMENTOS DELINEADOS
COM ESQUEMA FATORIAL 2K
Exemplo: Objetiva-se avaliar a influncia de 3
variveis de processo e 1 de formulao na
qualidade sensorial de um snack extrusado,
atravs da preferncia sensorial dos
consumidores.
Fatores: condies de extruso
1) Tamanho da batelada pr mix: 10 15 Kg
2) Temperatura: 220 240C
3) Presso: 50 80 psi
4) Aroma: 1 2%
EXEMPLO FATORIAL 24
Passo a passo:
Anlise dos delineamentos fatoriais
Arquivo: Fatorial completo extruso snack
Anlise dos resultados
27
2/6/2015
METODOLOGIA DE SUPERFCIE DE
RESPOSTA - MSR
Conjunto de mtodos estatsticos que
emprega dados quantitativos, originados de
planejamentos experimentais convenientes,
para determinar e resolver equaes
(modelos) multivariadas.
Essas equaes podem ser representadas
graficamente como superfcie de resposta
descrevendo as variveis, suas interaes e
o efeito combinado sobre as respostas.
DEFINIES
Variveis independentes = Fatores (ou: variveis
de entrada
Variveis dependentes = Resposta
Anlise Fatorial:
Base = n nveis (faixa de variao)
Expoente = n fatores (variveis independentes)
Exemplo: Planejamento Fatorial 34= 81 experimentos
Fatores: Temperatura (25,50,75C), U.R. (60,75,90%),
%Fermento (3,4,5%), %Acar (10,15,20%) no
panetone.
28
2/6/2015
ESTRATGIA EXPERIMENTAL
1 -1 -1 6,55
2 +1 -1 7,73
3 -1 +1 6,38
4 +1 +1 5,17
5 -1,41 0 10,25
6 +1,41 0 0,60
7 0 -1,41 7,29
8 0 +1,41 7,28
9 0 0 22,14
10 0 0 21,27
11 0 0 19,88
29
2/6/2015
Anlise do artigo:
Escala Hednica com referncia
Objetivos
Desenvolver metodologia de aplicao de
Escala Hednica com referncia, estruturada
com os mesmos conceitos, a fim de facilitar a
sua utilizao pelos consumidores
Avaliar a performance desta nova metodologia
comparando-a com a Escala Hednica
Tradicional de 9 pontos na obteno de modelo
preditivo de aceitabilidade geral atravs da
MSR- Metodologia de Superfcie de Resposta
30
2/6/2015
Materiais e Mtodos
Delineamento Experimental
11 amostras de suco de laranja reconstitudo, a
partir da polpa congelada Citrosuco Paulista
Delineamento Central Composto 22 (Tabela 1)
Os limites para Brix e Acidez foram escolhidos de
acordo com os valores reais encontrados para
sucos de laranja de diferentes regies do Brasil
Perfil consumidores
44 consumidores de suco de laranja a partir de
triagem com 130 questionrios. Perfil: (1) idade
entre 20 e 45 anos (2) consumir pelo menos 1 copo
de suco de laranja por semana.
Delineamento Experimental
Delineamento Central Composto 22
Ensaios fatoriais: -1 +1
Ensaios axiais: -1,414 +1,414
Ponto central: 0 0
Equivale para Brix:
-1,414 -1 0 +1 +1,414
9,0 9,7 11,5 13,2 14,0
Equivale para Acidez:
-1,414 -1 0 +1 +1,414
0,68 0,74 0,90 1,05 1,12
31
2/6/2015
ESCALA HEDNICA
Tradicional X Modificada c/ referncia
ESCALA HEDNICA PREFERNCIA COM REFERNCIA
Avalie inicialmente a amostra com a letra R e
Avalie cada amostra usando a escala abaixo depois as amostras codificadas, na ordem da
para descrever o quanto gostou ou esquerda para a direita e expresse o quanto
desgostou do suco de laranja. voc gostou das amostras codificadas
1 - Desgostei muitssimo utilizando a escala abaixo.
32
2/6/2015
Resultados
Para Escala Hednica Tradicional
As amostras dos ensaios 2 (B/A= 9,24) e 5 (B/A=10,00)
foram significativamente rejeitadas em relao
Referncia (B/A= 12,78)
A amostra do ensaio 7 (B/A= 16,91) foi significativamente
preferida em relao Referncia (B/A= 12,78)
Resultados
Observou-se que as amostras do ponto central (ensaios
9, 10 e 11), as quais so idnticas Referncia
obtiveram nota prxima do valor 6,0 ao invs do valor
5,0. Alguns erros psicolgicos podem ter ocorrido:
o consumidor evita utilizar o meio da escala, j estudado por
Stone & Sidel (1985) para escalas bipolares
erro de expectativa estudado por Meilgaard et al. (1988)- os
consumidores no foram avisados de que seria possvel a
existncia de amostras iguais Referncia, ento pensaram
que isto no seria possvel.
33
2/6/2015
Resultados
Os resultados relativos regio tima para obteno do
suco de laranja de melhor aceitabilidade so iguais para
os dois modelos. Est entre:
11,5 e 13,2 Brix
0,68 e 0,74 g/ 100 ml de Acidez
Concluso
A performance das duas escalas na gerao de
modelos preditivos para aceitabilidade de produtos foi
equivalente
Os modelos apresentaram nveis de probabilidade
muito similares, valores de F e coeficientes de
correlao (R2 ajustado) similares. Tambm
apresentaram parmetros favorveis de falta de ajuste
no significativos ( p 0,05) e distribuio normal dos
resduos.
Para pesquisadores que trabalham com
desenvolvimento de produto esta sugesto de
utilizao da Escala Hednica com Referncia pode
ser uma ferramenta valiosa.
34
2/6/2015
(, , 0) (, 0, )
35
2/6/2015
Delineamento simplex-lattice
Tratamentos Componentes
X1 X2 X3
1 1 0 0
2 0 1 0
3 0 0 1
4 1/2 1/2 0
5 1/2 0 1/2
6 0 1/2 1/2
Delineamento simplex-centride
X1= 1 (1,0,0)
(, , 0)
(, 0, )
36
2/6/2015
Delineamento simplex-centride
Tratamentos Componentes
X1 X2 X3
1 1 0 0
2 0 1 0
3 0 0 1
4 1/2 1/2 0
5 1/2 0 1/2
6 0 1/2 1/2
7 1/3 1/3 1/3
Delineamento simplex-centride
37
2/6/2015
Delineamento experimental
Proporo do componente**
Ensaios* I OF GA
01 1 0 0
02 0 1 0
03 0 0 1
04 0,5 0,5 0
05 0,5 0 0,5
06 0 0,5 0,5
07 0,333 0,333 0,334
08 0,333 0,334 0,333
09 0,334 0,333 0,333
38
2/6/2015
APARNCIA:
Brilho
Nenhum Muito intenso
AROMA VOLTIL:
De banana
Nenhum Muito intenso
De canela
Nenhum Muito intenso
SABOR:
De banana
Nenhum Muito intenso
Gosto Doce
Nenhum Muito intenso
AUDIO:
Crocncia
Nenhum Muito intenso
TEXTURA:
Dureza
Nenhum Muito intenso
Mastigabilidade
Secura Aroma Aroma Sabor
(n mordidas at
Ensaio Brilho dos de de Doura de Dureza Crocncia
deglutio com 1
flocos banana canela banana
mastigada/s.)
1 3,61bc 4,08ab 2,33a 3,01bc 3,36ab 4,07a 3,53abc 3,24bc 29,33ab
2 5,63a 1,53c 2,56a 2,88bc 4,82a 3,85a 2,07c 6,48a 24,25b
3 2,33c 6,32a 2,66a 4,78a 3,23b 3,93a 5,04a 2,56c 34,08a
ab b a c ab a bc b
4 4,73 2,72 1,94 2,13 4,26 3,60 2,74 4,70 25,50b
5 2,25c 6,24a 2,93a 3,43abc 3,45ab 3,94a 4,42ab 3,39bc 28,42ab
bc a a ab ab a bc b
6 3,12 5,49 2,00 4,56 3,54 3,48 3,33 4,58 29,08ab
7 3,47bc 3,72ab 2,53a 3,18abc 3,78ab 4,24a 2,72c 3,53bc 27,75b
bc ab a abc ab a bc b
8 3,28 5,25 2,37 3,30 3,79 3,23 2,89 4,36 27,58b
9 4,13ab 3,96ab 2,82a 3,47abc 4,08ab 3,31a 3,59abc 3,67bc 27,50b
39
2/6/2015
40
2/6/2015
Valores timos
Com base na importncia do atributo
textura das formulaes propostas, a
otimizao simultnea das respostas
combinadas de textura do ADQ foi
estimada, objetivando mnima dureza e
mxima crocncia e mastigabilidade,
obtendo-se a seguinte mistura de fibras
prebiticas:
0%I + 66,60%OF + 33,40%GA.
Valores timos
Com o objetivo de obter a otimizao da
formulao da barra de cereais, com a mistura
das trs fontes de fibras prebiticas, utilizou-se o
modelo quadrtico de Scheff que apresentou
coeficiente de determinao ajustado (R2aj.) de
88,54% e coeficiente de variao= 4,15%, sem
falta de ajuste (p= 0,7500). A equao cannica
de Scheff para a preferncia sensorial dos
consumidores ou relativa ao grau de gostar
(DOL = degree of like) foi a seguinte:
41
2/6/2015
Valores timos
Aplicando-se a tcnica de otimizao de
Derringer-Suich e a imposio
computacional exaustiva de uma grade de
pontos, para comparao ponto a ponto,
duas formulaes timas foram detectadas
para preferncia:
Valores timos
Um dos resultados de ponto timo de
mistura de fibras obtido pela anlise de
preferncia:
8,46%I + 66,16%OF + 25,38%GA
42
2/6/2015
43