Metody statystyczne w analizie sensorycznej - badania konsumenckie

Program szkolenia:

·         Wprowadzenie. Metody statystyczne w zarządzaniu jakością – zakres, stosowania, wybrane dokumenty (ISO 9000:2015, ISO 9001:2015, Raport Techniczny ISO/TR 10017 - Wytyczne dotyczące technik statystycznych odnoszących się do ISO 9001) 

·         Pomiar sensoryczny. Skale ocen – nominalna, porządkowa, interwałowa, ilorazowa. Metody pomiaru sensorycznego w badaniach analitycznych i ocenie hedonicznej. Skale hedoniczne (Peryam, Pilgrim).

·         Podstawowa statystyczna analiza danych. Podstawowe parametry opisowe (miary położenia – średnia, mediana, miary pozycji – kwartale, miary kształtu – skośność, kurtoza, miary rozrzutu – rozstęp, odchylenie standardowe), graficzna prezentacja danych - histogram, rozkład normalny, graficzny test normalności (normal probability plot), reguła trzech odchyleń standardowych , identyfikacja i eliminacja wyników izolowanych (test Grubbsa).

·         Testowanie hipotez statystycznych. Hipoteza, test statystyczny, błędy wnioskowania statystycznego: błąd pierwszego rodzaju (?), błąd drugiego rodzaju (ß), obszar krytyczny testu: jednostronny/dwustronny, prawdopodobieństwo potestowe (p-value). Dobór testu w zależności od typu danych i skali pomiarowej Testy parametryczne, testy nieparametryczne.

·         Analiza tablic wielodzielczych. Podstawowe pojęcia – dane jakościowe, wielokrotne dychotomie, wielokrotne odpowiedzi. Przygotowanie danych do analizy – konstrukcja tabeli wielodzielczej. Weryfikacja hipotezy
 o niezależności dwóch cech ocenianych jakościowo – testy: chi-kwadrat Pearsona, Fishera, Yatesa, McNemara, tau-b i tau-c Kendalla, gamma. Badanie siły związku pomiędzy cechami – współczynniki: ? Yula, V – Cramera, kontyngencji Pearsona, współczynnik korelacji rang Spearmana.

·         Analiza wariancji (ANOVA). ANOVA jako technika analizowania źródeł zmienności i oceny istotności wpływu wybranych parametrów na zachowanie. Modele ANOVA – model stały (fixed), model losowy (random).
Jednoczynnikowa analiza wariancji – procedury rachunkowe, interpretacja wyników. Weryfikacja założeń odnośnie możliwości stosowania ANOVA (normalność-graficzny test normalności, równość wariancji - testy Bartletta, Hartleya, itd.). Testy post-hoc do badania istotności różnic pomiędzy średnimi (najmniejszej istotnej różnicy Fishera (NIR), wielokrotnych porównań Tukeya, itp). Nieparametryczna alternatywa jednoczynnikowej ANOVA – test Kruskala-Wallisa. Dwuczynnikowa ANOVA – procedury rachunkowe, interpretacja wyników (efekty główne, interakcje, itd.). Dwuczynnikowa ANOVA – bloki kompletnie zrandomizowane. Nieparametryczna alternatywa dwuczynnikowej analizy wariancji – test Friedmana.  Wielowymiarowa ANOVA – wykorzystanie ogólnego modelu liniowego (GLM).

·         Wybrane analizy wielowymiarowe - analiza składowych głównych, analiza czynnikowa. Cel analizy wielowymiarowej – wykrycie struktury i ogólnych prawidłowości w związkach pomiędzy zmiennymi, redukcja liczby zmiennych.
Analiza składowych głównych – zasada metody, założenia. Wyznaczanie macierzy korelacji/kowariancji, wariancji, wartości i wektorów własnych, ładunków czynnikowych. Redukcja wymiarów. Graficzna prezentacja wyników – wykres osypiska, biplot, itd. Szczegółowa interpretacja wyników.
Analiza czynnikowa – zasada metody, założenia. Wyznaczanie macierzy korelacji. Wyznaczanie ładunków czynnikowych – metody, wybór metody. Redukcja liczby czynników – kryteria: wystarczającej proporcji, kryterium resztowe, kryterium osypiska Cattella. Rotacja – metody rotacji , algorytmy Varimax, Quartimax, Biquartimax, itd. Wartości własne. Szczegółowa interpretacja wyników.
Porównanie metod: analiza składowych głównych a analiza czynnikowa.

·         Podsumowanie, dyskusja

Ćwiczenia:

• Testowanie hipotez statystycznych – testy parametryczne (weryfikacja hipotezy o wartości średniej i wariancji), testy na porównanie dwóch wartości średnich (test z – wariancje znane, test t – wariancje są sobie równe, test t – wariancje nie są sobie równe, test t par skojarzonych, test F na porównanie dwóch wariancji. Testy nieparametryczne (test U Manna-Whitney’a, Wilcoxona, McNemara test znaków, test serii, test Kruskala-Wallisa).
  Analiza tablic wielodzielczych – test niezależności chi-kwadrat Pearsona, współczynnik siły związku  V-Cramera.
• Korelacje – wyznaczanie i interpretacja współczynników korelacji Pearsona oraz korelacji rang Spearmana.
• Analiza wariancji (ANOVA) jednoczynnikowa – dobór modelu, postępowanie rachunkowe.
• Analiza wariancji (ANOVA) jednoczynnikowa – interpretacja wyników, testy post-hoc wielokrotnych porównań (Tukey’a, Fishera).
• Analiza wariancji (ANOVA) dwuczynnikowa – dobór modelu, postępowanie rachunkowe, ocena i interpretacja interakcji.
• Analiza składowych głównych – interpretacja wyników analizy.
• Analiza czynnikowa – interpretacja wyników analiz.