第六章 感官分析统计方法学
第四讲感官分析方法学
排序
40
秩次 秩和
有无自然的顺序 无 有
样品成份的比例、温度、 不同的贮藏时间等可测 的因素造成的自然序列
Friedman
n样品数，J品评员 数
Page
按Ri从小到大排序
F= 12 2 R J(n+1 ) ∑ i −3 Jn (n+1 )
L = ∑ nRi
L' = 12 L − 3Jn(n + 1) 2 n(n + 1) J (n − 1)
异常值
如何避 免？出现 后如何处 理？
系统误差/随机误差/过失误差 样本异常值：明显偏离所在样本的观测值 异常值可能仅仅是数据中固有的随机误差的极端 表现，也可能是过失误差
19
实验设计的基本原则 均衡
对照
随机化
重复
显示 处理的 效应
针对大 量、不可 控制的非 处理因素
足够的 样本量、 足够的功 效
数量数据 数量数据
非参数方法 非参数方法
Friedman Friedman Page Page 卡方 卡方 秩和检验 秩和检验 适合小样本 适合小样本
参数方法 参数方法
tt 检验 检验 F 检验 F 检验 总体有特殊要求 总体有特殊要求
16
感官科学
感官分析的尺度表 感官分析的尺度表
定类数据 定类数据
0.05 0.1
27
政策性的调查
感官分析中统计检验的对象
样品编码 样品间差异
样品
交互
作用
品评员间差异 品评员筛选
品评员
28
样品编码的随机化
心理效应→顺序效应 数字
符号
生理效应→感觉残留
食品的感官检验课件
感官分析与理化分析的关系
以前只能够使用语言描述的色彩现在可以使用 色差计把色彩分成明度、彩度和色度，使用数据表 示出来。
食品质量的评价原来只能够感官评价，现在还 包括微量营养素（以及有害成分）的测定到致病菌 的检查等多方面的检测，使评价结果更趋科学、合 理和公正。
尽管理化分析方法发展迅猛，但是感官分析自 有其存在的意义和使用价值。
是依赖人们生理和心理上的综合感觉，即人的感觉程度和主 观判断起着决定性作用；分析结果受到社会环境、生活习惯、 审美观点等多方面影响，其结果往往是因人、因时、因地而 异。 所以偏爱型感官分析完全是一种主观的行为。 在食品的研制、生产、管理和流通等环节应该根据不同的 要求选择不同的感官分析类型。
对比效应提高了对两个同时或者连续刺激的差 别反应。所以在进行感官分析时，要尽可能避免对 比效应发生，品评几种食品时，品评每一种食品前 必须要彻底漱口以避免对比效应带来的影响。
感觉的基本规律
3、协同效应：是指两种或者多种刺激的综合效应，它导 致感觉水平超过预期的每种刺激各自效应的叠加。协同效应 又称为相乘效应。
强烈刺激的持续作用使敏感性降低，而微弱刺激的持 续作用使敏感性提高。评价员培训就是利用这一现象。
感觉的基本规律
2、对比现象：各种感觉都存在对比现象。当两 个刺激物同时或者连续存在于同一感受器时，一般 把一个刺激的感觉存在比另一个刺激强的现象称为 对比现象，产生的反应称为对比效应。
同时给予两个刺激的称为同时对比，而先后连 续给予两个刺激的称为相继性对比即先后对比。
评酒师长期从事评酒工作而对于酒香变化非 常敏感，但是对其它气味还不一定敏感。
人的身体状况严重影响嗅觉器官，如感冒、 疲倦和营养不良时都引起嗅觉功能降低。
感官评分的统计方法
感官评分的统计方法我折腾了好久感官评分的统计方法，总算找到点门道。
我一开始搞感官评分统计的时候，那真的是瞎摸索。
这感官评分啊，就是对啥东西通过人的感官，像视觉、嗅觉、味觉、触觉这些来打分。
我最开始想得可简单了，就把大家打的分拿过来加一起，再平均一下就得了。
可后来我发现，这样干太傻了。
举个例子，就像品苹果呢，有的人特别爱吃甜的，给甜苹果就打高分，有的人可能就更注重苹果的脆度，那按照我之前机械的算法，就乱套了。
后来我就试过按权重算分。
我想着不同感官的重要性可能不一样啊。
比如说对于一个香水，那嗅觉肯定占的权重就特别大。
我把对每个感官定个权重，像嗅觉设为，视觉可能就，摸起来的感觉设为。
然后把每个人对每个感官的评分乘以对应的权重，再把这几个感官的结果加起来算总分。
我一开始觉得太妙了，可实际做起来，我发现确定这个权重很麻烦。
我自己定的权重很主观，不一定符合所有人的想法。
再后来，我想不能我一个人说了算啊。
我就开始找很多人来商量这个权重的事情。
这又出新问题了，每个人的意见很难统一。
一会这个人说这个感官重要，那个人说另一个重要，弄得我脑袋都大了。
有次我看到一份关于咖啡感官评分的报告，那上面会把感官评分的项目分得特别细。
我就试着模仿它，比如说咖啡，把味觉细分成酸度、苦度、甜度、醇厚感等等，每个细项单独评分，再根据这些细项对整体口感影响的大小呢，大概去定个权重。
反正就根据实际的东西，看大家更关注什么。
要是针对一个蛋糕呢，那外观上可能色泽、造型这些可以单独评分，味道上甜度、香味等分开打分。
还有就是数据处理的时候，我以前老是用计算器按来按去的，特别容易出错。
后来我就用上电子表格了，像Excel，把数据输进去，用函数来计算平均数和加权平均数，这一下就准确多了，还省事儿。
不过这里面有个要小心的地方，输入数据的时候可千万要准，我就有一次不小心输入错了个数字，结果整个分都不对了。
对于感官评分的统计，我感觉还得不断探索，说不定还有更好的方法在前面等着我呢。
感官分析 方法学 平衡不完全区组设计
ICS 67.240XX XX中华人民共和国国家标准GB/T XXXX—202X/ISO 29842:2011感官分析方法学平衡不完全区组设计Sensory analysis - Methodology –Balanced incomplete block designs（ISO 29842：2011, IDT）（征求意见稿）202X- - 发布202X - - 实施国家市场监督管理总局发布国家标准化管理委员会前言 (II)1 范围 (1)2 规范性引用文件 (1)3 术语和定义 (1)4 平衡不完全区组设计原理 (1)5 数据分析 (3)5.1总则 (3)5.2评分数据的方差分析 (3)5.3顺序数据的Friedman秩和分析 (5)6 在感官评价中的应用 (6)附录A（资料性附录）不完全区组设计目录 (7)附录B（资料性附录）针对评分数据的平衡不完全区组设计示例 (15)附录C（资料性附录）针对顺序数据的平衡不完全区组设计示例 (17)参考文献 (19)本标准按照GB/T 1.1—2009给出的规则起草。
本标准使用翻译法等同采用ISO 29842：2011 《感官分析方法学平衡不完全区组设计》。
与本标准中规范性引用的国际文件有一致性对应关系的我国文件如下：——GB/T 10221—2012 感官分析术语（ISO 5492：2008，MOD）——GB/T 3358.1—2009 统计学词汇及符号第1部分：一般统计术语与用于概率的术语（ISO 3534-1：2006，IDT）本标准与ISO 29842：2011相比，订正了原文的错误，修正了原本中概念表述不够准确的部分，主要变化如下：——将3.2“重复（repetition）”的定义，与我国已颁布的等同采用ISO 3534-3的GB/T 3358.3—2009 《统计学词汇及符号第3部分：实验设计》中的术语相统一。
——在4“平衡不完全区组设计原理”中将“λ”的定义改为“每个样品对被评价的次数”。
感官差别试验方法
第六章差别试验差别试验要求品评员评定两个或两个以上的样品中是否存在感官差异（或偏爱其一）。
它是感官分析中经常使用的两类方法之一。
它是让品评员回答两种样品之间是否存在不同，一般不允许“无差异”的回答（即强迫选择），即品评员未能觉察出样品之间的差异。
差别试验的结果分析是以每一类别的评定员数量为基础的。
例如：有多少人回答样品A，多少人回答样品B，多少人回答正确。
结果的解释基于频率和比率的统计学原理，根据能够正确挑选出产品差别的品评员的比率来推算出两种产品间是否存在差异。
差别试验的应用很广。
有些情况下，研究者的目的在于确定两种样品是否不同。
而有些情况下，研究者的目的是区分两种样品是否相似。
以上这两种情况可通过选择合适的试验敏感参数，如α、β、P。
α，也叫α-风险，它的定义是错误的估计两者之间的差别存在的可能性。
也叫第 I 类错误。
β，也叫β-风险，它的定义是错误估计两者之间的差异不存在的可能性。
也叫第 II类错误。
P，是指能分辨出的差异的人数比例。
在以寻找差异为目的的差别试验中，只需要考虑α值，而β值和 P 值通常不需要考虑。
在以寻找相似性为目的的差别试验中，试验者要考虑合适的 P 值，然后确定一个较小的β值，α值可以大一些。
而某些情况下，试验者要综合考虑α、β、P 值，这样才能保证参与评定的人数在可能的范围之内。
如果样品间的差别非常大，以至很明显，则差别试验是无效的。
当样品间的差别很微小时，差别试验是有效的。
在试验中需要注意样品外表、形态、温度和数量等所引起的误差。
差别试验中常用的方法有：成对比较检验法、二-三点检验法、三点检验法、“A”-“非A”检验法、五中取二检验法、选择试验法、配偶试验法。
第一节成对比较检验法（paried comparison test）以随机顺序同时出示两个样品给评价员，要求评价员对这两个样品进行比较，判定整个样品或者某些特征强度顺序的一种评价方法称为成对比较检验法或者两点检验法。
感官分析基础知识一PPT课件
是感官评定试验得以顺利进行并获得理想结果的三个必备要 素。
➢ 只有在控制得当的外部环境条件中，经过精心制备的
.
20
样品和参与试验的评价员的密切配合，才能取得可靠而重现
感官评定条件
➢ 影响因素：
感官评定室：评定室的环境、灯光、室内空气、样 品制备场所、入口和出口。
样品：所使用的器具，样品筛选、制备、记数、编 号及提供的方式
.
17
分析或描述性检验
2. 定量描述和感官剖面检验
主要适用于新产品的研制，确定产品之间差别的性 质，质量控制，提供与仪器检验数据相对比的感官数 据，识别和描述某一特殊样品。使用这种检验的结果 处理没有简单的统计方法,它是采用多变量分析技术来 处理的,这种处理方式可用来揭示产品之间和评价员之 间是否有显著差异。
验（尤其是评分试验和顺序试验）结果产生影响。这 种影响涉及到两个方面： 一是在比较两个与客观顺序无关的刺激时，常常会过 高地评价最初的刺激或第一个刺激，造成所谓的第一 类误差或第二类误差； 二是在鉴评员较难判断样品间差别时，往往多次选择 放在特定位置上的样品。如在三点试验法中选择摆放 . 在中间的样品，在五中取二39试验法中，则选择位于两
.
5
发展趋势
➢ 传统的感官分析仅提供定性和模糊的描述。这就需 要将感官分析与现代仪器分析技术相结合建立两者 相关性数据库模型，借助仪器辅助进行感官评价， 对感官分析与理化分析的相关性以及定性与定量相 结合的感官分析方法标准的研制是今后的研究重点。
➢ 用仪器取代人，用智能感官模拟人的感（耳、眼、
鼻、舌和大脑）进行感官评价，如模拟人的嗅觉的 电子鼻、模拟人的味觉的电子舌等。
感官评价员：评定样品时所使用的方法步骤。
感官分析基础知识
四、基本分析方法
四、基本分析方法
三角检验
姓名
日期
试验指令:在你面前有三个样品，其中两个样品相同，从左到右品 尝样品；决定哪一个样品是不同的，并在与其他两个样品不同的那 个样品的编号上画圈。你可多次品尝，但不能没有答案，谢谢。
624
801
129
评述
实验假设有12个特定类型的品评员参与，其中判断对的人数 为7个人（挑选出三个样品中不同的那一个样品），若得到 此结果，我们依然可以通过查表的方法来判断两个样品在哪 个显著性水平上是否有显著性差异
定量描述与感官剖面检验法四基本分析方法实际应用试验目的方法生产过程中的检验检出与标准品有无差异两点检验法三点检验法二三点检验法检出与标准差异的量评分法两点检验法二三点检验法进货检验原料的分等评分法分等法总体的成品检验检出趋向性和异常评分法三点检验法二三点检验法嗜好调查品质研究获知嗜好程度或品质好坏三点检验法排序法嗜好程度或感官品质顺序数量评分法多重比较法品质研究分析品质内容描述法四基本分析方法实例
四、基本分析方法
（二）标度和类别检验法 在标度和类别检验法中，要求鉴评员对两个以上的样品进
行评价，并判定出哪个样品好，哪个样品差，以及它们之 间的差异大小和差异方向等。通过检验可得出各个样品间 差异的顺序和大小，或者样品应归属的类别和等级。 此类检验法常有 ① 排序检验法 ② 类别检验法 ③ 评估法 ④ 评分法 ⑤ 分等法 ⑥ 成对比较检验法
进货检验 原料的分等
成品检验 检出趋向性和异常
嗜好调查 品质研究
获知嗜好程度或品质好坏
嗜好程度或感官品质顺序数量 化
品质研究 分析品质内容
方法 两点检验法，三点检验法，二、 三点检验法 评分法，两点检验法，二、三点 检验法 评分法，分等法（总体的） 评分法，三点检验法，二、三点 检验法 三点检验法，排序法
感官分析方法之差别检验方法PPT(49张)
五、A—非A捡验
• “A”—“非A”检验(A or not A test): • 当评价员学会识别样品“A”以后，将一系列可
能是“A”或“非A”的样品提供给他们，要求评价 员 指出每一个样品是“A”还是“非A”。 • 应用对象是那种具有余味的样品，方法是属于 差异检验的一种，参加评定的人员可以没有专 家，但要求人数较多，其中选定评定员通常为 20人，可临时增加到50人。
成对比较测试
姓名：日期：
样品：
问题：
您会拿到几对样品。在每对样品中圈出感觉更强烈的号码。
对每一个样品必须做出决定。
样品对
评价
成对比较测试
姓名：日期：
样品：
问题： 您会拿到几对样品。请对每对样品回答以下问题： 1.是否存在差异？是或否 2.哪个样品更明显？请写出样品编号。 3.你更喜欢哪个样品？请写出样品编号。 4.请描述相关差异。
• 项目目标——测定0.1％的新甜味剂是否能代替 5％的蔗糖。
检验设计
“A”---“非A”检验允许间接比较样品，它允许 评价员对新甜味剂风味有一个清楚的认识。0.1％ 的新甜味剂溶液以“A”重复使用．5％蔗糖溶液 以“非 A”表示。20位评价员每人获得10个样品， 在20分钟内评价。要求评价员每个样品品尝一 次．记录他们的回答(“A”或“非A”)，用清洁无味 的水漱口，在品尝下一个样品前间隔一分钟。
感官分析方法---差别检验
差别检验(difference test)
• 比较检验方法:(感官评定最常用的方法之一)
发现两种制品间的差异，然后提出客观指标。
差别检验所要解决的问题： 由于习惯问题，有的人对于某些存在的成份不敏
感，如嗜咸味的人，加盐多少是不敏感的。喜爱吃 咸肉的人，对肉的嫩度就要低。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
分析 结果
分析 结果
分析 结果
图表描述 条形图、柱形图、折线图、雷达图、 箱线图等。
数据描述 集中程度：平均数 变异程度：标准差 分布的对称、陡峭程度；偏斜度、峭度
推论 剔除极端值/缺失值 选择显著性水平 统计试验
统计检验
二项分布 t检验
计算成功的概率（对比试验、三点试验）
检验两个处理平均数差异是否显著
“条形图”的特点是对各个时期或时点的数据 有直接对比的作用，对其数值大小，一目了然。
“折线图”的特点是对时期数列的数据的运动 轨迹以及发展趋势有较强的指示作用。
“扇形图”的特点是对数据中的各个分组的大 小和结构有明显的比较作用。
图的误用
面积？
美国国家食品药品管理局（FDA）要求新 药的研发试验中，必须有统计学家来指导 研究的设计、数据的分析、报告的呈递等。
β值的范围在表明差异不存在的程度上，同α 值有着同样的规定。 Pd 值的范围意义如下： Pd 值＜25%表示比例比较小，即能够分辨出 差异的人的比例比较小。 25%＜Pd 值＜35%表示能够分辨出差异的人 的比例中等。 Pd 值＞35%表示能够分辨出差异的人的比例 较大。
假设检验统计学在感Fra bibliotek分析中的应用
描述：结果的简单描述（数据的收集、加工
处理、显示方法、分布特征的概括等）
推论：为实验处理提供根据
衡量：估计变量间的相关程度（研究如何根
据样本信息来推断总体的特征）
研究的过程
实际问题
解释数据 （结果说明）
收集数据 （取得数据）
数据整理 （处理数据）
分析数据 （研究数据）
如果样本数据提供的信息不能证明上述假设不成 立，则证明该假设成立。
假设检验的基本步骤
提出原假设（或称“零假设”，H0）；
选择检验统计量；
根据样本数据计算检验统计量观测值的发 生概率（相伴概率，p）； 根据给定的小概率事件界定标准（显著性 水平，如0.05，0.01）做出统计推断。
为什么要设计并计算检验统计量？
1、数值的计算
（1）平均值：是对数据分布的中心／中心趋势 的估计，公式为：
（2）样本标准差：是对平均值的波动幅度或覆 盖范围的估计，公式为：
（3）中值：在所有数据中排序处于中间位置的 数值。 （4）标准误差：SE=S/(n)1/2 S为样本的标准差
2、置信区间 置信区间是某参数真实值的可能变化范围，可用 来判断数值是否精确
由质量形状得来的次数资料的显著性（喜欢、尚可、不喜欢）
x2检验
方差分析
检验多个处理平均数间差异是否显著（单因子、双因子…）
通过检验样本平均数、标准差、方差、相关系数与相 应的总体参数或样本统计量之间是否存在差异，进而 检验样本与总体或样本与样本之间是否存在显著差异， 并得出结论和对结论进行推论。
常用统计数据的计算
统计学是感官研究的一个重要组成部分，要 成为一名专业感官研究人员，必须具备比较全 面的统计学知识。 感官评价中误差产生的根源： 不同的人，生理构造有差异 环境因素的影响 人们在语言表达上有所差别，使用标度的方式 也不同
结果分析中图的好处
在统计学中把利用统计图形表现统计资料的 方法叫做统计图示法。其特点是：形象具体、 简明生动、通俗易懂、一目了然。
分析方法
1定性分析 2定量分析 （统计分析）
平均数 标准差 描述统计 推论统计 复杂统计分析 计算机统计分析
Z检验 t检验 X2检验 F检验
方差分析、回归分析、聚类分析、 判别函数分析、主成分分析、因素 分析、路径分析、结构方程模型
色香味形
多元回归 主成分分析 因子分析 相关分析
产品质量
单变量分析 分析 结果 分析 结果
0.01或0.05，决定是否拒绝原假设。
如果p值小于α值，即认为原假设成立时检验统计
量观测值的发生是小概率事件，则拒绝原假设。
否则，就接受原假设。
显著性水平
在假设检验中，显著性水平（Significant level，用α表 示）的确定是假设检验中至关重要的问题。 显著性水平是在原假设成立时检验统计量的制落在某个 极端区域的概率值。因此，如果取α= 0.05，如果计算出 的p值小于α ，则可认为原假设是一个不可能发生的小概
计算检验统计量观测值的发生概率
在假定原假设成立的前提下，利用样本数据计算 检验统计量观测值发生的概率（即p值，又称
“相伴概率”—指该检验统计量在某个特定的极
端区域在原假设成立时的概率）。该概率值间接
地给出了在原假设成立的条件下样本值（或更极
端值）发生的概率。
进行统计推断
依据预先确定的 “显著性水平” （即α值），如
统计假设检验也称为显著性检验，即指样本统
计量和假设的总体参数之间的显著性差异。
假设检验时提出的假设称为原假设或无效假设，
就是假定样本统计量与总体参数的差异都是由
随机因素引起，不存在条件变动因素。
假设检验的基本思路
首先，对总体参数值提出假设（原假设）；
然后，利用样本数据提供的信息来验证所提出的 假设是否成立（统计推断）。 如果样本数据提供的信息不能证明上述假设成立， 则证明该假设为错误；
在假设检验中，样本值（或更极端的取值）发生 的概率不能直接通过样本数据计算，而是通过计 算检验统计量观测值的发生概率而间接得到的。 所设计的检验统计量一般服从或近似服从某种已 知的理论分布（如t-分布、F-分布、卡方分布）， 易于估算其取值概率。
对于不同的假设检验和不同的总体，会有不同的 选择检验统计量的理论和方法。
试验敏感参数
α，也叫α-风险，是统计学上的名词，他的 定义是错误的估计两者之间的差别存在的 可能性，也叫第Ⅰ类错误。 β，也叫β-风险，他的定义是错误估计两 者之间的差异不存在的可能性，也叫第Ⅱ 类错误。 Pd，是指能够分辨出差异的人数比例。
在统计学上
α值在10%~5%（0.1~0.05），表明存在的差 异程度是中等。 α值在5%~1%（0.05~0.01），表明存在的差 异程度是显著。 α值在1%~0.1%（0.01~0.001），表明存在的 差异程度是非常显著。 α值低于0.1%（＜0.001），表明存在的差异 程度是特别显著。