Tabla N2

Atributo
Apariencia
Descripcin del color
Brillo
Fuera de color

Tamao de Lenticelas

Definicin

El color de la piel de verde a amarillo.

Cantidad de luz reflejada desde la superficie de la
piel.
Visual proporcin de escaldadura (cambios de color
marrn irregulares) porcentaje sobre la piel.
El tamao de las lenticelas de dimetro.

Olor
Olor de la piel
Piel Mal Olor
Olor a carne
La carne Mal Olor
Sabor

Acidez
Dulzura
Manzana sabor
Sabor demasiado
maduro
Textura
Piel Cerosa

La
La
La
La

Cohesin

Jugosidad

la piel de la manzana - olor.

la piel fuera - de olor
olor en la pulpa de manzana.
carne mal olor

El sabor estimulado por cidos.

El sabor estimulado por azcares.
La fuerza de todos los sabores de manzana.
La intensidad de una antigua manzana almacenada
fuera de sabor.

La cantidad de revestimiento de cera sobre la piel

de manzana como percibida por el roce de la piel
con dedos y la palma.
El ruido y la fuerza con la que se rompe la
rebanada de la manzana durante la masticacin.
La fuerza requerida para picar a travs de la
rebanada de la manzana.
Cantidad de muestra que se deforma en lugar de
rupturas durante la masticacin.
Cantidad de jugo de manzana liberado de la
rebanada de la manzana.

Dureza

de
de
de
de

Crujiente

intensidad
intensidad
intensidad
intensidad

Soluciones de diferentes concentraciones, mientras que el resto de las escalas

fueron anclados verbalmente. El panel sensorial evalu todas las muestras
experimentales (Tabla 1) en dos repeticiones. Las evaluaciones se realizaron en
cabinas sensoriales en el laboratorio de anlisis sensorial de la Universidad .Las
muestras fueron marcadas con cdigos aleatorios de 3 dgitos y present a los
panelistas mondica en orden aleatorio, una manzana cada uno. Las manzanas
fueron cortadas por los panelistas con la mano cuchillos a las piezas que tienen
la anchura de aproximadamente 2 cm en el lado ms ancho. No hay
instrucciones estrictas se les dio a los panelistas si tragar o escupir picaduras
individuales. Se us agua embotellada para limpiar el paladar
2.4. El anlisis estadstico de los datos sensoriales

Los datos, es decir, las distancias desde el extremo izquierdo de la balanza a

las marcas hechas por los panelistas, se recogieron y se midieron a mano. Con
el fin de probar la importancia de efecto multivariante para las muestras, los
datos se analizaron por multivariante de una sola va el anlisis de la varianza
(MANOVA) con efecto principal 'muestras' (fijo factor). Para identificar los
atributos sensoriales que discriminan significativamente entre las muestras, de
tres vas anlisis de varianza (ANOVA) se aplica con efectos principales de las
muestras '', 'asesores' y '' repeticiones y todas las interacciones bidireccionales
(= 'muestras' factor fijo; 'evaluadores y 'rplicas' = factores aleatorios).
Cuando el efecto principal fue significativa de Tukey prueba de la diferencia
honestamente significativa (Tukey HSD) se utiliz para separar los valores
medios para las muestras.
Atributos sensoriales que no discriminan significativamente entre las muestras
fueron excluidos de la dimensin posterior anlisis de reduccin (Tabla 2) y el
resto de ellos se sometieron para el anlisis de componentes principales (PCA).
PCA se realiz en una matriz de datos sin plegar construida de 336 filas (24
muestras 7 evaluadores 2 repeticiones) y 14 columnas (14 atributos). Esta la
tcnica es a menudo llamado Tucker-1 (Ns et al., 2010). Sobre reduccin de la
dimensin, cuando estaba claro que la mayora de la atributos originales
cargados en gran medida de la PC1 con valores pequeos de PC2 cargas al
mismo tiempo, PC1-resultados para las muestras eran sometidos a ANOVA de 3
vas (PC-ANOVA) (Luciano y Ns, 2009). En las 'Muestras' la primera
interaccin se tom como fijo factores con 'evaluadores y los factores de
repeticiones' 'como aleatorios. El modelo incluy los efectos principales y todas
las interacciones de 2 vas. Tukey Se utiliz la prueba HSD de separar las PC1puntuaciones medias. En l se tomaron segunda interaccin "tratamientos" y
"fase de evaluacin" como factores fijos con factor de azar como 'asesores'. El
modelo efectos y fase principales incluidos el tratamiento y la etapa asesor
interacciones. Se decidi trabajar con la matriz de datos desplegada despus
validacin de datos inicial generalizado de Procrustes Analysis (ACP). GPA
inicial se llev a cabo en los datos sensoriales originales divididos en 14 rejillas
de constructos personales (7 evaluadores 2 repeticiones). Los resultados del
ACP produjeron una proporcin consenso de 0,85, lo cual indica un fuerte
acuerdo entre las 14 repeticiones individuales. Prueba de aleatorizacin (Grice
y Assad, 2009) mostraron que la observada proporcin consenso fue
estadsticamente significativa en el 0,05 (p observado <0,01). Valores de
escala individuales isotrpicas (Grice y Assad, 2009) fueron muy cercano a la
unidad (oscil de 0,93-1,06), se indica que las diferencias individuales en
general la variabilidad de las rejillas fueron relativamente pequeas. Por
ltimo, el consenso matriz de datos obtenida por GPA se someti
adicionalmente a la ACC, que resultado en PCA-parcelas muy similares a las
parcelas obtenidas por Tucker-1. GPA se complet utilizando la versin de
software 2.4 Idiogrid / 2008 (Grice, 2002). Se realizaron el resto de los anlisis
estadsticos utilizando SPSS Statistics 17.0. El nivel de significacin estadstica
fue de fijado en 0,05.

3. Resultados y discusin
Diecisiete atributos sensoriales (Tabla 2) se sometieron inicialmente a MANOVA
que revel un efecto significativo para multivalente muestras. Lambda de
Wilks fue significativa a p < 0,0001. Subsecuente 3 -way ANOVA mostr que 2
de cada 17 atributos (piel mal olor 'y ' carne mal olor no discriminan
significativamente entre las muestras (p > 0,05). Adems, el " tamao de
lenticelas ' de datos no mostr patrn lgico travs de las muestras y fue
evaluado por los autores como no es relevante para el experimento. Estos tres
atributos fueron excluidos de los nuevos anlisis de reduccin de dimensin.
Ninguno de los atributos, a la izquierda despus de la eliminacin de los tres,
mostr una diferencia estadsticamente

Tabla 3
Valores propios, porcentaje de varianza, y atribuyen las cargas para los tres
primeros componentes principales extrados mediante la aplicacin de anlisis
de componentes principales en la matriz de datos desplegada (Tucker - 1,
solucin sin girar).

Componente principal
Valor propio.
% De la varianza
Atributos /Cargas
Descripcin del color
Brillo
Subido de tono
El olor de la piel
Olor a carne
Acidez
Dulzura
Sabor a manzana
Sabor demasiado
madura
Piel cerosa
Crujiente
Dureza
La cohesin
Jugosidad

PC-1
7.1
50.6

PC-2
1.7
11.8

PC-3
1.2
8.9

-0.700
0.628
-0.685
-0.603
-0.152
0.768
0.108
0.153
-0.927
-0.747
0.882
0.910
0.913
0.926

-0.059
0.436
0.137
0.102
0.790
0.270
0.517
0.620
-0.023
0.055
-0.215
-0.175
-0.059
0.026

0.237
-0.270
0.106
0.514
0.110
-0.151
-0.494
0.603
-0.041
0.016
0.275
0.204
0.203
0.187

Significativa entre las repeticiones. El evaluador la interaccin de replicacin

fue significativa (p <0,05) slo para 'manzana sabor'. La matriz de datos sin
plegar, derivado de los 14 sensoriales atributos que discriminaban entre las
muestras, se someti al PCA. Los primeros tres componentes principales
extrados tenan valores propios superiores a 1 (7.1, 1.7 y 1.2,
respectivamente), pero de acuerdo con el grfico de sedimentacin (el
segundo punto era aquella en la que valores propios dejado de disminuir
rpidamente) y el componente matriz (slo un atributo tuvo PC-3 Valor de
carga de aproximadamente 6,0, mientras que todo el resto eran 0.5) slo los
dos primeros componentes eran retenido explicando el 62,4% de la varianza en
los valores de la matriz de datos. Esta decisin estaba en conformidad con las
directrices proporcionadas por Stevens (2009) para el anlisis factorial
exploratorio, que indica que para nmero de mediciones de ms de 250
(Tucker-1 incluy 336 observaciones en nuestro estudio) y una media

comunalidad 0.60 (0.624 para los 2 primeros componentes en nuestro estudio),

o bien el Kaiser o Pedregal normas producirn una estimacin precisa del
nmero de verdaderos componentes. La Tabla 3 contiene los valores de carga
para los primero tres componentes extrados. La solucin no-girado fue dejado
ya que mostr la mejor disposicin de los valores de carga en comparacin con
Varimax, quartimax y equamax rotaciones. Stevens (2009) proporcionado
varios criterios para la toma de decisiones cuando un componente / factor es
fiable. El tercer componente extrado (PC-3) no lo hace cumplir con ninguno de
dichos criterios. El segundo (PC-2) puede ser considerado fiable debido a que el
promedio de las cuatro cargas ms grandes (= 0,6) est muy cerca ajustarse a
los criterios de ser por encima de 0,60, mientras que la primera componente
(PC-1) es absolutamente fiable de acuerdo con la valores de carga (incluso 11
cargas fueron> 0,60 con 5 valores> 0,80). La inspeccin de la significacin de
los cargamentos de atributos mediante el uso de las directrices proporcionado
por Stevens (2009) y teniendo en cuenta 336 individuo observaciones dentro
de la matriz de datos desplegada, una mayor carga de valor de 0,60 se
consider lo suficientemente grande como para ser prcticamente significativa
en este caso. Segn Stevens (2009), asumiendo estadstica importancia de las
cargas, uno querra en una variable en general compartir al menos 15% de su
varianza con el constructo (principal componente) que significa el uso de
cargas a que slo alrededor de 0,40 o mayor para la interpretacin. Un valor de
carga que es aproximadamente 0,60 indica aproximadamente el 36% de la
varianza compartida. Higo. La figura 1 muestra los atributos-cargas y las
puntuaciones de la muestra parcelas de los dos primeros componentes
principales. Las puntuaciones individuales eran primero promedio a travs de
las muestras y luego traza. Todo el evaluado textural ( "piel cerosa ',' crujiente
',' dureza ',' cohesin 'y 'Jugosidad') y apariencia ( "descripcin del color ',' brillo
'y "Off-color ') junto con los atributos' olor de la piel ',' acidez 'y 'demasiado
maduro sabor 'tena altas cargas de PC-1, lo que indica una fuerte
correlaciones de estos atributos con PC-1. Pneau et al. (2006) estudi la
importancia de frescura para el consumidor y su relacin con las propiedades
sensoriales de las manzanas. El estudio incluy 4758 consumidores y los
autores concluyeron que la calidad sensorial descriptores de sabor, textura
crujiente y jugosidad, son los ms caracterstica importante para la evaluacin
de la frescura de las manzanas, haciendo hincapi en la importancia de la
textura ptima cuando los consumidores estn evaluando frescura de
manzanas de mesa. En otro estudio Pneau et al. (2007) Demostraron que la
textura de atributos tales como el carcter crujiente, firmeza, textura harinosa
y jugosidad son de particular importancia para la evaluacin de la frescura de
manzana y llegaron a la conclusin de que la evaluacin de la frescura de una
manzana corresponde a la medicin de su edad mediante la evaluacin de su
calidad de la textura, ya cambio de las propiedades texturales acompaa al
envejecimiento de la manzana. Los mismos autores argumentaron que
atributos de sabor son de menor importancia para la frescura de la manzana.
En nuestro estudio PC-2 fue el componente muy cargado con 'manzana sabor
"y" manzana carne