Utilize este link para identificar ou citar este item:
https://bdm.unb.br/handle/10483/21083
Título: | Estudo de regiões de incerteza na avaliação e ajuste de escalas de classificação sensorial de arroz |
Autor(es): | Rocha, Laura Teixeira da |
Orientador(es): | Borries, George Freitas von |
Assunto: | Decisão estatística Modelo de regressão logística Alimentos - avaliação sensorial |
Data de apresentação: | 2016 |
Data de publicação: | 22-Nov-2018 |
Referência: | ROCHA, Laura Teixeira da. Estudo de regiões de incerteza na avaliação e ajuste de escalas de classificação sensorial de arroz. 2016. 88 f., il. Trabalho de Conclusão de Curso (Bacharelado em Estatística)—Universidade de Brasília, Brasília, 2016. |
Resumo: | O estudo da análise da textura de arroz pode ser realizado por meio da avaliação
sensorial desse grão. Esse método exige que profissionais sejam bem treinados e possui
limitações, como o alto custo e a necessidade de alta quantidade de tempo para sua
realização. No trabalho, utilizando-se um modelo estatístico criado para a automatização
desse processo, é realizada a previsão das classificações sensoriais do arroz de maneira
rápida e com custos menores. Entretanto, após a previsão do modelo, é possível observar
regiões de incerteza onde ocorrem erros de classificação. O objetivo deste trabalho é fazer o
estudo dessas regiões de incerteza de classificação do arroz segundo a classificação sensorial
e a classificação conduzida pelo modelo estatístico. Assim, são utilizadas técnicas de
classificação de dados e técnicas não encontradas na literatura até então, para a definição
das regiões de incerteza, e assim, fazer a redução dos erros de classificação. Os resultados
mostraram que para critérios que identificam um maior número de erros de classificação,
possuem um custo mais elevado, em que muitas amostras classificadas corretamente são
observadas nessas regiões. As regiões de incerteza que identificam uma quantidade menor
de erros de classificação são mais vantajosas, uma vez que menos amostras são classificadas
como incerteza, e assim, possuem um erro de classificação menor do que o observado
originalmente. |
Informações adicionais: | Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2016. |
Aparece na Coleção: | Estatística
|
Este item está licenciado na Licença Creative Commons