|
|
Registro Completo |
Biblioteca(s): |
Biblioteca Rui Tendinha. |
Data corrente: |
07/12/2018 |
Data da última atualização: |
10/10/2019 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Autoria: |
GUARÇONI, R. G.; PEREIRA, L. L.; GALVÃO, R. N.; RODRIGUES, F. C.; SILVA, S. A. da.; GOMES, S. A.; CARDOSO, W. S.; CAETANO, L. C. S.; PASCHOALINO, R. S. |
Afiliação: |
Rogerio Carvalho Guarçoni, Incaper; Lucas Louzada Pereira, IFES Venda Nova do Imigrante; Rafael Nobre Galvão, IFES Venda Nova do Imigrante; Fabiana Carvalho Rodrigues, IFES Venda Nova do Imigrante; Silvana Soares da Silva, IFES Venda Nova do Imigrante; Sebastião Antônio Gomes, Incaper; Wilton Soares Cardoso, IFES Venda Nova do Imigrante; Luiz Carlos Santos Caetano, Incaper; Rayane Silva Paschoalino, IFES Venda Nova do Imigrante. |
Título: |
Número de frutos para determinar o tamanho de amostra para avaliar caracteristicas de tangerina utilizando os métodos Bootstrap e regressão linear com resposta a platô. |
Ano de publicação: |
2018 |
Fonte/Imprenta: |
INTELLETTO, Venda Nova do Imigrante, v.3, n.2, p. 1-12, 2018. |
Idioma: |
Português |
Conteúdo: |
Nos experimentos agrícolas, os pesquisadores devem definir o número mínimo de dados necessário para determinar o tamanho de amostra, visando aumentar a precisão experimental. Sendo assim, o trabalho teve como objetivo determinar o número mínimo de frutos para dimensionar amostras e determinar os tamanhos de amostras em função dos erros de estimação de 1 a 10%, para avaliar características de tangerina Ponkan (Citrus reticulata Blanco). O trabalho foi conduzido no laboratório de alimentos do Ifes, onde foram mensuradas características de 120 frutos de tangerina Ponkan. O número mínimo de frutos necessários para dimensionar amostras em função dos erros de estimação, foi obtido utilizando os métodos de bootstrap e do modelo de regressão linear com resposta a platô. O dimensionamento amostral foi calculado utilizando a distribuição t de Student, a estimativa da variância e o erro de estimação. São necessários pelo menos 99, 97, 98, 113, 95, 95, 97, 95, 97 e 96 frutos de tangerina Ponkan, respectivamente, para determinar os tamanhos de amostras em função dos erros de estimação, para as características diâmetro de fruto, altura de fruto, massa de fruto, massa de suco, rendimento de suco, pH, SST, ATT, Ratio e vitamina C. Os tamanhos das amostras para as características diâmetro de fruto, altura de fruto, massa de fruto, massa de suco, rendimento de suco, pH, SST, ATT, ratio e vitamina C, variaram, respectivamente, de 152, 489, 457, 1327, 895, 47, 305, 818, 979 e 1045 frutos para o erro de estimação de 1% até 2, 5, 5, 14, 9, 1, 4, 9, 10 e 11 frutos para o erro de 10%.
In agricultural experiments, researchers should define the minimum number of data needed to determine sample size aiming to increase experimental accuracy. The aim of this work was to determine the minimum number of fruits to size samples and to determine the sample sizes as a function of the estimation errors of 1 to 10% to evaluate the characteristics of Ponkan tangerine (Citrus reticulata Blanco). The work was conducted in the food laboratory of the Ifes, where characteristics of 120 Ponkan tangerine fruits were measured. The minimum number of fruits required to size samples as a function of the estimation errors was obtained using bootstrap and linear response plateau methods. The sample size was calculated using the Student t distribution, the variance estimate and the estimation error. At least 99, 97, 98, 113, 95, 95, 97, 95, 97 and 96 Ponkan tangerine fruits, respectively, are required to determine sample sizes as a function of estimation errors for characteristics fruit diameter, fruit height, fruit mass, juice mass, juice yield, pH, SST, ATT, Ratio and vitamin C. The sample sizes for the characteristics fruit diameter, fruit height, fruit mass, juice mass, pH, SST, ATT, ratio and vitamin C, varied from 152, 489, 457, 1327, 895, 47, 305, 818, 979 and 1045 fruits to estimation error of 1%, up to 2, 5, 5, 14, 9, 1, 4, 9, 10 and 11 fruits for the 10% error, respectively. MenosNos experimentos agrícolas, os pesquisadores devem definir o número mínimo de dados necessário para determinar o tamanho de amostra, visando aumentar a precisão experimental. Sendo assim, o trabalho teve como objetivo determinar o número mínimo de frutos para dimensionar amostras e determinar os tamanhos de amostras em função dos erros de estimação de 1 a 10%, para avaliar características de tangerina Ponkan (Citrus reticulata Blanco). O trabalho foi conduzido no laboratório de alimentos do Ifes, onde foram mensuradas características de 120 frutos de tangerina Ponkan. O número mínimo de frutos necessários para dimensionar amostras em função dos erros de estimação, foi obtido utilizando os métodos de bootstrap e do modelo de regressão linear com resposta a platô. O dimensionamento amostral foi calculado utilizando a distribuição t de Student, a estimativa da variância e o erro de estimação. São necessários pelo menos 99, 97, 98, 113, 95, 95, 97, 95, 97 e 96 frutos de tangerina Ponkan, respectivamente, para determinar os tamanhos de amostras em função dos erros de estimação, para as características diâmetro de fruto, altura de fruto, massa de fruto, massa de suco, rendimento de suco, pH, SST, ATT, Ratio e vitamina C. Os tamanhos das amostras para as características diâmetro de fruto, altura de fruto, massa de fruto, massa de suco, rendimento de suco, pH, SST, ATT, ratio e vitamina C, variaram, respectivamente, de 152, 489, 457, 1327, 895, 47, 305, 818, 979 e 1045 frutos para o... Mostrar Tudo |
Palavras-Chave: |
Citros; Dimensionamento amostral; Erro de estimação; Planejamento experimental; Simulação. |
Thesaurus NAL: |
Estimation error; Experimental planning; Sample dimensioning; Simulation. |
Categoria do assunto: |
-- |
URL: |
https://biblioteca.incaper.es.gov.br/digital/bitstream/123456789/3350/1/numerodefrutosparadeterminarotamanhodeamostraparatangerina-guarconi.pdf
|
Marc: |
LEADER 04074naa a2200325 a 4500 001 1020981 005 2019-10-10 008 2018 bl uuuu u00u1 u #d 100 1 $aGUARÇONI, R. G. 245 $aNúmero de frutos para determinar o tamanho de amostra para avaliar caracteristicas de tangerina utilizando os métodos Bootstrap e regressão linear com resposta a platô.$h[electronic resource] 260 $c2018 520 $aNos experimentos agrícolas, os pesquisadores devem definir o número mínimo de dados necessário para determinar o tamanho de amostra, visando aumentar a precisão experimental. Sendo assim, o trabalho teve como objetivo determinar o número mínimo de frutos para dimensionar amostras e determinar os tamanhos de amostras em função dos erros de estimação de 1 a 10%, para avaliar características de tangerina Ponkan (Citrus reticulata Blanco). O trabalho foi conduzido no laboratório de alimentos do Ifes, onde foram mensuradas características de 120 frutos de tangerina Ponkan. O número mínimo de frutos necessários para dimensionar amostras em função dos erros de estimação, foi obtido utilizando os métodos de bootstrap e do modelo de regressão linear com resposta a platô. O dimensionamento amostral foi calculado utilizando a distribuição t de Student, a estimativa da variância e o erro de estimação. São necessários pelo menos 99, 97, 98, 113, 95, 95, 97, 95, 97 e 96 frutos de tangerina Ponkan, respectivamente, para determinar os tamanhos de amostras em função dos erros de estimação, para as características diâmetro de fruto, altura de fruto, massa de fruto, massa de suco, rendimento de suco, pH, SST, ATT, Ratio e vitamina C. Os tamanhos das amostras para as características diâmetro de fruto, altura de fruto, massa de fruto, massa de suco, rendimento de suco, pH, SST, ATT, ratio e vitamina C, variaram, respectivamente, de 152, 489, 457, 1327, 895, 47, 305, 818, 979 e 1045 frutos para o erro de estimação de 1% até 2, 5, 5, 14, 9, 1, 4, 9, 10 e 11 frutos para o erro de 10%. In agricultural experiments, researchers should define the minimum number of data needed to determine sample size aiming to increase experimental accuracy. The aim of this work was to determine the minimum number of fruits to size samples and to determine the sample sizes as a function of the estimation errors of 1 to 10% to evaluate the characteristics of Ponkan tangerine (Citrus reticulata Blanco). The work was conducted in the food laboratory of the Ifes, where characteristics of 120 Ponkan tangerine fruits were measured. The minimum number of fruits required to size samples as a function of the estimation errors was obtained using bootstrap and linear response plateau methods. The sample size was calculated using the Student t distribution, the variance estimate and the estimation error. At least 99, 97, 98, 113, 95, 95, 97, 95, 97 and 96 Ponkan tangerine fruits, respectively, are required to determine sample sizes as a function of estimation errors for characteristics fruit diameter, fruit height, fruit mass, juice mass, juice yield, pH, SST, ATT, Ratio and vitamin C. The sample sizes for the characteristics fruit diameter, fruit height, fruit mass, juice mass, pH, SST, ATT, ratio and vitamin C, varied from 152, 489, 457, 1327, 895, 47, 305, 818, 979 and 1045 fruits to estimation error of 1%, up to 2, 5, 5, 14, 9, 1, 4, 9, 10 and 11 fruits for the 10% error, respectively. 650 $aEstimation error 650 $aExperimental planning 650 $aSample dimensioning 650 $aSimulation 653 $aCitros 653 $aDimensionamento amostral 653 $aErro de estimação 653 $aPlanejamento experimental 653 $aSimulação 700 1 $aPEREIRA, L. L. 700 1 $aGALVÃO, R. N. 700 1 $aRODRIGUES, F. C. 700 1 $aSILVA, S. A. da. 700 1 $aGOMES, S. A. 700 1 $aCARDOSO, W. S. 700 1 $aCAETANO, L. C. S. 700 1 $aPASCHOALINO, R. S. 773 $tINTELLETTO, Venda Nova do Imigrante$gv.3, n.2, p. 1-12, 2018.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Biblioteca Rui Tendinha (BRT) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
|
Registro Completo |
Biblioteca(s): |
Biblioteca Rui Tendinha. |
Data corrente: |
13/07/2020 |
Data da última atualização: |
13/07/2020 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Circulação/Nível: |
B - 4 |
Autoria: |
PEREIRA, L. L.; CARDOSO,W. S.; GUARÇONI, R. G.; MOREIRA,T. R.; CASTRO, M. G. de; PINHEIRO, P. F.; FERRÃO, M. A. G.; FONSECA, A. F. A. da.; TEN CATEN, C. S. |
Afiliação: |
Lucas Louzada Pereira, IFES Venda Nova do Imigrante; Wilton Soares Cardoso, IFES Venda Nova do Imigrante; Rogerio Carvalho Guarçoni, Incaper; Taís Rizzo Moreira, UFES; Marina Gomes de Castro, IFES Venda Nova do Imigrante; Patrícia Fontes Pinheiro, UFES; Maria Amélia Gava Ferrão, Incaper/Embrapa Café; Aymbiré Francisco Almeida da Fonseca, Incaper/Embrapa Café; Carla Schwengster ten Caten, UFRGS. |
Título: |
A complexidade de consenso entre análise sensorial, física, e-química na qualidade do café. |
Ano de publicação: |
2018 |
Fonte/Imprenta: |
Revista Ifes Ciência, v.4, n.2, 2018. |
Idioma: |
Português |
Conteúdo: |
consenso para a definição qualitativa de um alimento não é uma tarefa trivial, entretanto, quando analisada a composição química e sensorial do café, a tarefa se torna ainda mais complexa. Recentes discussões no meio acadêmico retratam os esforços entre as tentativas de convergências entre o emprego de técnicas físicas e químicas em relação ao processo de análise sensorial de cafés especiais, visando entender e estimar parâmetros de processos. Dado que o método de avaliação da qualidade (análise sensorial) é realizado por Q-Graders, e que este processo pode ser passível de falhas durante a análise. Este estudo verificou o consenso entre o agrupamento dos cafés por meio da análise sensorial e análise física e química, através da técnica de componentes principais ? PCA, para avaliar o quão próximo ou distante os resultados se agrupam na análise visual dos componentes. Como metodologia, utilizou-se o protocolo da Associação Americana de Cafés Especiais ? SCAA, bem como análises físicas e químicas de extrato aquoso, cafeína, acidez titulável e pH. Os resultados indicam que dados oriundos das análises físicas e químicas não possuem o mesmo consenso em relação ao agrupamento observado nos dados das análises sensoriais dos cafés. A maneira pela qual os Q-Graders interpretam a qualidade se difere da forma como os dados químicos se agrupam, assim, os resultados sugerem que fatores além da composição física e química do café impactam na percepção de como a qualidade final é formulada. |
Palavras-Chave: |
Análise química; Análise sensorial; Café arábica; Componente principal. |
Thesagro: |
Análise; Coffea arabica. |
Categoria do assunto: |
-- |
URL: |
https://biblioteca.incaper.es.gov.br/digital/bitstream/123456789/4049/1/analise-coffea-arabica.pdf
|
Marc: |
LEADER 02399naa a2200289 a 4500 001 1022245 005 2020-07-13 008 2018 bl uuuu u00u1 u #d 100 1 $aPEREIRA, L. L. 245 $aA complexidade de consenso entre análise sensorial, física, e-química na qualidade do café.$h[electronic resource] 260 $c2018 520 $aconsenso para a definição qualitativa de um alimento não é uma tarefa trivial, entretanto, quando analisada a composição química e sensorial do café, a tarefa se torna ainda mais complexa. Recentes discussões no meio acadêmico retratam os esforços entre as tentativas de convergências entre o emprego de técnicas físicas e químicas em relação ao processo de análise sensorial de cafés especiais, visando entender e estimar parâmetros de processos. Dado que o método de avaliação da qualidade (análise sensorial) é realizado por Q-Graders, e que este processo pode ser passível de falhas durante a análise. Este estudo verificou o consenso entre o agrupamento dos cafés por meio da análise sensorial e análise física e química, através da técnica de componentes principais ? PCA, para avaliar o quão próximo ou distante os resultados se agrupam na análise visual dos componentes. Como metodologia, utilizou-se o protocolo da Associação Americana de Cafés Especiais ? SCAA, bem como análises físicas e químicas de extrato aquoso, cafeína, acidez titulável e pH. Os resultados indicam que dados oriundos das análises físicas e químicas não possuem o mesmo consenso em relação ao agrupamento observado nos dados das análises sensoriais dos cafés. A maneira pela qual os Q-Graders interpretam a qualidade se difere da forma como os dados químicos se agrupam, assim, os resultados sugerem que fatores além da composição física e química do café impactam na percepção de como a qualidade final é formulada. 650 $aAnálise 650 $aCoffea arabica 653 $aAnálise química 653 $aAnálise sensorial 653 $aCafé arábica 653 $aComponente principal 700 1 $aCARDOSO,W. S. 700 1 $aGUARÇONI, R. G. 700 1 $aMOREIRA,T. R. 700 1 $aCASTRO, M. G. de 700 1 $aPINHEIRO, P. F. 700 1 $aFERRÃO, M. A. G. 700 1 $aFONSECA, A. F. A. da. 700 1 $aTEN CATEN, C. S. 773 $tRevista Ifes Ciência$gv.4, n.2, 2018.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Biblioteca Rui Tendinha (BRT) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Expressão de busca inválida. Verifique!!! |
|
|