Caractérisation de produits

product-characterization-adjusted-means-by-product.png

But de la caractérisation de produits

La caractérisation de produits a pour but de permettre aux utilisateurs de XLSTAT de disposer d'un moyen rapide et rigoureux pour identifier quels sont les descripteurs discriminants d'une série de produits évalués lors d'une étude sensorielle et quelles sont les caractéristiques importantes des différents produits.

Principes des calculs de la caractérisation de produits

Les calculs réalisés s'appuient principalement sur l'ANOVA (analyse de variance) pour la modélisation. Pour plus de détails techniques, voir le chapitre sur l'analyse de la variance de l'aide d'XLSTAT.

Le tableau de données utilisé pour l'analyse doit être constitué de lignes donnant pour un produit donné et éventuellement une session donnée, la note attribuée par un sujet donné pour l'ensemble des descripteurs (ou caractéristiques) étudiée. On aura donc trois colonnes indiquant l'identifiant du sujet, l'identifiant du produit, éventuellement de la session, et autant de colonnes que de descripteurs (ou caractéristiques) évalués par les sujets.

Pour chacune des caractéristiques, une ANOVA est réalisée afin de déterminer si les notes attribuées par les sujets sont significativement différentes ou non. Le modèle le plus simple est

Note descripteur = effet produit + effet sujet

Si des répétitions sont disponibles, i.e. si chaque sujet a évalué au moins deux fois chaque produit, on pourra ajouter le facteur session dans le modèle, donnant alors le modèle

Note descripteur = effet produit + effet sujet + effet session

On peut aussi ajouter les interactions. Cet ajout permet alors de tester si certaines combinaisons (produit, sujet) ont tendance à donner des notes plus fortes ou au contraire moins fortes. On a alors le modèle :

Note descripteur = effet produit + effet sujet+ effet produit * effet sujet

On considère que l'effet sujet est aléatoire. Cela signifie que l'on considère que chaque sujet a sa propre tendance à utiliser plus ou moins largement l'échelle de notation. Cette tendance peut varier d'un descripteur à l'autre, les ANOVA réalisées pour les différents descripteurs étant indépendantes.

La caractérisation de produits permet de caractériser rapidement des produits en fonction des préférences des sujets.

Les modèles sont eux-mêmes construits à partir de données objectives (par exemple des descripteurs physico-chimiques, ou des notes fournies par des experts sur des critères bien déterminés) ce qui permet d'interpréter la position des produits en fonction de critères objectifs.

Résultats pour la caractérisation de produit dans XLSTAT

Parmis les résultats proposés par XLSTAT pour la caractérisation de produit, sont générés les résultats suivant :

  • Pouvoir discriminant par descripteur : dans ce tableau sont affichées les descripteurs ordonnés de celui qui a le plus fort pouvoir discriminant sur les produits à celui qui a le plus faible. Les valeurs du V-test ainsi que la p-value sont aussi affichées. Un graphique des p-values obtenues est affiché ensuite.
  • Coefficients du modèle : dans ce tableau sont affichés, pour chaque descripteur et pour chaque produit, les coefficients du modèle sélectionné. Pour chaque combinaison descripteur-produit, le coefficient, la moyenne estimée, la p-value ainsi qu'un intervalle de confiance sur le coefficient sont affichés. Pour chaque produit, un graphique des coefficients associés aux différents descripteurs est affiché.
  • Moyennes ajustées par produit : ce tableau correspond aux moyennes ajustées calculées à partir du modèle pour chaque combinaison descripteur-produit. Les couleurs correspondent, pour le bleu, à un effet significativement positif du descripteur sur le produit et, pour le rouge, à un effet significativement négatif du descripteur sur le produit.
ternary diagramneural network diagram

analysez vos données avec xlstat

essayez gratuitement pendant 14 jours