Simulação de modelos multiníveis com regressões adaptativas robustas em condições experimentais de armazenamento de cafés especiais em ambientes refrigerados

Abstract

Inúmeros fatores contribuem para a qualidade dos cafés especiais, dentre eles, pode-se citar as condições de armazenamento e refrigeração. Desta forma, podemos conjecturar que os resultados das avaliações sensoriais poderão ser corrompidos devido a erros de mensurações, principalmente quando os provadores não são treinados, ocasionando o surgimento de observações discrepantes (outliers). Com essa motivação, este trabalho teve por objetivo propor cenários de simulação, considerando valores paramétricos obtidos pelo ajuste de um modelo multinível incorporando regressões adaptativas robustas a presença de outliers em um experimento real com cafés beneficiados e não beneficiados armazenados em diferentes períodos e temperaturas. Neste contexto, considerou-se cenários computacionalmente simulado, em que, tais erros na resposta da variável nota sensorial, poderão ser cometidos em L=5 e 10 unidades. Concluiu-se que a metodologia proposta para inferir notas sensoriais simuladas em experimento definido pelas condições experimentas de armazenamento e ambientes refrigerados foi viável por contemplar características robustas em amostras que sejam caracterizadas com até 30% de observações outliers nos cenários de simulação avaliados.

Numerous factors contribute to the quality of specialty coffees, including storage and refrigeration conditions. In this sense, we can conjecture that the results of sensory evaluations may be corrupted due to measurement errors, mainly when tasters are not trained, causing the appearance of observation outliers. With this motivation, this study aimed to propose simulation scenarios considering parametric values obtained by adjusting a multilevel model incorporating robust adaptive regressions to the presence of outliers in an actual experiment with processed and non-processed coffees stored at different periods and temperatures. In this context, computationally simulated scenarios, in which the errors in the response of the variable sensory score could be made at L = 5 and 10 units, were considered. The proposed methodology to infer simulated sensory scores in an experiment defined by the experimental conditions of storage and refrigerated environments was feasible because it contemplates robust characteristics in samples characterized with up to 30% of outlier observations in the evaluated simulation scenarios.