Biblioteca do Café

URI permanente desta comunidadehttps://thoth.dti.ufv.br/handle/123456789/1

Navegar

Filtros

2019 - 201912020 - 20211

Configurações

Autor: search.filters.author.Ferreira, Haiany AparecidaTem arquivos: Sim

Resultados da Pesquisa

Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Item
    Componentes de efeitos de safras representados em biplots corrigidos por predições de modelos GEE na classificação granulométrica de cafés
    (Universidade Federal de Lavras, 2019-02-19) Ferreira, Haiany Aparecida; Cirillo, Marcelo Ângelo; Brighenti, Carla Regina Guimarães
    Em uma análise granulométrica de cafés com diferentes categorias de defeitos, os dados podem ser organizados em tabelas de contingências e, ao considerar a discriminação por safra, as mesmas poderão ter uma estrutura que sugere um modelo mais complexo, no tocante, à interação das classificações de defeitos e porcentagens dos grãos de peneiras com efeitos de safra. Diante do exposto, surge a hipótese de que estruturas de correlação são viáveis de serem incorporadas em um modelo, a fim de aprimorar análises gráficas multidimensionais, como a técnica biplots. Com essa motivação, este trabalho tem por objetivo propor o uso de biplots corrigidos por predições de modelos GEE na classificação granulométrica de cafés, discriminada por componentes do efeito das safras. Para validação da proposta, realizações Monte Carlo foram feitas em diferentes estruturas de tabela de contingência em cenários com diferentes graus de correlação. Concluiu-se que o uso de modelos GEE com a técnica biplot corrigida pelas predições é viável de aplicação na análise granulométrica de grãos defeituosos de cafés, com uma eficiente discriminação dos efeitos de safras.
  • Imagem de Miniatura
    Item
    Monte Carlo simulation and importance sampling applied to sensory analysis validation of specialty coffees
    (Universidade Federal do Ceará, 2021) Ferreira, Haiany Aparecida; Liska, Gilberto Rodrigues; Cirillo, Marcelo Ângelo; Borém, Flávio Meira; Ribeiro, Diego Egídio; Cortez, Ricardo Miguel
    Coffee sensory analysis is usually made by a sensory panel, which is formed by trained tasters, following the recommendations of the Specialty Coffee Association of America. However, the preference for a coffee is commonly determined by experimentation with consumers, who typically have no special skills in terms of sensory characteristics. Therefore, this study aimed at applying an intensive computational method to study sensory notes given by an untrained sensory panel, considering the probability distributions of the class of extreme values. Four types of specialty coffees produced under different processes and in varied altitudes in the mountainous region of Mantiqueira, Minas Gerais, were considered. We concluded that the generalized Pareto distribution can be applied to sensory analysis to discriminate types of specialty coffees. Furthermore, the method of importance sampling by Monte Carlo simulation showed greater variability considering a probabilistic model adjusted to identify specialty coffees.