Sensostat Попробовать демо

Учебник · Модуль 04

Дискриминационные (различительные) методы

Треугольный тест, тетрада, дуо-трио, парное сравнение, 2-AFC/3-AFC, «два из пяти», «A»–«не A»: дизайн, статистика, калькулятор критических значений.

Модуль 04 из 11~35 мин чтенияинтерактив + проверочный тест
Триада треугольного теста: три кодированных стаканчика на подносе, вода и крекеры для очистки рецепторов
Триада треугольного теста: два образца одинаковы, один отличается. Трёхзначные коды, вода и нейтральный крекер между образцами.

Методы «есть ли различие?»

Дискриминационные (различительные) тесты отвечают на бинарный вопрос: воспринимается ли различие между образцами. Все они — процедуры принудительного выбора: дегустатор обязан выбрать ответ, а статистика опирается на вероятность угадывания p₀.

МетодЗадание дегустатораp₀СтандартКогда применять
Треугольный (triangle)Из 3 образцов (2 одинаковых) выбрать отличающийся1/3ISO 4120:2021 · ГОСТ Р 53159-2008Универсальный выбор: замена ингредиента, контроль партий. Осторожно при сильном послевкусии
Тетрада (tetrad)Из 4 образцов (2+2) составить две пары1/3ASTM E3009Мощнее треугольного при том же n; меньше утомляемость рецепторов
Дуо-трио (duo-trio)Какой из 2 образцов совпадает с референсом1/2ISO 10399:2026 · ГОСТ Р ИСО 10399-2012Сильное послевкусие; есть стабильный эталон
Парное сравнение (paired, 2-AFC)Какой из 2 образцов интенсивнее по заданному атрибуту1/2ISO 5495:2005 · ГОСТ Р 53160-2008Направленная разница по одному атрибуту («что слаще?»)
3-AFCИз 3 образцов выбрать сигнальный (атрибут известен заранее)1/3ISO 13301:2018Пороги, направленные различия; мощнее треугольного
«Два из пяти» (two-out-of-five)Из 5 образцов (3+2) выделить 2 одинаковых1/10ASTM E2162Очень слабые различия; высокая утомляемость — малые серии
«A»–«не A»Идентифицировать образец как «A» или «не A»—ISO 8588:2017Образцы разного вида; тесты узнавания; анализ через таблицу 2×2 и d′
Отклонение от контроля (difference from control)Оценить величину отличия от эталона по шкале—практика QCРутинный контроль: «насколько партия отклонилась от эталона»

Почему p₀ важна: чем ниже вероятность угадывания, тем мощнее тест при том же числе дегустаторов. «Два из пяти» (p₀ = 1/10) требует вдвое меньше ответов, чем дуо-трио (p₀ = 1/2), — но физиологически тяжелее: пять проб утомляют рецепторы. Выбор — всегда компромисс между статистической мощностью и сенсорной нагрузкой.

Параметры дизайна: α, β и p_d

Любой различительный тест фиксируется четырьмя параметрами — без них результат неинтерпретируем:

  • α-риск (альфа) — вероятность ложно заключить, что различие есть, когда его нет (ошибка I рода). Обычно α = 0,05.
  • β-риск (бета) — вероятность пропустить существующее различие (ошибка II рода). Обычно β = 0,10–0,20.
  • p_d — максимально допустимая доля дегустаторов, способных различить образцы (proportion of discriminators): < 25 % — малые значения, 25–35 % — средние, > 35 % — большие.
  • Режим: «различие» (difference) доказывает, что образцы различимы; «подобие» (similarity) — что различия настолько малы, что продукты взаимозаменяемы. Это разные тесты с разными таблицами: «различие не доказано» ≠ «подобие доказано».
Кейс-ловушка: «Мы провели треугольный тест, 24 дегустатора, 11 правильных при критическом 12 — значит, новый подсластитель неотличим». Нет: различие лишь не доказано. Для вывода о подобии нужен тест на подобие с заданными β и p_d — и обычно бóльшая панель.

Модель Тёрстоуна: почему тетрада мощнее треугольного теста

Биномиальная модель отвечает на вопрос «доказано ли различие при доле различающих p_d», но не связывает методы между собой: «30 % различающих» в треугольном тесте и в тетраде — разные по силе сенсорные различия. Модель Тёрстоуна (Thurstonian model) описывает восприятие как нормально распределённую величину; различие продуктов измеряется индексом чувствительности d′ (d-prime) — расстоянием между распределениями в единицах их стандартного отклонения. Вероятность правильного ответа p_c в каждом методе — это функция от d′ (психометрическая функция метода), и у методов она разная.

Таблица ниже — численное моделирование модели Тёрстоуна (2·10⁶ испытаний на точку; для 2-AFC и дуо-трио — точные формулы). Видно главное: при одном и том же сенсорном различии d′ тетрада даёт заметно больше правильных ответов, чем треугольный тест, при том же уровне угадывания 1/3.

d′2-AFC3-AFCТреугольныйДуо-триоТетрада
0,50,6380,4830,3560,5220,378
1,00,7610,6330,4180,5820,494
1,50,8560,7650,5070,6630,641
2,00,9210,8660,6040,7470,777

Как это читать на практике — минимальная панель для мощности 80 % при α = 0,05 и различии d′ = 1,0 (точный расчёт по биномиальному распределению):

Методp_c при d′ = 1n для мощности 80 %Критическое значение
3-AFC0,63495
2-AFC0,760139
Тетрада0,4944821
Треугольный тест0,41818070
Дуо-трио0,582207115

Отсюда практические следствия: AFC-методы эффективнее всех, но требуют, чтобы природа различия была заранее известна («какой образец слаще?»). Среди методов «без указания атрибута» тетрада при d′ = 1 требует в 3,7 раза меньше дегустаторов, чем треугольный тест (48 против 180) — поэтому ASTM E3009 и отрасль постепенно переходят на неё. Дуо-трио, несмотря на высокий p_c, проигрывает из-за уровня угадывания 1/2. Расчёт воспроизводим:

# p_c методов при заданном d' (модель Тёрстоуна, Монте-Карло)
# тетрада: 2 «сильных» и 2 «слабых» образца; решение — разбить на пары по сходству
import numpy as np
rng = np.random.default_rng(42); N, d = 2_000_000, 1.0
s1, s2 = rng.normal(d, 1, N), rng.normal(d, 1, N)
n1, n2 = rng.normal(0, 1, N), rng.normal(0, 1, N)
ok = (np.abs(s1-s2) + np.abs(n1-n2) < np.minimum(np.abs(s1-n1)+np.abs(s2-n2),
                                                  np.abs(s1-n2)+np.abs(s2-n1)))
pc = ok.mean()            # → 0,494
# минимальная панель для мощности 80 % (точный биномиальный расчёт)
from scipy.stats import binom
p0 = 1/3
n = 4
while True:
    crit = int(binom.ppf(0.95, n, p0)) + 1
    while binom.sf(crit-1, n, p0) <= 0.05: crit -= 1
    if binom.sf(crit-1, n, pc) >= 0.80: break
    n += 1
print(n, crit)            # → 48 21
Важно: d′ — валюта, общая для всех методов. Если в отчёте приводить не только «p = 0,02», но и оценку d′ с доверительным интервалом (например, через пакет sensR для R), результаты треугольных тестов и тетрад становятся сравнимыми между собой и между лабораториями.

Статистический калькулятор различительных тестов

Результат теста → заключение интерактив

Точный биномиальный расчёт (без нормальных приближений) — то самое ядро sensostat-stats, проверенное эталонными тестами по ISO 4120 и ASTM. Выберите метод, режим и введите результат сессии.

«Подобие» — для обоснования взаимозаменяемости

Воспроизводимый пример из методички: треугольный тест, n = 24, x = 13 → критическое значение 13 (таблица A.1 ISO 4120:2021), p-value = P(X ≥ 13 | p₀ = 1/3) ≈ 0,0284 < 0,05 — различие доказано. Нажмите «Рассчитать» — калькулятор уже настроен на этот пример.

Сколько дегустаторов нужно

Расчёт объёма панели интерактив

Точный перебор мощности: минимальное n, при котором вероятность обнаружить различие с долей различающих p_d не ниже 1 − β при заданном α (та же логика, что в таблице B.1 ISO 4120:2021).

Ориентиры для треугольного теста (α = 0,05, β = 0,10): p_d = 50 % → ~20–25 дегустаторов; p_d = 30 % → 53; p_d = 20 % → 113. Чем слабее различие, которое нельзя пропустить, тем быстрее растёт панель.

Мастер выбора метода

Какой тест выбрать интерактив

Ответьте на три вопроса о вашей задаче — получите рекомендацию метода с обоснованием.

Особенности методов — детали

Треугольный тест (ISO 4120:2021)

Рабочая лошадка дискриминационного анализа. 6 сбалансированных триад (AAB, ABA, BAA, BBA, BAB, ABB), трёхзначные коды, обязательный принудительный выбор. Ограничение — продукты с сильным послевкусием: три пробы подряд утомляют. Редакция 2021 года добавила руководство по тюрстоновской модели (d′) наряду с классической моделью угадывания.

Тетрада (ASTM E3009)

Четыре образца (два + два), задача — сгруппировать в пары. Та же p₀ = 1/3, но выше статистическая мощность при равном n и меньшая сенсорная нагрузка на пробу (нет третьего сравнения с запоминанием). Подходит для «уставных» продуктов и когда панель невелика.

Дуо-трио (ISO 10399:2026)

Сначала подаётся референс, затем два образца — какой совпадает с референсом. p₀ = 1/2, мощность ниже треугольного, но проще для дегустатора при стойких вкусах. Референс может быть постоянным (стабильный эталон) или сбалансированным (половина панели получает референс A, половина — B). Актуальная редакция — 2026 года, заменившая ISO 10399:2017.

«A»–«не A» (ISO 8588:2017)

Дегустатор знакомится с эталоном «A», затем идентифицирует поток образцов как «A»/«не A». Данные сводятся в таблицу сопряжённости 2×2 (стимул × ответ), анализ — χ²; для пороговых задач — теория обнаружения сигнала: чувствительность d′ и критерий ответа. Метод удобен, когда образцы нельзя подать одновременно (разный внешний вид, посуда, температура).

Реплики и бета-биномиальная модель

Если дегустаторы проходят тест повторно (реплики), ответы одного человека не независимы: обычная биномиальная модель занижает дисперсию и завышает значимость. Корректные подходы — бета-биномиальная модель (Ennis & Bi) или скорректированные тесты (Brockhoff & Schlich). Правило: планируете реплики — планируйте и модель с учётом гетерогенности панели.

Что почитать дальше

Проверьте себя

тест модуля 04

Четыре вопроса по различительным тестам

1. Треугольный тест, n = 30, получено x = 13 правильных. Критическое значение при α = 0,05 равно 15. Вывод?

13 < 15: значимого различия нет. Но вывод «подобны» требует отдельного теста на подобие с заданными β и p_d. Проверьте в калькуляторе выше.

2. Почему тест «два из пяти» мощнее дуо-трио при том же n?

Мощность растёт с падением p₀. Цена — утомляемость: пять проб за один ответ. Поэтому метод резервируют для слабых различий и коротких серий.

3. Задача: доказать, что замена поставщика какао не изменила вкус (допустимо, чтобы не более 30 % дегустаторов чувствовали разницу). Это…

Формулировка «не более p_d различающих» — сигнатура теста на подобие (similarity): критическое значение считается от p_d и β, а не от α.

4. При p_d = 0,30, α = 0,05, β = 0,10 треугольному тесту нужно…

Проверьте калькулятором объёма панели: n = 53 — значение из таблицы B.1 ISO 4120:2021. Оценки «на глаз» в 2–3 раза занижают требуемый объём.

Проверьте на практике

В интерактивном демо Sensostat можно пройти треугольный тест end-to-end: конструктор, план подачи, анкета, заключение.

Открыть демо →