PD

F -X C h a n ge

PD

F -X C h a n ge

O W !

bu

lic

lic

1
w
.c

to

to

bu

N
w

O W !
.d o

.d o

c u -tr a c k

c u -tr a c k

.c

ESTIMACIN DEL TIEMPO DE VIDA TIL DE PAN DE MOLDE CON INCORPORACIN DE HARINA DE QUINUA (Chenopodium quinoa Willd) Y SUERO, USANDO LA DISTRIBUCIN DE WEIBULL.
Carlos Elas P.1.; Francisco Salas V.2; Felipe Mendiburu D.3 y Willer De la Cruz Q.4

RESUMEN En el presente trabajo de investigacin se utiliz la distribucin de Weibull para determinar el tiempo de vida en anaquel del pan de molde cuya harina de trigo fue sustituida parcialmente con harina de qunua pre-cocida y suero de leche, encontrndose una vida en anaquel media igual a 11.7 das. El mtodo Gakula y Kubala (1975) aplicado para la Distribucin de Weibull arroj un parmetro de escala ( ) igual a 12.256 y un parmetro de forma ( ) de 10.870; as como un coeficiente de correlacin (R2) de 0.854. Para una significancia del 95% se calcul el intervalo de confianza para la inferencia del valor medio dando como resultado: 11.68 11.70 11.72; es decir, se tiene un 95% de probabilidad de que el tiempo de vida til se encuentre entre 11.68 y 11.72. La bondad de ajuste fue evaluada por el test de Kolmogorog-Smirnof cuyos resultados fueron negativos; pero el mtodo de Anderson-Darling determin que la distribucin se ajust mejor a la de Weibull respecto a las distribuciones Lognormal, Exponencial y Normal. ABSTRACT In present research work the Weibull distribution was used to determine the time of shelf life of sliced bread as wheat flour was partially replaced with quinoa flour precooked and milk whey and found a shelf life in half equal to 11.7 days. The method Gakula and Kubala (1975) applied to the Weibull distribution showed a scale parameter ) equal to 12,256 and a shape parameter ( ) of 10,870, as well as, a correlation coefficient (R2) of 0.854. For a 95% significance was calculated confidence interval for the inference of the mean value: 11.68 11.70 11.72, i.e. it has a 95% chance that the shelf life is between 11.68 and 11.72. The goodness of fit was assessed by the Kolmogorog-Smirnov test results were negative, but the Anderson-Darling determined that the distribution was more closely fitted on the Weibull distributions regard Lognormal, Exponential and Normal. I. INTRODUCCIN La vida en anaquel es determinada para cada alimento en particular (Kennt et al., 1997) y el hecho de incorporar nuevos ingredientes en el diseo de nuevos producto, puede traer consigo variacin de la vida de anaquel del alimento. El alimento es intrnsecamente perecedero y, en funcin de sus caractersticas fsicas y qumicas, de sus propiedades y las condiciones de almacenamiento, llegar un momento en que cualquiera de sus cualidades de calidad no sern aceptables o se convertir en perjudicial para el consumidor (Kilcast and Subramaniam, 2001).
Profesores de la Facultad de Industrias Alimentarias. Universidad Nacional Agraria La Molina UNALM. 3 Profesor de la Facultad de Economa y Planificacin (Dpto. de Estadstica e Informtica). Universidad Nacional Agraria La Molina UNALM. 4 Ex-alumno de la Escuela de Post Grado, Especialidad en Tecnologa de Alimentos. Universidad Nacional Agraria La Molina.
1, 2

w
w

PD

F -X C h a n ge

PD

F -X C h a n ge

O W !

bu

lic

lic

2
w
.c

to

to

bu

N
w

O W !
.d o

.d o

c u -tr a c k

c u -tr a c k

.c

Una metodologa que se est aplicando a estudios de vida en anaquel o vida til de alimentos, es el anlisis de supervivencia. Esta tcnica comprende un conjunto de procedimientos estadsticos para analizar datos que incluyen el tiempo que media entre dos sucesos como variable respuesta. Se caracteriza por la presencia de informacin proporcionada por consumidores y porque la distribucin normal no es aplicable en la mayora de los casos, sino ms bien la variable tiempo a menudo tiene una distribucin asimtrica (Gmez, G., 2002). El tiempo de rechazo de cada individuo est sujeto a variaciones aleatorias y, por lo tanto t es una variable aleatoria continua, no negativa, cuya funcin de probabilidad puede especificarse de varias maneras. El modelo para la distribucin t queda caracterizado por la funcin de supervivencia S(t) que puede ser definida como la probabilidad de que un consumidor acepte el producto ms all del tiempo t y su complemento, la funcin de fallo F(t)= 1 S(t). En estudios de vida til es ms adecuada la interpretacin de la funcin de fallo F(t) que puede ser definida como la probabilidad de que un consumidor rechace un producto antes del tiempo t (Garitta, et al., 2003). En el anlisis de supervivencia, el anlisis de los datos se puede realizar utilizando tcnicas paramtricas y no paramtricas. El uso de modelos paramtricos proporciona estimaciones ms precisas de la funcin de supervivencia que los estimadores no paramtricos (Gmez, 2001). Entre las funciones de distribucin ms utilizadas est la de Weibull. Generalmente se utiliza el percentil 50 como el trmino de la vida til, y corresponde al tiempo en el cual el 50% de los consumidores rechaza el producto (Cardelli y Labuza 2001, citado por Hough et al., 2003). Prabhakar et al. (2004), menciona que la literatura sobre los modelos de Weibull es amplia, desarticulada y dispersa a travs de muchas y diferentes revistas. Klein and Moschenberger (1997), reporta una frmula para asegurar el ajuste de una distribucin de Weibull y estimar sus parmetros:

Este mtodo de estimacin es llamado Rectificacin Lineal en ingeniera mecnica (Tobas y Trinidad, 1995), ecuacin que los cientficos alimentarios normalmente la rearreglan estimando el tiempo, bajo la forma de:

y que Larsen (2006) llama, mtodo Gacula y que en presente artculo se llamar igual. Larsen (2006), en base a los trabajos de Freitas et al. (2003), de Klein y Moeshcenberger (1997); as como, de Gacula y Singh (1984), presenta la deduccin de la ecuacin anterior: Funcin de supervivencia o de confiabilidad de t: ... (1)

w
w

PD

F -X C h a n ge

PD

F -X C h a n ge

O W !

bu

lic

lic

3
w
.c

to

to

bu

N
w

O W !
.d o

.d o

c u -tr a c k

c u -tr a c k

.c

........................................... (2)

Funcin de distribucin acumulativa o funcin de fallo: ... (3) Donde: = parmetro de escala. = parmetro de forma. Reemplazando (3) en (1) y el resultado igualndolo a (2): (4) Sacando logaritmo natural y ordenando: .. (5) Despejando el tiempo y rearreglando: .... (6) Otras funciones importantes tambin son definidas: Funcin de densidad probabilstica fdp:

.(7)

...(8) Funcin riesgo, coeficiente de riesgo o ndice instantneo al fracaso. (9) Mide la probabilidad de que un producto que ha sobrevivido hasta un tiempo t, fracase posteriormente. Funcin acumulativa de riesgo:

w
w

PD

F -X C h a n ge

PD

F -X C h a n ge

O W !

bu

lic

lic

4
w
.c

to

to

bu

N
w

O W !
.d o

.d o

c u -tr a c k

c u -tr a c k

.c

(10) El pth percentil es:

..... (11) Ocampo (2003), menciona que a partir de los parmetros encontrados en la funcin anterior, se puede establecer el valor esperado E(t) y la Varianza 2:

.. (12) .... (13) Donde es la funcin gamma definida por:

para t > 0 . (14) Gakula y Kubala (1975), propusieron un mtodo por medio del cual se puede hallar los parmetros y de la funcin Weibull: 1. Para cada valor observado se toma el tiempo, marcando aquellos valores para los cuales el producto falla. 2. Se anota el orden del suceso en el que se suministra el tiempo, tanto para las muestras que fallan, como para las que no fallan. 3. Este proceso genera una serie de observaciones ordenadas, luego se invierte el orden del suceso y se obtiene el rango inverso, denominado como K. 4. Los valores de riesgo h(t) para las muestras que fallan se calculan por la siguiente expresin: (13) 5. Para cada tiempo de fallo se calcula el riesgo acumulado H(t) sumando al riesgo actual el valor precedente. 6. Con estos datos y teniendo en cuenta que la funcin (6) se puede hallar los parmetros de la funcin de la distribucin de Weibull. El objetivo del presente trabajo fue determinar la vida en anaquel del pan de molde con incorporacin de harina de quinua precocida y suero de leche por el mtodo probabilstico de Weibull.

w
w

PD

F -X C h a n ge

PD

F -X C h a n ge

O W !

bu

lic

lic

5
w
.c

to

to

bu

N
w

O W !
.d o

.d o

c u -tr a c k

c u -tr a c k

.c

II. MATERIALES Y MTODOS 2.1 Pan de molde El pan de molde fue elaborado mediante la siguiente formulacin: Harina de trigo 44.1, harina de quinua pre-cocida 7.4, suero dulce de leche 1.9, sal 1.1%, azcar rubia 5.4, levadura instantnea 1.6, manteca vegetal 6.4, agua 32.1. Una vez producidos los panes fueron enfriados por 2 hrs., cortados en espesores de 14 mm y empaquetados en bolsas de polietileno. Los panes fueron almacenados en un ambiente de temperatura controlada a 20C por 3, 7, 11, 12 y 13 das. Despus que alcanzaron el tiempo de almacenaje deseado, fueron almacenados a temperaturas de -18 C; proveyendo as, muestras con diferentes tiempos de almacenamiento de un solo lote (Gacula y Kubala, 1975). Las muestras fueron descongeladas a 20 C por 6 hrs., para su evaluacin. 2.2 Los consumidores El envejecimiento en los productos de panificacin ha sido definido como la disminucin de la aceptacin del consumidor causada por cambios en la miga del pan que no son el resultado de la accin microbiana (Betchel, 1955), es as que la evaluacin sensorial es considerada la clave para la estimacin del tiempo de vida til. La gente que consume pan de molde por lo menos una vez a la semana fue reclutada para el presente estudio. Las edades de los consumidores que evaluaron el pan estuvieron en el rango de 18 a 50 aos. Los consumidores recibieron las seis muestras correspondientes a los 6 tiempos de almacenaje. Los consumidores tuvieron que decidir sobre la aceptacin o rechazo de cada una de las muestras contestando a la siguiente pregunta: Ud. normalmente consumira este producto, mediante respuestas positivas, con un si; o negativas, con un no. Se les explic a los consumidores que la pregunta se refiere a que si ellos consumiran el pan, ya sea si lo compraran o les fuera servido (Gimnez et al. 2007). 2.3 Identificacin preliminar de la distribucin de ajuste Se determin grficamente y mediante el anlisis del mejor ndice de Anderson Darling. Para la identificacin de la distribucin de mejor ajuste se obtuvo, en el programa de minitab, el ndice de Anderson Darling de cuatro distribuciones: Weibull, Lognormal, Exponencial y Loglogstica 2.4 Determinacin de los parmetros de la distribucin Weibull Para la determinacin de los parmetros y de la funcin de Weibull se utiliz la funcin linearizada de la distribucin acumulativa de Weibull:

Siguiendo las recomendaciones de Gakula y Kubala (1975) con pequeas modificaciones que consistieron en el asignar valores de 0 para la aceptacin de los consumidores y 1 para el rechazo.

w
w

PD

F -X C h a n ge

PD

F -X C h a n ge

O W !

bu

lic

lic

6
w
.c

to

to

bu

N
w

O W !
.d o

.d o

c u -tr a c k

c u -tr a c k

.c

Para estimar la vida en anaquel del pan de molde, los tiempos de rechazo fueron ajustados a una distribucin de Weibull y se defini la variable aleatoria t como el tiempo de almacenaje al cual el consumidor rechaza la muestra. La funcin de distribucin acumulativa o funcin de fallos F(t) fue definida como la probabilidad de que el consumidor rechace el producto antes del tiempo t, tal que F(t) = P(T t).

2.5 Determinacin del valor esperado Se determin el valor esperado mediante la ecuacin (12) 2.6 Intervalo de confianza Gutierrez y De La Vara (2008), reportan la siguiente frmula para determinar el intervalo de confianza en regresin simple:

Donde: y representa el estimador puntual de la recta de regresin, es el valor obtenido por la distribucin T de Student y corresponde al complemento porcentual del nivel de confianza y (n-2) corresponde a los grados de libertad. CMe corresponde al cuadrado medio y es el estimador de la varianza. n corresponde al nmero de observaciones. corresponde a la media. El intervalo de confianza ofrece un intervalo de valores razonables dentro del cual se pretende que est el parmetro de inters en este caso la media poblacional, con un cierto grado de confianza, generalmente el 95%. 2.7 Bondad de ajuste El test de Kolmogorov-Smirnov (K-S) es recomendado para determinar la bondad de ajuste (Gacula and Singh, 1984) y se realiz esta prueba a un nivel de confiabilidad del 95% (Gacula and Singh, 1984). Al respecto NIST (2006) menciona que una caracterstica atractiva de esta prueba es que no depende de la funcin de distribucin acumulada que se est probando. Se realiz una prueba de bondad de ajuste de Kolmogorov-Smirnov. 2.8 Funciones caractersticas de la Distribucin de Weibull Una vez determinados los parmetros y mediante la linearizacin de la Funcin de Distribucin Acumulativa se pudo hallar las funciones caractersticas de la distribucin de Weibul: 1. Funcin de Distribucin Acumulativa Funcin de Fallo

w
w

PD

F -X C h a n ge

PD

F -X C h a n ge

O W !

bu

lic

lic

7
w
.c

to

to

bu

N
w

O W !
.d o

.d o

c u -tr a c k

c u -tr a c k

.c

La Funcin de Distribucin Acumulativa Funcin de Fallo fue hallada mediante la ecuacin (3). 2. Funcin de Supervivencia o de Confiabilidad La Funcin de Confiabilidad fue hallada considerando las funciones (2) y (4) de las cuales se obtuvo la funcin: 3. Funcin de Densidad de Probabilidad La Funcin de Densidad de Probabilidad fue hallada mediante la ecuacin (8) 4. Funcin Riesgo, Coeficiente de Riesgo o ndice Instantneo al Fracaso La Funcin Riesgo, Coeficiente de Riesgo o ndice Instantneo al Fracaso fue hallada por la ecuacin (9). III. RESULTADOS Y DISCUSIN 3.1 Rechazo de los consumidores en funcin del tiempo En los Cuadros 1 y 2 se puede observar que el rechazo de los consumidores se incrementa conforme se incrementa el tiempo de almacenamiento del pan, haciendo un total de 131 rechazos. El hecho de calificar con 0 la aceptacin de los consumidores y con 1 el rechazo permiti que se pueda sumar fcilmente el nmero de rechazos por da.
CUADRO 1.- RECHAZO DE LOS CONSUMIDORES EN FUNCIN DEL TIEMPO DE ALMACENAMIENTO

w
w

PD

F -X C h a n ge

PD

F -X C h a n ge

O W !

bu

lic

lic

8
w
.c

to

to

bu

N
w

O W !
.d o

.d o

c u -tr a c k

c u -tr a c k

.c

En forma grfica se puede apreciar en la Figura 1 que los datos se ajustan mejor a una distribucin Weibull debido a su mejor coeficiente de correlacin, afirmacin que es posteriormente fortalecida mediante el estadstico Anderson-Darling ajustado para las cuatro distribuciones avaluadas como se puede ver en la Fig. 2, cuyo menor valor corresponde a la distribucin Weibull. Al respecto Juan (2010), menciona que el estadstico Anderson-Darling ajustado es un reflejo de cun lejos se encuentran los puntos respecto de la recta. Por tanto, cuanto menor sea el valor de dicho estadstico, tanto mejor ser la bondad del ajuste. De los valores de dicho estadstico, se desprende nuevamente que la Weibull (AD = 5.66) y la Loglogstica (AD = 7.51) proporcionan un mejor ajuste a las observaciones. 3.2 Determinacin de los parmetros de la distribucin Weibull Como se puede observar en la Fig. 3, la funcin linearizada de la distribucin acumulativa de Weibull fue: siendo la interseccin a igual a 2.506 y la pendiente b igual a 0.092 a partir de los cuales se obtuvieron los parmetros y : a Ln 2,506 ea 12,256 b 1/ 0,092 1/b 10,870

FIGURA 1: APROXIMACIN GRFICA DEL MEJOR AJUSTE ENTRE LAS CUATRO DISTRIBUCIONES EVALUADAS
LSXY Estimates-Complete Data
Weibull 99,9 90 50 P er cent 10 1 0,1 P er cent 99,9 99 90 50 10 1 8 10 C1 Exponential 99,9 90 50 P er cent 10 1 0,1 P er cent
99,9 99 90 50 10 1

Probability Plot for C1

Lognormal

C orrelation C oefficient Weibull 0,929 Lognormal 0,862 Exponential * N ormal 0,899

12

14

0,1

C1

12

15

N ormal

0,01

0,10

1,00 C1

10,00

100,00

0,1

10

C1

12

14

FIGURA 2: DETERMINACIN PRELIMINAR DEL MEJOR AJUSTE POR MINITAB, MEDIANTE EL ESTADSTICO ANDERSON-DARLING AJUSTADO PARA LAS CUATRO DISTRIBUCIONES AVALUADAS.

w
w

PD

F -X C h a n ge

PD

F -X C h a n ge

O W !

bu

lic

lic

9
w
.c

to

to

bu

N
w

O W !
.d o

.d o

c u -tr a c k

c u -tr a c k

.c

3.3 Determinacin del tiempo de vida E(t) = 12.256 (1+1/10.87) E(t) = 12.256 (1.092) E(t) = (12.256)(0.954625) E(t) = 11.7 dias La vida en anaquel media fue igual a 11.7 das. Al respecto, Hough et al. (2003) afirmaron que los productos alimenticios no tienen una vida en anaquel sensorial por ellos mismos; esta depende de la interaccin del alimento con el consumidor. Jimnez et al. (2007) reportaron en su trabajo de investigacin que el porcentaje de rechazo del pan de molde por los consumidores fue de 50.3% a los 13 das de vida en anaquel para los consumidores espaoles y, de 42% para los consumidores uruguayos. Los autores sugirieron que la formulacin debe ser considerada para establecer el tiempo de vida. Dentro de este marco, nuestros resultados estn cercanos a los reportados por la literatura citada y que las diferencias en el tiempo de vida encontradas se debera a la formulacin empleada y a las diferentes respuestas de los diferentes consumidores en su interaccin sensorial con el pan.
FIGURA 3: FUNCIN LINEARIZADA DE WEIBULL

3.4 Intervalo de confianza Para una significancia del 95% se calcula el intervalo de confianza para la inferencia del valor medio dando como resultado que: 11.68 11.70 11.72; es decir, se tiene un

w
w

PD

F -X C h a n ge

PD

F -X C h a n ge

O W !

bu

lic

lic

10
w
.c

to

to

bu

N
w

O W !
.d o

.d o

c u -tr a c k

c u -tr a c k

.c

95% de probabilidad de que el tiempo de vida til se encuentre entre 11.68 y 11.72 o P(11.68 11.70 11.72) = 0.95. Lo anterior significa que pasados 11.70 das de almacenamiento a 20 C, el pan empacado en bolsas de polietileno tendr una probabilidad del 50 % de ser rechazado por los consumidores.
FIGURA 4: CURVAS DEL INTERVALO DE CONFIANZA PARA LA FUNCIN LINEARIZADA DE WEIBULL

3.5 Bondad de ajuste La mayor diferencia absoluta encontrada entre la frecuencia observada y la esperada fue de 0.167470 y la del dato tabular de Kolmogorog-Smirnof fue de 0.118824 con un alfa de 5%. Debido a que la diferencia mayor encontrada es mayor que el dato tabular se deduce que la distribucin no se ajusta a la de Weibull. Estos resultados se interpretan como que si bien es cierto que los datos observados no se ajustan estrechamente a la Distribucin de Weibull, pero esta distribucin es la que mejor se ajusta respecto a las distribuciones Lognormal, Exponencial y Normal, esto ltimo en base al estadstico Anderson-Darling de la determinacin preliminar del mejor ajuste. 3.6 Funciones caractersticas de la Distribucin de Weibull En las Figs. de la 5 a la 8 se puede observar las formas tpicas de la distribucin de Weibull en las funciones correspondientes semejantes a las que reporta NIST(2006) y Tamborero (2010). En la Fig. 5 se puede observar que a medida que pasa el tiempo la probabilidad de rechazo se incrementa y a un 0.5 (que corresponde al 50%) corresponde a un tiempo aproximado a 11.7 das.
FIGURA 5: Funcin de Distribucin Acumulativa Funcin de Fallo

w
w

PD

F -X C h a n ge

PD

F -X C h a n ge

O W !

bu

lic

lic

11
w
.c

to

to

bu

N
w

O W !
.d o

.d o

c u -tr a c k

c u -tr a c k

.c

En la Fig. 6 se puede observar que a medida que pasan los das la confiabilidad disminuye, lo que es lgico. Al respecto Gray & Bemiller (2003) afirman que la dureza del pan es un trmino general que describe la prdida de calidad dependiendo del tiempo .y, est curva es semejante a la que presenta NIST(2006) y Tamborero J. (2010).

En la Fig. 7 se puede observar que la funcin de densidad de probabilidades tiene un sesgo hacia la derecha. Al respecto Tamborero J. (2010) muestra grficos que cuando los valores del parmetro de forma van incrementndose, la forma de la curva es sesgada a la derecha. En la Fig. 8 se puede observar la funcin de riesgo con pendiente positiva. Al respecto NIST(2006) y Tamborero J. (2010) presenta grficos que cuando los valores del parmetro de forma van incrementndose, la funcin tiene pendiente positiva y el parmetro de forma es mayor a uno. Obsrvese que a medida que pasa el tiempo se incrementa la velocidad de fallos.
FIGURA 6: Funcin de Supervivencia o de Confiabilidad

FIGURA 7: Funcin de Densidad de Probabilidad (pdf)

w
w

PD

F -X C h a n ge

PD

F -X C h a n ge

O W !

bu

lic

lic

12
w
.c

to

to

bu

N
w

O W !
.d o

.d o

c u -tr a c k

c u -tr a c k

.c

FIGURA 8: Funcin Riesgo, Coeficiente de Riesgo o ndice Instantneo al Fracaso

IV. CONCLUSIONES 1. Mediante el Mtodo de Weibull se determin que la vida en anaquel media del pan de molde fue igual a 11.7 das a 20 C y empacado en bolsas de polietileno. 2. Se tiene un 95% de probabilidad de que el tiempo de vida til se encuentre entre 11.68 y 11.72 o P(11.68 11.70 11.72) = 0.95. 3. La bondad de ajuste, mediante la prueba Kolmogorog-Smirnof, se determin que la distribucin no se ajusta a la de Weibull. 4. El estadstico Anderson-Darling permiti determinar que la distribucin se ajusta mejor a la de Weibull respecto a las distribuciones Lognormal, Exponencial y Normal. V. BIBLIOGRAFA 1. JUAN, A. Ajuste de datos por una distribucin terica con minitab. Consultada el 17 de marzo del 2010. Disponible en: http://docs.google.com/viewer?a=v&q=cache:fADcUiXHIuoJ:www.uoc.edu/in3/emath/docs/Ajuste_datos.pdf+AJUSTE+DE+DATOS+POR+UNA+DISTRIBUCI%C 3%93N&hl=es&gl=pe&pid=bl&srcid=ADGEESiguln_OC0Vv1ORIcAWKrcnDM_u

w
w

PD

F -X C h a n ge

PD

F -X C h a n ge

O W !

bu

lic

lic

13
w
.c

to

to

bu

N
w

O W !
.d o

.d o

c u -tr a c k

c u -tr a c k

.c

DDR_9G5ISdic9xa87uRiB8bPPwuw1JCjz1fgV_uq7LEjxSg_lwiN8IiOiDwwccPNuhJSUgs7Zy2b0fhy216pn1vmVZzMJcpZZjFrlnEEjg T&sig=AHIEtbQ44nNwheud5GEW6bTKDW_zdLY_XA 2. KENNET, J, V., ROTSTEINE, E., and SING, P. R. 1997. Handbook of food engineering. Practice. CRC Press, New York. 3. KLEIN, P. J., MOESCHBERGER, M., L. (1997) Survival Analysis: Techniques for Censored and Truncated Data. Statistics for Biology and Health. SpringerVerlag Telos. 4. LARSEN, R. 2006. Food Shelf Life: Estimation and Experimental Design. Thesis of Master of Science. Department of Statistics, Brigham Young University. USA. 5. PRABHAKAR, D. N.; XIE MIN and RENYAN JIANG 2004. Weibull Models. John Willey & Sons, Inc. USA. 6. HOUGH, G.; LANGOHR, K.; GMEZ, G. and CURIA, A. (2003). Survival analysis applied to sensory shelf life of foods. Journal of Food Science, 68, 359 362. 7. GACULA, M. C. and SINGH, J. 1984. Statistical models for shelf life failures. New York. Academic Press Inc. 8. GARITTA L., GMEZ G., HOUGH G, LANGHOR K. y SERRAT C. 2003. Estadstica de Supervivencia Aplicada a la Vida til Sensorial de Alimentos. Taller Tutorial de Introducccin y Clculo de Anlisis de Supervivencia utilizando S-Plus. ISETA. Argentina. 9. GMEZ, G., 2001. Anlisis de Supervivencia. Universidad Politcnica de Barcelona. 10. GMEZ, G., 2002. Breve viaje al mundo de la supervivencia y su posible uso en la vida til de alimentos. U. Politcnica de Catalunya. Barcelona, Espaa. 11. Gray, J. & Bemiller, J. (2003). Bread Staling: Molecular basis and control. Comprehensive Reviews in Food Science and Food Safety, 2, 121. 12. GUTIERREZ, H. Y DE LA VARA, R. 2008. Anlisis y diseo de experimentos. Ed. Mc Graw Hill. Mxico. 13. NIST. National Institute of Standards and Technology 2006. e-Handbook of Statistical Methods. Consultada el 06 de enero del 2010. Disponible en: http://www.itl.nist.gov/div898/handbook/ 14. OCAMPO, J. A., 2003. Determinacin de la vida de anaquel del caf soluble elaborado por la empresa decaf s.a. y evaluacin del tipo de empaque en la conservacin del producto. Universidad Nacional de Colombia Sede Manizales Facultad de Ingeniera y Arquitectura. Ingeniera Qumica. Colombia. 15. Tamborero J. (2010). NTP 331: Fiabilidad: la distribucin de Weibull. Consultada el 03 de enero del 2010. Disponible en: http://www.jmcprl.net/ntps/@datos/ntp_331.htm.

w
w

PD

F -X C h a n ge

PD

F -X C h a n ge

O W !

bu

lic

lic

14
w
.c

to

to

bu

N
w

O W !
.d o

.d o

c u -tr a c k

c u -tr a c k

.c

w
w