LA VARIABLE LATENTE CALIDAD MEDIDA A TRAVÉS DEL MODELO DE RASCH

Documentos relacionados
(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN

Análisis Estadístico de Datos Climáticos

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

Capítulo III. Colectivos estadísticos.

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π

MECÁNICA ESTADÍSTICA

10 REGRESIÓN LINEAL SIMPLE

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)

Capítulo 12. Introducción a la Termodinámica Estadística.

Teoría de errores. Tema 4

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l

Elementos de Probabilidad y Estadística

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:

3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km)

Tema 5. Contraste de hipótesis (II)

al siguiente límite si existe: . Se suele representar por ( x )

Procesamiento Digital de Señales de Voz

Tema 4 - FUNDAMENTOS DE LA MECÁNICA ESTADÍSTICA CLÁSICA

SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim

3. Cálculo y dimensionado

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

ANÁLISIS DE DATOS PROVENIENTES DE DISEÑOS MUESTRALES COMPLEJOS: APLICACIONES A LA ENCUESTA DE HOGARES Y EMPLEO DE LA PROVINCIA DE BUENOS AIRES 1.

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402

Obtención de la matriz de varianzas y covarianzas a través de los productos Kronecker en modelos balanceados de dos y tres vías con aplicaciones en R

Análisis del caso promedio El plan:

INTEGRAL INDEFINIDA. Derivación. Integración

9 Momentos y funciones generatrices de Momentos

Multicupón no garantizado 07/09 1

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin

Estadística Teórica II

TEMA 1: CALCULO DIRECTO DE LÍMITES

11 INTRODUCCIÓN A LA DINÁMICA NO LINEAL (BIFURCACIONES, CAOS)

Prueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad.

EXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL

Intensificación en Estadística

INTEGRAL INDEFINIDA. Derivación. Integración

APUNTE Y PROBLEMAS DE FÍSICA III

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares.

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas

FÓRMULAS DE MATEMÁTICAS FINANCIERAS

Tema 4: Regresiones lineales y no lineales TEMA 4. REGRESIONES LINEALES LINEALES Y NO Introducción 4. Nomenclatura

PROBLEMAS TEMA 4 EJERCICIO 1 (Ej 9.15 de Fernández Abascal)

MEDIDAS DE FORMA Y CONCENTRACIÓN

Tema IV: Ruidos e Interferencias: Técnicas de reducción.

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen.

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,...

8 Límites de sucesiones y de funciones

CÁLCULO DE LÍMITES. Por otro lado es importante distinguir en el cálculo de límites, los casos indeterminados de los determinados: = ; = ; =

Incentive Schemes and Innovative Portfolios

Capítulo 4-1. El problema de la interpolación. Polinomio interpolador de Lagrange

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)

Q c 0 en V (5.1a) y z k. y n

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

1.- a) Hallar a y b para que la siguiente función sea continua en x = 1:

Ampliació de Química-Física Curs Introducció

OPTIMIZACIÓN ESTRUCTURAL CON MALLAS FIJAS Y ANALISIS DE SENSIBILIDAD UTILIZANDO VARIAS APROXIMACIONES A LOS ELEMENTOS DE FRONTERA

TEMA 4: REGRESIÓN Y CORRELACIÓN.

Administración de inventarios. Ejercicio práctico.

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

ANÁLISIS DE ERROR DE ESTADO ESTABLE

DISCRETIZACION DE VARIABLES ALEATORIAS CONTINUAS DE DOMINIO NEGATIVO

2.8.3 Solución de las ecuaciones diferenciales lineales no homogéneas por el método de variación de parámetros

Solución del examen de Investigación Operativa de Sistemas de septiembre de 2008

Tema 2: Distribuciones bidimensionales

PARÁMETROS ESTADÍSTICOS ... N

Tema 8. Limite de funciones. Continuidad

La inferencia estadística es primordialmente de naturaleza

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór

a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r.

Estadística Descriptiva

INFERENCIA ESTADISTICA

División 2. Mecánica de Tornillos Tornillos de transmisión Tornillo de ajuste y sujeción

Teoría de Sistemas y Señales

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

I. MEDIDAS DE TENDENCIA CENTRAL

Estadística Espacial. José Antonio Rivera Colmenero

Señales y Sistemas. Análisis de Fourier.

Tema 3. LA COMPETENCIA PERFECTA PROBLEMA RESUELTO

desarrollo del enfoque

DELTA MASTER FORMACIÓN UNIVERSTARIA C/ Gral. Ampudia, 16 Teléf.: MADRID

IMPACTOS DE LA INTRODUCCIÓN DE LA COMERCIALIZACIÓN EN EL MERCADO ELÉCTRICO PERUANO

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

CASO DE ESTUDIO N 8. Análisis de un tornillo de transmisión

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

TEORÍA DE LOS CONTRATOS: UN ENFOQUE ECONÓMICO

6 Cinemática de rotaciones finitas

Cadenas de Markov de tiempo continuo

TEMA 4: VALORACIÓN DE RENTAS

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

COLEGIO DE POSTGRADUADOS

FINITOS Introducción

CAPÍTULO 2. Ecuación paraxial de Helmholtz.

TEMA 2 SUCESIONES. Tema 2 Sucesiones Matemáticas I 1º Bach. 1 SUCESIONES Y TÉRMINOS

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Interacción genotipo-ambiente en ganado Holstein colombiano* Genotype and environment interaction in Colombian Holstein cattle

APLICACIÓN DEL MÉTODO (PFEM) A LA SIMULACIÓN DE PROCESOS INDUSTRIALES CON GRANDES DEFORMACIONES

Transcripción:

A VARIABE ATENTE CAIDAD MEDIDA A TRAVÉS DE MODEO DE RASCH Álvarz Martíz, Pdro Blaco Sadía, Mª d los Ágls Gurrro Mazao, Mª dl Mar a obtcó d acts d olva d caldad rqur uos cudados spcals todas y cada ua d las sucsvas fass d laboracó d los msmos, s ua cada qu comza l olvo y trma l cosumo. Codcó dspsabl para llo s coocr las caractrístcas orgaoléptcas dl act (a f d potcar sus atrbutos y lmar, la mdda d los posbl, sus dfctos), y la fluca dl procso d laboracó las msmas. El cotrol y mdda d stos caractrs s hará mdat las catas, ralzadas por xprtos catadors utlzado para llo las fchas d cata dl Cosjo Olícola Itracoal. El modlo d Rasch, qu mplarmos para obtr la valuacó ssoral d los acts d olva vrg, os prmtrá o sólo dar ua calfcacó orgaoléptca global al act (qu ya podmos ralzar s csdad d aplcar gú método, sgudo la mtodología d valoracó dl Cosjo Olícola Itracoal), so també clasfcar y mdr los factors ssorals qu trv la caldad, lo qu os prmtrá ralzar las accos oportuas camadas a obtr acts d olva d cualdads óptmas.. INTRODUCCIÓN os modlos d varabls latts, la Toría d los Tst, ctra su atcó o sólo l rsultado total d los tst, so també la traccó tr ua prsoa y u ítm El dsño dl platamto y la formulacó matmátca trata d xplcar l procso d cómo s obt ua rspusta a u ítm. El modlo más rprstatvo d la Toría d la Rspusta al Ítm (Ítm Rspos Thory) s l modlo d Rasch, l cual pud sr cosdrado como u strumto d mdda d varabls latts (Adrch, 988). as mddas s basa obsrvacos qu scalmt so cualtatvas. Para hacr mddas s dsarrolla uas ormaso rglas qu cotrola cómo s llva a cabo stas obsrvacos. Estas rglas spcfca l grado d valdz y crtza qu las

Alvarz Martíz, P. y otros mddas rqur. Mdr la caldad dl act s aálogo a mdr la altura, por jmplo. Prmro s cocb la da d la varabl caldad dl act qu s qur mdr. Dspués s dtrma qué obsrvacos so útls cosdrar como mafstacos d sa varabl. A cotuacó s lg los agts (ítms) qu proporcoa sa caldad, los cuals pud mafstar casos d sa varabl udmsoal. a da d ua lía dod s stú los ítms os da ua mag d sa varabl artmétca. Esto os faclta la cocpcó d cómo procdr la costruccó d sa varabl. S hac uso dl coocmto d artmétca para stuar los ítms a lo largo d la lía y su cotuo, y justfcar stas poscos mdat aálss mpírcos. 2. MÉTODO: E MODEO DE RASCH. Varabl latt. a caldad dl act s cosdrada como ua varabl latt (X) dfda por u cojuto d factors, domados ítms, como l rsultado d la traccó dl act y los órgaos ssorals dl catador. Estos ítms so los atrbutos qu dtrma la caldad. Como cualqur otra varabl, "caldad dl act" s cocb como ua lía co drccó a lo largo d la cual s stúa los ítms y acts. Todos los ítms db aputar haca la msma dmsó dl cotuo, caldad, y pud sr dulc, atrojado, tc. S supo ua úca dmsó. a drccó mplca "más" d la varabl. Mjor s "más" dstaca a lo largo d la lía. Es csaro cotrar la forma d stablcr la localzacó d los ítms la mcoada lía s psamos qu sto s ua forma útl d psar sobr la caldad dl act. Cómo ubcar stos atrbutos y acts a lo largo d la lía? El sgut sgmto gráfco os rprsta la varabl latt y la forma qu acts y atrbutos pud sr localzados a través d la lía d caldad. os ítms so rprstados por l parámtro δ (=,2,3,...), y los acts por l parámtro ß (=,2,3,...), cuyos valors posbls so l cojuto d úmros rals. Todos los parámtros db aputar haca la msma dmsó dl cotuo, caldad ustro caso, dod s stúa los parámtros B y δ. ß ß 2 ß 3 0 δ δ 2 δ 3 + Facultad d Ccas Ecoómcas y Emprsarals. Uvrsdad d Extrmadura 2

mor caldad mayor caldad Cuya trprtacó s: - Parámtros δ: l atrbuto rprstado por l parámtro δ s l d mor mdda, y stá prst los acts ß 2 y ß 3, pro o l ß. D la msma mara, l ítm o atrbuto rprstado por δ 2 lo prsta l act ß 3, y o lo prsta los acts ß y ß 2. El ítm δ 3 o ha sdo dtctado gú act, s l d mdda más alta (stá más a la drcha), l más raro. - Parámtros ß : l act ß s l d mor caldad ya qu él o stá prst gú atrbuto. El rprstado por l parámtro ß 3 s l d mayor caldad, al cotablzar u mayor úmro d atrbutos. os parámtros δ clasfca a ß y vcvrsa (Wrght y Sto, 979). U act srá d mayor caldad cuato mayor úmro d atrbutos prst. U atrbuto srá más corrt cuato más prst sté u mayor úmro d acts. Para qu u act ß prst u dtrmado atrbuto δ s csaro qu st atrbuto sa dtctado mdat ua prcpcó. Exst prcpcó cuado l parámtro ß sa mayor qu δ. S hay dos o más acts dfrts caldad, su dfrca s rvlará u cojuto d atrbutos y su rlatva poscó rspcto d llos. Cosdramos la rspusta a u stímulo como ua varabl dcotómca y l rsultado s xprsado d la forma X, térmos dl parámtro ß, habldad para dtctar u stímulo l act, y δ, agt "" provocador dl stímulo. ugo X s la varabl dcotómca caldad qu dscrb l hcho d qu u catador valúa la prcpcó d u atrbuto "" u act "". S X = s dc qu l catador cosdra qu l atrbuto "" stá prst l act "" qu stá catado. Aálogamt, l valor d X srá ulo cuado l catador cosdr qu l atrbuto o stá prst l act. Por tato la varabl latt "caldad" s cocb como u cotuo a lo largo dl cual s stúa los parámtros δ, para los atrbutos, y ß para los acts. Ua vz qu la prcpcó s haya llvado a cabo, qu s dtcta la prsca d u atrbuto u act, t lugar u juco d valor rlacó co la caldad. S δ s u atrbuto o caractrístca qu df la caldad dl act, podmos stablcr qu s (ß -δ )>0 s muy probabl qu l act sté prst l atrbuto, tocs s pud sprar qu la probabldad d qu u act sa calfcado a través d la prcpcó como buo, xprsado d la forma P(X =), srá mayor qu 0,5, s dcr: S ß > δ, (ß -δ ) > 0, tocs P(X =) > 0,5. S l parámtro habldad para dtctar u stímulo s mor qu l agt 3

Alvarz Martíz, P. y otros provocador dl stímulo, tocs la prcpcó o s dtfcada; lugo, la probabldad d qu l act sa calfcado como buo srá mor qu 0,5, por lo tato, tmos qu s ß < δ, (ß -δ )<0, tocs P( X =) < 0,5. Cuado l parámtro habldad para dtctar u stímulo y l parámtro dl agt provocador dl stímulo so guals, tocs ambos stá stuados l msmo puto d la scala, y la probabldad d qu l act sa calfcado como buo srá d 0,5, o proucádos ada acrca d la caldad dl act, s dcr: S ß = δ, (ß - δ )=0, tocs P(X =) = 0,5. Est aálss os prmt rlacoar la probabldad d qu u act sa calfcado como buo co la dfrca tr los parámtros ß y δ. Esta dfrca (ß - δ ) t u rago d - a +, y por otro lado la probabldad varía d 0 a. Esto s: 0 P(X =) - (ß - δ ) + Podmos tomar la dfrca (ß -δ ) como xpot d bas "", rsultado la sgut xprsó: S = r P( X = ) r= Co los cálculos corrspodts y aplcado límts s obt la xprsó: 0 + ( β - δ ) ( β - δ ) 0 0 Esta xprsó podría sr la probabldad d ua rspusta qu calfqu la caldad dl act. Tomado sta fórmula como u stmador d la probabldad d obtr ua rspusta d qu u act sa calfcado como buo s l msmo s dtcta la prsca dl atrbuto, rsulta. P( X = 0) = ( β - δ ) + Esta s la fórmula qu Gorg Rasch (Rasch, 980) obtuvo l dsarrollo d la Toría d Varabls atts. a probabldad d qu X = 0, s dcr, la probabldad d qu u act o sa calfcado como buo rspcto al ítm, srá: P{ X = 0 /, } = - Pr{ X = /, } = - β δ β δ + ( β - δ ) s = + ( β - δ ) ( β - δ ) E la fórmula s obsrva qu o so rlvats los valors para ß y δ, so las dfrcas (ß -δ ) tr llos, las cuals so udads d scala domadas "logts". Todo 4

par d valors co la msma dfrca tr llos producrá la msma probabldad, co dpdca d los valors d ß y δ. Sparacó d los parámtros. U prsupusto d sta cocptualzacó s qu la rspusta d u stímulo a u ítm s dpdt d las rspustas a todos los dmás stímulos d todos los ítms. o qu supo qu, u act, la caldad dbda al atrbuto s dpdt a la dbda al rsto d los atrbutos qu s prst l ctado act. Cosdrmos l caso d la habldad dtctar uo d los dos stímulos "" o "j" cuado la rspusta s dcotómca, sría la probabldad codcoada: Pr( X = / ( X + X j ) =, β,, j ) = -δ + -δ -δj 0 qu xprsa la probabldad d qu u act rfrdo al ítm "", y o al ítm "j" sa calfcado como buo. S pud aprcar qu sta probabldad o dpd dl parámtro ß. Cuado s rfr a más d 2 ítms stos s agrupa parjas, co los dbdos ajusts para vtar cosstcas. 0Supogamos qu l rsultado dcotómcod la valuacó d u act rspcto al cojuto d atrbutos d la fcha d cata s: X, X 2, X 3,..., X, dod cada X (=,2,3,...,) srá ó 0, dpddo d qu dcho act s d o o l atrbuto. Ua mara d mdr la "caldad" srá l úmro d atrbutos qu l act "" ha valuado co X =, gorado la forma dl pal d los rsultados. El rsultado total qu obt u act lo rprstamos por r : r = X + X 2 + X 3 +... + X. S mbargo, sabmos qu o todos los ítms obt la msma valuacó, lugo la forma dl pal d los rsultados obtdos s mportat. a probabldad d obtr u rsultado cocrto u act mdat u pal d rsultados dtrmado v dada por: P X r P{ ( X, X 2,..., X ) / ( r, β, δ, δ 2,..., δ )} = P( X / r, β, δ ) = P r {( I ) / β, δ } { / β, δ } dod dca todos los valors rfrdos. D st modo X dca l rsultado obtdo por l act al valuar todos los atrbutos, dsd hasta. Por tato, X hac rfrca al pal d todas las rspustas al act, y δ hac rfrca a todos los ítms. El umrador s la probabldad d obtr u pal dtrmado y la dl rsultado 5

Alvarz Martíz, P. y otros total qu s pal gra. El domador s la probabldad d obtr s rsultado total mdat cualqur pal d rsultados. Co los cálculos apropados s obt: P( X / r, β, δ ) = / r ( X δ ) ( X δ ) [ ] a suma s xtd a todos los valors d, s dcr, todos los atrbutos, dado l rsultado total para l pal qu gra r. ugo la probabldad d obtr u msmo rsultado total por u pal d rspustas mjor qu otro, dpd d los parámtros δ d los ítms y o d los parámtros β ; l pal d rspustas o proporcoa formacó algua acrca d los acts ß. a formacó la proporcoa l rsultado total r. El modlo d Rasch s l úco modlo d varabls latts qu justfca l uso dl rsultado total. Otros modlos más compljos rqur podracó dl rsultado d los ítms. S utlza r como l rsultado total (úmro d atrbutos valuados por l act ) dfdo por: r = a msma trprtacó s pud aplcar para la stmacó dl parámtro ß. S s cosdra todas las valuacos a u atrbuto, lugar d las valuacos a u act, s podría cotar l úmro d acts qu valúa a s atrbuto. Para l atrbuto srá: S = S dmustra qu las valuacos qu u crto úmro d acts fctúa sobr u dtrmado atrbuto o dpd dl atrbuto. ugo l modlo d Rasch o sólo justfca l uso dl rsultado total para valuar a los acts so també para valuar a los atrbutos. os rsultados totals r y S o so utlzados drctamt como mddas, s mbargo cot toda la formacó csara para stmar los parámtros β y δ. So stadístcos sufcts para la stmacó. Estmacó d máxma vrosmltud. Cosdrmos la matrz complta (N*) d todas las valuacos d los N acts sobr los atrbutos. a probabldad d qu l pal d rsultados obsrvados d las valuacos haya ocurrdo, srá l producto d las probabldads por sparado d todas las = N = X X 0 0 6

valuacos d cada act co u atrbuto. Esta probabldad, la vrosmltud (Λ) d ocurrca d la matrz d las valuacos v dada por: { / β, δ } P{ X / β, δ } Λ = P X = = Tomado logartmos y smplfcado rsulta: N N = = = = + N X ( β δ ) { } λ = log Λ = r β S δ og + ( β δ ) N X ( β δ ) Esta cuacó s l logartmo d vrosmltud dl pal d rsultados obsrvados térmos d los parámtros β, δ,, S y r. No aparc los pals d las valuacos dvduals d los acts, sólo aparc l rsultado total. Esto, juto co la sparacó d r ß y S δ, stablc la sufcca d r para stmar β y d S para stmar δ, y proporcoa los mdos para obtr las stmacos d los β dpdtmt d los δ y vcvrsa. Dcha cuacó prmt calcular la probabldad d ocurrca d la matrz complta d las valuacos, ua vz coocdos los parámtros β y δ. Cómo stmar los valors β y δ. as mjors stmacos d los parámtros β y δ s calcula maxmzado la fucó d vrosmltud (cuacó ()). Icalmt s toma u cojuto d stmas y s calcula l logartmo d la vrosmltud d ocurrca utlzado (). A cotuacó las stmas varía la drccó la qu aumt la vrosmltud d ocurrca d las valuacos obsrvadas. Est procso s cotúa hasta qu las stmas d los parámtros (β y δ ) cotablc mjor l pal d las valuacos obtdas. Co los cálculos apropados s dmustra qu la fucó d vrosmltud s maxmza cuado para cada act s tga: r = P( X = ) y para cada atrbuto: S = P( X = ) N = (3) a cuacó (2) rprsta N cuacos, ya qu hay ua para cada act. a cuacó (3) rprsta cuacos, ya qu hay ua para cada uo d los atrbutos. Auqu hay N acts, o todos obt dsttos rsultados totals, al mos qu haya más atrbutos qu acts; s u act o valúa a gú atrbuto y por tato r = 0, tocs β o s pud stmar y stará cualqur lugar d la lía a la zqurda d los atrbutos. Igualmt los acts qu valú a todos los atrbutos r = o s pud = (2) ()0 7

Alvarz Martíz, P. y otros stmar. Admás, todos los acts qu haya valuado d la msma forma, obtdo l msmo rsultado comprddo tr y (-), s stmará gual y t l msmo parámtro β. No s csaro xprsar β pusto qu s aplca a todos los acts co st rsultado total r. E lugar d ua cuacó para cada act sólo s csta ua cuacó para cada uo d los (-) rsultados d los atrbutos, s dcr, l rsultado d hasta (- ), l rsto d la cuacó (2) quda: r = P( X = ) = dod P(X =) s la probabldad d aqullos acts qu obt u rsultado r cuado valúa a los atrbutos. as cuacos (3) rsulta: S r r= (4) = P( X = ) dod r s l úmro d acts qu obt u rsultado r. Co las (-) stmas d β r y las stmas d δ, las (-) probabldads d u act qu obt u rsultado r los ( β r δ ) atrbutos vdrá dada por: P ( X r = ) = β r δ + ( ) P = E l programa qu calcula las stmas para los parámtros s mpza por las (-) r stmas asocadas co cada rsultado d la forma: β r = log y los valors cals r N S para las stmas d los atrbutos so: δ = log S r = (5) N S log S El térmo rstado srv sólo para fjar la mdda d los valors cals para δ cro. a scala s l trvalo lugo l org s arbtraro. Fjado la mda d los δ cro, smplmt s fja la scala dod sté las poscos rlatvas d los atrbutos y acts. as mjors stmas para β r y δ s va obtdo hasta qu l sgudo mmbro d (4) y (5) dfra d los rsultados obsrvados ua catdad muy pquña. Éstas so pus las mjors stmas d los β r y δ l stdo d qu co guos otros valors s obtdría l rsultado más probabl al obtdo. El procso dscrto s u método d stmacó codcoal. por: os rrors stadard d las stmas d los parámtros d los atrbutos v dados 8

SE( δ ) = r= P P r r r os rrors stadard d las stmas d los parámtros d los acts v dados por: SE( β ) = r = P r P Aplcacó práctca: rsultado y dscusó. Est método s ha aplcado al rsultado d ua cata d 35 acts d org xtrmño valuados coform a la fcha d cata dl Cosjo Olícola Itracoal para la valuacó orgaoléptca d acts d olva vrg. a "caldad dl act d olva vrg" s cosdrada como ua varabl latt dfda por u cojuto d atrbutos qu rprstados por l parámtro δ (=,2,3,...,7), so los dcst factors cotdos las fchas d catas: mazaa, otra fruta madura, vrd (hoja, hrba), amargo, pcat, dulc, otros atrbutos tolrabls, moho (humdad), basto, atrojado, frutado d actua, mtálco borras/turbo, otros atrbutos tolrabls, frutos scos, raco y agro. os 35 acts stá rprstados por l parámtro β (=,2,3,...,35) y ha sdo catados por xprtos catadors, los cuals ha valuado cada uo d los 7 ítms sgú la tsdad d la prcpcó ua scala dl 0 al 5 (fcha d cata dl Cosjo Olícola Itracoal). S ha cosdrado l úmro d atrbutos qu s da cada act. os acts actúa como lmtos d obsrvacó d cada ítm. S s cosdra ua caractrístca dcotómca cosstt la prsca o ausca d los ítms los acts, ésta podría tomar dos valors: 0 s l ítm o stá prst l act y s l act s dtcta la prsca dl ítm. Ordada ua tabla d dobl trada la qu las columas rprst a cada uo d los atrbutos y las flas a cada uo d los acts, s t ua matrz d 35 flas y 7 columas. El rsultado d sumar cada ua d las columas s l total d putos co qu ha sdo valuado u atrbuto dtrmado. D la msma forma, l rsultado d sumar cada ua d las flas os formará dl total d putos co qu ha sdo valuado u dtrmado act. S ha cosdrado, ustra xplcacó prva, las varabls forma dcotómca al fcto d facltar la comprsó dl fucoamto d éstas l modlo. Vamos a gralzar l procso para l caso qu os ocupa, l qu cada varabl X dca la tsdad co la qu l catador prcb l atrbuto l act. r 9

Alvarz Martíz, P. y otros a fórmula d Rasch vdría xprsada por: P( X = X) = + ( β - δ ) ( β - δ ) qu os da la probabldad d qu l act valú al atrbuto co u vl X, dod X toma los valors d la scala 0-5. a probabldad d qu u catador d act "" cosdr qu o prcb la cata la prsca dl atrbuto v dada por: P( X = 0) = + β ( - δ ) 0 os parámtros ß y δ s stma mdat l método d Máxma Vrosmltud utlzado los algortmos PROX y UNCON (Wrght B.; Mastrs G., 982), a partr d los rsultados d la cata d los 35 acts (ß ) calbrado 7 ítms (δ, atrbutos cotdos las fchas) 6 catgorías. Valédos d las obsrvacos s ha obtdo las calbracos d los 7 atrbutos y las mddas d los 35 acts. El rsultado obtdo s fruto d la trrlacó tr todos los atrbutos, todos los acts, y os rflja la lógca subyact l cotxto mpírco dl total d los datos. as dfrcas tr las mddas d caldad obtdas por los dsttos acts s mafstará a través d los ítms y d su poscó rlatva co rspcto a llos. os atrbutos so valuados por l modlo d la forma sgut: l δ co la mdda más pquña s corrspod co l ítm o ítms cuya prsca los acts obsrvados s mayor. Sgudo u ord crct, l ítm qu prst l δ co mayor mdda s l d mor prsca las obsrvacos. os acts, cuyo β tga mayor mdda, srá aqullos los qu s d u mayor úmro d atrbutos; sgudo u ord dcrct d mdda, l β d mor mdda corrspodrá a aqul act qu s d l mor úmro d atrbutos, puddo o dars guo. Es dcr, qu l act qu s d mayor mdda tdrá u mayor úmro d atrbutos, y por cosgut, srá l d mayor caldad. Mdda d los atrbutos: El cuadro º os mustra las stadístcas d la stmacó d la mdda d los parámtros δ d los 7 ítms. Ua brv dscrbr l cotdo d st cuadro s la sgut: a dtfcacó d los tms stá la columa domada FASES. a columa ENTRY NUM s l úmro qu dtfca a cada uo d los atrbutos, s dcr, codfca mdat úmros la columa atror. RAW SCORE s l úmro total d putos qu ha obtdo cada ítm. COUNT s l úmro total d acts valuados cada ítm. MEASURE s la stmacó d cada uo d los parámtros d los ítms, δ. S obsrva qu s prsta stdo dcrct. ERROR s l rror stádar d la stmacó. MNSQ 0

s ua formacó podrada dl cuadrado d la mda dl stadístco ft, co u valor sprado d. Valors substacalmt mors qu uo dca dpdca los datos; valors substacalmt mayors qu dca dsajust. INFIT y OUTFIT hac rfrca a las rspustas o valuacos spradas, bas a la stadarzacó dl MNSQ rfrt a la mdda co mda 0 y dsvacó típca. PIBITS s la corrlacó bsral tr la putuacó dvdual dl ítm y l rsultado d la cata sgú las putuacos d las obsrvacos utlzadas l aálss (Wrght B., acr M., 992). Est cuadro os dc qu l ítm atrojado (co ua mdda d 45,9), s l qu prsta la mor mdda, s la caractrístca más rlvat d todos los 35 acts catados, sgudo d moho (co ua mdda d 46,6), basto (co ua mdda d 47,0), dulc(co ua mdda d 47,7), tc. a caractrístca mos aprcada los acts aalzados corrspod al ítm mazaa (co ua mdda d 56,2). Dsajusts: S os fjamos la columa INFIT/OUTFIT s obsrva qu l ítm úmro : basto, t uos ídcs altos, o s ajusta al modlo, lo cual qur dcr qu s ha valuado co putuacos spradas. S rqur u aálss pormorzado a través d sus rsduals co objto d cotrar las causas qu xplqu tals dsajusts. També t ídcs altos los ítms úmros 5 (atrojado), 2 (mtálco) y 6 (raco). El cuadro º 2 os proporcoa las putuacos qu stos ítms ha cosgudo y sus rspctvos rsduals. Rsduals altos, postvos o gatvos, dca dscrpaca tr la putuacó otorgada por sos acts y la qu l corrspodría rlacó co las dmás putuacos, tras la stmacó d los parámtros. Por jmplo, l act úmro 9 (rspusta 9) ha sdo valuado l ítm rprstado por l úmro 5 (atrojado) co ua putuacó d 0, tdo u rsdual d - 2, ha cosgudo mos putos d los qu dbra; habría qu r a la fcha corrspodt y cotrar ua xplcacó a tal dsavca ats d prscdr d él para otro aálss dftvo. D gual mara l act úmro 3 (rspusta 3) ha sdo valuado l ítm rprstado por l úmro 6 (raco) co ua putuacó d 4, tdo u rsdual d 2; ha cosgudo más putos d lo sprado, tc. Mdda d los acts: D la msma forma qu s ha obtdo ua mdda para cada uo d los atrbutos tras la stmacó dl parámtro δ, s obt las mddas d cada uo d los acts corrspodts a la stmacó dl parámtro ß. El cuadro º 3 os mustra la lsta d todas las mddas d los acts catados

Alvarz Martíz, P. y otros ord dcrct. as columas t la msma dtfcacó qu las dl cuadro. Así, l act úmro 7 s l mjor d los acts catados ya qu su mdda 5,6 s la más alta, sgudo d los acts rprstados por los úmros 4, 22, 20, tc. El por act sría l úmro 29 co ua mdda d 44,7, catado por M.J. Corrdor. Igual qu los atrbutos s obsrva qu hay acts qu prsta dsajusts sgú los ídcs INFIT y OUTFIT, s dcr, dtrmados acts su valuacó s mayor d la sprada y otros s mor. S rqurría vr las rspustas co sus rspctvos rsduals qu s dtrmado act ha obtdo y cotrar ua xplcacó a las causas d tals dsajusts. * Ua clasfcacó d los acts coform a la caldad sgú sus mddas. 3. CONCUSIONES El Modlo d Rasch os proporcoa: * Ua clasfcacó d los factors ssorals (tms) qu trv la caldad co sus corrspodts mddas. * Ua tarjta dtfcatva d los caractrs orgaoléptcos qu caractrza a los acts d ua dtrmada rgó. * Ua forma d comparar las fchas d catas y la posbldad d stablcr los patros adcuados para l dsño y obtcó d ua fcha d cata dóa para cada ua d las domacos d org. * U crtro objtvo d cotrol y mdda d los caractrs orgaoléptcos a la hora d stablcr s u act cumpl o o las caractrístcas d ua dtrmada domacó d org. * a dtfcacó d los compots químcos rsposabls d cada uo d los caractrs orgaoléptcos. * U xam d los atrbutos y d los acts qu os prmtrá ralzar las accos oportuas, las dsttas fass dl procso productvo, camadas a obtr acts d olva d cualdads prdtrmadas. * U cotrol d la cosstca dl juco d valor d los catadors. * A la Admstracó l sumstra uos crtros objtvos qu garatza la domacó d org d ua rgó y a los catadors ls supo u aval qu po d mafsto la habldad d los msmos a la hora d trasmtr toda la formacó qu so capacs d dtctar l aálss ssoral. 2

CUADRO. ESTADISTICA DE OS ATRIBUTOS: ORDEN DE MEDIDA TABE 3. Cata dl act.aalss ssoral:caldad R MODE May 20 3:09 994 35 ACEITES 8 FASES ANAYZED: 35 ACEITES 7 FASES 5 CATEGORIES FASES STATISTICS: MEASURE ORDER ENTRY RAW INFIT OUTFIT NUM SCORE COUNT MEASURE ERROR MNSQ STD MNSQ STD PTBIS FASES 2 3 2 56.2 2.2.00.0.4.5.00 Mazaa 9 4 3 54.3.9.70 -.4.42 -.7.78 Cuals. Frutos scos (sabor) 8 4 4 53.6.9.27.4.7.9 -.50 Otros atrbutos tolrabls. 7 7 4 52.5.4.58..22.4.60 Otros atrbutos tolrabls 4 7 26 52.2.0.38 -.9.44 -.5.33 Vrd (hoja, hrba) 4 3 22 5.8..7.9.58.4.24 Borras\Turbo 3 28 30 5.3.8.58 -.7.68 -..35 Otros frutos maduros 5 52 34 49.4.7.48-2.7.48-2.6.29 Amargo 2 29 23 49.2.8.60 2.6.54 2.3.23 Mtálco 0 44 27 48.6.7.3.5.24..48 Agro\Avado\Avagrado\Acdo 6 44 26 48.2.7.44 2..40.9.37 Raco 7 35 47.9.6.40-3..43-2.8.05 Frutado d actua 6 62 3 47.7.7.42-2.9.43-2.7.09 Pcat 7 77 35 47.4.7.74 -.3.72 -.3.23 Dulc 55 26 47.0.7.72 3.4.6 2.6.7 Basto 3 52 24 46.6.8.6.7.08.3.36 Moho (humdad) 5 64 26 45.9.8.77 3.2.60 2.3.27 Atrojado MEAN 37. 25. 50.0.0.08.2.06. S.D. 25. 7. 2.9.5.50 2..49.8 CUADRO 2.TABA DE DESAJUSTES DE OS ITEMS. TABE. Cata dl act.aalss ssoral:caldad R MODE May 20 3:09 994 35 ACEITES 8 FASES ANAYZED: 35 ACEITES 7 FASES 5 CATEGORIES TABE OF POORY FITTING FASES (ACEITES IN ENTRY ORDER) NUMBER NAME POSITION MEASURE INFIT (STD) OUTFIT MISFIT OVER 2.0 Basto 47.0 3.4 A 2.6 RESPONSE: : 3 M M M M M M 3 4 4 0 0 4 0 3 M 4 3 M 4 3 M 4 3 3 RESIDUA: -2- - 3

Alvarz Martíz, P. y otros RESPONSE: 26: 3 3 4 0 0 0 0 0 0 0 RESIDUA: -- ----- 5 Atrojado 45.9 3.2 B 2.3 RESPONSE: : M M 4 3 M M 4 0 0 4 3 0 0 4 M 4 3 M M M 3 M 0 4 0 RESIDUA: --2 -- - - RESPONSE: 26: 3 4 4 0 0 3 4 3 4 3 RESIDUA: -- 2 Mtálco 49.2 2.6 C 2.3 RESPONSE: : M M 3 M 2 M 3 0 0 0 4 3 0 0 M M M M M M M M 0 0 0 RESIDUA: - - RESPONSE: 26: 0 0 0 0 0 3 4 3 4 0 RESIDUA: -- 2 2-6 Raco 48.2 2. D.9 RESPONSE: : M M 3 4 2 3 4 0 3 0 4 3 4 3 M M M M M 3 M M 0 4 0 RESIDUA: - - 2 - RESPONSE: 26: 0 4 0 0 0 0 0 0 0 0 RESIDUA: - - ----- CUADRO 3: ESTADISTICA DE OS ACEITES: ORDEN DE MEDIDA TABE 7. Cata dl act.aalss ssoral:caldad R MODE May 20 3:09 994 35 ACEITES 8 FASES ANAYZED: 35 ACEITES 7 FASES 5 CATEGORIES ACEITE STATISTICS: MEASURE ORDER ENTRY RAW INFIT OUTFIT NUM SCORE COUNT MEASURE ERROR MNSQ STD MNSQ STD PTBIS ACEITE 7 2 7 5.6.8.75 -.4.74 -.4.6 PEDRO EON (7) 4 25 9 50.4.5.66 -.7.68 -.6.38 PEDRO EON (4) 22 6 8 50.3.5.34 -.4.37 -.2.72 MA.MADUEÑO () 20 9 7 50.3.6.52 -.9.52 -.8.00 M. MEDINA (6) 8 22 9 50.2.4.03..89 -.2 -.22 M. MEDINA (4) 6 7 6 50..8.27 -.2.3 -..64 M. MEDINA (2) 9 5 6 49.7.7.3 -.3.3 -.2.3 M. MEDINA (5) 6 7 49.4.5.22 -.6.22 -.5.44 PEDRO EON () 5 6 7 49.4.5.24 -.6.24 -.5.60 M. MEDINA () 2 9 7 49.4.6.25 -.4.23 -.4 -.25 M. MEDINA (7) 7 7 7 49..5.40 -.2.40 -.2.68 M. MEDINA (3) 2 4 7 48.9.5.49.0.55..9 PEDRO EON (2) 6 3 6 48.6.6.3 -.8.3 -.8.68 PEDRO EON (6) 3 9 48.2.2.49.3.43.0.3 PEDRO EON (3) 5 3 7 47.8.4.79 -.5.90 -.2 -.43 PEDRO EON (5) 26 7 47.7.0.9.6.05..5 J. CABEO (4) 24 26 7 47.7.0.85 -.5.74 -.7.74 MA.MADUEÑO (3) 4

27 23 7 47..0.75 -.8.64 -.9.73 MA.MADUEÑO (6) 35 20 5 46.5.0.26.8.40.0.37 MJ.CORREDOR(7) 9 20 7 46.4.0.33..06..49 J. CABEO (2) 28 20 7 46.4.0.95 -.2.77 -.5.66 MA.MADUEÑO (7) 32 9 4 46.4..2.7.07.2.50 MJ.CORREDOR(4) 34 9 4 46.4..20.6.06..5 MJ.CORREDOR(6) 23 9 5 46.2.0.5.5.05..48 MA.MADUEÑO (2) 2 8 7 45.9.0.90 2.9.98 2..09 J. CABEO (5) 0 7 7 45.7..39.3.42.9.39 J. CABEO (3) 3 7 7 45.7..46.5.09.2.45 J. CABEO (6) 26 6 4 45.7..74 -.8.65 -.7.59 MA.MADUEÑO (5) 3 6 4 45.6..87 -.4.76 -.5.54 MJ.CORREDOR(3) 33 6 4 45.6..87 -.4.76 -.5.54 MJ.CORREDOR(5) 8 6 7 45.4..2.7 2.48 2.9.20 J. CABEO () 25 5 7 45.2..95 -..74 -.5.54 MA.MADUEÑO (4) 30 4 4 45...28.8.06..37 MJ.CORREDOR(2) 4 4 7 44.9..98 -..70 -.5.56 J. CABEO (7) 29 3 5 44.7..36..94.7 -.03 MJ.CORREDOR() MEAN 8. 2. 47.5.3.9 -..90 -.2 S.D. 3. 4. 2.0.3.44..53.0 4. BIBIOGRAFÍA. CONSEJO OEICOA INTERNACIONA; Mjora d la caldad dl act d olva. Colccó: Mauals práctcos. 2. Norma comrcal tracoal aplcabl a los acts d olva y a los acts d orujo d actua; (993) COI/T. 5/NC º /Rv. 6. 3. Valoracó orgaoléptca dl act d olva vrg;(992) COI/T. 20/Doc º 3/Rv. 2. 4. ANDRICH, D. (988); Rasch Modl for Masurmt. Murdoch Uvrsty, Sag. 5. WRIGHT, B.D. ad STONE, M.H. (978) ; Bst Tst Dsg. Chcago: MESA Prss. 6. AVAREZ, P., MORAN, J.C. ad WRIGHT, B.D. (993); Qualty of f. VII Objtv masurmt workshop, Emory Uvrsty, Atlata, Gorga (USA). 7. RASCH, G.(980); Probablstc Modls for som Itllgc ad attamt Tst. Chcago: Th Uvrsty of Chcago Prss. 8. WRIGHT, B.D. ad MASTERS, J. (982); Ratg Scal Aalyss. Chcago: MESA Prss. 9. WRIGHT, B.D. ad INACRE, J.M. (99); Bgstps. Chcago: MESA Prss 5