MODELACIÓN DE LA APARIENCIA DE LA HARINA DE MAÍZ USANDO REGRESIÓN LOGÍSTICA

Resumen

El procesamiento del maíz, para la obtención de harina precocida, consiste básicamente de tres etapas: desgerminación, laminación y molienda del endospermo. El producto resultante es la harina de maíz, la cual pasa por inspección de calidad, donde un analista de calidad u operador de molienda evalúa su aspecto mediante un análisis sensorial. Es por ello que el objetivo de este trabajo consiste en modelar la relación existente entre la apariencia de la harina y un conjunto de variables explicativas mediante análisis de regresión logística. Estas variables explicativas fueron: el número de piezas críticas del endospermo terminado, la calificación sensorial y el color del endospermo, mientras que la variable respuesta está representada por el aspecto final de la harina precocida. Para lograr el objetivo del trabajo se tomó un conjunto de 500 datos para cada variable y se utilizó un modelo de regresión logística con efectos principales e interacciones que permitió estimar la probabilidad de tener como salida harina con aspecto muy bueno, P[Y=1|x]. Los datos de la muestra fueron analizados con SAS versión 9.1.3 y se obtuvo como resultado un modelo sólo de efectos principales con dos variables significativas al 5% del nivel de significación que fueron: color y número de piezas críticas del endospermo.

PALABRAS CLAVE: Harina precocida, modelación, regresión logística.

ABSTRACT

The processing of corn for obtaining precooked flour consists basically of three stages: degermination, lamination and milling of the endosperm. The resulting product is corn flour, which then undergoes quality control, whereby a quality analyst or mill operator evaluates its aspect by means of sensorial analysis. The aim of this study was to model the relationship between the appearance of the fl our and a group of explanatory variables by means of logistic regression analysis. The explanatory variables were: the number of critical pieces of the finished endosperm, the sensorial evaluation and the color of the endosperm. The response variable was represented by the final aspect of the precooked fl our. A total of 500 data were taken for each variable and a logistic regression model with main effects and interactions was used, in order to estimate the probability that the appearance of the resulting flour would be good, P[Y=1|x]. Sample data were analyzed with SAS 9.1.3 and a main effects model was obtained with two significant variables; color and number of critical pieces of the endosperm at a 5% significance level.

KEY WORDS: Precooked flour, modelling, logistic regression.