Tldr: encontramos uma diferença estatística entre o uso do TOC e a distribuição dos dedos, e entre palma da mão e distribuição dos dedos - mas nenhuma diferença significativa entre palma da mão e TOC. Mas vamos continuar pesquisando e teremos algumas ideias legais para o próximo experimento.

A versão mais longa? Vamos começar em junho do ano passado, onde queríamos responder o que consideramos ser uma pergunta bastante simples: “as ferramentas de distribuição distribuem?”

Para testar isso, fabricamos uma ferramenta para inserir em uma cesta VST de 58 mm cheia de café (moído em um moedor Mazzer em uma configuração típica de café expresso), dividindo o café “onde estava” em segmentos dentro da ferramenta. Embora os segmentos interno e externo tivessem formatos diferentes, eles tinham volume igual. A ferramenta poderia então ser virada e, com uma tampa personalizada, poderíamos remover cada seção individual, pesando-as em balanças analíticas com precisão de 1/10.000 (!!!) de grama. Temos mais informações sobre esta ferramenta e nossas ideias iniciais para este experimento aqui.

A ferramenta de distribuição que distribui eficazmente deveria, em princípio, distribuir uma quantidade uniforme de café em cada segmento.

Usamos essa ferramenta em três estilos diferentes de distribuição: distribuição digital, TOC (ambos seguindo o protocolo recomendado por Sasa Sastic) e palma da mão. Foram coletadas 10 amostras de cada método.

Originalmente planejamos 20 amostras cada, mas isso era um pouco ambicioso. Cada amostra produziu 10 pontos de dados: a própria dose, o desperdício entre a parte externa da ferramenta e a curva da cesta e os próprios oito segmentos. Isso culminou em 300 medições realizadas em dois dias. Esses resultados foram então analisados estatisticamente no SPSS, uma ferramenta de análise estatística desenvolvida pela IBM.

Tivemos que organizar os dados de uma forma significativa para análise, então primeiro calculamos a média das medidas dos segmentos de cada amostra, condensando-as em um número. Isso resultou em um tamanho médio de segmento das 10 medições para cada método de distribuição. A Figura 1, por sua vez, mostra a média desses números.

Estas são apenas estatísticas descritivas, pois não tínhamos nada com que compará-las individualmente. No entanto, poderíamos comparar a média do segmento para cada método de distribuição com a média total mostrada na figura 1, dando-nos o que é conhecido como “desvio médio absoluto” (MAD), que então calculamos novamente. Esta é uma boa medida de dispersão dos dados, sendo que um número menor apresenta menor dispersão, portanto melhor ou mesmo distribuição de cada segmento. A Figura 2 mostra esses resultados.

Nossa análise inicial mostrou que esses resultados tinham distribuição normal e os valores discrepantes foram removidos. Embora isto tenha afetado a suposição de tamanhos amostrais iguais, a análise de variância que utilizamos (ANOVA) é considerada bastante robusta para desvios moderados desta suposição. Poderíamos então continuar com uma ANOVA unidirecional, uma análise estatística de variância. O Teste de Levene, uma medida que testa se as variâncias na população da amostra são iguais, não foi significativo, portanto também poderíamos assumir igualdade de variâncias.

Esta ANOVA unidirecional não foi significativa. Esta foi uma medida inconclusiva na tentativa de discernir qual método de distribuição do experimento foi mais eficaz. Vaia.

Mas! Obtivemos muitos dados com esse experimento, então pudemos tentar um ângulo diferente.

Como registramos a dose total de cada amostra, juntamente com o desperdício, poderíamos subtrair o desperdício da dose e dividir o resultado por oito, dando-nos uma proxy para o que poderia ser considerado “distribuição perfeita” para cada segmento, para cada amostra. Subtraímos então este número do tamanho médio do segmento para cada amostra correspondente, dando-nos a diferença entre “distribuição perfeita” e “distribuição real”. Convertendo esses números para valores absolutos, poderíamos dizer que quanto menor for esse número, melhor será a distribuição. A Figura 3 mostra esses resultados.

Os resultados foram relativamente equilibrados, com o TOC novamente ligeiramente à frente do grupo com uma média mais baixa do segmento. No entanto, outra ANOVA unidirecional para estes resultados novamente não foi significativa.

Então calculamos o MAD da diferença média entre a distribuição perfeita e a distribuição real, executamos outra ANOVA unidirecional (figura 4) e sucesso! Tivemos um resultado significativo! A análise mostrou que a variância do 93% pode ser explicada pelo método de distribuição... O que significa que não há praticamente nenhuma diferença entre os métodos de distribuição, no sentido em que eles todos variar.

Mas! A análise post hoc dos resultados mostrou que resultados significativos foram confinados ao pós-TOC e palma da mão métodos. Usando a diferença média MAD entre a distribuição perfeita e a distribuição real, isso foi mostrado usando um TOC depois a distribuição dos dedos aproximou você da distribuição perfeita. Também mostrou o uso palma da mão em vez de A distribuição dos dedos também o aproximou da distribuição perfeita. Isso aconteceu não mostrar usando o TOC palma da mão era melhor, ou isso palma da mão sobre o TOC foi melhor. Nesta comparação, não houve diferença significativa entre os dois.

Hmmm. Precisávamos mergulhar mais fundo, então havia um ângulo final que poderíamos adotar. Como tínhamos medições para o exterior segmento de cada amostra e medições para o interno segmento de cada amostra, poderíamos argumentar que um método de distribuição eficaz teria pouca ou nenhuma diferença entre as medidas do segmento interno e externo. A média desses números para cada amostra nos daria um valor em que um número menor significaria uma distribuição melhor ou uniforme. A Figura 5 mostra esses resultados.

Tivemos sucesso novamente! Outra ANOVA unidirecional mostrou diferença significativa entre as médias. Desta vez, a variância 76% pode ser explicada pelo método de distribuição. Mas! A análise post hoc mostrou novamente que essa diferença estava entre pré-TOC e TOC, e pré-TOC e palma da mão - de novo não entre TOC e palma da mão. Aqui palma da mão teve uma diferença média menor (bem como uma variância menor), mas essa diferença de dois 1/100 de grama foi não estatisticamente significativo. Outra ANOVA unidirecional da diferença média MAD entre o segmento interno e externo (figura 6) foi igualmente insignificante.

Houve algumas limitações neste experimento que precisam ser mencionadas. Obviamente, teríamos preferido um tamanho de amostra maior. No entanto, o desenho desta experiência não se presta a uma amostragem fácil. Nesse sentido, pode ser mais prático desenhar um experimento focando na mesma segmentação do disco, mas abaixo da cesta enquanto o tiro está realmente caindo. A ideia de “distribuição perfeita”, significando tamanhos iguais de segmentos, permaneceria com este design. Há também a variável prática de compactação que estava ausente neste experimento. Parece senso comum a pressão descendente sobre o disco afetaria a distribuição. Esperamos focar em ambas as considerações no futuro.

Então – um resumo bacana desses resultados? Mais de 300 medições e seis ANOVAs posteriores, encontramos uma diferença estatisticamente significativa entre usar o TOC ou palma da mão sobre a distribuição dos dedos. No entanto, o TOC não é uma forma de distribuição mais eficaz do que palma da mão. Com base nisso, continuaremos pesquisando e experimentando para encontrar uma resposta conclusiva para esta pergunta: “as ferramentas de distribuição distribuem?”