感官评测方法论

盲测需要统计学框架才有意义——喝对了几次不代表你真的能区分，必须用显著性评分判断结果是否超越随机水平。

核心问题

"我在盲测中喝对了 X 次，能说明我能区分这两种咖啡吗？"

答案取决于：总尝试次数、喝对次数、以及对应的统计显著性。

显著性评分（N-sigma）

Jonathan Gagné 引入物理学中的 N-sigma 显著性评分，用于量化盲测结果的可信度：

分值越高，结果越不可能是随机猜对的。

实验设计

三角测试（推荐）：

• ·三杯中有一杯不同（入侵杯），识别出"哪杯不同"
• ·排除了"我喜欢哪个"的主观偏差
• ·每次测试只有 1/3 的随机猜中概率

建议：

• ·最少 12 次测试才能获得有意义的统计数据
• ·每次都完整记录，不得删除失败记录
• ·删除失败尝试等同于数据造假（类似心理学和生物学的可重复性危机）

Q-Grader 认证标准

Q-Grader 考试要求在 6 次测试中正确识别 5 次，对应 N-sigma 约 2.4，通过率约 97%。这是行业对"具备感官鉴别能力"的基本证明。

三类测试者

任何盲测者都可以被归为以下三类：

实用工具

作者开发了一个 Wolfram Alpha 小工具：输入杯数、尝试次数和失败次数，自动计算 N-sigma 分值。

应用场景举例

• ·对比不同磨豆机研磨效果
• ·验证水质配方是否有可感知差异
• ·测试滤纸类型是否影响风味
• ·检验"养豆期"前后是否有实质区别

相关页面

• ·萃取率与浓度测量 — 量化结果与感官评测互补
• ·品种与处理法风味图谱 — 数据驱动的风味差异分析
• ·Jonathan-Gagné — 本文作者