Análisis químico-sensorial de la calidad del whisky chileno

Reporte completo: procesamiento, análisis exploratorio, modelamiento y resultados

Sobre los datos. Los archivos originales de laboratorio y las fichas de cata pertenecen al proyecto de caracterización del whisky chileno del equipo iBio y no se publican. Este reporte muestra solo resúmenes, métricas y resultados agregados; no incluye filas de datos individuales ni la identidad de los catadores. Los archivos que se mencionan en data/ y outputs/ están disponibles a solicitud a la autora.

1 - PROCESAMIENTO DE DATOS

1.1 Objetivo

Esta parte documenta la construcción de las matrices de datos que integran la información química (GC-FID, GC-MS, fenoles totales por Folin, variables fermentativas JU) con la información sensorial (catas de panel y catas individuales), a partir de las tablas originales.

El objetivo general de este trabajo es entender qué variables químicas podrían estar relacionadas con la calidad sensorial del whisky chileno, entendida como la intensidad de los atributos de su perfil sensorial (principalmente el carácter fenólico percibido) y no como preferencia o aceptación. Esto se hace en un contexto de small data, es decir, con pocas muestras que tienen cata sensorial completa, muchas variables químicas disponibles y distintas fuentes de datos que no siempre coinciden entre sí. Por esta razón, no se construyó una única matriz de análisis, sino seis matrices diferentes, cada una con un propósito específico dentro del estudio. Así, cada matriz permite abordar una parte distinta del problema, evitando mezclar datos que no son directamente comparables y manteniendo claro qué información se está usando en cada caso.

1.2 Las 6 matrices son las siguientes

#	Matriz	Escenario de modelamiento	Filas	Rol
1	Matriz pura	M_pura	34	Escenario principal. Cruce estricto química–sensorial de panel, sin la cata individual JU (que tiene un margen de error distinto por ser un solo catador, no un promedio de panel).
2	Matriz expandida por evaluador	M_expandida_evaluador	685	Igual cobertura que la pura, pero sin promediar por evaluador (complementaria).
3	Química	M_quimica	—	Solo predictores químicos, sin targets sensoriales. Uso diagnóstico (colinealidad), no para modelar.
4	Sensorial	M_sensorial	—	Solo targets sensoriales, sin predictores químicos. Uso diagnóstico exploratorio.
5	Matriz cata individual	M_cata_individual	52	A la matriz pura (34) se le agrega la cata individual (18 filas). Usada como análisis de sensibilidad frente a la matriz principal.
6	Matriz IA exploratoria	M_ia_exploratoria	42	Catas sintéticas generadas por consenso de 3 LLM (Gemini, Claude, GPT) como escenario exploratorio, nunca como reemplazo de cata real. Las 42 filas corresponden a filas químicas (de las 63 de la Matriz 3) que pudieron recibir una estimación IA utilizable; provienen de solo 24 muestras físicas únicas (ver Matriz 6 para el detalle).

1.3 Descripción de los datos y variables

En esta investigación se trabaja con dos tipos de variables: variables de entrada (predictoras), que son mediciones químicas del destilado, y variables de salida (objetivo), que son puntajes sensoriales asignados por un panel de cata. El modelo busca predecir las segundas a partir de las primeras.

1.3.1 Variables de entrada: 32 mediciones químicas, agrupadas en 4 técnicas

Ninguna muestra pasó por las 4 técnicas a la vez — por eso los predictores se agrupan por técnica y no se mezclan libremente entre sí.

Técnica	N° variables	Qué mide	Unidad
GC-FID (cromatografía de gases, detector de llama)	13	Concentración de compuestos puntuales ya conocidos: fenoles volátiles (guaiacol, o-cresol, p-cresol, 4-etil-guaiacol) y ésteres (etil octanoato, etil decanoato, etc.)	ppm
GC-MS (cromatografía de gases + espectrometría de masas)	5	Composición porcentual del cromatograma agrupada por familia química (% ésteres, % fenólicos, % aldehídos, % aroma fermentativo, % área válida)	% de área
JU (variables fermentativas)	13	Cinética del proceso de fermentación (consumo de maltosa, producción de etanol, pérdida de CO₂) + algunos compuestos medidos en el mismo ensayo	g/L, ppm, %
Folin (Folin-Ciocalteu)	1	Fenoles totales del destilado (ensayo colorimétrico, un solo valor agregado, no compuesto a compuesto)	µg ácido gálico/mL

En el escenario principal (M_pura) solo 18 de estas 32 variables tienen datos suficientes para usarse como predictor (mínimo 3 valores no vacíos y variabilidad); el resto casi no se solapa con las muestras que tienen cata.

1.3.2 Variables de salida: 4 puntajes sensoriales, construidos desde la cata original

El panel evaluó cada muestra con descriptores individuales en escala 1-5 (aroma, sabor, regusto y calidad global: ahumado, medicinal, frutal, vainilla, cereal, terroso, amaderado, etc.). Para el modelamiento, esos descriptores se combinaron por promedio en 4 targets:

Target	Se construye promediando	Cobertura en M_pura
y_fenolico_comun (principal)	aroma_ahumado + sabor_ahumado + regusto_ahumado + aroma_medicinal + sabor_medicinal	34/34 (100%)
y_ahumado_comun	aroma_ahumado + sabor_ahumado + regusto_ahumado	30/34
y_medicinal_comun	aroma_medicinal + sabor_medicinal	30/34
y_frutal_comun (secundario)	aroma_frutal + sabor_frutal	13/34

y_fenolico_comun combina ahumado + medicinal porque ambos son las dos caras sensoriales del carácter fenólico del whisky (turba/humo y notas “yodadas”), y es el único target con cobertura completa.

1.3.3 Detalle técnico completo (referencia)

Para quien necesite el detalle variable por variable (nombre exacto, completitud, rango, si se usa o no como predictor) o el resumen por escenario (filas, unidades, bloques), la tabla completa está disponible en data/modelamiento/datos_modelamiento.xlsx.

escenario_id	escenario_nombre	n_filas	n_unidades_analiticas	n_muestras_base	n_bloques	n_predictores_quimicos	n_targets_presentes	targets_con_datos	observacion_metodologica
M_pura	Matriz pura real	34	34	12	5	32	4	y_fenolico_comun; y_frutal_comun; y_ahumado_comun; y_medicinal_comun	Escenario principal real. No incluye la cata individual JU (ver M_cata_individual).
M_expandida_evaluador	Matriz expandida por evaluador	685	34	12	5	32	4	y_fenolico_comun; y_frutal_comun; y_ahumado_comun; y_medicinal_comun	Usar solo con validación agrupada por muestra para evitar fuga de información.
M_cata_individual	Matriz pura + cata individual JU	52	52	18	6	32	4	y_fenolico_comun; y_frutal_comun; y_ahumado_comun; y_medicinal_comun	Escenario de sensibilidad: matriz pura (M_pura) mas la cata individual JU agregada. Comparar directamente contra M_pura para evaluar el efecto de incluir esa fuente.
M_ia_exploratoria	Matriz IA exploratoria	42	42	14	2	32	4	y_fenolico_comun; y_frutal_comun; y_ahumado_comun; y_medicinal_comun	Escenario sintético exploratorio; no equivale a cata real.
M_quimica	Matriz solo química	63	63	24	4	32	0	NA	Sin targets sensoriales (y_*); no apto para modelamiento supervisado. Solo para diagnóstico/colinealidad de predictores químicos (scripts 13 y 13b).
M_sensorial	Matriz solo sensorial	37	NA	NA	NA	0	4	y_fenolico_comun; y_frutal_comun; y_ahumado_comun; y_medicinal_comun	Sin predictores químicos (x_*); no apto para modelamiento supervisado. Solo para diagnóstico exploratorio de los targets sensoriales (scripts 13 y 13b).

1.4 Matriz 1 — Matriz pura (M_pura)

Cruce entre química y sensorial de panel, sin cata individual. Es la evidencia principal para los resultados de la tesis.

La matriz integrada tiene 34 filas, una por unidad analítica. En lugar de mostrar sus valores, se resume su estructura por tipo de columna (la tabla completa está disponible a solicitud):

Tipo de columna	N.º de columnas
Identificación y trazabilidad	28
Predictor químico (x_)	32
Target sensorial (y_)	34

1.5 Matriz 2 — Expandida por evaluador (M_expandida_evaluador)

Esta matriz toma las mismas 34 unidades químicas de la matriz pura, pero en vez de una fila por unidad (promediando entre evaluadores), deja una fila por cada evaluación individual de cada catador. Por eso tiene 685 filas: no son 685 muestras nuevas, son las mismas 34 muestras químicas repetidas tantas veces como evaluadores las calificaron. Cada fila identifica la unidad analítica, la muestra catada, la categoría del catador y sus puntajes en los targets sensoriales. La identidad de los catadores no se publica, por lo que no se muestran filas de esta matriz; el resumen por categoría de catador aparece en la parte de análisis exploratorio.

Se usa únicamente con validación agrupada por unidad analítica (para que el mismo grupo de evaluaciones no aparezca a la vez en entrenamiento y en prueba), y sirve para estudiar la variabilidad entre evaluadores sobre una misma muestra, no para aumentar el tamaño muestral real.

1.6 Matriz 3 — Química (M_quimica)

Contiene solo predictores químicos, sin evaluación sensorial asociada. No tiene target, por lo tanto no se usa para ajustar modelos y sirve como diagnóstico químico no supervisado (distribución de variables, colinealidad) sobre unidades que no llegaron a tener cata.

Bloque analítico	Técnica	Unidades	Muestras base
Fenoles totales (malta)	Fenoles totales	24	8
GC-MS comerciales	GC-MS	8	4
GC-MS experimentales	GC-MS	10	5
JU (cepas fermentativas)	Variables fermentativas / química JU	21	7
Total		63

Las 32 variables predictoras son las mismas 4 familias químicas que en la matriz pura (GC-FID, GC-MS, JU, Folin) — lo único que cambia es que estas 63 unidades no tienen cata de panel confirmada, por eso quedan fuera del modelamiento supervisado y solo aportan a diagnóstico exploratorio.

¿Por qué solo aparecen estos bloques aquí?

Igual que en la matriz sensorial, esta tabla no representa toda la química generada — es el residuo de unidades que quedaron sin cata asociada. En total hay 8 bloques químicos en el proyecto:

Bloque químico	Técnica	Unidades totales	Con cata	Sin cata
Fenoles totales (malta)	Fenoles totales	24	0	24
GC-FID Constanza (enero)	GC-FID	15	15	0
GC-FID Constanza (septiembre)	GC-FID	9	9	0
GC-FID Pilsner	GC-FID	2	2	0
GC-MS comerciales	GC-MS	12	4	8
GC-MS experimentales	GC-MS	10	0	10
GC-MS noviembre	GC-MS	4	4	0
JU (cepas fermentativas)	Variables fermentativas / química JU	39	18	21

Cuatro bloques (GC-FID Pilsner, GC-FID Constanza de enero y de septiembre, GC-MS noviembre) tuvieron el 100% de sus unidades con cata confirmada — por eso no aportan ninguna fila a esta matriz: van completas a M_pura. Los otros cuatro (Fenoles totales, GC-MS comerciales, GC-MS experimentales, JU) tienen una porción sin cata asociada, y esa porción es la que se muestra en la tabla anterior.

1.7 Matriz 4 — Sensorial (M_sensorial)

Contiene solo evaluaciones sensoriales (targets), sin química asociada confirmada. No tiene predictores, por lo tanto no se usa para ajustar modelos — sirve como análisis sensorial descriptivo.

Sesión de cata	Muestras	Evaluaciones individuales	Evaluadores
Cata Alexandra	3	27	27
Panel noviembre	1	10	10
Total	4	37

Al agregar por muestra (promedio entre evaluadores) quedan 4 filas — 3 de la cata Alexandra y 1 del panel de noviembre. Hay hasta 18 targets sensoriales disponibles por evaluación individual: los 4 targets “comunes” usados en el modelamiento (y_fenolico_comun, y_frutal_comun, y_ahumado_comun, y_medicinal_comun) más descriptores puntuales de aroma, sabor, regusto y calidad global (ahumado, medicinal, terroso, amaderado, café, entre otros).

¿Por qué solo aparecen 2 sesiones aquí?

Esta matriz no representa todas las catas realizadas es el residuo de muestras que quedaron sin cruce químico dentro de cada sesión. En total hay 5 sesiones de cata en el proyecto:

Sesión de cata	Muestras	Evaluaciones con química	Evaluaciones sin química
Cata Alexandra (260603)	4	9	27
Cata Social Enero 2025	5	145	0
Cata Septiembre 2024	3	26	0
Cata individual JU	6	6	0
Panel noviembre	5	40	10

Tres sesiones (Cata Social Enero 2025, Cata Septiembre 2024 y la cata individual JU) tuvieron el 100% de sus muestras con química confirmada, por eso no aportan ninguna fila a esta matriz: van completas a M_pura (o a M_cata_individual en el caso de la cata JU). Solo Cata Alexandra (3 de sus 4 muestras sin química asociada) y Panel noviembre (1 de sus 5 muestras sin GC-MS asociado) dejan un remanente sin cruce, y ese remanente es exactamente lo que se muestra en la tabla de arriba.

1.8 Matriz 5 — Cata individual JU (M_cata_individual)

Para qué se usa: responde una pregunta puntual — ¿cambia el resultado del modelo si, además de la cata de panel (varios catadores promediados), se agrega la cata individual del bloque JU (un solo catador por muestra, sin promediar)? Por eso M_cata_individual = M_pura (34 filas) + 18 filas nuevas aportadas por esa cata individual. No reemplaza a la matriz pura, ya que es un escenario aparte para probar qué tan sensible es el resultado a este tipo de evidencia.

1.8.1 Composición de la matriz

Componente	Filas	Bloques químicos	Muestras base	Con y_fenolico_comun	Con y_frutal_comun
Solo lo aportado por la cata JU	18	1	6	18	0
M_pura (sin JU)	34	5	12	34	13
M_cata_individual (pura + JU)	52	6	18	52	13

Las 18 filas aportadas por la cata JU corresponden a 6 muestras (cepas de fermentación), cada una con 3 réplicas químicas evaluadas por un único catador. Aportan cobertura completa al target principal (y_fenolico_comun, 18/18), pero cero al target secundario (y_frutal_comun) — ese descriptor no se registró en esa sesión de cata.

1.8.2 De dónde viene cada bloque (matriz completa, 52 filas)

Bloque químico	Filas	Muestras base	Evaluadores promedio
GC-FID Pilsner	2	1	9.00
GC-FID Constanza (enero)	15	5	29.00
GC-FID Constanza (septiembre)	9	3	8.67
GC-MS comerciales	4	2	28.50
GC-MS noviembre	4	4	10.00
JU (cepas, cata individual)	18	6	1.00

Nótese la diferencia en “evaluadores promedio”: los 5 bloques de cata de panel promedian entre 8 y 29 evaluadores por muestra, mientras que el bloque JU tiene 1 evaluador por muestra — es justamente esa diferencia de margen de error la que motiva tratarlo como escenario de sensibilidad y no como parte de la matriz principal. El efecto real de esto sobre el desempeño del modelo (¿cambia la predicción al agregar esta cata?) ## Matriz 6 — IA exploratoria (M_ia_exploratoria)

La Matriz 6 corresponde a un escenario exploratorio construido a partir de la Matriz 3, que contiene información química sin cata sensorial real asociada. Aunque la Matriz 3 posee 63 filas, estas no representan 63 muestras físicas distintas, sino réplicas analíticas de laboratorio correspondientes a 24 muestras físicas únicas. Por ejemplo, una misma muestra, como “Malta 1”, puede haber sido medida químicamente más de una vez, generando varias filas en la matriz, aunque todas correspondan a la misma muestra física.

Por esta razón, no sería metodológicamente adecuado solicitar a un modelo de lenguaje que estime un perfil sensorial distinto para cada réplica de laboratorio, ya que dichas réplicas no representan muestras diferentes. En cambio, la estimación se realiza sobre las 24 muestras físicas únicas, utilizando un consenso entre tres modelos de lenguaje: Gemini, Claude y GPT. Cada modelo estima el perfil sensorial de las muestras a partir de su composición química y de reglas generales reportadas en la literatura sobre relaciones entre familias químicas y percepción sensorial.

El resultado de este procedimiento corresponde a una estimación sensorial sintética, de carácter exploratorio y complementario. Esta estimación no reemplaza una cata real, ni debe mezclarse con los datos sensoriales experimentales sin declarar explícitamente su origen. Una vez obtenido el consenso para cada una de las 24 muestras físicas únicas, el valor estimado se intenta asignar a las réplicas analíticas de la misma muestra dentro de las 63 filas químicas de la Matriz 3, de modo que las réplicas de una muestra física comparten el mismo puntaje sintético (mismo criterio que se usa con la cata real). Esa asignación no siempre es posible: como se detalla en “Qué tan útil resultó el consenso IA, por bloque químico” más abajo, solo 42 de las 63 filas químicas (67%) terminan recibiendo una estimación sintética utilizable; las 21 filas restantes (33%), pertenecientes a bloques químicos sin una interpretación aromática suficientemente directa, quedan sin estimación en vez de forzar un valor arbitrario. Por eso M_ia_exploratoria como matriz final de modelamiento tiene 42 filas, no 24: el número de 24 corresponde a las muestras físicas únicas sobre las que se generó el consenso IA (un perfil sensorial sintético por muestra), mientras que el número de 42 corresponde a las filas químicas de la Matriz 3 que efectivamente heredan una estimación utilizable, una vez que ese perfil por muestra se propaga a sus réplicas analíticas y se descartan las que caen en bloques no estimables. Ambos números son correctos, pero miden cosas distintas (muestras físicas vs. filas químicas modelables) y no deben confundirse entre sí ni con el tamaño de la matriz de modelamiento.

1.8.3 Cuántos datos aporta cada modelo de IA

Modelo de IA	Filas generadas (3 réplicas × 24 muestras)
Claude	72
Gemini	72
GPT	72

Cada modelo de lenguaje generó 3 corridas independientes sobre las 24 muestras físicas únicas, dando un total de 72 estimaciones por modelo. Considerando los tres modelos utilizados, el conjunto inicial contiene:

3 modelos × 3 corridas × 24 muestras = 216 estimaciones El consenso se construye en dos etapas. Primero, se consolida internamente cada modelo a partir de sus tres corridas, evitando tratarlas como opiniones completamente independientes. Luego, se calcula un consenso final entre los tres modelos ya consolidados. De esta forma, el resultado final queda reducido a 24 perfiles sensoriales sintéticos, uno por cada muestra física única. Posteriormente, estos perfiles se asignan a las 63 filas químicas según la muestra física correspondiente.

1.8.4 Qué tan útil resultó el consenso IA, por bloque químico

Las 24 muestras con consenso IA se cruzaron con las 63 unidades químicas sin cata de la Matriz 3. Sin embargo, no todas las unidades pudieron recibir una estimación sensorial útil. El consenso IA solo se considera aprovechable cuando existe evidencia química suficiente para inferir un perfil aromático de manera razonable. Cuando la información química no permite una interpretación sensorial mínima, la unidad se clasifica como no_estimable, dejando el target vacío y evitando asignar un valor arbitrario.

Bloque químico	Unidades	Modelables con IA	No estimables
Fenoles totales (malta)	24	24	0
GC-MS comerciales	8	0	8
GC-MS experimentales	10	0	10
JU (cepas fermentativas)	21	18	3

El patrón observado muestra una diferencia clara entre bloques químicos: fenoles totales y JU resultan mayoritariamente modelables, ya que corresponden a variables agregadas y más fáciles de interpretar desde una lógica química-sensorial. En cambio, los bloques de GC-MS comerciales y GC-MS experimentales quedan completamente clasificados como no_estimable, debido a que su información corresponde a composiciones porcentuales de numerosos compuestos por cromatograma, sin una clasificación aromática suficientemente directa para asignar un puntaje sensorial confiable. En total, de las 63 unidades químicas sin cata, 42 unidades (67%) pudieron recibir una estimación sintética mediante consenso IA, mientras que 21 unidades (33%) se mantuvieron sin estimación para evitar asignar valores arbitrarios donde la evidencia química no era suficiente.

1.9 Clasificación de compuestos GC-MS por familia química

Las variables x_gcms_esteres_pct, x_gcms_fenolicos_pct y x_gcms_aldehidos_pct se calculan agrupando los compuestos detectados por GC-MS según su familia química. El archivo de la sesión de noviembre trae esa familia explícita (columna nature), pero los archivos de Constanza (bloques gcms_constanza_comerciales y gcms_constanza_experimentales, 22 unidades) son reportes crudos de librería NIST/Wiley — solo traen nombre de compuesto, no familia — por lo que esas tres variables quedaban en 0 exacto para esas unidades.

Se construyó un clasificador por nombre de compuesto (scripts/R/procesamiento/02b_clasificar_compuestos_gcms.R, integrado a 02_extraer_quimica.R), con reglas basadas en sufijos y patrones de nomenclatura química (tipo IUPAC: ésteres terminados en “-oato”/“-ato”/“ester”, aldehídos en “-anal”/“-enal”, fenólicos que contienen “phenol/cresol/guaiacol”, hidrocarburos en “-ano”/“-eno”, siloxanos como contaminante de columna, etc.), validado al 100% contra los 24 compuestos de noviembre que sí tienen familia real. Esta clasificación ya está incorporada al cálculo real de las variables químicas usadas en el modelamiento. Cabe declarar explícitamente el tamaño de este conjunto de validación: 24 compuestos es una muestra pequeña, y el 100% de acierto sobre ella no garantiza el mismo desempeño sobre los 968 compuestos de Constanza a los que se aplicó el clasificador (ver más abajo). Por eso las variables GC-MS derivadas de esta clasificación se tratan, en las conclusiones de la tesis, con mayor cautela que las variables GC-FID (que provienen de una cuantificación directa por compuesto, sin este paso de clasificación por nombre); el análisis de sensibilidad de la sección “Sensibilidad a la imputación de variables GC-MS” (Parte 4) es, en parte, una respuesta a esta misma incertidumbre.

1.9.1 Reglas de clasificación utilizadas

Cada compuesto se clasifica evaluando estas reglas en orden, y se asigna a la primera familia que calce con su nombre:

Orden	Familia	Qué busca en el nombre	Variable final
1	Siloxano (contaminante de columna)	Contiene “silox”	Excluido del área válida
2	Ftalato (contaminante/plastificante)	Contiene “phthalate” o “ftalato”	Descartado (contaminante)
3	Fenólico	Contiene “phenol”, “cresol”, “guaiacol”, “creosol”, “syringol” o “catechol”	x_gcms_fenolicos_pct
4	Éster	Contiene “ester”, o termina en “-ato” (ej. “-oato”, “-acetate”)	x_gcms_esteres_pct
5	Aldehído	Contiene “aldehyde”, o termina en “-anal”/“-enal”	x_gcms_aldehidos_pct
6	Ácido carboxílico	Contiene “acid”	No usado en el modelo actual
7	Alcohol	Contiene “alcohol”, o termina en “-anol”/“-enol”	No usado en el modelo actual
8	Cetona	Contiene “ketone”, o termina en “-anone”/“-enone”	No usado en el modelo actual
9	Tiol	Contiene “thiol” o “mercaptan”	No usado en el modelo actual
10	Hidrocarburo aromático	Contiene “benzene”, “toluene”, “styrene”, “naphthalene”, “xylene” o “phenyl”	No usado en el modelo actual
11	Hidrocarburo (alcano/alqueno)	Termina en “-ano”/“-eno” (ej. “-ane”, “-ene”)	No usado en el modelo actual

1.9.2 Qué tan bien funcionó la clasificación

Indicador	Valor
Compuestos con familia real conocida (sesión noviembre)	24
Compuestos clasificados por nombre (sesión Constanza)	968
Precisión del clasificador (validado contra la familia real)	100%
Unidades químicas recalculadas con la nueva clasificación	11
Familias químicas distintas detectadas en total	11

El clasificador se validó comparando sus resultados contra los 24 compuestos de la sesión de noviembre, que sí traían la familia química real asignada por el equipo, acertando en el 100% de los casos. Con esa confianza, pero reconociendo que el conjunto de validación es pequeño (24 compuestos) frente al conjunto donde efectivamente se aplica (968 compuestos de la sesión Constanza), se usó el clasificador para recalcular 11 unidades químicas que antes quedaban sin clasificar. Un 100% de acierto en 24 casos no es lo mismo que un 100% de acierto garantizado en 968: es razonable esperar que la precisión real sobre Constanza sea alta (las reglas son de nomenclatura química general, no ajustadas a los 24 compuestos de validación), pero no hay evidencia directa que la cuantifique con la misma certeza que en el conjunto de noviembre. Esta es la razón por la que las variables GC-MS de Constanza se declaran con mayor incertidumbre que las variables GC-FID en las conclusiones de la tesis.

1.9.3 Compuestos por familia y fuente

fuente	familia_asignada	n_compuestos_unicos
gcms_constanza (comerciales + experimentales)	Ester	289
gcms_constanza (comerciales + experimentales)	Sin clasificar	233
gcms_constanza (comerciales + experimentales)	Hidrocarburo (alcano/alqueno)	160
gcms_constanza (comerciales + experimentales)	Hidrocarburo aromatico	97
gcms_constanza (comerciales + experimentales)	Acido carboxilico	49
gcms_constanza (comerciales + experimentales)	Alcohol	47
gcms_constanza (comerciales + experimentales)	Aldehido	27
gcms_constanza (comerciales + experimentales)	Siloxano (contaminante de columna)	22
gcms_constanza (comerciales + experimentales)	Cetona	21
gcms_constanza (comerciales + experimentales)	Fenolico (fenoles, cresoles, guaiacoles)	19
gcms_constanza (comerciales + experimentales)	Tiol	4
gcms_noviembre	Ester	16
gcms_noviembre	Hidrocarburo (alcano/alqueno)	4
gcms_noviembre	Hidrocarburo aromatico	2
gcms_noviembre	Aldehido	1
gcms_noviembre	Fenolico (fenoles, cresoles, guaiacoles)	1

1.9.4 Detalle compuesto → familia → variable final (muestra)

Se muestran ejemplos por familia; la tabla completa (~990 compuestos) está en data/procesamiento/clasificacion_compuestos_gcms.xlsx, hoja 02_compuestos_clasificados.

fuente	compound_name	familia_original_nature	familia_asignada	variable_final_propuesta
gcms_constanza (comerciales + experimentales)	1-Methyl-7-azabicyclo[4.1.0]hepta-2,4-diene-7-carboxylic acid, 3,17-diacetoxy-4,4,10,13-tetramethylhexadecahydrocyclopenta[a]phenanthrene	NA	Acido carboxilico	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	10,12,14-Nonacosatriynoic acid	NA	Acido carboxilico	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	10,12-Tricosadiynoic acid, TMS derivative	NA	Acido carboxilico	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	(4-Isopropyl-1-methyl-6,7-dimethylenebicyclo[3.2.1]oct-8-yl)methanol	NA	Alcohol	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	(t-Butyl-dimethylsilyl)[2-methyl-2-(4-methyl-pent-3-enyl)-cyclopropyl]-methanol	NA	Alcohol	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	1,2-Benzenedimethanol	NA	Alcohol	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	10-Octadecenal	NA	Aldehido	x_gcms_aldehidos_pct / x_gcms_aroma_fermentativo_pct
gcms_constanza (comerciales + experimentales)	12-Octadecenal	NA	Aldehido	x_gcms_aldehidos_pct / x_gcms_aroma_fermentativo_pct
gcms_constanza (comerciales + experimentales)	14-Octadecenal	NA	Aldehido	x_gcms_aldehidos_pct / x_gcms_aroma_fermentativo_pct
gcms_constanza (comerciales + experimentales)	1H-2-Indenone,2,4,5,6,7,7a-hexahydro-3-(1-methylethyl)-7a-methyl	NA	Cetona	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	2’-Hydroxybutyrophenone, TMS derivative	NA	Cetona	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	2’-Hydroxypropiophenone, TMS derivative	NA	Cetona	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	(-)-1-Methylbutyl decanoate	NA	Ester	x_gcms_esteres_pct / x_gcms_aroma_fermentativo_pct
gcms_constanza (comerciales + experimentales)	(5á)Pregnane-3,20á-diol, 14à,18à-[4-methyl-3-oxo-(1-oxa-4-azabutane-1,4-diyl)]-, diacetate	NA	Ester	x_gcms_esteres_pct / x_gcms_aroma_fermentativo_pct
gcms_constanza (comerciales + experimentales)	(E)-9-Octadecenoic acid ethyl ester	NA	Ester	x_gcms_esteres_pct / x_gcms_aroma_fermentativo_pct
gcms_constanza (comerciales + experimentales)	2,4-Di-tert-butylphenol	NA	Fenolico (fenoles, cresoles, guaiacoles)	x_gcms_fenolicos_pct
gcms_constanza (comerciales + experimentales)	2,4-Di-tert-butylthiophenol	NA	Fenolico (fenoles, cresoles, guaiacoles)	x_gcms_fenolicos_pct
gcms_constanza (comerciales + experimentales)	4-Isopropylphenol, TMS derivative	NA	Fenolico (fenoles, cresoles, guaiacoles)	x_gcms_fenolicos_pct
gcms_constanza (comerciales + experimentales)	(1R,2R,5R,E)-7-Ethylidene-1,2,8,8-tetramethylbicyclo[3.2.1]octane	NA	Hidrocarburo (alcano/alqueno)	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	.psi.,.psi.-Carotene, 1,1’,2,2’-tetrahydro-1,1’-dimethoxy-	NA	Hidrocarburo (alcano/alqueno)	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	1,3,5,7-Cyclooctatetraene	NA	Hidrocarburo (alcano/alqueno)	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	(4,4-Diphenyl-butyl)-(3-phenyl-piperidin-4-yl)-amine	NA	Hidrocarburo aromatico	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	(E)-1-(2,3,6-trimethylphenyl)buta-1,3-diene (TPB, 1)	NA	Hidrocarburo aromatico	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	1, 1, 5-Trimethyl-1, 2-dihydronaphthalene	NA	Hidrocarburo aromatico	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	1,1,3,3,5,5,7,7,9,9-Decamethyl-9-(2-methylpropoxy)pentasiloxan-1-ol	NA	Siloxano (contaminante de columna)	ctrl_gcms_siloxano_pct (excluido del area valida)
gcms_constanza (comerciales + experimentales)	1,1,3,3,5,5,7,7-Octamethyl-7-(2-methylpropoxy)tetrasiloxan-1-ol	NA	Siloxano (contaminante de columna)	ctrl_gcms_siloxano_pct (excluido del area valida)
gcms_constanza (comerciales + experimentales)	2-Trimethylsiloxy-6-hexadecenoic acid, methyl ester	NA	Siloxano (contaminante de columna)	ctrl_gcms_siloxano_pct (excluido del area valida)
gcms_constanza (comerciales + experimentales)	(1R,7S,E)-7-Isopropyl-4,10-dimethylenecyclodec-5-enol	NA	Sin clasificar	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	(1aR,4S,7R,7aS,7bR)-1,1,4,7-Tetramethyl-1a,2,3,4,6,7,7a,7b-octahydro-1H-cyclopropa[e]azulen-4-ol	NA	Sin clasificar	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	(3S,3aR,3bR,4S,7R,7aR)-4-Isopropyl-3,7-dimethyloctahydro-1H-cyclopenta[1,3]cyclopropa[1,2]benzen-3-ol	NA	Sin clasificar	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	1,3-Benzenedimethanethiol, 2TMS derivative	NA	Tiol	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	1-Hexanethiol, 2-ethyl-	NA	Tiol	no clasificado en variable final actual
gcms_constanza (comerciales + experimentales)	2-Phenylethanethiol, TMS derivative	NA	Tiol	no clasificado en variable final actual
gcms_noviembre	Nonanal	Aldehidos	Aldehido	x_gcms_aldehidos_pct / x_gcms_aroma_fermentativo_pct
gcms_noviembre	2-Methylbutyl octanoate	Esters	Ester	x_gcms_esteres_pct / x_gcms_aroma_fermentativo_pct
gcms_noviembre	2-methyl butyl decanoate	Esters	Ester	x_gcms_esteres_pct / x_gcms_aroma_fermentativo_pct
gcms_noviembre	3-Methylbutyl octanoate	Esters	Ester	x_gcms_esteres_pct / x_gcms_aroma_fermentativo_pct
gcms_noviembre	2,4-Di-tert-butylphenol	Phenols	Fenolico (fenoles, cresoles, guaiacoles)	x_gcms_fenolicos_pct
gcms_noviembre	2,6,10-Trimethyltridecane	Hydrocarbon	Hidrocarburo (alcano/alqueno)	no clasificado en variable final actual
gcms_noviembre	2,6-Dimethylundecane	Hydrocarbon	Hidrocarburo (alcano/alqueno)	no clasificado en variable final actual
gcms_noviembre	4,6-Dimethyldodecane	Hydrocarbon	Hidrocarburo (alcano/alqueno)	no clasificado en variable final actual
gcms_noviembre	Benzene, 1,3-bis(1,1-dimethylethyl)	Aromatic hydrocarbon	Hidrocarburo aromatico	no clasificado en variable final actual
gcms_noviembre	Styrene	Aromatic hydrocarbon	Hidrocarburo aromatico	no clasificado en variable final actual

1.9.5 Comparación: variables GC-MS antes vs. después de clasificar por nombre (unidades Constanza)

Recalculando x_gcms_esteres_pct, x_gcms_fenolicos_pct y x_gcms_aldehidos_pct con la clasificación por nombre, en vez de los ceros anteriores aparece señal real y sustancial: entre 50% y 87% de área asignable a ésteres, y hasta 6% a compuestos fenólicos, según la unidad.

bloque_id	muestra_base	n_compuestos	esteres_pct_actual	esteres_pct_reclasificado	fenolicos_pct_actual	fenolicos_pct_reclasificado	aldehidos_pct_actual	aldehidos_pct_reclasificado	aroma_fermentativo_pct_reclasificado
gcms_constanza_comerciales	C1	327	0	75.54	0	3.62	0	1.53	77.07
gcms_constanza_comerciales	C2	255	0	82.14	0	2.93	0	1.29	83.43
gcms_constanza_comerciales	C3	309	0	61.30	0	6.13	0	1.66	62.96
gcms_constanza_comerciales	C4	320	0	82.38	0	2.46	0	0.78	83.16
gcms_constanza_comerciales	C5	268	0	87.31	0	1.29	0	0.85	88.16
gcms_constanza_comerciales	C6	297	0	79.78	0	2.40	0	0.73	80.51
gcms_constanza_experimentales	XP1	268	0	67.41	0	0.55	0	0.25	67.66
gcms_constanza_experimentales	XP2	331	0	50.29	0	0.73	0	0.50	50.80
gcms_constanza_experimentales	XP3	218	0	65.81	0	0.33	0	0.15	65.95
gcms_constanza_experimentales	XP4	262	0	70.11	0	0.54	0	0.16	70.27
gcms_constanza_experimentales	XP5	265	0	59.07	0	0.70	0	0.30	59.37

2 - ANÁLISIS EXPLORATORIO DE DATOS

2.1 Marco metodológico del análisis exploratorio

Esta sección documenta la etapa de análisis exploratorio (EDA), aplicada sobre la matriz pura (M_pura, 34 filas) y sus componentes química y sensorial por separado. Se usó el marco clásico de 5 etapas de EDA (descriptivo, tipos de variable, datos ausentes, valores atípicos, correlación), complementado con técnicas específicas para small data:

• Test de Dixon (Dixon, 1950, 1951; Rorabacher, 1991): detección de valores atípicos univariados apropiada para muestras pequeñas, donde tests basados en asintóticas (como Grubbs con n grande) son menos confiables.
• T² de Hotelling y Q-residuals (Jackson & Mudholkar, 1979): detección de atípicos multivariados sobre los scores de componentes principales, considerando tanto la distancia dentro del subespacio PCA (T²) como fuera de él (Q).
• ICC(1) de efectos aleatorios de una vía: concordancia entre catadores dentro de la categoría de catador, implementado directamente (sin paquete externo) para transparencia del cálculo.
• PCA/biplot por bloque analítico (GC-FID, GC-MS, JU, Folin; y por sesión de cata en el lado sensorial), evitando mezclar bloques que no se solapan completamente.

2.2 Análisis exploratorio químico

indicador	valor
Unidad de analisis quimica	Unidad analitica quimica
Unidades analiticas quimicas totales	115
Unidades con cata confirmada	52
Unidades sin cata confirmada	63
Bloques quimicos	8
Grupos quimicos (tecnica analitica)	4
Variables quimicas detectadas	34
Uso de este analisis	Analisis exploratorio de datos (EDA) no supervisado. No usa targets sensoriales.

2.2.1 Completitud de datos por bloque

Mapa de calor de completitud de variables químicas por bloque analítico

El mapa de completitud confirma que los vacíos de la matriz son principalmente estructurales y no errores de captura. Cada bloque analítico mide un conjunto distinto de variables: los bloques GC-FID concentran información en compuestos cuantificados por FID, los bloques GC-MS en variables derivadas de cromatografía de gases acoplada a espectrometría de masas, el bloque JU en variables fermentativas y el bloque Folin en fenoles totales. Por esta razón, no tendría sentido exigir que todos los bloques tengan datos en todas las columnas. Lo relevante es observar la completitud dentro de cada bloque. En ese sentido, GC-FID y GC-MS presentan alta cobertura en sus propias variables, mientras que JU muestra una cobertura más parcial en algunas variables específicas. Esta estructura justifica que el análisis exploratorio se realice por bloque y no como una matriz química única.

2.2.2 Distribuciones (histogramas y boxplots) por bloque

Los histogramas muestran la forma de cada variable (¿se concentra en un rango, o está dispersa? ¿hay más de un grupo de valores?) y los boxplots resumen lo mismo de forma más compacta, marcando como punto aparte cualquier valor que quede fuera de 1.5 veces el rango intercuartílico. Con tamaños de muestra tan chicos por bloque (entre 2 y 39 unidades), es normal que las distribuciones se vean discretas o con “huecos” en vez de curvas suaves — eso no es un error, es la consecuencia directa de trabajar en un contexto de small data.

2.2.2.1 Histogramas

El histograma de fenoles totales muestra una distribución amplia, con valores concentrados principalmente entre rangos intermedios, pero también con grupos de muestras en valores bajos y altos. Esto indica que las muestras no presentan un nivel homogéneo de fenoles totales, sino que existe variabilidad química relevante entre ellas. La mayor parte de los valores se ubica aproximadamente en la zona media de la distribución, mientras que algunos casos aparecen bastante más bajos o más altos. Esta dispersión es útil para el análisis, ya que los fenoles totales pueden relacionarse con diferencias en carácter fenólico, tostado, amaderado o potencialmente ahumado.

Los histogramas del bloque GC-FID muestran comportamientos distintos entre compuestos. Algunos, como guaiacol, 4-ethyl guaiacol, o-cresol y p-cresol, tienen muchas observaciones concentradas en valores muy bajos y pocos casos con concentraciones más altas, lo que sugiere que estos compuestos no aparecen con la misma intensidad en todas las muestras. En cambio, varios ésteres, como ethyl decanoate, ethyl dodecanoate, ethyl octanoate e isoamyl acetate, presentan rangos más amplios y distribuciones más dispersas. Esto refleja que el bloque GC-FID captura diferencias relevantes entre perfiles químicos, especialmente en compuestos asociados a familias fenólicas y fermentativas.

Los histogramas del bloque GC-MS reflejan una mezcla entre variables químicas interpretables y variables de control del proceso cromatográfico. El área válida se concentra en valores altos, cercanos al 96–100%, lo que sugiere que en la mayoría de los casos gran parte de la señal fue considerada utilizable, mientras que la variable de siloxanos presenta mayor dispersión, con algunos valores altos que podrían indicar ruido instrumental o contaminación de columna. En particular, el número de compuestos detectados muestra una diferencia marcada entre un grupo cercano a 600 y otros casos considerablemente más bajos, lo que refleja diferencias entre las distintas fuentes de datos GC-MS. Las variables de ésteres y aroma fermentativo presentan distribuciones con rangos amplios, mientras que los fenólicos se concentran mayoritariamente en valores bajos, por lo que estas últimas deben interpretarse como señales químicas puntuales dentro del bloque y no como un patrón dominante.

Los histogramas del bloque JU reflejan alta variabilidad entre variables fermentativas. La producción de etanol, la pérdida final de CO₂ y el consumo de maltosa muestran distribuciones amplias, lo que sugiere diferencias importantes entre condiciones experimentales de fermentación. En particular, el consumo de maltosa aparece dividido entre valores bajos y valores cercanos al máximo, lo que podría indicar fermentaciones con distinto grado de avance o eficiencia. Los ésteres del bloque JU presentan distribuciones más discretas y, en algunos casos, con pocos valores disponibles, por lo que deben interpretarse como señales exploratorias del perfil fermentativo y no como patrones concluyentes.

2.2.2.2 Boxplots

El boxplot de fenoles totales muestra una mediana ubicada en un rango intermedio, con una dispersión considerable entre muestras. La caja concentra la mayor parte de los valores aproximadamente entre niveles medios y altos, mientras que aparece un valor bajo marcado como atípico según la regla IQR. Este punto no debe interpretarse automáticamente como error, ya que puede corresponder a una muestra con menor contenido real de fenoles totales. En este estudio, el valor se documenta como atípico, pero se mantiene en la matriz para no alterar artificialmente la variabilidad química observada.

Los boxplots del bloque GC-FID muestran varios valores atípicos, especialmente en compuestos fenólicos como 4-ethyl guaiacol, guaiacol, o-cresol y p-cresol, además de algunos ésteres como ethyl hexadecanoate, ethyl octanoate e isoamyl octanoate. Esto indica que ciertas muestras tienen concentraciones químicas claramente distintas respecto del grupo central. En algunos compuestos, la mayoría de los valores se concentra cerca de cero y solo unas pocas muestras presentan valores elevados, lo que explica la aparición de atípicos. Dado que son mediciones químicas reales y el tamaño muestral es reducido, estos puntos se conservan y se interpretan como posibles señales diferenciadoras entre muestras, no como datos a eliminar automáticamente.

Los boxplots del bloque GC-MS muestran atípicos en variables de control y resumen, como siloxanos, área válida y número de compuestos detectados. En particular, la variable de siloxanos presenta valores extremos altos y bajos, lo que refuerza su utilidad como indicador de ruido instrumental o contaminación cromatográfica. El número de compuestos detectados también muestra una separación fuerte, probablemente asociada a diferencias entre fuentes de datos GC-MS. Las variables de ésteres y aroma fermentativo presentan rangos amplios, mientras que los fenólicos muestran un valor alto marcado como atípico. En conjunto, estos resultados indican que el bloque GC-MS debe interpretarse con cautela, distinguiendo entre señales químicas de interés y variables asociadas a la calidad del cromatograma.

Los boxplots del bloque JU muestran que varias variables fermentativas tienen rangos amplios, especialmente producción de etanol, pérdida de CO₂, consumo de maltosa y ethyl octanoate. También aparecen valores atípicos puntuales en algunos ésteres, como ethyl decanoate, ethyl dodecanoate, ethyl hexadecanoate y ethyl myristate. Estos casos pueden representar condiciones experimentales específicas donde ciertos compuestos se produjeron en mayor proporción. En lugar de eliminarse, estos valores se mantienen como parte de la variabilidad del proceso fermentativo, ya que podrían ser relevantes para explicar diferencias químicas entre muestras.

Estos gráficos son el primer filtro visual para detectar candidatos a valor atípico, que luego se confirman formalmente con el test de Dixon en la siguiente sección.

2.2.3 Valores atípicos: resumen clásico + test de Dixon

variable_quimica	n_outliers
ctrl_gcms_siloxano_pct	6
x_gcfid_ethyl_hexadecanoate_ppm	6
x_gcfid_o_cresol_ppm	6
x_gcfid_p_cresol_ppm	6
x_gcms_area_valida_pct	6
x_gcfid_4_ethyl_guaiacol_ppm	5
x_gcfid_guaiacol_ppm	5
n_compuestos_detectados	4
x_gcfid_creosol_ppm	4
x_folin_fenoles_totales_ug_ag_ml	3
x_gcfid_ethyl_octanoate_ppm	3
x_gcfid_isoamyl_octanoate_ppm	2
x_gcms_fenolicos_pct	1
x_ju_ethyl_decanoate_ppm	1
x_ju_ethyl_dodecanoate_ppm	1
x_ju_ethyl_hexadecanoate_ppm	1
x_ju_ethyl_myristate_ppm	1

es_outlier_dixon	n_variables
sin_outlier	17
outlier_detectado	13

2.2.4 Correlación entre variables químicas

Estos mapas de calor muestran la correlación de Pearson entre pares de variables dentro de cada bloque (no existe un mapa único global porque, como se vio en completitud, las variables de distintos bloques casi no comparten unidades para calcular una correlación válida). Sirven para anticipar colinealidad antes de modelar.

El mapa de correlación GC-FID muestra asociaciones importantes entre varios compuestos. Destaca la relación positiva entre 4-ethyl guaiacol y guaiacol, así como entre guaiacol y algunos cresoles, lo que sugiere que ciertos compuestos fenólicos tienden a variar de manera conjunta. También se observan correlaciones positivas entre varios ésteres, como ethyl decanoate, ethyl tetradecanoate e isoamyl octanoate, indicando posibles patrones compartidos dentro de la fracción fermentativa o aromática. Al mismo tiempo, aparecen correlaciones negativas relevantes, por ejemplo entre isoamyl acetate y ethyl dodecanoate, o entre furfural y algunos compuestos fenólicos. Esto confirma que las variables GC-FID no son independientes entre sí y que el modelamiento posterior debe considerar la colinealidad.

El mapa de correlación GC-MS muestra relaciones muy fuertes entre algunas variables, varias de ellas esperables por construcción. Por ejemplo, x_gcms_esteres_pct y x_gcms_aroma_fermentativo_pct presentan correlación perfecta, ya que el aroma fermentativo incluye directamente a los ésteres dentro de su cálculo. También destaca la correlación negativa perfecta entre siloxanos y área válida, lo que indica que cuando aumenta la proporción asociada a siloxanos disminuye la proporción de área considerada útil. Además, aldehídos y fenólicos muestran una correlación positiva alta, mientras que el área válida se relaciona positivamente con ésteres y aroma fermentativo. En conjunto, el bloque GC-MS combina variables químicas con variables de control de calidad de señal, por lo que sus correlaciones deben interpretarse considerando cómo fueron construidas.

El mapa de correlación JU muestra una estructura interna muy marcada. Las variables asociadas a producción de etanol, pérdida de CO₂ y consumo de maltosa presentan correlaciones positivas altas, lo que es coherente con su relación directa dentro del proceso fermentativo. También se observan correlaciones muy fuertes entre varios ésteres de cadena larga, como ethyl decanoate, ethyl dodecanoate, ethyl hexadecanoate y ethyl myristate, lo que sugiere que estos compuestos tienden a aumentar o disminuir conjuntamente. En contraste, algunos cresoles presentan correlaciones negativas con variables fermentativas y con ciertos ésteres. Esto indica que el bloque JU no contiene variables aisladas, sino grupos de variables que representan procesos químicos conectados, aspecto que debe considerarse en el modelamiento para evitar interpretar señales redundantes como independientes.

Pares con correlación muy alta (por ejemplo, distintos ésteres de una misma familia química que suben y bajan juntos) son la razón por la que en el modelamiento se prefieren métodos regularizados (Ridge, PLS) en vez de una regresión lineal múltiple simple.

2.2.5 Componentes principales (PCA/biplot) y atípicos multivariados (T²/Q-residual)

grupo_pca	estado	n_filas	n_variables	pc1_varianza	pc2_varianza	pc1_pc2_varianza	motivo	t2_n_comp	t2_limite	q_limite
Fenoles_totales	no_calculado	24	1	NA	NA	NA	Se requieren al menos 3 filas y 2 variables con variabilidad.	NA	NA	NA
GCFID	calculado	26	13	0.3632469	0.2744804	0.6377273	NA	2	7.089221	12.736922
GCMS	calculado	26	7	0.6427447	0.2291118	0.8718565	NA	2	7.089221	2.579909
JU	calculado	39	13	0.4468083	0.1983791	0.6451874	NA	2	6.679627	10.798231

La tabla muestra que el PCA no se calculó para el bloque de fenoles totales, ya que este bloque contiene solo una variable útil y el análisis de componentes principales requiere al menos dos variables. En los demás bloques, los dos primeros componentes resumen una proporción importante de la variabilidad: 63,8% en GC-FID, 87,2% en GC-MS y 64,5% en JU. Esto indica que, aunque cada bloque tiene varias variables químicas, una parte relevante de la estructura de los datos puede representarse en un plano bidimensional. Por esta razón, los biplots permiten visualizar de forma resumida qué variables empujan la separación entre muestras y qué unidades quedan más alejadas del grupo principal.

En el biplot del bloque GC-FID, el primer componente principal separa principalmente variables fenólicas ubicadas hacia la izquierda, como guaiacol, 4-ethyl guaiacol y o-cresol, de otras variables ubicadas hacia la derecha, como creosol, furfural y ethyl hexadecanoate. El segundo componente está fuertemente influido por isoamyl acetate, que aparece aislado hacia la parte superior, mientras que varios ésteres de cadena más larga, como ethyl decanoate, ethyl dodecanoate, ethyl tetradecanoate e isoamyl octanoate, se proyectan hacia la zona inferior. Esto sugiere que el bloque GC-FID distingue al menos tres patrones químicos: uno asociado a compuestos fenólicos, otro a ésteres de cadena larga y otro a isoamyl acetate. Las muestras se agrupan en zonas diferenciadas del plano, lo que indica que no todas presentan el mismo perfil químico dentro de este bloque.

En el biplot GC-MS, el primer componente principal explica la mayor parte de la variabilidad del bloque y separa claramente las variables asociadas a área válida, ésteres y aroma fermentativo respecto de variables de control como siloxanos y número de compuestos detectados. Las variables x_gcms_esteres_pct y x_gcms_aroma_fermentativo_pct aparecen prácticamente superpuestas, lo que es esperable porque el aroma fermentativo incluye a los ésteres dentro de su cálculo. Por otra parte, aldehídos y fenólicos se proyectan juntos hacia la zona superior, indicando que tienden a variar en una dirección similar dentro de este bloque. La disposición de las muestras muestra algunos casos alejados hacia la derecha, asociados a mayor peso de siloxanos o número de compuestos detectados, por lo que este PCA refleja tanto diferencias químicas como diferencias en la calidad o estructura del cromatograma.

En el biplot del bloque JU se observa una separación clara entre grupos de variables fermentativas. Hacia la zona inferior derecha se agrupan variables directamente asociadas al avance de la fermentación, como producción de etanol, pérdida final de CO₂ y consumo de maltosa, lo que confirma que estas variables representan una señal común del proceso fermentativo. Hacia la zona superior derecha se proyectan varios ésteres, como ethyl decanoate, ethyl dodecanoate, ethyl hexadecanoate y ethyl myristate, indicando que estos compuestos tienden a comportarse de forma conjunta. En cambio, o-cresol, p-cresol e isoamyl acetate se ubican hacia la izquierda, sugiriendo un comportamiento distinto respecto del grupo principal de ésteres y variables fermentativas. Este resultado muestra que el bloque JU no solo captura intensidad fermentativa, sino también diferencias internas entre familias de compuestos.

Sobre esos mismos componentes se calcula la distancia T² de Hotelling (qué tan lejos está una unidad del centro, dentro del plano de los componentes usados) y el Q-residual (qué tan mal representada queda esa unidad por esos componentes) — el complemento multivariado al test de Dixon univariado.

En el gráfico T²–Q residual del bloque GC-FID, la mayoría de las unidades queda dentro de los límites multivariados definidos al 95%, lo que indica que son razonablemente representadas por los componentes principales calculados. Sin embargo, las dos réplicas de la muestra Pilsner H76R1R2 aparecen por sobre el límite de Q-residual. Esto significa que no son necesariamente las más lejanas dentro del plano PCA, pero sí quedan mal representadas por los componentes principales usados. En términos prácticos, estas réplicas presentan una estructura química particular que el PCA no logra resumir completamente, por lo que se documentan como candidatas a atípicos multivariados, sin eliminarlas de la matriz.

En el bloque GC-MS, la mayoría de las unidades se mantiene dentro de los límites de T² de Hotelling y Q-residual. No obstante, la muestra gcms_constanza_experimentales__xp2_r1 queda fuera de ambos límites, lo que indica un comportamiento multivariado claramente distinto al resto. Al superar el límite de T², la muestra se ubica lejos del centro del espacio PCA; al mismo tiempo, al superar el límite de Q-residual, también queda mal representada por los componentes principales retenidos. Por lo tanto, esta unidad debe considerarse un caso atípico multivariado relevante dentro del bloque GC-MS. Aun así, se mantiene en la matriz y se documenta para revisión posterior, ya que puede reflejar una diferencia real de composición o de calidad cromatográfica.

En el bloque JU se observa una mayor cantidad de unidades fuera de los límites multivariados. La muestra ju_260507_quimica_cepas__m1_r1 destaca por superar ampliamente el límite de T² de Hotelling, lo que indica que se encuentra muy alejada del centro del espacio PCA, aunque no presenta un Q-residual elevado. Esto sugiere que es una muestra extrema, pero bien representada por los componentes principales. En cambio, otras unidades, como sc476_1e_r1, sc481_3e_r1, b1_1_r1, 705_1_r1 y 815_3_r1, superan principalmente el límite de Q-residual, lo que indica que sus perfiles no quedan bien resumidos por el plano PCA. En conjunto, estos resultados muestran que el bloque JU tiene una estructura interna más heterogénea, probablemente asociada a diferencias reales entre cepas o condiciones fermentativas.

En conjunto, los análisis PCA y T²–Q residual permiten identificar patrones multivariados que no siempre son visibles en los análisis univariados. GC-FID muestra diferencias asociadas principalmente a compuestos fenólicos y ésteres; GC-MS combina señales químicas con variables de control cromatográfico; y JU presenta una estructura marcada por variables fermentativas y producción de ésteres. Los casos que superan los límites de T² o Q-residual se consideran unidades candidatas a revisión, pero no se eliminan automáticamente, ya que en un contexto de small data pueden representar diferencias químicas reales entre muestras. Por lo tanto, estos gráficos se utilizan como evidencia exploratoria para documentar perfiles particulares y orientar la interpretación del modelamiento posterior.

El detalle completo de las unidades que superan estos límites se muestra en la siguiente tabla:

grupo_pca	unidad_analitica_id	bloque_id	muestra_base	t2_hotelling	excede_t2	q_residual	excede_q
GCFID	alexandra_260603_pilsner_gcfid__pilsner_h76r1r2_r2	alexandra_260603_pilsner_gcfid	Pilsner_H76R1R2	2.0242056	FALSE	23.647634	TRUE
GCFID	alexandra_260603_pilsner_gcfid__pilsner_h76r1r2_r1	alexandra_260603_pilsner_gcfid	Pilsner_H76R1R2	0.7192313	FALSE	22.686269	TRUE
GCMS	gcms_constanza_experimentales__xp2_r1	gcms_constanza_experimentales	XP2	7.7781919	TRUE	5.589873	TRUE
JU	ju_260507_quimica_cepas__m1_r1	ju_260507_quimica_cepas	M1	29.4083893	TRUE	3.183925	FALSE
JU	ju_260507_quimica_cepas__sc476_1e_r1	ju_260507_quimica_cepas	SC476_1e	4.6504401	FALSE	31.028108	TRUE
JU	ju_260507_quimica_cepas__705_1_r1	ju_260507_quimica_cepas	705.1	4.5737151	FALSE	21.783158	TRUE
JU	ju_260507_quimica_cepas__b1_1_r1	ju_260507_quimica_cepas	B1.1	3.4151925	FALSE	23.056589	TRUE
JU	ju_260507_quimica_cepas__815_3_r1	ju_260507_quimica_cepas	815.3	2.2894972	FALSE	17.107556	TRUE
JU	ju_260507_quimica_cepas__sc481_3e_r1	ju_260507_quimica_cepas	SC481_3e	0.8398602	FALSE	27.525023	TRUE

2.3 Análisis exploratorio sensorial

indicador	valor
Unidad individual sensorial	Evaluacion individual de catador
Muestras sensoriales totales	23
Evaluaciones individuales totales	263
Evaluaciones con quimica confirmada	226
Evaluaciones sin quimica confirmada	37
Bloques sensoriales	5
Targets sensoriales detectados	34
Muestras sensoriales agregadas	23
Uso de este analisis	Analisis exploratorio de datos (EDA), no usa predictores quimicos.
Advertencia metodologica	Las evaluaciones individuales son reales, pero no equivalen a muestras quimicas independientes.

2.3.1 Completitud y distribuciones de los targets sensoriales

El mapa de completitud muestra que los datos faltantes en el bloque sensorial son principalmente estructurales. Esto ocurre porque cada sesión o formulario de cata evaluó un subconjunto distinto de descriptores, por lo que no todos los atributos están disponibles para todas las muestras. En este sentido, los vacíos no deben interpretarse como errores de registro, sino como diferencias propias del diseño de cada evaluación sensorial. La figura permite identificar qué targets tienen mayor cobertura entre sesiones y cuáles quedan restringidos a bloques específicos, aspecto importante antes de comparar o cruzar estos datos con las variables químicas.

Los histogramas muestran la distribución de los puntajes individuales asignados por los catadores a cada descriptor sensorial. En general, varios atributos se concentran en valores bajos e intermedios, lo que indica que no todas las notas sensoriales aparecen con alta intensidad en las muestras evaluadas. Sin embargo, atributos como ahumado, fenólico, medicinal, amaderado, terroso, regusto ahumado y complejidad presentan mayor dispersión, lo que sugiere diferencias perceptibles entre muestras y catadores. Estas distribuciones permiten identificar qué targets tienen variabilidad suficiente para aportar información en análisis posteriores y cuáles podrían tener menor poder explicativo por estar demasiado concentrados en pocos puntajes.

2.3.2 Distribuciones por sesión de cata

Los boxplots por bloque sensorial muestran que los puntajes de los atributos principales cambian según la sesión de cata. En variables como ahumado, fenólico, frutal y medicinal se observan diferencias en medianas y dispersión entre bloques, lo que indica que las evaluaciones no son completamente homogéneas entre sesiones. Esto puede deberse a diferencias en las muestras evaluadas, en el formulario utilizado o en el grupo de catadores. Por esta razón, los bloques sensoriales deben analizarse considerando su origen, evitando mezclar directamente sesiones que no midieron exactamente los mismos atributos bajo las mismas condiciones.

A nivel de muestra individual dentro de cada sesión (detalle en outputs/exploratorio/sensorial/04_boxplots_muestra_*), el patrón se repite: siempre hay una o dos muestras que se separan del resto en los atributos ahumado/fenólico/medicinal. El caso más claro es la cata social de enero 2025, que es también la única sesión que junta muestras comerciales (C1/Dalwhinnie, C2/Caol Ila) con las experimentales/locales (B1, C70, H76):

En la cata social de enero de 2025 se observa una mayor variabilidad entre muestras y catadores. La muestra 7 (C2/Caol Ila) destaca por presentar puntajes más altos en ahumado, fenólico y medicinal, lo que sugiere un perfil sensorial más marcado en atributos asociados a humo, compuestos fenólicos o notas medicinales. También se aprecia dispersión amplia en varias muestras, lo que es esperable en una cata social con distintos tipos de catadores. Esta figura muestra que algunas muestras fueron percibidas de forma más intensa y consistente, mientras que otras presentan evaluaciones más variables.

Las demás sesiones siguen el mismo patrón exploratorio con menor contraste: en cata_alexandra_260603 la percepción fenólica y de ahumado crece de la muestra 1 a la 4; en cata_septiembre_2024 la muestra 3 se percibe más intensa en ahumado, fenólico y frutal; en panel_noviembre la muestra 5 destaca en fenólico y las muestras 2/4/5 en frutal; y en sensorial_cepas_ju los puntajes son más acotados y con menor dispersión, por lo que ese bloque se trata como una señal exploratoria adicional y no como una caracterización sensorial robusta.

2.3.3 Correlación entre targets sensoriales

El mapa de correlación muestra que varios targets sensoriales están relacionados entre sí. Destacan asociaciones positivas entre atributos como ahumado, aroma ahumado, sabor ahumado, regusto ahumado, fenólico y medicinal, lo que indica que estos descriptores tienden a aumentar conjuntamente en las evaluaciones. Esto sugiere la presencia de una dimensión sensorial común asociada al carácter ahumado-fenólico del whisky. También se observan correlaciones entre atributos de sabor, aroma y regusto, aunque no todos los descriptores se relacionan con la misma intensidad. La presencia de valores NA se debe a que no todos los atributos fueron evaluados en todas las sesiones, por lo que estas correlaciones deben interpretarse como evidencia exploratoria y no como relaciones definitivas.

2.3.4 Categoría de catador: perfil y concordancia (ICC)

Esta sección usa el campo “categoría de catador” (experto/sommelier, aficionado al whisky, consumidor general de destilados), registrado en el cuestionario de cada cata. Se usa para dos cosas: ver si el promedio de puntaje cambia según el tipo de catador, y medir qué tan de acuerdo están entre sí los catadores de una misma categoría.

Perfil por muestra y categoría: para cada muestra, categoría de catador y target sensorial se calcula el número de evaluaciones, el promedio y la desviación estándar. Por su tamaño (285 combinaciones muestra–categoría–target), se muestran solo las primeras filas a modo de ejemplo; el detalle completo está en data/procesamiento/analisis_sensorial.xlsx, hoja 16_perfil_categoria_catador.

grupo_sensorial	bloque_sensorial	muestra_cata	identificador_sensorial	categoria_catador	target	n_evaluaciones	media	desviacion_estandar
historico_enero	cata_social_enero_2025	Muestra 1	C70	Aficionado al whisky	y_ahumado_comun	7	2.1904762	1.0157490
historico_enero	cata_social_enero_2025	Muestra 1	C70	Consumidor General de Destilados	y_ahumado_comun	20	2.0666667	0.8207827
historico_enero	cata_social_enero_2025	Muestra 1	C70	Experto/ Sommelier	y_ahumado_comun	4	0.9166667	0.3191424
historico_enero	cata_social_enero_2025	Muestra 1	C70	Aficionado al whisky	y_aroma_ahumado	7	2.2857143	0.9511897
historico_enero	cata_social_enero_2025	Muestra 1	C70	Consumidor General de Destilados	y_aroma_ahumado	20	2.5000000	1.1002392
historico_enero	cata_social_enero_2025	Muestra 1	C70	Experto/ Sommelier	y_aroma_ahumado	4	1.0000000	0.0000000
historico_enero	cata_social_enero_2025	Muestra 1	C70	Aficionado al whisky	y_aroma_amaderado	7	1.7142857	1.4960265
historico_enero	cata_social_enero_2025	Muestra 1	C70	Consumidor General de Destilados	y_aroma_amaderado	19	1.7894737	0.9763280

Concordancia entre catadores (ICC): para saber si los catadores de una misma categoría puntúan de forma parecida entre sí (y no solo si su promedio es distinto), se calculó el ICC1 (coeficiente de correlación intraclase, modelo de un factor aleatorio) por categoría y target. Valores cercanos a 1 indican alta concordancia dentro del grupo; valores cercanos a 0 indican que incluso catadores de la misma categoría difieren bastante entre sí.

categoria_catador	target	icc1	n_muestras	n_observaciones	interpretacion
Experto/ Sommelier	y_ahumado_comun	0.6000569	5	17	concordancia buena
Aficionado al whisky	y_ahumado_comun	0.3750204	5	35	concordancia moderada
Consumidor General de Destilados	y_ahumado_comun	0.2608232	5	93	concordancia moderada
Experto/ Sommelier	y_fenolico_comun	0.7505654	5	17	concordancia excelente
Aficionado al whisky	y_fenolico_comun	0.3427705	5	35	concordancia moderada
Consumidor General de Destilados	y_fenolico_comun	0.2929327	5	93	concordancia moderada
Experto/ Sommelier	y_medicinal_comun	0.4543738	5	17	concordancia moderada
Aficionado al whisky	y_medicinal_comun	0.1442246	5	35	concordancia baja
Consumidor General de Destilados	y_medicinal_comun	0.0993593	5	93	concordancia baja

Los boxplots por categoría de catador muestran que existen diferencias en la forma en que los grupos evaluaron los atributos principales. En ahumado, los consumidores generales de destilados presentan una distribución amplia, mientras que expertos/sommelier y aficionados al whisky muestran también alta variabilidad interna. En fenólico y medicinal se observan diferencias de mediana entre categorías, pero también una dispersión considerable dentro de cada grupo. Esto indica que la categoría del catador puede influir en la evaluación, aunque no permite establecer conclusiones firmes debido al tamaño reducido y al posible desbalance entre categorías. Por ello, esta variable se usa como referencia descriptiva del panel.

2.3.5 Perfiles sensoriales (radar) por muestra — caso destacado

Se generó un gráfico de radar por muestra y por dimensión sensorial (aroma, sabor, regusto final) para cada sesión de cata, automatizando lo que antes se armaba manualmente en Excel; el set completo está en outputs/exploratorio/sensorial/ (archivos 07_radar_*). Se muestra aquí la sesión social de enero 2025, por ser la única que compara directamente muestras comerciales (C1/Dalwhinnie, C2/Caol Ila) con las experimentales/locales (B1, C70, H76), lo que la hace la más ilustrativa del conjunto.

El radar de aroma de la cata social de enero de 2025 muestra una separación clara entre las muestras. C2/Caol Ila presenta el perfil aromático más amplio, destacando en intensidad de ahumado, medicinal, terroso, cereal, vainilla, café y amaderado. Esto es coherente con un whisky comercial de perfil más ahumado o intenso. C1/Dalwhinnie también muestra un perfil relativamente alto, aunque menor que C2. En cambio, B1, C70 y H76 presentan perfiles más moderados y cercanos entre sí. Este gráfico permite observar que las muestras comerciales se diferencian con claridad de las experimentales o locales en varios atributos aromáticos.

El radar de sabor de la cata social de enero de 2025 muestra que C2/Caol Ila presenta el perfil más intenso y amplio entre las muestras, especialmente en ahumado, medicinal, terroso, cereal, vainilla, frutal, café y sensación en boca. C1/Dalwhinnie aparece como una segunda muestra de perfil elevado, aunque menos extrema que C2. Las muestras B1, C70 y H76 presentan valores más bajos, con perfiles más compactos. Esto indica que el bloque de sabor permite separar con claridad las muestras comerciales de mayor intensidad sensorial respecto de las demás.

En el radar de regusto final de la cata social de enero de 2025, C2/Caol Ila vuelve a destacar con valores altos en ahumado, complejidad, duración e integración del ahumado. C1/Dalwhinnie también presenta un perfil amplio, aunque algo menor. Las muestras B1, C70 y H76 se ubican en rangos más bajos o intermedios, especialmente en ahumado y complejidad. Este patrón sugiere que las muestras comerciales no solo fueron percibidas como más intensas en aroma, sino también con un regusto más persistente y estructurado.

Las demás sesiones (cata_alexandra_260603, cata_septiembre_2024, panel_noviembre, sensorial_cepas_ju) siguen la misma lógica de análisis por muestra y confirman el mismo patrón general: siempre hay una o dos muestras que se distinguen del resto en intensidad ahumada/fenólica/medicinal, mientras que el bloque sensorial_cepas_ju en particular muestra señales más acotadas y debe interpretarse como exploratorio por su menor cantidad de evaluaciones.

2.3.6 Perfiles sensoriales por categoría de catador — caso destacado

De forma análoga, se generó un radar por categoría de catador (experto/sommelier, consumidor general, aficionado al whisky) para cada muestra, disponible en outputs/exploratorio/sensorial/ (archivos 08_radar_categoria_*). Se muestra C2/Caol Ila, donde la diferencia entre categorías es más marcada.

El radar de aroma de C2/Caol Ila muestra que los expertos/sommelier asignan puntajes claramente más altos que el resto de las categorías en casi todos los atributos, especialmente en intensidad de ahumado, medicinal, terroso, cereal, vainilla, frutal y café. Esto es coherente con un perfil comercial más marcado y complejo, probablemente más reconocible para catadores entrenados. Los consumidores generales y aficionados también perciben estas notas, pero con menor intensidad. El promedio queda por debajo del perfil experto, lo que indica que la lectura de C2/Caol Ila varía considerablemente según la experiencia del catador.

El radar de sabor de C2/Caol Ila muestra el perfil más intenso entre las muestras analizadas por categoría. Los expertos/sommelier asignan valores altos en intensidad de ahumado, cereal, vainilla, amaderado, sensación en boca y otros atributos, mostrando una lectura sensorial amplia de la muestra. Los consumidores generales y el promedio también presentan perfiles relativamente altos, aunque menos extremos. Los aficionados al whisky tienden a puntuar más bajo algunos atributos como medicinal, terroso y café. En conjunto, el gráfico confirma que C2/Caol Ila se diferencia por un sabor más intenso, complejo y marcado, especialmente en atributos ahumados y amaderados.

En el radar de regusto final de C2/Caol Ila, los expertos/sommelier vuelven a destacar con los puntajes más altos en duración, ahumado, complejidad, integración del ahumado, armonía y tomabilidad. Las demás categorías presentan perfiles más bajos y cercanos entre sí, aunque mantienen valores relativamente altos en comparación con otras muestras. Esto sugiere que C2/Caol Ila fue percibida como una muestra con regusto persistente y estructurado, especialmente por los catadores expertos. La diferencia entre categorías refuerza que el nivel de experiencia puede influir en la detección de atributos de final sensorial.

En las demás muestras (B1, C1/Dalwhinnie, C70, H76) la categoría de catador también influye, pero con diferencias más moderadas y sin un patrón tan marcado como en C2/Caol Ila: en general los expertos tienden a puntuar con mayor exigencia o detalle en atributos específicos (amaderado en C1/Dalwhinnie, sensación en boca en C70), mientras que consumidores generales y aficionados entregan perfiles más amplios pero menos diferenciados entre sí.

2.3.7 Componentes principales sensoriales y atípicos multivariados

** 09_biplot_pca_sensorial_cata_alexandra_260603 **

** 09_biplot_pca_sensorial_cata_septiembre_2024 **

** 09_biplot_pca_sensorial_cata_social_enero_2025 **

** 09_biplot_pca_sensorial_panel_noviembre **

** 09_biplot_pca_sensorial_sensorial_cepas_ju **

** 10_distancia_t2_q_cata_alexandra_260603 **

** 10_distancia_t2_q_cata_septiembre_2024 **

** 10_distancia_t2_q_cata_social_enero_2025 **

** 10_distancia_t2_q_panel_noviembre **

** 10_distancia_t2_q_sensorial_cepas_ju **

grupo_pca	muestra_cata	identificador_sensorial	t2_hotelling	excede_t2	q_residual	excede_q
cata_septiembre_2024	Muestra 1	C70	1.333333	FALSE	0	TRUE
cata_septiembre_2024	Muestra 2	B1	1.333333	FALSE	0	TRUE
cata_septiembre_2024	Muestra 3	H76	1.333333	FALSE	0	TRUE

2.4 Cruce químico-sensorial

Esta sección cruza, de forma exploratoria y previa al modelamiento formal, los predictores químicos con los targets sensoriales, usando correlación de Pearson por pares (pairwise.complete.obs) y exigiendo al menos 5 pares con dato disponible para reportar un valor. Se usa el escenario M_pura (34 unidades con química real y cata real agregada), y no reemplaza el diagnóstico de colinealidad ni los modelos supervisados de la Parte 3 — es solo una primera mirada a qué variables podrían estar asociadas antes de entrar a esos análisis formales.

indicador	valor
Escenario	M_pura (quimica real + cata real agregada, evidencia principal)
Unidades analiticas (filas)	34
Predictores quimicos (x_*)	32
Targets sensoriales (y_*)	34
Targets principales	y_frutal_comun, y_fenolico_comun, y_ahumado_comun, y_medicinal_comun
Uso de este analisis	Vista exploratoria previa (EDA), no reemplaza el diagnostico de colinealidad ni el modelamiento supervisado.
Advertencia metodologica	El VIF global no aplica por baja superposicion entre tecnicas analiticas (ver colinealidad_modelamiento.xlsx); esta hoja usa correlacion pareada simple, con n variable por par segun el bloque quimico disponible.

La tabla resume el escenario usado, los 32 predictores químicos evaluados y los 4 targets sensoriales principales considerados (y_frutal_comun, y_fenolico_comun, y_ahumado_comun, y_medicinal_comun).

2.4.1 Heatmap general: predictores químicos vs. targets principales

Este heatmap cruza los 32 predictores químicos contra los 4 targets principales. Las celdas en blanco indican que ese par no alcanzó el mínimo de 5 observaciones simultáneas para calcular una correlación confiable. Por eso solo aparecen valores para predictores de GC-FID (49 pares evaluados) y GC-MS (5 pares); los predictores de JU y Folin casi no se solapan con las unidades que tienen cata real dentro de M_pura y por lo tanto no alcanzan ese mínimo. Dentro de lo que sí se puede leer, destacan los fenoles volátiles de GC-FID — guaiacol, o-cresol, p-cresol y 4-etil-guaiacol — con correlaciones altas (r ≈ 0.7–0.9) tanto con y_ahumado_comun como con y_fenolico_comun, coherente con que estas mismas variables terminan siendo los predictores prioritarios en el modelamiento (Parte 4).

2.4.2 Heatmaps por bloque analítico

Como los bloques químicos no comparten unidades analíticas entre sí (ver completitud, sección 2.2.1), conviene además mirar cada bloque por separado en vez de solo el heatmap combinado.

El bloque GC-FID es el que más cobertura aporta a este cruce (todos sus predictores alcanzan el mínimo de pares frente a los 4 targets principales). Se confirma el mismo patrón que en el heatmap general: los fenoles volátiles correlacionan fuerte y positivamente con ahumado/fenólico/medicinal, mientras que varios ésteres (isoamyl octanoate, ethyl dodecanoate, ethyl decanoate, furfural) muestran su correlación más alta con y_frutal_comun en vez de con el carácter ahumado.

El bloque GC-MS solo alcanza el mínimo de pares frente a y_fenolico_comun (5 pares), por lo que es el único target con celda calculada para este bloque. El área válida y los ésteres/aroma fermentativo correlacionan negativamente con el fenólico (r ≈ -0.6 a -0.75), mientras que fenólicos y aldehídos correlacionan positivamente (r ≈ 0.55–0.59). Dado que son solo 5 pares, esta lectura es referencial y no debe compararse en fuerza con los resultados de GC-FID, que tienen bastante más respaldo muestral.

El bloque JU no genera un heatmap propio en este cruce: por definición, M_pura excluye la cata individual JU (ver Matriz 1 en la Parte 1), así que sus predictores fermentativos casi no se solapan con unidades que tengan cata real y no llegan al mínimo de 5 pares frente a ningún target. Para ver JU cruzado con sensorial hay que usar el escenario de sensibilidad M_cata_individual (Matriz 5, Parte 1), no este cruce exploratorio.

2.4.3 Pares con correlación alta (|r| ≥ 0.5)

predictor	target	n_pares	correlacion	abs_correlacion
x_gcfid_ethyl_dodecanoate_ppm	y_global_armonia	9	0.9963613	0.9963613
x_gcfid_ethyl_tetradecanoate_ppm	y_sabor_cereal	9	-0.9927572	0.9927572
x_gcfid_ethyl_dodecanoate_ppm	y_aroma_frutal	9	0.9849455	0.9849455
x_gcfid_ethyl_decanoate_ppm	y_sabor_frutal	9	0.9832958	0.9832958
x_gcfid_furfural_ppm	y_sabor_frutal	9	0.9808440	0.9808440
x_gcfid_isoamyl_octanoate_ppm	y_aroma_frutal	9	0.9783320	0.9783320
x_gcfid_isoamyl_octanoate_ppm	y_aroma_vainilla	9	-0.9766505	0.9766505
x_gcfid_isoamyl_octanoate_ppm	y_frutal_comun	9	0.9715324	0.9715324
x_gcfid_ethyl_hexadecanoate_ppm	y_sabor_cereal	9	-0.9690804	0.9690804
x_gcfid_isoamyl_acetate_ppm	y_sabor_cereal	9	0.9679891	0.9679891
x_gcfid_isoamyl_octanoate_ppm	y_global_armonia	9	0.9597624	0.9597624
x_gcfid_ethyl_hexadecanoate_ppm	y_aroma_cereal	9	-0.9540524	0.9540524
x_gcfid_ethyl_octanoate_ppm	y_sabor_cereal	9	-0.9492496	0.9492496
x_gcfid_isoamyl_acetate_ppm	y_global_armonia	9	-0.9439342	0.9439342
x_gcfid_furfural_ppm	y_sabor_vainilla	9	0.9379441	0.9379441
x_gcfid_ethyl_dodecanoate_ppm	y_aroma_vainilla	9	-0.9234281	0.9234281
x_gcfid_ethyl_decanoate_ppm	y_sabor_vainilla	9	0.9103115	0.9103115
x_gcfid_ethyl_decanoate_ppm	y_frutal_comun	9	0.9088917	0.9088917
x_gcfid_ethyl_dodecanoate_ppm	y_frutal_comun	9	0.9088533	0.9088533
x_gcfid_o_cresol_ppm	y_sabor_ahumado	26	0.9010245	0.9010245
x_gcfid_isoamyl_acetate_ppm	y_aroma_frutal	9	-0.9007599	0.9007599
x_gcfid_ethyl_octanoate_ppm	y_sabor_amaderado	26	0.8967265	0.8967265
x_gcfid_ethyl_tetradecanoate_ppm	y_global_armonia	9	0.8952580	0.8952580
x_gcfid_ethyl_decanoate_ppm	y_aroma_vainilla	9	-0.8943567	0.8943567
x_gcfid_guaiacol_ppm	y_fenolico_comun	26	0.8809552	0.8809552
x_gcfid_furfural_ppm	y_frutal_comun	9	0.8793002	0.8793002
x_gcfid_ethyl_octanoate_ppm	y_global_armonia	9	0.8663784	0.8663784
x_gcfid_o_cresol_ppm	y_ahumado_comun	26	0.8641168	0.8641168
x_gcfid_furfural_ppm	y_aroma_vainilla	9	-0.8622242	0.8622242
x_gcfid_ethyl_dodecanoate_ppm	y_sabor_cereal	9	-0.8605346	0.8605346
x_gcfid_o_cresol_ppm	y_regusto_ahumado	26	0.8602664	0.8602664
x_gcfid_isoamyl_octanoate_ppm	y_sabor_frutal	9	0.8484923	0.8484923
x_gcfid_4_ethyl_guaiacol_ppm	y_fenolico_comun	26	0.8448986	0.8448986
x_gcfid_o_cresol_ppm	y_fenolico_comun	26	0.8423274	0.8423274
x_gcfid_p_cresol_ppm	y_global_tomabilidad	26	-0.8389385	0.8389385
x_gcfid_ethyl_tetradecanoate_ppm	y_aroma_frutal	9	0.8384869	0.8384869
x_gcfid_4_ethyl_guaiacol_ppm	y_sabor_ahumado	26	0.8362570	0.8362570
x_gcfid_4_ethyl_guaiacol_ppm	y_ahumado_comun	26	0.8258943	0.8258943
x_gcfid_ethyl_tetradecanoate_ppm	y_sabor_cafe	26	0.8229627	0.8229627
x_gcfid_o_cresol_ppm	y_sabor_medicinal	26	0.8179613	0.8179613
x_gcfid_guaiacol_ppm	y_ahumado_comun	26	0.8168512	0.8168512
x_gcfid_guaiacol_ppm	y_medicinal_comun	26	0.8152067	0.8152067
x_gcfid_ethyl_octanoate_ppm	y_aroma_frutal	9	0.8138715	0.8138715
x_gcfid_guaiacol_ppm	y_aroma_ahumado	26	0.8095019	0.8095019
x_gcfid_guaiacol_ppm	y_sabor_medicinal	26	0.8033102	0.8033102
x_gcfid_guaiacol_ppm	y_sabor_ahumado	26	0.7996949	0.7996949
x_gcfid_p_cresol_ppm	y_global_integracion_ahumado	26	-0.7941739	0.7941739
x_gcfid_ethyl_tetradecanoate_ppm	y_aroma_cereal	9	-0.7877052	0.7877052
x_gcfid_isoamyl_acetate_ppm	y_aroma_vainilla	9	0.7794642	0.7794642
x_gcfid_ethyl_decanoate_ppm	y_aroma_frutal	9	0.7775763	0.7775763
x_gcfid_4_ethyl_guaiacol_ppm	y_regusto_ahumado	26	0.7773562	0.7773562
x_gcfid_ethyl_octanoate_ppm	y_sabor_ahumado	26	0.7588275	0.7588275
x_gcfid_guaiacol_ppm	y_regusto_ahumado	26	0.7570855	0.7570855
x_gcfid_isoamyl_acetate_ppm	y_frutal_comun	9	-0.7558923	0.7558923
x_gcfid_4_ethyl_guaiacol_ppm	y_aroma_ahumado	26	0.7526858	0.7526858
x_gcms_area_valida_pct	y_fenolico_comun	8	-0.7480740	0.7480740
x_gcfid_ethyl_octanoate_ppm	y_aroma_cereal	9	-0.7431832	0.7431832
x_gcfid_furfural_ppm	y_aroma_frutal	9	0.7307838	0.7307838
x_gcfid_o_cresol_ppm	y_sabor_amaderado	26	0.7286389	0.7286389
x_gcfid_4_ethyl_guaiacol_ppm	y_sabor_medicinal	26	0.7212464	0.7212464
x_gcfid_creosol_ppm	y_sabor_cereal	9	-0.7167459	0.7167459
x_gcfid_p_cresol_ppm	y_sabor_medicinal	26	0.7127539	0.7127539
x_gcfid_ethyl_decanoate_ppm	y_global_armonia	9	0.7033662	0.7033662
x_gcfid_isoamyl_acetate_ppm	y_aroma_cereal	9	0.6994710	0.6994710
x_gcfid_4_ethyl_guaiacol_ppm	y_medicinal_comun	26	0.6980610	0.6980610
x_gcfid_ethyl_dodecanoate_ppm	y_sabor_frutal	9	0.6977666	0.6977666
x_gcfid_ethyl_octanoate_ppm	y_ahumado_comun	26	0.6944114	0.6944114
x_gcfid_ethyl_tetradecanoate_ppm	y_aroma_vainilla	9	-0.6926326	0.6926326
x_gcfid_4_ethyl_guaiacol_ppm	y_sabor_terroso	26	0.6916213	0.6916213
x_gcfid_ethyl_tetradecanoate_ppm	y_sabor_sensacion_boca	15	0.6914966	0.6914966
x_gcfid_isoamyl_octanoate_ppm	y_sabor_cafe	26	0.6908824	0.6908824
x_gcfid_isoamyl_octanoate_ppm	y_sabor_cereal	9	-0.6893736	0.6893736
x_gcfid_ethyl_octanoate_ppm	y_regusto_ahumado	26	0.6880721	0.6880721
x_gcfid_isoamyl_acetate_ppm	y_sabor_sensacion_boca	15	-0.6825161	0.6825161
x_gcfid_ethyl_hexadecanoate_ppm	y_global_armonia	9	0.6822133	0.6822133
x_gcfid_ethyl_hexadecanoate_ppm	y_sabor_medicinal	26	-0.6780673	0.6780673
x_gcfid_ethyl_octanoate_ppm	y_aroma_vainilla	9	-0.6774599	0.6774599
x_gcfid_isoamyl_acetate_ppm	y_sabor_cafe	26	-0.6772284	0.6772284
x_gcfid_p_cresol_ppm	y_medicinal_comun	26	0.6752541	0.6752541
x_gcfid_guaiacol_ppm	y_aroma_medicinal	26	0.6731422	0.6731422
x_gcfid_ethyl_decanoate_ppm	y_sabor_terroso	26	0.6678877	0.6678877
x_gcfid_ethyl_tetradecanoate_ppm	y_frutal_comun	9	0.6655018	0.6655018
x_gcfid_o_cresol_ppm	y_aroma_ahumado	26	0.6564175	0.6564175
x_gcfid_ethyl_octanoate_ppm	y_frutal_comun	9	0.6519383	0.6519383
x_gcfid_creosol_ppm	y_global_armonia	9	0.6511872	0.6511872
x_gcfid_furfural_ppm	y_global_armonia	9	0.6501236	0.6501236
x_gcfid_o_cresol_ppm	y_sabor_terroso	26	0.6492717	0.6492717
x_gcms_aroma_fermentativo_pct	y_fenolico_comun	8	-0.6447762	0.6447762
x_gcms_esteres_pct	y_fenolico_comun	8	-0.6436586	0.6436586
x_gcfid_guaiacol_ppm	y_global_tomabilidad	26	-0.6363397	0.6363397
x_gcfid_guaiacol_ppm	y_sabor_sensacion_boca	15	-0.6349961	0.6349961
x_gcfid_o_cresol_ppm	y_medicinal_comun	26	0.6243595	0.6243595
x_gcfid_creosol_ppm	y_sabor_amaderado	26	-0.6236295	0.6236295
x_gcfid_ethyl_hexadecanoate_ppm	y_sabor_sensacion_boca	15	0.6128577	0.6128577
x_gcfid_creosol_ppm	y_aroma_frutal	9	0.6110290	0.6110290
x_gcfid_p_cresol_ppm	y_fenolico_comun	26	0.6012165	0.6012165
x_gcfid_p_cresol_ppm	y_sabor_sensacion_boca	15	-0.5978947	0.5978947
x_gcfid_ethyl_decanoate_ppm	y_sabor_amaderado	26	0.5965551	0.5965551
x_gcfid_ethyl_hexadecanoate_ppm	y_aroma_frutal	9	0.5939159	0.5939159
x_gcfid_ethyl_decanoate_ppm	y_regusto_complejidad	26	0.5923611	0.5923611
x_gcms_fenolicos_pct	y_fenolico_comun	8	0.5898832	0.5898832
x_gcfid_o_cresol_ppm	y_global_tomabilidad	26	-0.5883947	0.5883947
x_gcfid_guaiacol_ppm	y_sabor_terroso	26	0.5849326	0.5849326
x_gcfid_isoamyl_octanoate_ppm	y_sabor_vainilla	9	0.5806093	0.5806093
x_gcfid_ethyl_dodecanoate_ppm	y_sabor_sensacion_boca	15	0.5784098	0.5784098
x_gcfid_isoamyl_acetate_ppm	y_sabor_amaderado	26	-0.5771608	0.5771608
x_gcfid_isoamyl_acetate_ppm	y_aroma_ahumado	26	-0.5767469	0.5767469
x_gcfid_isoamyl_octanoate_ppm	y_aroma_cafe	26	0.5739225	0.5739225
x_gcfid_ethyl_octanoate_ppm	y_fenolico_comun	26	0.5731743	0.5731743
x_gcfid_ethyl_hexadecanoate_ppm	y_sabor_cafe	26	0.5711981	0.5711981
x_gcfid_4_ethyl_guaiacol_ppm	y_sabor_sensacion_boca	15	-0.5676749	0.5676749
x_gcfid_ethyl_octanoate_ppm	y_sabor_terroso	26	0.5657614	0.5657614
x_gcfid_ethyl_tetradecanoate_ppm	y_sabor_medicinal	26	-0.5641450	0.5641450
x_gcfid_creosol_ppm	y_aroma_cereal	9	-0.5640356	0.5640356
x_gcfid_4_ethyl_guaiacol_ppm	y_aroma_medicinal	26	0.5600845	0.5600845
x_gcms_aldehidos_pct	y_fenolico_comun	8	0.5505476	0.5505476
x_gcfid_isoamyl_acetate_ppm	y_sabor_ahumado	26	-0.5490854	0.5490854
x_gcfid_p_cresol_ppm	y_aroma_cafe	26	-0.5408289	0.5408289
x_gcfid_isoamyl_octanoate_ppm	y_regusto_complejidad	26	0.5345286	0.5345286
x_gcfid_isoamyl_acetate_ppm	y_ahumado_comun	26	-0.5319696	0.5319696
x_gcfid_p_cresol_ppm	y_aroma_ahumado	26	0.5308668	0.5308668
x_gcfid_furfural_ppm	y_sabor_medicinal	24	-0.5285771	0.5285771
x_gcfid_ethyl_decanoate_ppm	y_aroma_cafe	26	0.5283003	0.5283003
x_gcfid_ethyl_hexadecanoate_ppm	y_medicinal_comun	26	-0.5261929	0.5261929
x_gcfid_p_cresol_ppm	y_aroma_medicinal	26	0.5185180	0.5185180
x_gcfid_furfural_ppm	y_sabor_ahumado	24	-0.5178173	0.5178173
x_gcfid_ethyl_octanoate_ppm	y_regusto_duracion	26	0.5168992	0.5168992
x_gcfid_ethyl_decanoate_ppm	y_sabor_ahumado	26	0.5090973	0.5090973
x_gcfid_creosol_ppm	y_aroma_vainilla	9	-0.5071497	0.5071497

Esta tabla lista, ya no solo los 4 targets principales sino los 25 descriptores sensoriales individuales, todos los pares predictor-target con |r| ≥ 0.5 (129 pares en total, sobre 18 predictores distintos, todos de GC-FID o GC-MS). Varias de las correlaciones más altas (cercanas a 0.9–0.99) corresponden a pares con solo 8-9 observaciones — típicamente contra y_frutal_comun, que tiene cobertura baja (13/34 unidades) — por lo que ese valor tan alto es en gran parte un efecto de tamaño de muestra pequeño y no debe leerse como una relación fuerte y confiable. Esta tabla es un insumo temprano de exploración, no una lista de importancia de variables: esa evaluación formal se hace recién en el modelamiento (Parte 3), con validación cruzada y bootstrap.

3 - MODELAMIENTO

3.1 Objetivo de esta parte

Esta parte documenta la etapa de modelamiento predictivo: diagnóstico de viabilidad y colinealidad de los predictores, ajuste de modelos candidatos y su validación por bootstrap agrupado, además del análisis de sensibilidad a valores atípicos químicos. El target principal es y_fenolico_comun (cobertura completa, 34/34 en M_pura); se reporta también y_frutal_comun como target secundario exploratorio, ya que su baja cobertura (13/34) deja grados de libertad negativos en varios escenarios y sus resultados no deben leerse con el mismo nivel de confianza.

Los escenarios evaluados son:

Escenario	Filas	Rol
M_pura	34	Principal — evidencia central de resultados
M_cata_individual	52	Sensibilidad — pura + cata individual JU agregada
M_expandida_evaluador	685	Complementario por evaluador (no independiente)
M_ia_exploratoria	42	Sintético exploratorio (no reemplaza cata real); 42 filas químicas con estimación IA utilizable, provenientes de 24 muestras físicas únicas

Antes de mostrar los resultados de cada etapa, las siguientes dos secciones explican qué modelos se probaron y cómo se compensa, metodológicamente, tener tan pocas muestras con cata real.

3.2 Modelos que se van a utilizar

Se prueban dos modelos base (piso mínimo de comparación) y seis modelos candidatos, todos evaluados sobre los mismos escenarios y targets:

Modelos base:

• Media de entrenamiento: predice siempre el promedio del target visto en entrenamiento, sin usar ninguna variable química. Es el piso absoluto: cualquier modelo candidato que no le gane no está aportando información real.
• Regresión lineal reducida: regresión lineal simple con hasta 3 predictores, elegidos por correlación con el target dentro de cada fold (para no filtrar información de test hacia el entrenamiento). Es un piso más exigente que la media, porque sí usa química, pero de forma muy simple.

Modelos candidatos (small data):

• Ridge, Lasso y Elastic Net: regresiones lineales regularizadas, que penalizan coeficientes grandes para controlar el sobreajuste cuando hay más predictores correlacionados que observaciones independientes — justamente el escenario de colinealidad que se documenta más abajo. Lasso y Elastic Net además pueden llevar coeficientes a cero, funcionando como selección de variables automática.
• PLS (mínimos cuadrados parciales): en vez de usar los predictores originales, construye combinaciones lineales de ellos que maximizan su relación con el target, reduciendo la dimensionalidad antes de ajustar. Útil cuando hay muchos predictores correlacionados entre sí, como ocurre en los grupos GC-FID y GC-MS.
• Random Forest restringido (ranger) y Gradient Boosting restringido (gbm): modelos de árboles con su complejidad limitada a propósito (profundidad y número de árboles reducidos, mtry acotado) — un Random Forest o Gradient Boosting sin restricciones prácticamente memoriza el set de entrenamiento cuando hay 30-50 filas, así que se restringen para que generalicen en vez de sobreajustar.

Todos se ajustan con validación cruzada y se comparan primero con una pasada simple (sección “Modelos candidatos”) y luego con el bootstrap agrupado, que es el que finalmente determina el modelo recomendado por escenario.

3.3 Manejo del tamaño de muestra pequeño

En este estudio no se usan técnicas de aumento de datos sintéticas tipo SMOTE (pensadas para clasificación desbalanceada, no aplican a un target continuo con 34 muestras). En su lugar, el tamaño de muestra utilizable se maneja con tres estrategias complementarias:

1. Escenarios adicionales que suman filas sin inventar química nueva. M_expandida_evaluador no promedia los puntajes de los catadores por muestra, sino que deja una fila por evaluador (685 filas sobre las mismas 34 muestras químicas); M_cata_individual agrega las 18 filas de la cata individual JU a las 34 de la matriz pura. Ambos aportan más señal de entrenamiento, pero se validan agrupando por unidad química (ver punto 2) para no contar la misma muestra química varias veces como si fuera evidencia independiente.
2. Validación por bootstrap agrupado (sección más abajo): 100 iteraciones de remuestreo con reemplazo, agrupando por unidad analítica, de forma que todas las filas de una misma muestra química caen siempre juntas en entrenamiento o en prueba, nunca repartidas entre ambos. Esto evita una fuga de información que sobreestimaría el desempeño, y es la técnica central para exprimir al máximo los pocos datos disponibles sin inflar artificialmente los resultados.
3. Regularización y restricción de modelos (Ridge/Lasso/Elastic Net, árboles restringidos): con tan pocas observaciones no hay margen para dejar un conjunto de validación completamente aparte sin sacrificar datos de entrenamiento, así que el control de sobreajuste se hace principalmente dentro del propio modelo (penalización de coeficientes, profundidad limitada) en vez de con un split de datos más grande.

Con este marco definido, las siguientes secciones muestran los resultados de cada etapa.

3.4 Diagnóstico de viabilidad por escenario

Antes de ajustar cualquier modelo se revisa una heurística de viabilidad — no un cálculo formal de un modelo específico, sino un chequeo rápido de EDA para small data: grados de libertad aproximados = filas modelables (con dato no vacío en el target) − predictores usables (predictores con al menos 3 valores, al menos 2 valores distintos y desviación estándar mayor que cero). Un valor negativo significa que hay más predictores que datos para estimarlos, y el ajuste no es confiable por más regularización que se use; valores por debajo de 15 quedan marcados como “alerta” y por debajo de 5 (u observaciones totales menores a 8) como “crítico”.

escenario	target	n_filas_totales	n_filas_modelables	n_predictores_usables	grados_libertad_aprox	severidad_small_data	apto_modelamiento_supervisado
M_cata_individual	y_ahumado_comun	52	48	26	22	aceptable_para_small_data	TRUE
M_cata_individual	y_fenolico_comun	52	52	26	26	aceptable_para_small_data	TRUE
M_cata_individual	y_frutal_comun	52	13	26	-13	critico_gl_insuficiente	TRUE
M_cata_individual	y_medicinal_comun	52	48	26	22	aceptable_para_small_data	TRUE
M_expandida_evaluador	y_ahumado_comun	685	645	13	632	aceptable_para_small_data	TRUE
M_expandida_evaluador	y_fenolico_comun	685	685	13	672	aceptable_para_small_data	TRUE
M_expandida_evaluador	y_frutal_comun	685	118	13	105	aceptable_para_small_data	TRUE
M_expandida_evaluador	y_medicinal_comun	685	645	13	632	aceptable_para_small_data	TRUE
M_ia_exploratoria	y_ahumado_comun	42	42	5	37	aceptable_para_small_data	TRUE
M_ia_exploratoria	y_fenolico_comun	42	42	5	37	aceptable_para_small_data	TRUE
M_ia_exploratoria	y_frutal_comun	42	6	5	1	critico_muy_pocos_datos	TRUE
M_ia_exploratoria	y_medicinal_comun	42	39	5	34	aceptable_para_small_data	TRUE
M_pura	y_ahumado_comun	34	30	13	17	aceptable_para_small_data	TRUE
M_pura	y_fenolico_comun	34	34	13	21	aceptable_para_small_data	TRUE
M_pura	y_frutal_comun	34	13	13	0	critico_gl_insuficiente	TRUE
M_pura	y_medicinal_comun	34	30	13	17	aceptable_para_small_data	TRUE
M_quimica	NA	63	NA	10	NA	sin_target	FALSE
M_sensorial	y_ahumado_comun	37	27	0	27	aceptable_para_small_data	FALSE
M_sensorial	y_fenolico_comun	37	37	0	37	aceptable_para_small_data	FALSE
M_sensorial	y_frutal_comun	37	10	0	10	alerta_gl_ajustado	FALSE
M_sensorial	y_medicinal_comun	37	27	0	27	aceptable_para_small_data	FALSE

** 01_grados_libertad_por_escenario **

Para M_pura con y_fenolico_comun (target principal) hay 34 filas modelables, 13 predictores usables (los 13 de GC-FID que definen el escenario principal) y 21 grados de libertad aproximados — viable. Para y_frutal_comun, en cambio, solo 13 filas quedan modelables (baja cobertura), lo que con los mismos 13 predictores deja 0 grados de libertad y una marca de critico_gl_insuficiente: por eso este target se reporta siempre como secundario/exploratorio y nunca como evidencia central.

3.5 Colinealidad de predictores

Dado que los predictores provienen de técnicas analíticas no solapadas (GC-MS, GC-FID, Folin, JU fermentativo), no se aplica un VIF global; se usa correlación pareada de Pearson como diagnóstico principal, complementado con VIF por bloque y VIF del modelo base reducido.

escenario	predictor	n_filas	n_no_na	pct_no_na	n_distintos	desviacion_estandar	usable_correlacion	motivo
M_pura	x_gcfid_ethyl_octanoate_ppm	34	26	76.47	17	27.481312	TRUE	usable
M_pura	x_gcfid_isoamyl_acetate_ppm	34	26	76.47	17	1.091867	TRUE	usable
M_pura	x_gcfid_furfural_ppm	34	24	70.59	15	0.497424	TRUE	usable
M_pura	x_gcfid_o_cresol_ppm	34	26	76.47	9	0.027408	TRUE	usable
M_pura	x_gcfid_p_cresol_ppm	34	26	76.47	17	0.078408	TRUE	usable
M_pura	x_gcfid_4_ethyl_guaiacol_ppm	34	26	76.47	9	0.007786	TRUE	usable
M_pura	x_gcfid_creosol_ppm	34	26	76.47	17	0.052505	TRUE	usable
M_pura	x_gcfid_guaiacol_ppm	34	26	76.47	6	0.124049	TRUE	usable
M_pura	x_gcfid_ethyl_decanoate_ppm	34	26	76.47	17	9.332234	TRUE	usable
M_pura	x_gcfid_isoamyl_octanoate_ppm	34	26	76.47	17	0.149908	TRUE	usable
M_pura	x_gcfid_ethyl_dodecanoate_ppm	34	26	76.47	17	64.814097	TRUE	usable
M_pura	x_gcfid_ethyl_tetradecanoate_ppm	34	26	76.47	17	1.240086	TRUE	usable
M_pura	x_gcfid_ethyl_hexadecanoate_ppm	34	26	76.47	17	13.955919	TRUE	usable
M_expandida_evaluador	x_gcfid_ethyl_octanoate_ppm	685	531	77.52	17	29.522705	TRUE	usable
M_expandida_evaluador	x_gcfid_isoamyl_acetate_ppm	685	531	77.52	17	1.053544	TRUE	usable
M_expandida_evaluador	x_gcfid_furfural_ppm	685	513	74.89	15	0.492380	TRUE	usable
M_expandida_evaluador	x_gcfid_o_cresol_ppm	685	531	77.52	9	0.029977	TRUE	usable
M_expandida_evaluador	x_gcfid_p_cresol_ppm	685	531	77.52	17	0.062108	TRUE	usable
M_expandida_evaluador	x_gcfid_4_ethyl_guaiacol_ppm	685	531	77.52	9	0.008850	TRUE	usable
M_expandida_evaluador	x_gcfid_creosol_ppm	685	531	77.52	17	0.052980	TRUE	usable
M_expandida_evaluador	x_gcfid_guaiacol_ppm	685	531	77.52	6	0.141221	TRUE	usable
M_expandida_evaluador	x_gcfid_ethyl_decanoate_ppm	685	531	77.52	17	8.338102	TRUE	usable
M_expandida_evaluador	x_gcfid_isoamyl_octanoate_ppm	685	531	77.52	17	0.129285	TRUE	usable
M_expandida_evaluador	x_gcfid_ethyl_dodecanoate_ppm	685	531	77.52	17	59.698436	TRUE	usable
M_expandida_evaluador	x_gcfid_ethyl_tetradecanoate_ppm	685	531	77.52	17	1.092569	TRUE	usable
M_expandida_evaluador	x_gcfid_ethyl_hexadecanoate_ppm	685	531	77.52	17	13.822933	TRUE	usable
M_cata_individual	x_gcfid_ethyl_octanoate_ppm	52	26	50.00	17	27.481312	TRUE	usable
M_cata_individual	x_gcfid_isoamyl_acetate_ppm	52	26	50.00	17	1.091867	TRUE	usable
M_cata_individual	x_gcfid_furfural_ppm	52	24	46.15	15	0.497424	TRUE	usable
M_cata_individual	x_gcfid_o_cresol_ppm	52	26	50.00	9	0.027408	TRUE	usable
M_cata_individual	x_gcfid_p_cresol_ppm	52	26	50.00	17	0.078408	TRUE	usable
M_cata_individual	x_gcfid_4_ethyl_guaiacol_ppm	52	26	50.00	9	0.007786	TRUE	usable
M_cata_individual	x_gcfid_creosol_ppm	52	26	50.00	17	0.052505	TRUE	usable
M_cata_individual	x_gcfid_guaiacol_ppm	52	26	50.00	6	0.124049	TRUE	usable
M_cata_individual	x_gcfid_ethyl_decanoate_ppm	52	26	50.00	17	9.332234	TRUE	usable
M_cata_individual	x_gcfid_isoamyl_octanoate_ppm	52	26	50.00	17	0.149908	TRUE	usable
M_cata_individual	x_gcfid_ethyl_dodecanoate_ppm	52	26	50.00	17	64.814097	TRUE	usable
M_cata_individual	x_gcfid_ethyl_tetradecanoate_ppm	52	26	50.00	17	1.240086	TRUE	usable
M_cata_individual	x_gcfid_ethyl_hexadecanoate_ppm	52	26	50.00	17	13.955919	TRUE	usable
M_cata_individual	x_ju_final_co2_loss_g_l	52	18	34.62	16	20.337762	TRUE	usable
M_cata_individual	x_ju_maltose_consumption_g_l	52	18	34.62	13	47.225011	TRUE	usable
M_cata_individual	x_ju_ethanol_production_g_l	52	18	34.62	18	1.842068	TRUE	usable
M_cata_individual	x_ju_ferulic_acid_conversion_index_faci_percent	52	18	34.62	18	2.930341	TRUE	usable
M_cata_individual	x_ju_o_cresol_ppm	52	5	9.62	5	0.469529	TRUE	usable
M_cata_individual	x_ju_p_cresol_ppm	52	5	9.62	5	0.041766	TRUE	usable
M_cata_individual	x_ju_isoamyl_acetate_ppm	52	5	9.62	5	0.140171	TRUE	usable
M_cata_individual	x_ju_ethyl_decanoate_ppm	52	5	9.62	5	0.211274	TRUE	usable
M_cata_individual	x_ju_isoamyl_octanoate_ppm	52	5	9.62	5	0.018618	TRUE	usable
M_cata_individual	x_ju_ethyl_dodecanoate_ppm	52	5	9.62	5	0.100646	TRUE	usable
M_cata_individual	x_ju_ethyl_myristate_ppm	52	5	9.62	5	0.011093	TRUE	usable
M_cata_individual	x_ju_ethyl_hexadecanoate_ppm	52	5	9.62	5	0.077457	TRUE	usable
M_cata_individual	x_ju_ethyl_octanoate_ppm	52	5	9.62	5	36.032610	TRUE	usable
M_ia_exploratoria	x_gcfid_ethyl_octanoate_ppm	42	0	0.00	0	NA	FALSE	sin_datos
M_ia_exploratoria	x_gcfid_isoamyl_acetate_ppm	42	0	0.00	0	NA	FALSE	sin_datos
M_ia_exploratoria	x_gcfid_furfural_ppm	42	0	0.00	0	NA	FALSE	sin_datos
M_ia_exploratoria	x_gcfid_o_cresol_ppm	42	0	0.00	0	NA	FALSE	sin_datos
M_ia_exploratoria	x_gcfid_p_cresol_ppm	42	0	0.00	0	NA	FALSE	sin_datos
M_ia_exploratoria	x_gcfid_4_ethyl_guaiacol_ppm	42	0	0.00	0	NA	FALSE	sin_datos
M_ia_exploratoria	x_gcfid_creosol_ppm	42	0	0.00	0	NA	FALSE	sin_datos
M_ia_exploratoria	x_gcfid_guaiacol_ppm	42	0	0.00	0	NA	FALSE	sin_datos
M_ia_exploratoria	x_gcfid_ethyl_decanoate_ppm	42	0	0.00	0	NA	FALSE	sin_datos
M_ia_exploratoria	x_gcfid_isoamyl_octanoate_ppm	42	0	0.00	0	NA	FALSE	sin_datos
M_ia_exploratoria	x_gcfid_ethyl_dodecanoate_ppm	42	0	0.00	0	NA	FALSE	sin_datos
M_ia_exploratoria	x_gcfid_ethyl_tetradecanoate_ppm	42	0	0.00	0	NA	FALSE	sin_datos
M_ia_exploratoria	x_gcfid_ethyl_hexadecanoate_ppm	42	0	0.00	0	NA	FALSE	sin_datos
M_ia_exploratoria	x_ju_final_co2_loss_g_l	42	18	42.86	18	20.465654	TRUE	usable
M_ia_exploratoria	x_ju_maltose_consumption_g_l	42	18	42.86	10	48.274170	TRUE	usable
M_ia_exploratoria	x_ju_ethanol_production_g_l	42	18	42.86	17	2.303190	TRUE	usable
M_ia_exploratoria	x_ju_ferulic_acid_conversion_index_faci_percent	42	18	42.86	18	4.415490	TRUE	usable
M_ia_exploratoria	x_ju_o_cresol_ppm	42	2	4.76	2	0.155331	FALSE	menos_de_3_valores
M_ia_exploratoria	x_ju_p_cresol_ppm	42	2	4.76	2	0.002899	FALSE	menos_de_3_valores
M_ia_exploratoria	x_ju_isoamyl_acetate_ppm	42	2	4.76	2	0.157284	FALSE	menos_de_3_valores
M_ia_exploratoria	x_ju_ethyl_decanoate_ppm	42	2	4.76	2	0.718026	FALSE	menos_de_3_valores
M_ia_exploratoria	x_ju_isoamyl_octanoate_ppm	42	2	4.76	2	0.054317	FALSE	menos_de_3_valores
M_ia_exploratoria	x_ju_ethyl_dodecanoate_ppm	42	2	4.76	2	7.328001	FALSE	menos_de_3_valores
M_ia_exploratoria	x_ju_ethyl_myristate_ppm	42	2	4.76	2	0.210325	FALSE	menos_de_3_valores
M_ia_exploratoria	x_ju_ethyl_hexadecanoate_ppm	42	2	4.76	2	9.822821	FALSE	menos_de_3_valores
M_ia_exploratoria	x_ju_ethyl_octanoate_ppm	42	2	4.76	2	23.403703	FALSE	menos_de_3_valores
M_ia_exploratoria	x_folin_fenoles_totales_ug_ag_ml	42	24	57.14	21	45.804797	TRUE	usable
M_ia_exploratoria	x_gcms_esteres_pct	42	0	0.00	0	NA	FALSE	sin_datos
M_ia_exploratoria	x_gcms_fenolicos_pct	42	0	0.00	0	NA	FALSE	sin_datos
M_ia_exploratoria	x_gcms_aldehidos_pct	42	0	0.00	0	NA	FALSE	sin_datos
M_ia_exploratoria	x_gcms_aroma_fermentativo_pct	42	0	0.00	0	NA	FALSE	sin_datos
M_ia_exploratoria	x_gcms_area_valida_pct	42	0	0.00	0	NA	FALSE	sin_datos
M_quimica	x_gcfid_ethyl_octanoate_ppm	63	0	0.00	0	NA	FALSE	sin_datos
M_quimica	x_gcfid_isoamyl_acetate_ppm	63	0	0.00	0	NA	FALSE	sin_datos
M_quimica	x_gcfid_furfural_ppm	63	0	0.00	0	NA	FALSE	sin_datos
M_quimica	x_gcfid_o_cresol_ppm	63	0	0.00	0	NA	FALSE	sin_datos
M_quimica	x_gcfid_p_cresol_ppm	63	0	0.00	0	NA	FALSE	sin_datos
M_quimica	x_gcfid_4_ethyl_guaiacol_ppm	63	0	0.00	0	NA	FALSE	sin_datos
M_quimica	x_gcfid_creosol_ppm	63	0	0.00	0	NA	FALSE	sin_datos
M_quimica	x_gcfid_guaiacol_ppm	63	0	0.00	0	NA	FALSE	sin_datos
M_quimica	x_gcfid_ethyl_decanoate_ppm	63	0	0.00	0	NA	FALSE	sin_datos
M_quimica	x_gcfid_isoamyl_octanoate_ppm	63	0	0.00	0	NA	FALSE	sin_datos
M_quimica	x_gcfid_ethyl_dodecanoate_ppm	63	0	0.00	0	NA	FALSE	sin_datos
M_quimica	x_gcfid_ethyl_tetradecanoate_ppm	63	0	0.00	0	NA	FALSE	sin_datos
M_quimica	x_gcfid_ethyl_hexadecanoate_ppm	63	0	0.00	0	NA	FALSE	sin_datos
M_quimica	x_ju_final_co2_loss_g_l	63	21	33.33	21	19.991714	TRUE	usable
M_quimica	x_ju_maltose_consumption_g_l	63	21	33.33	13	48.323460	TRUE	usable
M_quimica	x_ju_ethanol_production_g_l	63	21	33.33	19	2.265067	TRUE	usable
M_quimica	x_ju_ferulic_acid_conversion_index_faci_percent	63	21	33.33	21	4.222090	TRUE	usable
M_quimica	x_ju_o_cresol_ppm	63	2	3.17	2	0.155331	FALSE	menos_de_3_valores
M_quimica	x_ju_p_cresol_ppm	63	2	3.17	2	0.002899	FALSE	menos_de_3_valores
M_quimica	x_ju_isoamyl_acetate_ppm	63	2	3.17	2	0.157284	FALSE	menos_de_3_valores
M_quimica	x_ju_ethyl_decanoate_ppm	63	2	3.17	2	0.718026	FALSE	menos_de_3_valores
M_quimica	x_ju_isoamyl_octanoate_ppm	63	2	3.17	2	0.054317	FALSE	menos_de_3_valores
M_quimica	x_ju_ethyl_dodecanoate_ppm	63	2	3.17	2	7.328001	FALSE	menos_de_3_valores
M_quimica	x_ju_ethyl_myristate_ppm	63	2	3.17	2	0.210325	FALSE	menos_de_3_valores
M_quimica	x_ju_ethyl_hexadecanoate_ppm	63	2	3.17	2	9.822821	FALSE	menos_de_3_valores
M_quimica	x_ju_ethyl_octanoate_ppm	63	2	3.17	2	23.403703	FALSE	menos_de_3_valores
M_quimica	x_folin_fenoles_totales_ug_ag_ml	63	24	38.10	21	45.804797	TRUE	usable
M_quimica	x_gcms_esteres_pct	63	18	28.57	18	11.042743	TRUE	usable
M_quimica	x_gcms_fenolicos_pct	63	18	28.57	18	1.625560	TRUE	usable
M_quimica	x_gcms_aldehidos_pct	63	18	28.57	18	0.665586	TRUE	usable
M_quimica	x_gcms_aroma_fermentativo_pct	63	18	28.57	18	11.063739	TRUE	usable
M_quimica	x_gcms_area_valida_pct	63	18	28.57	18	2.179952	TRUE	usable

M_pura se define sobre los 13 predictores de GC-FID, y los 13 son usables para correlación. Las variables de GC-MS quedan fuera del escenario principal por su baja cobertura real (23.5% de las unidades; su efecto se evalúa aparte en la sección de sensibilidad a GC-MS), y el bloque JU casi no se solapa con unidades que tienen cata de panel.

escenario	predictor_1	predictor_2	r_pearson	abs_r	n_comunes	nivel_colinealidad	recomendacion
M_cata_individual	x_ju_final_co2_loss_g_l	x_ju_maltose_consumption_g_l	0.981612	0.981612	18	muy_alta	colinealidad_muy_alta; evitar_modelos_lineales_sin_regularizacion
M_cata_individual	x_ju_maltose_consumption_g_l	x_ju_ethanol_production_g_l	0.979573	0.979573	18	muy_alta	colinealidad_muy_alta; evitar_modelos_lineales_sin_regularizacion
M_cata_individual	x_ju_ferulic_acid_conversion_index_faci_percent	x_ju_p_cresol_ppm	-0.976759	0.976759	5	muy_alta	colinealidad_muy_alta; evitar_modelos_lineales_sin_regularizacion
M_cata_individual	x_ju_isoamyl_acetate_ppm	x_ju_ethyl_myristate_ppm	-0.969596	0.969596	5	muy_alta	colinealidad_muy_alta; evitar_modelos_lineales_sin_regularizacion
M_cata_individual	x_ju_ethanol_production_g_l	x_ju_o_cresol_ppm	-0.967134	0.967134	5	muy_alta	colinealidad_muy_alta; evitar_modelos_lineales_sin_regularizacion
M_cata_individual	x_ju_final_co2_loss_g_l	x_ju_ethanol_production_g_l	0.966965	0.966965	18	muy_alta	colinealidad_muy_alta; evitar_modelos_lineales_sin_regularizacion
M_cata_individual	x_ju_final_co2_loss_g_l	x_ju_ethyl_hexadecanoate_ppm	0.954601	0.954601	5	muy_alta	colinealidad_muy_alta; evitar_modelos_lineales_sin_regularizacion
M_cata_individual	x_ju_maltose_consumption_g_l	x_ju_o_cresol_ppm	-0.945054	0.945054	5	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls
M_cata_individual	x_ju_maltose_consumption_g_l	x_ju_ethyl_hexadecanoate_ppm	0.935886	0.935886	5	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls
M_cata_individual	x_ju_final_co2_loss_g_l	x_ju_o_cresol_ppm	-0.929634	0.929634	5	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls
M_cata_individual	x_ju_maltose_consumption_g_l	x_ju_ethyl_octanoate_ppm	0.921003	0.921003	5	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls
M_cata_individual	x_gcfid_4_ethyl_guaiacol_ppm	x_gcfid_guaiacol_ppm	0.913114	0.913114	26	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls
M_cata_individual	x_ju_ethanol_production_g_l	x_ju_ethyl_hexadecanoate_ppm	0.911190	0.911190	5	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls
M_cata_individual	x_ju_ethyl_decanoate_ppm	x_ju_ethyl_octanoate_ppm	0.904462	0.904462	5	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls
M_cata_individual	x_ju_p_cresol_ppm	x_ju_ethyl_dodecanoate_ppm	-0.901211	0.901211	5	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls
M_cata_individual	x_ju_ethanol_production_g_l	x_ju_ethyl_octanoate_ppm	0.900524	0.900524	5	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls
M_cata_individual	x_ju_ethyl_hexadecanoate_ppm	x_ju_ethyl_octanoate_ppm	0.888461	0.888461	5	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls
M_cata_individual	x_ju_o_cresol_ppm	x_ju_ethyl_hexadecanoate_ppm	-0.873413	0.873413	5	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls
M_cata_individual	x_gcfid_ethyl_decanoate_ppm	x_gcfid_isoamyl_octanoate_ppm	0.858392	0.858392	26	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls
M_cata_individual	x_ju_final_co2_loss_g_l	x_ju_ethyl_octanoate_ppm	0.856406	0.856406	5	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls
M_expandida_evaluador	x_gcfid_4_ethyl_guaiacol_ppm	x_gcfid_guaiacol_ppm	0.950986	0.950986	531	muy_alta	colinealidad_muy_alta; evitar_modelos_lineales_sin_regularizacion
M_expandida_evaluador	x_gcfid_ethyl_octanoate_ppm	x_gcfid_o_cresol_ppm	0.850107	0.850107	531	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls
M_ia_exploratoria	x_ju_final_co2_loss_g_l	x_ju_ethanol_production_g_l	0.963759	0.963759	18	muy_alta	colinealidad_muy_alta; evitar_modelos_lineales_sin_regularizacion
M_ia_exploratoria	x_ju_final_co2_loss_g_l	x_ju_maltose_consumption_g_l	0.953390	0.953390	18	muy_alta	colinealidad_muy_alta; evitar_modelos_lineales_sin_regularizacion
M_ia_exploratoria	x_ju_maltose_consumption_g_l	x_ju_ethanol_production_g_l	0.892926	0.892926	18	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls
M_pura	x_gcfid_4_ethyl_guaiacol_ppm	x_gcfid_guaiacol_ppm	0.913114	0.913114	26	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls
M_pura	x_gcfid_ethyl_decanoate_ppm	x_gcfid_isoamyl_octanoate_ppm	0.858392	0.858392	26	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls
M_quimica	x_gcms_esteres_pct	x_gcms_aroma_fermentativo_pct	0.998189	0.998189	18	muy_alta	colinealidad_muy_alta; evitar_modelos_lineales_sin_regularizacion
M_quimica	x_ju_final_co2_loss_g_l	x_ju_ethanol_production_g_l	0.967588	0.967588	21	muy_alta	colinealidad_muy_alta; evitar_modelos_lineales_sin_regularizacion
M_quimica	x_ju_final_co2_loss_g_l	x_ju_maltose_consumption_g_l	0.957056	0.957056	21	muy_alta	colinealidad_muy_alta; evitar_modelos_lineales_sin_regularizacion
M_quimica	x_ju_maltose_consumption_g_l	x_ju_ethanol_production_g_l	0.906505	0.906505	21	alta	colinealidad_alta; preferir_ridge_lasso_elastic_net_o_pls

En M_pura hay 2 pares con correlación alta (|r| ≥ 0.85), ninguno por encima de 0.95: los fenoles volátiles guaiacol y 4-etil-guaiacol (r = 0.91), y los ésteres ethyl decanoate e isoamyl octanoate (r = 0.86). Aunque son pocos pares, esta colinealidad entre compuestos químicamente emparentados es la razón concreta por la que se prefieren modelos regularizados o PLS en vez de una regresión lineal múltiple simple.

3.5.1 Mapas de calor de colinealidad por escenario

Cada mapa muestra la correlación de Pearson entre los predictores químicos más involucrados en colinealidad (o, si no hay pares con |r| ≥ 0.85, los de mayor variabilidad), agrupados por bloque analítico — GC-FID, GC-MS, JU y Folin no comparten unidades entre sí, así que sus pares cruzados no tienen correlación calculable y se dejan en blanco en vez de rellenarse con gris.

Escenario M_pura

En el escenario principal, la colinealidad relevante se concentra en el bloque GC-FID: los fenoles volátiles guaiacol y 4-etil-guaiacol correlacionan fuerte (r = 0.91) — moléculas químicamente emparentadas que suelen producirse juntas durante el tostado/ahumado — y por otro lado los ésteres ethyl decanoate e isoamyl octanoate (r = 0.86). Los bloques GC-MS y JU no aparecen porque no forman parte de los predictores de M_pura.

Escenario M_cata_individual

Al agregar la cata individual JU (52 filas), el bloque JU sí alcanza el umbral y aparece con 12 variables — es, por lejos, el bloque más internamente colineal: casi todas las variables fermentativas (producción de etanol, pérdida de CO₂, consumo de maltosa, varios ésteres de cadena larga) se mueven juntas con r > 0.85, coherente con que todas reflejan el mismo proceso de fermentación medido de distintas formas. o-cresol y p-cresol, en cambio, correlacionan negativamente con ese grupo (hasta r = -0.97), y p-cresol en particular con el índice FACI (r = -0.98) — señal de que estos dos compuestos siguen una dinámica distinta al resto de las variables JU. El bloque GC-FID mantiene los mismos dos pares que en M_pura (r = 0.91 y 0.86), porque sus valores provienen de las mismas muestras químicas de base.

Escenario M_expandida_evaluador

Como esta matriz repite las mismas 34 muestras químicas una vez por evaluador (685 filas), el patrón de colinealidad es esencialmente el de M_pura: guaiacol y 4-etil-guaiacol suben incluso a r = 0.95, y aparece además el par ethyl octanoate y o-cresol (r = 0.85). Esto confirma que la colinealidad es una propiedad de la química de las muestras, no del número de evaluadores que las calificaron.

Escenario M_ia_exploratoria

En el escenario sintético de IA, solo el bloque JU alcanza el umbral de colinealidad alta, con tres variables fermentativas correlacionadas entre sí (r = 0.89–0.96). Los bloques GC-FID y GC-MS no aparecen porque este escenario tiene menor cobertura química real detrás de las muestras sintéticas, así que ningún par de esas variables llega al mínimo de pares con datos en común necesario para calcular una correlación confiable.

Escenario M_quimica

Esta matriz no tiene target sensorial (es solo diagnóstico de la parte química), y su heatmap muestra el caso más extremo de colinealidad interna: aroma fermentativo y ésteres de GC-MS quedan perfectamente correlacionados (r = 1.00, por construcción), y las tres variables fermentativas de JU repiten el mismo patrón visto en M_ia_exploratoria (r = 0.91–0.97). El bloque GC-FID no alcanza aquí el umbral porque, al no cruzarse con cata real, cambia qué unidades quedan con datos completos.

En conjunto, los cinco mapas muestran que la colinealidad es una propiedad de la química de base (se repite en M_pura, M_cata_individual y M_expandida_evaluador porque comparten las mismas 34 muestras), y que los bloques con menos cobertura real (M_ia_exploratoria, M_quimica) simplemente no alcanzan el mínimo de datos para mostrar todos los bloques a la vez.

3.6 Modelos base (líneas de comparación)

escenario	target	modelo	n_observaciones	n_grupos_validacion	mae	rmse	r2	spearman	bias	mae_media	rmse_media	mejora_mae_vs_media	mejora_rmse_vs_media	lectura
M_cata_individual	y_fenolico_comun	lineal_reducido	52	16	0.578247	0.779163	0.524293	0.516589	-0.505555	0.941580	1.129688	0.363333	0.350525	mejora_frente_a_media; interpretar_con_cautela_por_small_data_y_colinealidad
M_cata_individual	y_fenolico_comun	media_entrenamiento	52	16	0.941580	1.129688	0.000000	NA	-0.018872	0.941580	1.129688	0.000000	0.000000	linea_base_minima; cualquier_modelo_debe_superar_este_error
M_cata_individual	y_frutal_comun	lineal_reducido	13	7	0.828500	1.126336	-9.790856	0.275298	0.566887	0.279017	0.342878	-0.549483	-0.783458	no_mejora_claramente_frente_a_media_o_mejora_marginal
M_cata_individual	y_frutal_comun	media_entrenamiento	13	7	0.279017	0.342878	0.000000	NA	0.010812	0.279017	0.342878	0.000000	0.000000	linea_base_minima; cualquier_modelo_debe_superar_este_error
M_expandida_evaluador	y_fenolico_comun	lineal_reducido	685	10	0.874476	1.086593	-0.027218	-0.192054	-0.187008	0.862678	1.072101	-0.011798	-0.014492	no_mejora_claramente_frente_a_media_o_mejora_marginal
M_expandida_evaluador	y_fenolico_comun	media_entrenamiento	685	10	0.862678	1.072101	0.000000	NA	-0.022174	0.862678	1.072101	0.000000	0.000000	linea_base_minima; cualquier_modelo_debe_superar_este_error
M_expandida_evaluador	y_frutal_comun	lineal_reducido	118	7	1.319211	1.567637	-3.398731	0.182200	0.210658	0.580064	0.747449	-0.739147	-0.820188	no_mejora_claramente_frente_a_media_o_mejora_marginal
M_expandida_evaluador	y_frutal_comun	media_entrenamiento	118	7	0.580064	0.747449	0.000000	NA	0.012739	0.580064	0.747449	0.000000	0.000000	linea_base_minima; cualquier_modelo_debe_superar_este_error
M_ia_exploratoria	y_fenolico_comun	lineal_reducido	42	14	0.654554	0.816136	0.374628	0.656910	-0.341331	0.857143	1.032031	0.202589	0.215895	mejora_frente_a_media; interpretar_con_cautela_por_small_data_y_colinealidad
M_ia_exploratoria	y_fenolico_comun	media_entrenamiento	42	14	0.857143	1.032031	0.000000	NA	0.000000	0.857143	1.032031	0.000000	0.000000	linea_base_minima; cualquier_modelo_debe_superar_este_error
M_pura	y_fenolico_comun	lineal_reducido	34	10	0.473443	0.606387	-0.121447	-0.424062	-0.023350	0.459241	0.572612	-0.014202	-0.033775	no_mejora_claramente_frente_a_media_o_mejora_marginal
M_pura	y_fenolico_comun	media_entrenamiento	34	10	0.459241	0.572612	0.000000	NA	0.000716	0.459241	0.572612	0.000000	0.000000	linea_base_minima; cualquier_modelo_debe_superar_este_error
M_pura	y_frutal_comun	lineal_reducido	13	7	0.828500	1.126336	-9.790856	0.275298	0.566887	0.279017	0.342878	-0.549483	-0.783458	no_mejora_claramente_frente_a_media_o_mejora_marginal
M_pura	y_frutal_comun	media_entrenamiento	13	7	0.279017	0.342878	0.000000	NA	0.010812	0.279017	0.342878	0.000000	0.000000	linea_base_minima; cualquier_modelo_debe_superar_este_error

Para M_pura con y_fenolico_comun, bajo validación agrupada dejando una muestra fuera, la regresión lineal reducida obtiene un MAE de 0.473 frente a 0.459 de la media de entrenamiento: con hasta 3 predictores simples no logra mejorar a la media. Estos dos valores fijan la vara mínima que deben superar los modelos candidatos.

** 01_modelo_base_mae_por_escenario **

3.7 Modelos candidatos (small data)

escenario	target	modelo	n_observaciones	n_grupos_validacion	mae	rmse	r2	spearman	bias	mae_lineal_reducido	mae_media_entrenamiento	rmse_lineal_reducido	rmse_media_entrenamiento	mejora_mae_vs_media	mejora_mae_vs_lineal	lectura_comparativa
M_cata_individual	y_fenolico_comun	random_forest_restringido	52	16	0.395186	0.557655	0.716741	0.639102	-0.058902	0.578247	0.941580	0.779163	1.129688	0.546394	0.183061	mejora_frente_a_lineal_reducido
M_cata_individual	y_fenolico_comun	lasso	52	16	0.723931	0.926187	0.218644	0.431302	-0.503649	0.578247	0.941580	0.779163	1.129688	0.217649	-0.145684	mejora_solo_frente_a_media
M_cata_individual	y_fenolico_comun	ridge	52	16	0.746584	0.927910	0.215734	0.527907	-0.534070	0.578247	0.941580	0.779163	1.129688	0.194996	-0.168337	mejora_solo_frente_a_media
M_cata_individual	y_fenolico_comun	elastic_net	52	16	0.827379	0.995912	0.096571	0.668255	-0.496827	0.578247	0.941580	0.779163	1.129688	0.114201	-0.249132	mejora_solo_frente_a_media
M_cata_individual	y_fenolico_comun	pls	52	16	0.830616	0.996688	0.095163	0.695660	-0.676197	0.578247	0.941580	0.779163	1.129688	0.110964	-0.252369	mejora_solo_frente_a_media
M_cata_individual	y_fenolico_comun	gradient_boosting_restringido	52	16	0.887898	1.071023	-0.044840	-0.232264	-0.060658	0.578247	0.941580	0.779163	1.129688	0.053682	-0.309651	mejora_solo_frente_a_media
M_cata_individual	y_frutal_comun	random_forest_restringido	13	7	0.293607	0.348867	-0.553875	-0.564325	0.120365	0.828500	0.279017	1.126336	0.342878	-0.014590	0.534893	mejora_frente_a_lineal_reducido
M_cata_individual	y_frutal_comun	gradient_boosting_restringido	13	7	0.300492	0.360536	-0.659559	-0.880682	0.133787	0.828500	0.279017	1.126336	0.342878	-0.021475	0.528008	mejora_frente_a_lineal_reducido
M_cata_individual	y_frutal_comun	elastic_net	13	7	0.345589	0.398587	-1.028350	-0.860456	0.127285	0.828500	0.279017	1.126336	0.342878	-0.066572	0.482911	mejora_frente_a_lineal_reducido
M_cata_individual	y_frutal_comun	lasso	13	7	0.380002	0.417181	-1.222001	-0.631374	0.157113	0.828500	0.279017	1.126336	0.342878	-0.100985	0.448498	mejora_frente_a_lineal_reducido
M_cata_individual	y_frutal_comun	ridge	13	7	0.401180	0.448990	-1.573762	-0.720772	0.206059	0.828500	0.279017	1.126336	0.342878	-0.122163	0.427320	mejora_frente_a_lineal_reducido
M_cata_individual	y_frutal_comun	pls	13	7	0.476117	0.592588	-3.483336	-0.659310	0.372425	0.828500	0.279017	1.126336	0.342878	-0.197100	0.352383	mejora_frente_a_lineal_reducido
M_expandida_evaluador	y_fenolico_comun	random_forest_restringido	685	10	0.809772	0.994088	-0.007874	0.216853	0.013374	0.874476	0.862678	1.086593	1.072101	0.052906	0.064704	mejora_frente_a_lineal_reducido
M_expandida_evaluador	y_fenolico_comun	gradient_boosting_restringido	685	10	0.821165	1.009036	-0.038412	0.112963	0.031331	0.874476	0.862678	1.086593	1.072101	0.041513	0.053311	mejora_frente_a_lineal_reducido
M_expandida_evaluador	y_fenolico_comun	ridge	685	10	0.823224	1.019507	-0.060076	0.375580	-0.020365	0.874476	0.862678	1.086593	1.072101	0.039454	0.051252	mejora_frente_a_lineal_reducido
M_expandida_evaluador	y_fenolico_comun	pls	685	10	0.884007	1.076911	-0.182813	0.339170	-0.112785	0.874476	0.862678	1.086593	1.072101	-0.021329	-0.009531	no_mejora_frente_a_base
M_expandida_evaluador	y_fenolico_comun	elastic_net	685	10	0.913378	1.090596	-0.213065	-0.074786	0.250353	0.874476	0.862678	1.086593	1.072101	-0.050700	-0.038902	no_mejora_frente_a_base
M_expandida_evaluador	y_fenolico_comun	lasso	685	10	0.944377	1.121849	-0.283588	-0.101144	0.357993	0.874476	0.862678	1.086593	1.072101	-0.081699	-0.069901	no_mejora_frente_a_base
M_expandida_evaluador	y_frutal_comun	random_forest_restringido	118	7	0.555753	0.749906	-0.080784	-0.242891	0.109354	1.319211	0.580064	1.567637	0.747449	0.024311	0.763458	mejora_frente_a_lineal_reducido
M_expandida_evaluador	y_frutal_comun	gradient_boosting_restringido	118	7	0.566677	0.751563	-0.085566	-0.249940	0.082715	1.319211	0.580064	1.567637	0.747449	0.013387	0.752534	mejora_frente_a_lineal_reducido
M_expandida_evaluador	y_frutal_comun	pls	118	7	0.570247	0.763175	-0.119371	-0.188403	0.129033	1.319211	0.580064	1.567637	0.747449	0.009817	0.748964	mejora_frente_a_lineal_reducido
M_expandida_evaluador	y_frutal_comun	ridge	118	7	0.575375	0.765949	-0.127523	-0.162776	0.160130	1.319211	0.580064	1.567637	0.747449	0.004689	0.743836	mejora_frente_a_lineal_reducido
M_expandida_evaluador	y_frutal_comun	elastic_net	118	7	0.580297	0.771194	-0.143018	-0.225949	0.173748	1.319211	0.580064	1.567637	0.747449	-0.000233	0.738914	mejora_frente_a_lineal_reducido
M_expandida_evaluador	y_frutal_comun	lasso	118	7	0.632394	0.808076	-0.254960	-0.285275	-0.088143	1.319211	0.580064	1.567637	0.747449	-0.052330	0.686817	mejora_frente_a_lineal_reducido
M_ia_exploratoria	y_fenolico_comun	random_forest_restringido	42	14	0.598574	0.705749	0.457644	0.614813	-0.054061	0.654554	0.857143	0.816136	1.032031	0.258569	0.055980	mejora_frente_a_lineal_reducido
M_ia_exploratoria	y_fenolico_comun	gradient_boosting_restringido	42	14	0.662257	0.763049	0.366002	0.524927	-0.019477	0.654554	0.857143	0.816136	1.032031	0.194886	-0.007703	mejora_solo_frente_a_media
M_ia_exploratoria	y_fenolico_comun	ridge	42	14	0.709065	0.791521	0.317806	0.666633	-0.270221	0.654554	0.857143	0.816136	1.032031	0.148078	-0.054511	mejora_solo_frente_a_media
M_ia_exploratoria	y_fenolico_comun	pls	42	14	0.786904	0.908152	0.101950	0.619200	-0.173945	0.654554	0.857143	0.816136	1.032031	0.070239	-0.132350	mejora_solo_frente_a_media
M_ia_exploratoria	y_fenolico_comun	elastic_net	42	14	0.839531	0.994669	-0.077311	0.590388	-0.072084	0.654554	0.857143	0.816136	1.032031	0.017612	-0.184977	mejora_solo_frente_a_media
M_ia_exploratoria	y_fenolico_comun	lasso	42	14	0.897475	1.145776	-0.429497	0.580578	0.003907	0.654554	0.857143	0.816136	1.032031	-0.040332	-0.242921	no_mejora_frente_a_base
M_pura	y_fenolico_comun	ridge	34	10	0.404981	0.478896	0.059011	0.300448	0.033456	0.473443	0.459241	0.606387	0.572612	0.054260	0.068462	mejora_frente_a_lineal_reducido
M_pura	y_fenolico_comun	random_forest_restringido	34	10	0.422358	0.516515	-0.094631	0.041648	0.075002	0.473443	0.459241	0.606387	0.572612	0.036883	0.051085	mejora_frente_a_lineal_reducido
M_pura	y_fenolico_comun	elastic_net	34	10	0.442036	0.563847	-0.304438	-0.045029	0.130220	0.473443	0.459241	0.606387	0.572612	0.017205	0.031407	mejora_frente_a_lineal_reducido
M_pura	y_fenolico_comun	pls	34	10	0.467815	0.541674	-0.203862	0.059168	0.050507	0.473443	0.459241	0.606387	0.572612	-0.008574	0.005628	mejora_frente_a_lineal_reducido
M_pura	y_fenolico_comun	gradient_boosting_restringido	34	10	0.489332	0.586236	-0.410088	-0.215178	0.159907	0.473443	0.459241	0.606387	0.572612	-0.030091	-0.015889	no_mejora_frente_a_base
M_pura	y_fenolico_comun	lasso	34	10	0.545034	0.627120	-0.613626	-0.047641	0.284645	0.473443	0.459241	0.606387	0.572612	-0.085793	-0.071591	no_mejora_frente_a_base
M_pura	y_frutal_comun	random_forest_restringido	13	7	0.293607	0.348867	-0.553875	-0.564325	0.120365	0.828500	0.279017	1.126336	0.342878	-0.014590	0.534893	mejora_frente_a_lineal_reducido
M_pura	y_frutal_comun	gradient_boosting_restringido	13	7	0.301532	0.363094	-0.683194	-0.676136	0.138686	0.828500	0.279017	1.126336	0.342878	-0.022515	0.526968	mejora_frente_a_lineal_reducido
M_pura	y_frutal_comun	lasso	13	7	0.373913	0.427132	-1.329274	-0.737534	0.213846	0.828500	0.279017	1.126336	0.342878	-0.094896	0.454587	mejora_frente_a_lineal_reducido
M_pura	y_frutal_comun	elastic_net	13	7	0.390182	0.444257	-1.519786	-0.698422	0.177308	0.828500	0.279017	1.126336	0.342878	-0.111165	0.438318	mejora_frente_a_lineal_reducido
M_pura	y_frutal_comun	ridge	13	7	0.393211	0.438659	-1.456691	-0.586675	0.196040	0.828500	0.279017	1.126336	0.342878	-0.114194	0.435289	mejora_frente_a_lineal_reducido
M_pura	y_frutal_comun	pls	13	7	0.476117	0.592588	-3.483336	-0.659310	0.372425	0.828500	0.279017	1.126336	0.342878	-0.197100	0.352383	mejora_frente_a_lineal_reducido

Esta tabla compara los 6 modelos candidatos con una sola pasada de validación cruzada por escenario/target — útil para ver el orden de magnitud y detectar modelos que ni siquiera superan la media de entrenamiento (columna lectura_comparativa), pero todavía sensible a cómo caen las particiones. La comparación que realmente define el modelo recomendado es la del bootstrap agrupado (100 iteraciones), en la siguiente sección.

** 01_modelos_small_data_mae_y_fenolico **

** 02_importancia_variables_y_fenolico_M_pura **

3.8 Validación por bootstrap agrupado

Validación con 100 iteraciones de bootstrap, agrupando por unidad analítica para evitar fuga de información entre entrenamiento y prueba cuando una misma muestra química aparece en más de una fila (por ejemplo, distintos evaluadores en M_expandida_evaluador). En cada iteración se remuestrea con reemplazo a nivel de unidad química completa, se ajustan los 6 modelos candidatos y se promedian sus métricas — así el resultado deja de depender de una sola partición afortunada o desafortunada.

Manejo de datos faltantes: cada predictor con valores faltantes se imputa por su mediana, calculada únicamente con las filas del pliegue de entrenamiento de esa iteración de bootstrap, y esa misma mediana (no una nueva, calculada con datos de prueba) se aplica tanto al pliegue de entrenamiento como al de prueba. Esto evita fuga de información: en ningún caso la imputación de una fila de prueba usa información de esa misma fila u otras filas de prueba. La misma lógica se aplica de forma idéntica en los modelos base y en los modelos candidatos.

escenario	target	modelo	n_bootstrap_exitosos	n_fallback_holdout	pct_fallback_holdout	n_train_promedio	n_test_promedio	mae_media	mae_sd	mae_p05	mae_p50	mae_p95	rmse_media	rmse_sd	rmse_p05	rmse_p50	rmse_p95	r2_media	r2_p05	r2_p50	r2_p95	r2_pct_positivo	r2_agregado	spearman_media	spearman_p50	bias_media	mae_ic90_ancho	estabilidad_error	es_candidato	ranking_mae
M_cata_individual	y_fenolico_comun	random_forest_restringido	100	0	0.0	51.95000	19.610000	0.5149154	0.2145000	0.2392262	0.4801817	0.8911657	0.6472388	0.2488011	0.3083318	0.6456386	1.0342715	0.6601336	0.2671084	0.6949212	0.9296722	100.0	0.6472861	0.6893026	0.7520449	-0.0263972	0.6519396	baja	TRUE	1
M_cata_individual	y_fenolico_comun	gradient_boosting_restringido	100	0	0.0	51.95000	19.610000	0.7070758	0.3100421	0.2946954	0.6868770	1.2085831	0.8532403	0.3300262	0.3499459	0.8464956	1.4353231	0.4489266	0.0120670	0.4000062	0.7949702	96.0	0.4254635	0.6580063	0.6811407	0.1059248	0.9138877	baja	TRUE	2
M_cata_individual	y_fenolico_comun	ridge	100	0	0.0	51.95000	19.610000	0.9968061	0.4963083	0.3555527	0.9191197	1.9634177	1.1850227	0.5329140	0.5087013	1.0624728	2.1893736	-0.4340194	-3.1712015	0.0381945	0.8483454	52.0	-0.2483111	0.4039297	0.5272840	-0.0886890	1.6078651	baja	TRUE	3
M_cata_individual	y_fenolico_comun	elastic_net	100	0	0.0	51.95000	19.610000	1.0237438	0.5242480	0.3298180	0.9713321	1.9706199	1.2552657	0.6060718	0.4684218	1.1823566	2.2094407	-0.6582709	-4.6366495	0.0255833	0.8419512	51.0	-0.4198440	0.3917375	0.5440799	-0.0222283	1.6408019	baja	TRUE	4
M_cata_individual	y_fenolico_comun	lasso	100	0	0.0	51.95000	19.610000	1.0294325	0.5613674	0.2522458	0.9597664	2.0809203	1.2574766	0.6352410	0.4465897	1.2027214	2.3336253	-0.6045539	-3.9691768	0.0000000	0.9070944	48.0	-0.4731022	0.3564892	0.4589302	0.0186394	1.8286745	baja	TRUE	5
M_cata_individual	y_fenolico_comun	pls	100	0	0.0	51.95000	19.610000	1.0959598	0.5490396	0.3778755	0.9895368	2.1006302	1.3109211	0.5979330	0.5105500	1.1852703	2.3431212	-0.9546260	-6.5499842	-0.0421608	0.8074040	48.0	-0.5432844	0.4033488	0.4871500	-0.0623859	1.7227546	baja	TRUE	6
M_cata_individual	y_fenolico_comun	media_entrenamiento	100	0	0.0	51.95000	19.610000	1.0104973	0.2923721	0.5559143	1.0278889	1.4428402	1.1682536	0.2926164	0.6869215	1.2179192	1.5873924	0.0000000	0.0000000	0.0000000	0.0000000	0.0	0.0000000	NA	NA	-0.0135040	0.8869259	baja	FALSE	NA
M_cata_individual	y_fenolico_comun	lineal_reducido	100	0	0.0	51.95000	19.610000	1.0170500	0.4002036	0.4878724	0.9745731	1.9073121	1.2736717	0.4783418	0.6975619	1.2197514	2.2809287	-0.5290494	-3.0285994	-0.0099531	0.7404416	50.0	-0.3395527	0.2060528	0.1780003	-0.0351959	1.4194397	baja	FALSE	NA
M_cata_individual	y_frutal_comun	random_forest_restringido	88	15	17.0	13.13636	4.318182	0.3294268	0.1401560	0.1236311	0.3500000	0.5597211	0.3594929	0.1345737	0.1313768	0.3539832	0.5609100	-0.7616312	-4.8556325	-0.0270775	0.5514832	43.2	-0.0226659	0.0142722	0.0000000	0.0714340	0.4360900	media	TRUE	1
M_cata_individual	y_frutal_comun	gradient_boosting_restringido	88	15	17.0	13.13636	4.318182	0.3645769	0.1501515	0.1376330	0.3500000	0.6166369	0.3908723	0.1511166	0.1503003	0.3895527	0.6175729	-1.0216354	-4.9744575	-0.2045218	0.6776146	30.7	-0.2399150	-0.3120212	-0.9332565	0.0760428	0.4790038	media	TRUE	2
M_cata_individual	y_frutal_comun	ridge	87	15	17.2	13.16092	4.287356	0.4594844	0.2357255	0.1970660	0.4278679	0.7462432	0.4958018	0.2514955	0.2227270	0.4721605	0.7868674	-10.2734873	-31.8216709	-0.2119087	0.4138277	32.2	-1.5745286	-0.4273189	-0.7745967	0.1776281	0.5491773	baja	TRUE	3
M_cata_individual	y_frutal_comun	lasso	87	15	17.2	13.16092	4.287356	0.4725554	0.2994721	0.1796386	0.3978870	1.0751835	0.5150005	0.3311324	0.2086571	0.4463412	1.2864973	-7.9204645	-44.5253029	-0.1252348	0.3244615	28.7	-2.1608672	-0.2508371	-0.4862617	0.1929864	0.8955449	baja	TRUE	4
M_cata_individual	y_frutal_comun	elastic_net	88	15	17.0	13.13636	4.318182	0.5226696	0.3897770	0.1801896	0.4396817	1.3915184	0.5681947	0.4328012	0.2092592	0.4673104	1.7070353	-5.2227880	-26.6370616	-0.3701097	0.3574719	26.1	-3.8662100	-0.3713616	-0.7745967	0.1870695	1.2113288	baja	TRUE	5
M_cata_individual	y_frutal_comun	pls	88	15	17.0	13.13636	4.318182	0.5798580	0.3624546	0.1633231	0.5253624	1.2555466	0.6380506	0.4045701	0.2001817	0.5719645	1.6031125	-28.6564985	-53.5809381	-0.4390044	0.5910180	28.4	-4.0210041	-0.3777005	-0.7745967	0.3016812	1.0922236	baja	TRUE	6
M_cata_individual	y_frutal_comun	media_entrenamiento	88	15	17.0	13.13636	4.318182	0.3208913	0.1413344	0.0601852	0.3464394	0.5228333	0.3527249	0.1374221	0.1148596	0.3800750	0.5320335	0.0000000	0.0000000	0.0000000	0.0000000	0.0	0.0000000	NA	NA	-0.0034744	0.4626481	media	FALSE	NA
M_cata_individual	y_frutal_comun	lineal_reducido	88	15	17.0	13.13636	4.318182	0.8996410	0.6236212	0.2357331	0.7263389	2.0364721	1.0004029	0.6913521	0.2607351	0.7753852	2.2280934	-130.6671037	-266.7834872	-3.7078682	0.4424255	20.5	-10.5271334	-0.0211390	0.0000000	0.2093902	1.8007390	baja	FALSE	NA
M_expandida_evaluador	y_fenolico_comun	random_forest_restringido	100	2	2.0	689.94000	222.480000	0.8225619	0.1556768	0.6269890	0.7630143	1.1251350	0.9957123	0.1863082	0.7661003	0.9237947	1.3360050	0.0841285	-0.2327202	0.0790594	0.3778455	69.0	0.1087074	0.0978423	0.0610149	0.0050365	0.4981460	media	TRUE	1
M_expandida_evaluador	y_fenolico_comun	gradient_boosting_restringido	100	2	2.0	689.94000	222.480000	0.8349415	0.1608809	0.6286252	0.7937256	1.1363428	1.0106248	0.1908639	0.7635822	0.9585589	1.3379293	0.0520728	-0.3642860	0.0693178	0.3986668	64.0	0.0893395	0.1147972	0.0626815	0.0236561	0.5077175	baja	TRUE	2
M_expandida_evaluador	y_fenolico_comun	ridge	100	2	2.0	689.94000	222.480000	0.9201312	0.2290135	0.6250158	0.8774786	1.3603676	1.1190199	0.2657399	0.7947031	1.0670495	1.6274350	-0.2662086	-1.6181258	-0.0438921	0.3864097	44.0	-0.2133889	0.0877453	0.0610149	-0.0280789	0.7353518	baja	TRUE	3
M_expandida_evaluador	y_fenolico_comun	pls	100	2	2.0	689.94000	222.480000	0.9924390	0.2713069	0.6659729	0.9754350	1.4724145	1.1998145	0.2974783	0.8518651	1.1552005	1.6986323	-0.5299843	-2.9546297	-0.1685499	0.3709399	37.0	-0.3652895	0.0740353	0.0562589	-0.0038011	0.8064416	baja	TRUE	4
M_expandida_evaluador	y_fenolico_comun	elastic_net	100	2	2.0	689.94000	222.480000	1.0263436	0.3533269	0.6348139	0.9331884	1.8664600	1.2265162	0.3778966	0.7885017	1.1221339	2.1187733	-0.6820857	-5.3116840	-0.0574345	0.3274483	42.0	-0.4939465	0.0867242	0.0610149	-0.0050981	1.2316461	baja	TRUE	5
M_expandida_evaluador	y_fenolico_comun	lasso	100	2	2.0	689.94000	222.480000	1.0366704	0.3407810	0.6636978	0.9491488	1.8666169	1.2398741	0.3607614	0.8042324	1.1449811	2.1074943	-0.7081829	-5.4191400	-0.0970538	0.3429281	40.0	-0.4913250	0.0936670	0.0618482	0.0124536	1.2029190	baja	TRUE	6
M_expandida_evaluador	y_fenolico_comun	media_entrenamiento	100	2	2.0	689.94000	222.480000	0.8652672	0.1763268	0.6591088	0.8248808	1.2285907	1.0527287	0.2083961	0.8264278	0.9908996	1.4568705	0.0000000	0.0000000	0.0000000	0.0000000	0.0	0.0000000	NA	NA	-0.0299108	0.5694818	baja	FALSE	NA
M_expandida_evaluador	y_fenolico_comun	lineal_reducido	100	2	2.0	689.94000	222.480000	1.0119929	0.3940513	0.6446313	0.9154080	1.9128853	1.2234443	0.4233125	0.7880597	1.1460912	2.0885696	-0.5417700	-3.3855664	-0.0720259	0.2653052	44.0	-0.5423747	-0.0156005	-0.0031792	-0.0594968	1.2682541	baja	FALSE	NA
M_expandida_evaluador	y_frutal_comun	gradient_boosting_restringido	100	11	11.0	113.53000	42.810000	0.5856735	0.1045617	0.4392297	0.5615597	0.7888525	0.7731254	0.1113274	0.6097645	0.7659209	0.9690419	-0.0516536	-0.2345351	-0.0046611	0.0853163	44.0	-0.0490345	-0.1116826	-0.0821213	0.0781139	0.3496228	media	TRUE	1
M_expandida_evaluador	y_frutal_comun	random_forest_restringido	100	11	11.0	113.53000	42.810000	0.5886852	0.0959316	0.4745469	0.5771335	0.7855922	0.7713311	0.1055651	0.6274920	0.7641720	0.9649314	-0.0476065	-0.2982795	-0.0151236	0.0948250	42.0	-0.0423787	-0.0220556	-0.0182242	0.0732739	0.3110454	media	TRUE	2
M_expandida_evaluador	y_frutal_comun	lasso	100	11	11.0	113.53000	42.810000	0.7591041	0.3670988	0.4986111	0.6227329	1.8356505	0.9452229	0.3592710	0.6821981	0.8286243	1.9965165	-0.9697098	-7.6203190	0.0000000	0.0349303	23.0	-1.0278927	-0.0641330	-0.0594427	0.2395743	1.3370394	baja	TRUE	3
M_expandida_evaluador	y_frutal_comun	ridge	100	11	11.0	113.53000	42.810000	0.7644040	0.3685146	0.4972453	0.6324937	1.7532393	0.9533390	0.3637447	0.6802585	0.8339777	1.9457426	-1.0943614	-7.6186479	-0.0201882	0.0501998	26.0	-1.0373816	-0.1440042	-0.1294352	0.1712852	1.2559940	baja	TRUE	4
M_expandida_evaluador	y_frutal_comun	elastic_net	100	11	11.0	113.53000	42.810000	0.8072976	0.4522283	0.4986111	0.6193185	1.8718791	1.0000596	0.4594907	0.6835596	0.8296539	2.0931737	-1.5461179	-8.7660238	-0.0127534	0.0316314	21.0	-1.3325751	-0.0716254	-0.0435584	0.1827151	1.3732680	baja	TRUE	5
M_expandida_evaluador	y_frutal_comun	pls	100	11	11.0	113.53000	42.810000	0.9139738	0.4951332	0.5112814	0.7006461	2.0939573	1.1115632	0.5101132	0.6924262	0.9137292	2.2563621	-2.1599518	-11.8617226	-0.1835061	0.0736066	22.0	-1.9085750	-0.1327735	-0.1021702	0.0986254	1.5826759	baja	TRUE	6
M_expandida_evaluador	y_frutal_comun	media_entrenamiento	100	11	11.0	113.53000	42.810000	0.5910437	0.0990222	0.4457014	0.5793655	0.8306579	0.7579417	0.1145092	0.5706607	0.7573785	0.9762530	0.0000000	0.0000000	0.0000000	0.0000000	0.0	0.0000000	NA	NA	0.0052742	0.3849565	media	FALSE	NA
M_expandida_evaluador	y_frutal_comun	lineal_reducido	100	11	11.0	113.53000	42.810000	1.1840986	0.5173815	0.5275906	1.0914874	1.9402043	1.3803872	0.5347991	0.7217322	1.2973524	2.1682770	-3.4245389	-12.1327492	-2.1421019	0.1852510	18.0	-3.2565222	0.0221337	0.0202099	0.3125582	1.4126138	baja	FALSE	NA
M_ia_exploratoria	y_fenolico_comun	gradient_boosting_restringido	100	0	0.0	42.00000	15.450000	0.6015588	0.1612761	0.3701306	0.5994332	0.9039945	0.7026570	0.1690237	0.4302451	0.6956138	1.0108286	0.4105382	-0.1092824	0.5351156	0.7902498	90.0	0.5102545	0.7082146	0.7723555	-0.0042027	0.5338639	baja	TRUE	1
M_ia_exploratoria	y_fenolico_comun	random_forest_restringido	100	0	0.0	42.00000	15.450000	0.6179233	0.1800224	0.3479069	0.5996977	0.9672637	0.7121995	0.1837544	0.3988995	0.7078500	1.0045616	0.3700371	-0.4741276	0.5342580	0.7854862	87.0	0.4909313	0.6949355	0.7618491	-0.0281890	0.6193569	baja	TRUE	2
M_ia_exploratoria	y_fenolico_comun	ridge	94	0	0.0	42.00000	15.223404	0.7637265	0.3201623	0.3589816	0.7540172	1.2863067	0.9412490	0.4025865	0.4726568	0.9029412	1.5953077	-0.2400272	-3.5196124	0.1874721	0.8225410	61.7	-0.0068435	0.4459780	0.5405514	-0.1385080	0.9273252	baja	TRUE	3
M_ia_exploratoria	y_fenolico_comun	elastic_net	94	0	0.0	42.00000	15.223404	0.7948702	0.3486544	0.3751244	0.7292816	1.4319853	1.0059322	0.4854343	0.5041729	0.8869617	2.1246160	-0.3838204	-4.2949358	0.2214932	0.7872673	59.6	-0.1907650	0.4400123	0.6074383	-0.1119153	1.0568609	baja	TRUE	4
M_ia_exploratoria	y_fenolico_comun	lasso	94	0	0.0	42.00000	15.223404	0.8207152	0.3520773	0.3867223	0.7540989	1.4357487	1.0362107	0.4866364	0.5286461	0.9371755	2.1571154	-0.5038106	-4.3411226	0.1397878	0.7978500	58.5	-0.2478366	0.4296269	0.6330563	-0.1269340	1.0490264	baja	TRUE	5
M_ia_exploratoria	y_fenolico_comun	pls	100	0	0.0	42.00000	15.450000	0.8446202	0.3819483	0.3384776	0.8211885	1.4645790	1.0862787	0.5233609	0.4842459	1.0045321	2.1630587	-0.6390964	-4.6396384	0.0345477	0.8290793	52.0	-0.3603572	0.4139079	0.5635535	-0.0083923	1.1261014	baja	TRUE	6
M_ia_exploratoria	y_fenolico_comun	media_entrenamiento	100	0	0.0	42.00000	15.450000	0.8449354	0.2281518	0.5000000	0.8333333	1.2648810	1.0167832	0.2321305	0.6152661	1.0232824	1.3912656	0.0000000	0.0000000	0.0000000	0.0000000	0.0	0.0000000	NA	NA	0.0175476	0.7648810	baja	FALSE	NA
M_ia_exploratoria	y_fenolico_comun	lineal_reducido	100	0	0.0	42.00000	15.450000	0.8787803	0.4050304	0.3539387	0.8062302	1.6011071	1.0714650	0.4830613	0.4575860	1.0175366	1.8223718	-0.7834622	-5.0054561	-0.0058906	0.8866529	49.0	-0.3204662	0.3668702	0.4218758	0.0907598	1.2471684	baja	FALSE	NA
M_pura	y_fenolico_comun	random_forest_restringido	100	2	2.0	34.52000	11.060000	0.3958918	0.1597822	0.1815655	0.3676044	0.6724122	0.4584317	0.1852613	0.2001575	0.4234163	0.7703484	0.0336639	-0.8254100	0.1948402	0.7017155	68.0	0.2472768	0.1964191	0.2685675	0.0979814	0.4908466	media	TRUE	1
M_pura	y_fenolico_comun	ridge	100	2	2.0	34.52000	11.060000	0.4360456	0.2140053	0.1807816	0.3915527	0.8397778	0.5140877	0.2469302	0.2173706	0.4837636	1.0245226	-0.5122354	-3.1862366	0.0246102	0.7462345	52.0	-0.1401207	0.2162869	0.2973163	0.0510778	0.6589962	baja	TRUE	2
M_pura	y_fenolico_comun	gradient_boosting_restringido	100	2	2.0	34.52000	11.060000	0.4527806	0.1980943	0.2112361	0.4203614	0.7496107	0.5222043	0.2138707	0.2322282	0.5110732	0.8417444	-0.4283970	-2.9906108	0.1207717	0.7722559	61.0	0.0039136	0.1622959	0.2031006	0.1603915	0.5383746	baja	TRUE	3
M_pura	y_fenolico_comun	pls	100	2	2.0	34.52000	11.060000	0.5198154	0.2984662	0.2295090	0.4580107	1.0205851	0.6081776	0.3363584	0.2359924	0.5354364	1.2133177	-1.9844109	-9.5954289	-0.2154828	0.7041237	44.0	-0.6626888	0.2005368	0.2349931	0.0422552	0.7910761	baja	TRUE	4
M_pura	y_fenolico_comun	elastic_net	100	2	2.0	34.52000	11.060000	0.5352926	0.3111646	0.2240476	0.4702340	0.9795533	0.6203026	0.3526850	0.2419050	0.5283312	1.1850832	-1.7730981	-7.6815492	-0.1245599	0.6379894	43.0	-0.8090181	0.1503156	0.1737294	0.1212724	0.7555057	baja	TRUE	5
M_pura	y_fenolico_comun	lasso	100	2	2.0	34.52000	11.060000	0.5780329	0.3500765	0.2227240	0.4960935	1.2650454	0.6776507	0.3783178	0.2378704	0.6076495	1.3478818	-2.7180567	-13.1592837	-0.2948741	0.6253364	40.0	-1.1313916	0.1569500	0.1284040	0.1203255	1.0423214	baja	TRUE	6
M_pura	y_fenolico_comun	media_entrenamiento	100	2	2.0	34.52000	11.060000	0.4505522	0.1913271	0.2154618	0.4500408	0.8145349	0.5146731	0.2265468	0.2347006	0.4744013	0.9227052	0.0000000	0.0000000	0.0000000	0.0000000	0.0	0.0000000	NA	NA	0.0544193	0.5990732	baja	FALSE	NA
M_pura	y_fenolico_comun	lineal_reducido	100	2	2.0	34.52000	11.060000	0.7149662	0.5543093	0.2050671	0.5511151	2.1435882	0.8128394	0.5991028	0.2405464	0.6181938	2.3700605	-4.8713517	-15.0753267	-0.5269763	0.5306158	37.0	-2.8625200	-0.1581182	-0.2071209	0.0059233	1.9385211	baja	FALSE	NA
M_pura	y_frutal_comun	random_forest_restringido	82	7	8.5	13.36585	4.158537	0.3312192	0.1362477	0.1080911	0.3173707	0.5329466	0.3619145	0.1272308	0.1165630	0.3540066	0.5351176	-0.5375063	-3.9504361	-0.0813513	0.6702132	42.7	-0.0696584	-0.0559842	-0.1077206	0.0957824	0.4248555	media	TRUE	1
M_pura	y_frutal_comun	gradient_boosting_restringido	82	7	8.5	13.36585	4.158537	0.3517320	0.1541534	0.1342278	0.3138045	0.5675929	0.3796060	0.1480827	0.1727315	0.3514600	0.5733122	-0.7441473	-4.0355186	-0.2118959	0.6522332	32.9	-0.2390793	-0.3009551	-0.9682458	0.0932392	0.4333651	media	TRUE	2
M_pura	y_frutal_comun	ridge	81	7	8.6	13.39506	4.123457	0.4118646	0.2414592	0.1423381	0.3954263	0.6534756	0.4451269	0.2433139	0.1739544	0.4450233	0.6953022	-3.8238095	-29.2358775	-0.1918814	0.4632239	27.2	-1.1778770	-0.4322255	-0.7745967	0.1261686	0.5111375	baja	TRUE	3
M_pura	y_frutal_comun	lasso	82	7	8.5	13.36585	4.158537	0.4750635	0.3990776	0.1504284	0.3933193	1.4124335	0.5146769	0.4225199	0.1878934	0.4185178	1.6648892	-6.8512593	-38.2421991	-0.2050862	0.5657019	31.7	-2.9997725	-0.3465752	-0.7745967	0.1547967	1.2620051	baja	TRUE	4
M_pura	y_frutal_comun	elastic_net	81	7	8.6	13.39506	4.123457	0.4840083	0.3980204	0.1617095	0.4185897	0.8853644	0.5203866	0.4256458	0.1985524	0.4423628	1.0032699	-12.7970866	-37.7912741	-0.3201581	0.3870582	28.4	-2.8687324	-0.4108325	-0.7745967	0.1199289	0.7236549	baja	TRUE	5
M_pura	y_frutal_comun	pls	82	7	8.5	13.36585	4.158537	0.6401547	0.5715115	0.1432586	0.5061808	2.1525162	0.7004025	0.6191309	0.1944587	0.5500913	2.3140474	-29.7534930	-174.9957592	-0.4895472	0.5662279	26.8	-6.3353435	-0.3406591	-0.7745967	0.1396678	2.0092576	baja	TRUE	6
M_pura	y_frutal_comun	media_entrenamiento	82	7	8.5	13.36585	4.158537	0.3174758	0.1363523	0.1006410	0.3148115	0.5032424	0.3431643	0.1331894	0.1279489	0.3532240	0.5099759	0.0000000	0.0000000	0.0000000	0.0000000	0.0	0.0000000	NA	NA	-0.0076609	0.4026014	media	FALSE	NA
M_pura	y_frutal_comun	lineal_reducido	82	7	8.5	13.36585	4.158537	0.9136492	0.7149186	0.1738215	0.5710407	2.2915159	0.9997257	0.7593840	0.2183689	0.5896028	2.3172806	-43.8602476	-196.5928909	-2.9689725	0.5018327	23.2	-12.2359735	-0.1084461	-0.6779015	0.2963287	2.1176944	baja	FALSE	NA

Para M_pura con y_fenolico_comun, Random Forest restringido obtiene el menor MAE bootstrap (0.396, desviación estándar 0.160), seguido de Ridge (0.436) y de la media de entrenamiento (0.451); PLS, Elastic Net y Lasso quedan por encima de la media. Random Forest restringido es además el único modelo candidato con un R² agregado claramente positivo (0.247, con 68% de iteraciones con R² positivo, frente a -0.140 en Ridge y -0.663 en PLS) y el único con estabilidad de error media (baja en el resto), por lo que se recomienda como modelo principal del escenario. La señal es modesta y, como muestra la sección de sensibilidad a las muestras comerciales, depende del contraste entre muestras comerciales y experimentales. Ridge y PLS se mantienen como modelos de referencia para la interpretación de variables, ya que su estructura lineal regularizada hace explícito el manejo de la colinealidad entre predictores.

** 01_bootstrap_mae_y_fenolico **

** 02_variables_estables_M_pura_y_fenolico **

3.9 Sensibilidad a valores atípicos químicos

Comparación del desempeño del modelo principal (Random Forest restringido) y del modelo alternativo (Ridge) con y sin las unidades marcadas como atípicas en la etapa exploratoria (Dixon / T²-Q), para evaluar si los resultados dependen de esos puntos.

modelo	target	version	n_bootstrap_exitosos	n_fallback_holdout	mae_media	mae_p05	mae_p50	mae_p95	rmse_media	r2_media	r2_agregado	spearman_media	bias_media
random_forest_restringido	y_fenolico_comun	completo	100	2	0.3958918	0.1815655	0.3676044	0.6724122	0.4584317	0.0336639	0.2472768	0.1964191	0.0979814
random_forest_restringido	y_fenolico_comun	sin_outliers_eda	100	4	0.4208031	0.1879150	0.3772325	0.8094814	0.4792065	-0.0085386	0.1986525	0.2326574	0.0887750
random_forest_restringido	y_frutal_comun	completo	73	7	0.3268152	0.1041773	0.2987840	0.5375600	0.3570632	-0.5626306	-0.0604418	-0.0474169	0.1053356
random_forest_restringido	y_frutal_comun	sin_outliers_eda	73	7	0.3268152	0.1041773	0.2987840	0.5375600	0.3570632	-0.5626306	-0.0604418	-0.0474169	0.1053356
ridge	y_fenolico_comun	completo	100	2	0.4360456	0.1807816	0.3915527	0.8397778	0.5140877	-0.5122354	-0.1401207	0.2162869	0.0510778
ridge	y_fenolico_comun	sin_outliers_eda	100	4	0.5609756	0.1762063	0.5457201	1.2118994	0.6457457	-1.9052405	-0.8243634	0.1255327	-0.0298783
ridge	y_frutal_comun	completo	73	7	0.3866299	0.1418590	0.4066026	0.5923895	0.4188874	-3.8868545	-0.5256405	-0.4752766	0.0889480
ridge	y_frutal_comun	sin_outliers_eda	73	7	0.3866299	0.1418590	0.4066026	0.5923895	0.4188874	-3.8868545	-0.5256405	-0.4752766	0.0889480

Random Forest restringido varía un 6.3% en MAE al excluir las unidades marcadas como atípicas (0.396 a 0.421), por debajo del umbral de 10% usado como criterio de robustez, y su R² agregado se mantiene positivo (0.247 a 0.199). Ridge, en cambio, varía un 28.7% (0.436 a 0.561), lo que corresponde a una sensibilidad alta. En ambos modelos el MAE empeora al excluir esas unidades, es decir, no están inflando artificialmente el error: la señal del modelo principal no depende de un puñado de observaciones químicamente extremas.

** 01_comparacion_mae_completo_vs_sin_outliers **

3.10 Sensibilidad a la imputación de variables GC-MS

Las variables GC-MS tienen dato real en solo 8 de las 34 unidades de M_pura (23.5% de cobertura), por lo que el escenario principal se define únicamente sobre los 13 predictores de GC-FID. Para comprobar si agregarlas cambia los resultados, se repitió el bootstrap agrupado (100 iteraciones, Random Forest restringido y Ridge) con una versión que incorpora 3 variables GC-MS (ésteres, fenólicos y aldehídos), completadas por mediana dentro de cada partición. Las otras dos candidatas, área válida y aroma fermentativo, se excluyen porque no tienen una lectura química válida como predictor: la primera es un indicador de calidad del cromatograma y la segunda es la suma exacta de ésteres y aldehídos.

modelo	target	version	n_bootstrap_exitosos	n_fallback_holdout	mae_media	mae_p05	mae_p50	mae_p95	rmse_media	r2_media	r2_agregado	spearman_media	bias_media
random_forest_restringido	y_fenolico_comun	completo	100	2	0.3996298	0.1934218	0.3680135	0.7131985	0.4598523	0.0485609	0.2571073	0.1785079	0.0761444
random_forest_restringido	y_fenolico_comun	sin_gcms	100	2	0.3958918	0.1815655	0.3676044	0.6724122	0.4584317	0.0336639	0.2472768	0.1964191	0.0979814
random_forest_restringido	y_frutal_comun	completo	93	7	0.3416579	0.1248048	0.3355850	0.5519220	0.3736764	-0.7127738	-0.1237970	-0.1615800	0.1055819
random_forest_restringido	y_frutal_comun	sin_gcms	73	7	0.3268152	0.1041773	0.2987840	0.5375600	0.3570632	-0.5626306	-0.0604418	-0.0474169	0.1053356
ridge	y_fenolico_comun	completo	100	2	0.4519752	0.2259756	0.4012777	0.8691603	0.5310297	-0.6150746	-0.1751346	0.1940940	0.0625856
ridge	y_fenolico_comun	sin_gcms	100	2	0.4360456	0.1807816	0.3915527	0.8397778	0.5140877	-0.5122354	-0.1401207	0.2162869	0.0510778
ridge	y_frutal_comun	completo	95	7	0.3680085	0.1477014	0.3500000	0.5815429	0.4043811	-2.8376917	-0.3212465	-0.4965220	0.0998351
ridge	y_frutal_comun	sin_gcms	73	7	0.3866299	0.1418590	0.4066026	0.5923895	0.4188874	-3.8868545	-0.5256405	-0.4752766	0.0889480

modelo	target	mae_media_completo	mae_media_sin_gcms	rmse_media_completo	rmse_media_sin_gcms	r2_media_completo	r2_media_sin_gcms	spearman_media_completo	spearman_media_sin_gcms	diferencia_mae	diferencia_mae_pct	diferencia_r2	lectura
random_forest_restringido	y_fenolico_comun	0.400	0.396	0.460	0.458	0.049	0.034	0.179	0.196	-0.004	-0.9	-0.015	robusto: el MAE cambia menos de 10% al quitar las variables GC-MS
random_forest_restringido	y_frutal_comun	0.342	0.327	0.374	0.357	-0.713	-0.563	-0.162	-0.047	-0.015	-4.3	0.150	robusto: el MAE cambia menos de 10% al quitar las variables GC-MS
ridge	y_fenolico_comun	0.452	0.436	0.531	0.514	-0.615	-0.512	0.194	0.216	-0.016	-3.5	0.103	robusto: el MAE cambia menos de 10% al quitar las variables GC-MS
ridge	y_frutal_comun	0.368	0.387	0.404	0.419	-2.838	-3.887	-0.497	-0.475	0.019	5.1	-1.049	robusto: el MAE cambia menos de 10% al quitar las variables GC-MS

** 01_comparacion_mae_completo_vs_sin_gcms **

Para Random Forest restringido, incorporar las variables GC-MS cambia el MAE bootstrap en apenas un 0.9% (0.396 a 0.400) y el R² agregado casi no varía (0.247 a 0.257). En Ridge el cambio también es pequeño (MAE 0.436 a 0.452, un 3.7%; R² agregado -0.140 a -0.175). Las variables GC-MS no aportan señal adicional, lo que respalda haberlas dejado fuera del escenario principal; dada su cobertura real (23.5%), cualquier lectura específica de ellas debe tomarse con cautela.

3.11 Sensibilidad a las muestras comerciales

De las 10 muestras independientes de M_pura, 2 son whiskies comerciales importados (Dalwhinnie y Caol Ila) y 8 son experimentales chilenas. Esas dos muestras ocupan la parte alta del rango del target: Caol Ila es, con diferencia, la de mayor carácter fenólico percibido (3.38 de promedio) y Dalwhinnie queda entre las más altas (2.57), frente a un rango de 1.80 a 2.60 en las ocho restantes. Para saber si el modelo está capturando una relación química-sensorial dentro del whisky chileno o si se apoya en el contraste entre muestras importadas y experimentales, se repitió el bootstrap agrupado (100 iteraciones, Random Forest restringido y Ridge) excluyendo esas 2 muestras: 24 unidades analíticas y 8 muestras independientes.

modelo	target	version	n_bootstrap_exitosos	n_fallback_holdout	mae_media	mae_p05	mae_p50	mae_p95	rmse_media	r2_media	r2_agregado	r2_pct_positivo	spearman_media	bias_media
random_forest_restringido	y_fenolico_comun	completo	100	2	0.396	0.182	0.368	0.672	0.458	0.034	0.247	68	0.196	0.098
random_forest_restringido	y_fenolico_comun	sin_comerciales	100	3	0.235	0.121	0.219	0.400	0.273	-0.441	-0.147	33	-0.043	0.060
ridge	y_fenolico_comun	completo	100	2	0.436	0.181	0.392	0.840	0.514	-0.512	-0.140	52	0.216	0.051
ridge	y_fenolico_comun	sin_comerciales	100	3	0.389	0.138	0.266	0.814	0.434	-7.004	-8.473	22	-0.133	0.177

modelo	target	mae_media_completo	mae_media_sin_comerciales	r2_agregado_completo	r2_agregado_sin_comerciales	diferencia_mae	diferencia_mae_pct	diferencia_r2_agregado	lectura
random_forest_restringido	y_fenolico_comun	0.396	0.235	0.247	-0.147	-0.161	-40.6	-0.394	senal_no_sobrevive: R2 agregado deja de ser positivo sin las muestras comerciales
ridge	y_fenolico_comun	0.436	0.389	-0.140	-8.473	-0.047	-10.8	-8.333	senal_no_sobrevive: R2 agregado deja de ser positivo sin las muestras comerciales

** 01_comparacion_mae_completo_vs_sin_comerciales **

Este es el análisis de sensibilidad más exigente de los cinco y el resultado es negativo: la señal no sobrevive. En Random Forest restringido el MAE incluso baja (de 0.396 a 0.235, un 40.6% menos), pero el R² agregado pasa de 0.247 a -0.147, y el porcentaje de iteraciones con R² positivo cae de 68% a 33%. Ridge se comporta igual o peor (R² agregado de -0.140 a -8.47).

Conviene leer las dos métricas juntas, porque apuntan en direcciones opuestas por una razón entendible: al quitar las dos muestras más ahumadas, el target se vuelve mucho más homogéneo, así que los errores absolutos se achican (baja el MAE) pero también se achica la varianza que había que explicar. El R² se mide contra la media del pliegue de entrenamiento, y con un rango estrecho el modelo deja de superar a esa media. Dicho de otro modo: dentro de las 8 muestras chilenas, el modelo no predice mejor que decir “el promedio”.

La conclusión honesta es que buena parte de la capacidad predictiva de M_pura descansa en el contraste entre las muestras comerciales ahumadas y las experimentales. Las variables identificadas como prioritarias (fenoles volátiles por GC-FID) siguen siendo químicamente coherentes con lo que distingue a esas muestras, pero este resultado impide afirmar que el modelo capture una relación química-sensorial fina dentro del whisky chileno. Con 8 muestras independientes la incertidumbre de esta versión es además mayor que la del escenario completo, así que tampoco se puede concluir lo contrario con seguridad: lo que corresponde es declarar el límite.

3.12 Sensibilidad a la imputación de variables GC-FID

El análisis anterior sobre GC-MS se complementa con el caso inverso: 8 de las 34 unidades de M_pura no tienen GC-FID real y reciben todos sus predictores GC-FID por imputación de mediana. Para comprobar que los resultados no se apoyan en esas filas completamente imputadas, se repitió el mismo bootstrap excluyéndolas: 26 unidades analíticas y 6 muestras independientes.

modelo	target	version	n_bootstrap_exitosos	n_fallback_holdout	mae_media	mae_p05	mae_p50	mae_p95	rmse_media	r2_media	r2_agregado	r2_pct_positivo	spearman_media	bias_media
random_forest_restringido	y_fenolico_comun	completo	100	2	0.396	0.182	0.368	0.672	0.458	0.034	0.247	68	0.196	0.098
random_forest_restringido	y_fenolico_comun	sin_imputacion_total	100	24	0.382	0.179	0.311	0.894	0.436	0.093	0.221	67	0.351	0.065
ridge	y_fenolico_comun	completo	100	2	0.436	0.181	0.392	0.840	0.514	-0.512	-0.140	52	0.216	0.051
ridge	y_fenolico_comun	sin_imputacion_total	100	24	0.372	0.170	0.274	1.260	0.404	0.121	0.198	59	0.402	-0.019

modelo	target	mae_media_completo	mae_media_sin_imputacion_total	r2_agregado_completo	r2_agregado_sin_imputacion_total	diferencia_mae	diferencia_mae_pct	diferencia_r2_agregado	lectura
random_forest_restringido	y_fenolico_comun	0.396	0.382	0.247	0.221	-0.013	-3.4	-0.027	senal_sobrevive: R2 agregado se mantiene positivo al excluir las unidades totalmente imputadas
ridge	y_fenolico_comun	0.436	0.372	-0.140	0.198	-0.065	-14.8	0.338	senal_sobrevive: R2 agregado se mantiene positivo al excluir las unidades totalmente imputadas

** 01_comparacion_mae_completo_vs_sin_imputacion_total **

Aquí la señal sí sobrevive. En Random Forest restringido el MAE baja un 3.4% (0.396 a 0.382) y el R² agregado se mantiene positivo y prácticamente igual (0.247 a 0.221). Ridge incluso mejora de forma apreciable (MAE -14.8%, y su R² agregado pasa de -0.140 a 0.198). Es decir, las filas sin GC-FID real no estaban sosteniendo artificialmente el desempeño; si acaso, lo estaban diluyendo.

Un detalle metodológico que conviene no pasar por alto: al quedar solo 6 muestras independientes, el número de iteraciones que debieron recurrir a la partición de respaldo 75/25 sube de 2 a 24 de 100. La comparación sigue siendo válida, pero esa versión se apoya en un remuestreo menos rico que la completa, lo que explica su mayor dispersión (percentil 95 del MAE de 0.894 en Random Forest, frente a 0.672 en la versión completa).

3.13 Sensibilidad a la escala del bloque de septiembre

Las fichas de cata de septiembre de 2024 usaron una escala 1-5, mientras que el resto de los bloques usó 0-5. Como esas 9 unidades entran a M_pura junto con las demás, cabe preguntarse si el piso distinto introduce un artefacto. Para medirlo se reescalaron linealmente solo esas 9 filas, con (y - 1) * 5 / 4, y se repitió el bootstrap sobre las mismas 34 unidades.

Antes de cualquier modelo, B1, C70 y H76 son las únicas muestras evaluadas en los dos bloques, lo que permite comparar directamente el mismo whisky bajo ambas escalas:

identificador_quimico	bloque_sensorial	y_fenolico_comun
B1	cata_septiembre_2024	2.111
B1	cata_social_enero_2025	2.110
C70	cata_septiembre_2024	2.044
C70	cata_social_enero_2025	1.840
H76	cata_septiembre_2024	2.450
H76	cata_social_enero_2025	1.977

modelo	target	version	n_bootstrap_exitosos	n_fallback_holdout	mae_media	mae_p05	mae_p50	mae_p95	rmse_media	r2_media	r2_agregado	r2_pct_positivo	spearman_media	bias_media
random_forest_restringido	y_fenolico_comun	original	100	2	0.396	0.182	0.368	0.672	0.458	0.034	0.247	68	0.196	0.098
random_forest_restringido	y_fenolico_comun	reescalado_0a5	100	2	0.436	0.134	0.427	0.733	0.524	0.229	0.374	88	0.371	0.110
ridge	y_fenolico_comun	original	100	2	0.436	0.181	0.392	0.840	0.514	-0.512	-0.140	52	0.216	0.051
ridge	y_fenolico_comun	reescalado_0a5	100	2	0.561	0.182	0.514	1.098	0.658	-0.662	-0.127	58	0.347	0.058

modelo	target	mae_media_original	mae_media_reescalado_0a5	r2_agregado_original	r2_agregado_reescalado_0a5	diferencia_mae	diferencia_mae_pct	diferencia_r2_agregado	lectura
random_forest_restringido	y_fenolico_comun	0.396	0.436	0.247	0.374	0.040	10.2	0.126	mejora_al_reescalar
ridge	y_fenolico_comun	0.436	0.561	-0.140	-0.127	0.124	28.5	0.013	sin_cambio_relevante: el R2 agregado no cambia de forma apreciable al reescalar cata_septiembre_2024

** 01_comparacion_mae_original_vs_reescalado **

La comparación pareada muestra diferencias pequeñas y no sistemáticas entre los dos bloques (B1 prácticamente idéntico, 2.111 contra 2.110; C70 y H76 algo más altos en septiembre, 0.20 y 0.47 puntos), lo que ya sugiere que el efecto de escala no domina la señal.

En el modelamiento, el reescalado no cambia la conclusión. Random Forest restringido sube su MAE un 10.2% (0.396 a 0.436) pero mejora su R² agregado (0.247 a 0.374) y su porcentaje de iteraciones positivas (68% a 88%), mientras que en Ridge el R² agregado se mantiene prácticamente igual (-0.140 a -0.127). Ninguna de las dos versiones cambia de signo ni de orden de magnitud, así que el desempeño del modelo principal no es un artefacto del piso de escala del bloque de septiembre.

Dos advertencias sobre este análisis. La transformación supone que el desplazamiento de escala es puramente lineal y afecta igual a los cinco descriptores de origen, y no corrige un eventual sesgo propio del panel de ese bloque, solo el artefacto de escala declarado. Y el hecho de que el reescalado mejore el R² no es razón para adoptarlo como versión oficial: se mantiene la escala original declarada por cada bloque, y este análisis se reporta como verificación, no como ajuste a posteriori.

3.14 Sensibilidad a las muestras comerciales en la cata individual

Este es el análogo del análisis de muestras comerciales, pero aplicado a M_cata_individual (52 unidades, 16 muestras independientes, 26 predictores al sumar las variables fermentativas JU) en vez de M_pura. La pregunta es la misma: el R² notoriamente más alto de este escenario, ¿depende también del contraste entre whiskies comerciales y experimentales?

modelo	target	version	n_bootstrap_exitosos	n_fallback_holdout	mae_media	mae_p05	mae_p50	mae_p95	rmse_media	r2_media	r2_agregado	r2_pct_positivo	spearman_media	bias_media
random_forest_restringido	y_fenolico_comun	completo	100	0	0.515	0.239	0.480	0.891	0.647	0.660	0.647	100	0.689	-0.026
random_forest_restringido	y_fenolico_comun	sin_comerciales	100	0	0.392	0.163	0.375	0.729	0.507	0.673	0.706	98	0.787	0.006
ridge	y_fenolico_comun	completo	100	0	0.997	0.356	0.919	1.963	1.185	-0.434	-0.248	52	0.404	-0.089
ridge	y_fenolico_comun	sin_comerciales	100	0	0.943	0.310	0.843	1.961	1.122	-0.886	-0.693	56	0.320	0.022

modelo	target	mae_media_completo	mae_media_sin_comerciales	r2_agregado_completo	r2_agregado_sin_comerciales	diferencia_mae	diferencia_mae_pct	diferencia_r2_agregado	lectura
random_forest_restringido	y_fenolico_comun	0.515	0.392	0.647	0.706	-0.123	-23.8	0.059	senal_sobrevive: R2 agregado se mantiene positivo sin las muestras comerciales
ridge	y_fenolico_comun	0.997	0.943	-0.248	-0.693	-0.054	-5.4	-0.445	senal_no_sobrevive: R2 agregado deja de ser positivo sin las muestras comerciales

A diferencia de M_pura, aquí la señal sí sobrevive en el modelo principal: al excluir Dalwhinnie y Caol Ila, Random Forest restringido baja su MAE un 23.8% (0.515 a 0.392) y su R² agregado incluso sube (0.647 a 0.706), manteniendo un 98% de iteraciones con R² positivo. Ridge, en cambio, no sobrevive (R² agregado de -0.248 a -0.693), lo que refuerza que el desempeño de este escenario proviene de una estructura no lineal y no de una relación lineal simple.

Esto no convierte a M_cata_individual en el escenario recomendado. Respecto de M_pura cambian a la vez la fuente sensorial (un solo catador), el número de muestras independientes (de 10 a 16) y los predictores disponibles (de 13 a 26), por lo que su mayor desempeño no puede atribuirse a ninguno de esos factores por separado. Lo que este análisis sí muestra es que el desempeño de este escenario no depende de las dos muestras comerciales.

4 - RESULTADOS FINALES

4.1 Objetivo de esta parte

Esta parte integra los resultados de las etapas anteriores: qué variables químicas se asocian con el carácter fenólico percibido, cómo se comparan los escenarios de modelamiento entre sí, qué tan robustos son los resultados y qué conclusiones se pueden sostener con la evidencia disponible.

4.2 Interpretabilidad de variables

Consenso de importancia de variables entre los distintos modelos candidatos, para y_fenolico_comun en el escenario principal (M_pura).

escenario	target	predictor	predictor_limpio	tecnica	familia_quimica	coherencia_target	n_modelos_con_variable	modelos_que_la_reportan	frecuencia_media	frecuencia_max	importancia_norm_media	importancia_norm_max	n_bootstrap_total_modelos	justificacion_quimica	importancia_norm_minmax	score_combinado	estabilidad_consenso	prioridad_tesis	ranking_consenso
M_cata_individual	y_fenolico_comun	x_gcfid_o_cresol_ppm	gcfid o cresol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7425000	0.89	33.0734555	52.4512040	297	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.9075991	0.8250495	alta	prioritaria	1
M_cata_individual	y_fenolico_comun	x_gcfid_4_ethyl_guaiacol_ppm	gcfid 4 ethyl guaiacol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.5825000	0.75	36.4195744	49.2541504	233	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	1.0000000	0.7912500	media	apoyo_interpretativo	2
M_cata_individual	y_fenolico_comun	x_ju_maltose_consumption_g_l	ju maltose consumption g l	JU	fermentacion_indirecta	media_indirecta	4	elastic_net; lasso; random_forest_restringido; ridge	0.7800000	0.92	8.5928851	27.6969265	312	Interpretacion indirecta: puede capturar diferencias de fermentacion o bloque analitico, no causalidad fenolica directa.	0.2315838	0.5057919	alta	apoyo_interpretativo	3
M_cata_individual	y_fenolico_comun	x_ju_final_co2_loss_g_l	ju final co2 loss g l	JU	fermentacion_indirecta	media_indirecta	4	elastic_net; lasso; random_forest_restringido; ridge	0.7350000	0.93	8.3012084	30.6334523	294	Interpretacion indirecta: puede capturar diferencias de fermentacion o bloque analitico, no causalidad fenolica directa.	0.2235293	0.4792647	alta	apoyo_interpretativo	4
M_cata_individual	y_fenolico_comun	x_ju_ethanol_production_g_l	ju ethanol production g l	JU	fermentacion_indirecta	media_indirecta	4	elastic_net; lasso; random_forest_restringido; ridge	0.6575000	0.92	10.1185578	25.9768955	263	Interpretacion indirecta: puede capturar diferencias de fermentacion o bloque analitico, no causalidad fenolica directa.	0.2737143	0.4656071	media	apoyo_interpretativo	5
M_cata_individual	y_fenolico_comun	x_gcfid_guaiacol_ppm	gcfid guaiacol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.5825000	0.76	10.7241071	22.1522832	233	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.2904361	0.4364681	media	apoyo_interpretativo	6
M_cata_individual	y_fenolico_comun	x_ju_ethyl_myristate_ppm	ju ethyl myristate ppm	JU	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.1575000	0.28	27.7608476	42.6518348	63	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.7608948	0.4591974	baja	baja_prioridad	7
M_cata_individual	y_fenolico_comun	x_gcfid_p_cresol_ppm	gcfid p cresol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.4725000	0.73	9.1988862	15.0046186	189	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.2483181	0.3604091	baja_media	baja_prioridad	8
M_cata_individual	y_fenolico_comun	x_ju_ferulic_acid_conversion_index_faci_percent	ju ferulic acid conversion index faci percent	JU	fermentacion_indirecta	media_indirecta	4	elastic_net; lasso; random_forest_restringido; ridge	0.3925000	0.47	7.6455039	24.0620768	157	Interpretacion indirecta: puede capturar diferencias de fermentacion o bloque analitico, no causalidad fenolica directa.	0.2054224	0.2989612	baja_media	baja_prioridad	9
M_cata_individual	y_fenolico_comun	x_gcfid_furfural_ppm	gcfid furfural ppm	GC-FID	aldehidos_furanicos	baja_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.4825000	0.75	3.5032335	4.7766690	193	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	0.0910363	0.2867682	baja_media	baja_prioridad	10
M_cata_individual	y_fenolico_comun	x_gcfid_isoamyl_acetate_ppm	gcfid isoamyl acetate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.4675000	0.73	2.7021635	5.1779244	187	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0689153	0.2682076	baja_media	baja_prioridad	11
M_cata_individual	y_fenolico_comun	x_gcfid_ethyl_octanoate_ppm	gcfid ethyl octanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.4725000	0.77	1.4339527	5.4450157	189	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0338944	0.2531972	baja_media	baja_prioridad	12
M_cata_individual	y_fenolico_comun	x_gcfid_creosol_ppm	gcfid creosol ppm	GC-FID	otros	no_prioritaria	4	elastic_net; lasso; random_forest_restringido; ridge	0.2950000	0.54	7.7040382	13.3802139	118	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	0.2070388	0.2510194	baja	baja_prioridad	13
M_cata_individual	y_fenolico_comun	x_ju_ethyl_hexadecanoate_ppm	ju ethyl hexadecanoate ppm	JU	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.3250000	0.50	5.8802387	9.8155762	130	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.1566758	0.2408379	baja_media	baja_prioridad	14
M_cata_individual	y_fenolico_comun	x_ju_p_cresol_ppm	ju p cresol ppm	JU	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.0850000	0.14	13.5402708	18.9566459	34	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.3682027	0.2266013	baja	baja_prioridad	15
M_cata_individual	y_fenolico_comun	x_gcfid_ethyl_dodecanoate_ppm	gcfid ethyl dodecanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.3800000	0.58	2.7804515	5.7522173	152	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0710771	0.2255386	baja_media	baja_prioridad	16
M_cata_individual	y_fenolico_comun	x_gcfid_ethyl_hexadecanoate_ppm	gcfid ethyl hexadecanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.4050000	0.66	1.5969185	5.9679304	162	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0383946	0.2216973	baja_media	baja_prioridad	17
M_cata_individual	y_fenolico_comun	x_ju_isoamyl_octanoate_ppm	ju isoamyl octanoate ppm	JU	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.1500000	0.25	9.8253747	17.1377269	60	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.2656182	0.2078091	baja	baja_prioridad	18
M_cata_individual	y_fenolico_comun	x_gcfid_ethyl_decanoate_ppm	gcfid ethyl decanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.3400000	0.51	1.5250151	5.0391935	136	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0364091	0.1882045	baja_media	baja_prioridad	19
M_cata_individual	y_fenolico_comun	x_ju_ethyl_decanoate_ppm	ju ethyl decanoate ppm	JU	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.2650000	0.41	3.9888262	8.7990521	106	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.1044456	0.1847228	baja	baja_prioridad	20
M_cata_individual	y_fenolico_comun	x_ju_o_cresol_ppm	ju o cresol ppm	JU	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.3250000	0.50	1.3700916	3.2570117	130	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.0321310	0.1785655	baja_media	baja_prioridad	21
M_cata_individual	y_fenolico_comun	x_ju_ethyl_dodecanoate_ppm	ju ethyl dodecanoate ppm	JU	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.1450000	0.27	7.5598150	11.7058582	58	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.2030562	0.1740281	baja	baja_prioridad	22
M_cata_individual	y_fenolico_comun	x_gcfid_isoamyl_octanoate_ppm	gcfid isoamyl octanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.2525000	0.45	3.3817534	4.9683191	101	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0876817	0.1700909	baja	baja_prioridad	23
M_cata_individual	y_fenolico_comun	x_gcfid_ethyl_tetradecanoate_ppm	gcfid ethyl tetradecanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.2225000	0.43	4.3151830	8.9334132	89	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.1134578	0.1679789	baja	baja_prioridad	24
M_cata_individual	y_fenolico_comun	x_ju_ethyl_octanoate_ppm	ju ethyl octanoate ppm	JU	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.3075000	0.49	0.2065321	0.7259245	123	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0000000	0.1537500	baja_media	baja_prioridad	25
M_cata_individual	y_fenolico_comun	x_ju_isoamyl_acetate_ppm	ju isoamyl acetate ppm	JU	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.1175000	0.20	3.7354301	9.8238089	47	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0974483	0.1074741	baja	baja_prioridad	26
M_cata_individual	y_frutal_comun	x_gcfid_p_cresol_ppm	gcfid p cresol ppm	GC-FID	fenoles_volatiles	baja_no_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.6170650	1.00	53.1611288	70.6167271	216	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	1.0000000	0.8085325	media	exploratoria_target_secundario	1
M_cata_individual	y_frutal_comun	x_gcfid_isoamyl_octanoate_ppm	gcfid isoamyl octanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7395507	1.00	27.4837703	45.5301811	259	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.4821549	0.6108528	alta	exploratoria_target_secundario	2
M_cata_individual	y_frutal_comun	x_gcfid_isoamyl_acetate_ppm	gcfid isoamyl acetate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7281217	1.00	22.3208725	58.0844243	255	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.3780327	0.5530772	alta	exploratoria_target_secundario	3
M_cata_individual	y_frutal_comun	x_gcfid_creosol_ppm	gcfid creosol ppm	GC-FID	otros	no_prioritaria	4	elastic_net; lasso; random_forest_restringido; ridge	0.6084770	1.00	24.5691979	47.1754749	213	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	0.4233756	0.5159263	media	exploratoria_target_secundario	4
M_cata_individual	y_frutal_comun	x_gcfid_furfural_ppm	gcfid furfural ppm	GC-FID	aldehidos_furanicos	no_prioritaria	4	elastic_net; lasso; random_forest_restringido; ridge	0.7308647	1.00	15.8151688	31.1259375	256	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	0.2468297	0.4888472	alta	exploratoria_target_secundario	5
M_cata_individual	y_frutal_comun	x_gcfid_ethyl_tetradecanoate_ppm	gcfid ethyl tetradecanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.6736873	1.00	16.2549778	42.4546178	236	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.2556995	0.4646934	media	exploratoria_target_secundario	6
M_cata_individual	y_frutal_comun	x_gcfid_ethyl_hexadecanoate_ppm	gcfid ethyl hexadecanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7109783	1.00	9.9465507	26.8323056	249	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.1284750	0.4197267	alta	exploratoria_target_secundario	7
M_cata_individual	y_frutal_comun	x_gcfid_ethyl_octanoate_ppm	gcfid ethyl octanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7112069	1.00	8.0132629	19.0504073	249	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.0894857	0.4003463	alta	exploratoria_target_secundario	8
M_cata_individual	y_frutal_comun	x_gcfid_ethyl_decanoate_ppm	gcfid ethyl decanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7083007	1.00	5.4308572	11.6789799	248	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.0374053	0.3728530	alta	exploratoria_target_secundario	9
M_cata_individual	y_frutal_comun	x_gcfid_ethyl_dodecanoate_ppm	gcfid ethyl dodecanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7308973	1.00	3.5761148	12.1858046	256	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.0000000	0.3654487	alta	exploratoria_target_secundario	10
M_expandida_evaluador	y_fenolico_comun	x_gcfid_o_cresol_ppm	gcfid o cresol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7600000	0.96	31.7901051	47.5396997	304	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	1.0000000	0.8800000	alta	prioritaria	1
M_expandida_evaluador	y_fenolico_comun	x_gcfid_p_cresol_ppm	gcfid p cresol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7200000	1.00	15.1871326	24.7616139	288	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.4333489	0.5766744	alta	prioritaria	2
M_expandida_evaluador	y_fenolico_comun	x_gcfid_isoamyl_acetate_ppm	gcfid isoamyl acetate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.7775000	1.00	12.3943397	17.1493023	311	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.3380322	0.5577661	alta	prioritaria	3
M_expandida_evaluador	y_fenolico_comun	x_gcfid_4_ethyl_guaiacol_ppm	gcfid 4 ethyl guaiacol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.6125000	0.96	29.0633442	39.6643888	245	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.9069370	0.7597185	media	apoyo_interpretativo	4
M_expandida_evaluador	y_fenolico_comun	x_gcfid_furfural_ppm	gcfid furfural ppm	GC-FID	aldehidos_furanicos	baja_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.8450000	1.00	10.7583745	14.7775530	338	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	0.2821976	0.5635988	alta	apoyo_interpretativo	5
M_expandida_evaluador	y_fenolico_comun	x_gcfid_creosol_ppm	gcfid creosol ppm	GC-FID	otros	no_prioritaria	4	elastic_net; lasso; random_forest_restringido; ridge	0.7175000	1.00	12.3324140	18.0903170	287	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	0.3359187	0.5267094	alta	apoyo_interpretativo	6
M_expandida_evaluador	y_fenolico_comun	x_gcfid_guaiacol_ppm	gcfid guaiacol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7100000	0.92	11.2561792	18.2268706	284	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.2991874	0.5045937	alta	apoyo_interpretativo	7
M_expandida_evaluador	y_fenolico_comun	x_gcfid_isoamyl_octanoate_ppm	gcfid isoamyl octanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.6575000	1.00	12.0152172	16.9922421	263	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.3250930	0.4912965	media	apoyo_interpretativo	8
M_expandida_evaluador	y_fenolico_comun	x_gcfid_ethyl_hexadecanoate_ppm	gcfid ethyl hexadecanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.8000000	1.00	4.6612184	16.0309975	320	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0741047	0.4370523	alta	apoyo_interpretativo	9
M_expandida_evaluador	y_fenolico_comun	x_gcfid_ethyl_octanoate_ppm	gcfid ethyl octanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.7150000	1.00	2.9463770	11.5115440	286	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0155780	0.3652890	alta	apoyo_interpretativo	10
M_expandida_evaluador	y_fenolico_comun	x_gcfid_ethyl_decanoate_ppm	gcfid ethyl decanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.6975000	1.00	2.4899389	8.9592302	279	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0000000	0.3487500	media	apoyo_interpretativo	11
M_expandida_evaluador	y_fenolico_comun	x_gcfid_ethyl_dodecanoate_ppm	gcfid ethyl dodecanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.5250000	1.00	5.6591963	13.5866161	210	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.1081652	0.3165826	media	apoyo_interpretativo	12
M_expandida_evaluador	y_fenolico_comun	x_gcfid_ethyl_tetradecanoate_ppm	gcfid ethyl tetradecanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.4675000	1.00	3.3940607	9.9243374	187	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0308572	0.2491786	alta_en_un_modelo	baja_prioridad	13
M_expandida_evaluador	y_frutal_comun	x_gcfid_p_cresol_ppm	gcfid p cresol ppm	GC-FID	fenoles_volatiles	baja_no_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.6750000	1.00	47.8849495	71.6171368	270	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	1.0000000	0.8375000	media	exploratoria_target_secundario	1
M_expandida_evaluador	y_frutal_comun	x_gcfid_isoamyl_octanoate_ppm	gcfid isoamyl octanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.6650000	1.00	28.6953295	52.5433095	266	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.5753301	0.6201650	media	exploratoria_target_secundario	2
M_expandida_evaluador	y_frutal_comun	x_gcfid_creosol_ppm	gcfid creosol ppm	GC-FID	otros	no_prioritaria	4	elastic_net; lasso; random_forest_restringido; ridge	0.6300000	1.00	23.9100649	36.3265675	252	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	0.4694313	0.5497156	media	exploratoria_target_secundario	3
M_expandida_evaluador	y_frutal_comun	x_gcfid_isoamyl_acetate_ppm	gcfid isoamyl acetate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.6250000	1.00	19.7344990	49.3106008	250	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.3770252	0.5010126	media	exploratoria_target_secundario	4
M_expandida_evaluador	y_frutal_comun	x_gcfid_furfural_ppm	gcfid furfural ppm	GC-FID	aldehidos_furanicos	no_prioritaria	4	elastic_net; lasso; random_forest_restringido; ridge	0.6700000	1.00	9.4556970	13.0654134	268	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	0.1495534	0.4097767	media	exploratoria_target_secundario	5
M_expandida_evaluador	y_frutal_comun	x_gcfid_ethyl_tetradecanoate_ppm	gcfid ethyl tetradecanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.5900000	1.00	12.6956677	23.3778558	236	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.2212545	0.4056273	media	exploratoria_target_secundario	6
M_expandida_evaluador	y_frutal_comun	x_gcfid_ethyl_hexadecanoate_ppm	gcfid ethyl hexadecanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.6550000	1.00	8.5552526	22.1203440	262	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.1296264	0.3923132	media	exploratoria_target_secundario	7
M_expandida_evaluador	y_frutal_comun	x_gcfid_ethyl_decanoate_ppm	gcfid ethyl decanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.6875000	1.00	3.7444998	10.7195985	275	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.0231635	0.3553318	media	exploratoria_target_secundario	8
M_expandida_evaluador	y_frutal_comun	x_gcfid_ethyl_dodecanoate_ppm	gcfid ethyl dodecanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.6950000	1.00	2.6978068	10.3331292	278	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.0000000	0.3475000	media	exploratoria_target_secundario	9
M_expandida_evaluador	y_frutal_comun	x_gcfid_ethyl_octanoate_ppm	gcfid ethyl octanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.6600000	1.00	2.9155267	10.6986711	264	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.0048182	0.3324091	media	exploratoria_target_secundario	10
M_ia_exploratoria	y_fenolico_comun	x_ju_ethanol_production_g_l	ju ethanol production g l	JU	fermentacion_indirecta	media_indirecta	4	elastic_net; lasso; random_forest_restringido; ridge	0.8094681	1.00	44.6357315	56.5965889	310	Interpretacion indirecta: puede capturar diferencias de fermentacion o bloque analitico, no causalidad fenolica directa.	1.0000000	0.9047340	alta	solo_exploratoria_ia	1
M_ia_exploratoria	y_fenolico_comun	x_ju_ferulic_acid_conversion_index_faci_percent	ju ferulic acid conversion index faci percent	JU	fermentacion_indirecta	media_indirecta	4	elastic_net; lasso; random_forest_restringido; ridge	0.9158511	1.00	33.7710080	43.8921684	350	Interpretacion indirecta: puede capturar diferencias de fermentacion o bloque analitico, no causalidad fenolica directa.	0.6789359	0.7973935	alta	solo_exploratoria_ia	2
M_ia_exploratoria	y_fenolico_comun	x_folin_fenoles_totales_ug_ag_ml	folin fenoles totales ug ag ml	Folin	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.9868617	0.99	12.6856859	27.7047387	377	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.0558423	0.5213520	alta	solo_exploratoria_ia	3
M_ia_exploratoria	y_fenolico_comun	x_ju_final_co2_loss_g_l	ju final co2 loss g l	JU	fermentacion_indirecta	media_indirecta	4	elastic_net; lasso; random_forest_restringido; ridge	0.8254255	1.00	14.9986278	23.8009738	316	Interpretacion indirecta: puede capturar diferencias de fermentacion o bloque analitico, no causalidad fenolica directa.	0.1241922	0.4748088	alta	solo_exploratoria_ia	4
M_ia_exploratoria	y_fenolico_comun	x_ju_maltose_consumption_g_l	ju maltose consumption g l	JU	fermentacion_indirecta	media_indirecta	4	elastic_net; lasso; random_forest_restringido; ridge	0.9344681	1.00	10.7959981	14.3104410	357	Interpretacion indirecta: puede capturar diferencias de fermentacion o bloque analitico, no causalidad fenolica directa.	0.0000000	0.4672340	alta	solo_exploratoria_ia	5
M_pura	y_fenolico_comun	x_gcfid_o_cresol_ppm	gcfid o cresol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7150000	0.98	28.4407598	44.1125823	286	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.7530590	0.7340295	alta	prioritaria	1
M_pura	y_fenolico_comun	x_gcfid_p_cresol_ppm	gcfid p cresol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.8225000	1.00	18.5595961	26.9751006	329	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.4615626	0.6420313	alta	prioritaria	2
M_pura	y_fenolico_comun	x_gcfid_guaiacol_ppm	gcfid guaiacol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7725000	0.88	18.9120136	37.0660776	309	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.4719590	0.6222295	alta	prioritaria	3
M_pura	y_fenolico_comun	x_gcfid_4_ethyl_guaiacol_ppm	gcfid 4 ethyl guaiacol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.6400000	0.98	36.8115810	50.1982602	256	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	1.0000000	0.8200000	media	apoyo_interpretativo	4
M_pura	y_fenolico_comun	x_gcfid_isoamyl_acetate_ppm	gcfid isoamyl acetate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.7475000	1.00	9.4286283	16.7890722	299	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.1921972	0.4698486	alta	apoyo_interpretativo	5
M_pura	y_fenolico_comun	x_gcfid_furfural_ppm	gcfid furfural ppm	GC-FID	aldehidos_furanicos	baja_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.7800000	1.00	7.9512423	11.0131758	312	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	0.1486140	0.4643070	alta	apoyo_interpretativo	6
M_pura	y_fenolico_comun	x_gcfid_creosol_ppm	gcfid creosol ppm	GC-FID	otros	no_prioritaria	4	elastic_net; lasso; random_forest_restringido; ridge	0.6350000	1.00	12.2333443	19.1933292	254	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	0.2749369	0.4549684	media	apoyo_interpretativo	7
M_pura	y_fenolico_comun	x_gcfid_ethyl_hexadecanoate_ppm	gcfid ethyl hexadecanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.7925000	1.00	4.4664900	12.6239788	317	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0458130	0.4191565	alta	apoyo_interpretativo	8
M_pura	y_fenolico_comun	x_gcfid_isoamyl_octanoate_ppm	gcfid isoamyl octanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.6050000	1.00	8.8678515	14.9628167	242	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.1756541	0.3903271	media	apoyo_interpretativo	9
M_pura	y_fenolico_comun	x_gcfid_ethyl_octanoate_ppm	gcfid ethyl octanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.7175000	1.00	2.9135163	10.8510018	287	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0000000	0.3587500	alta	apoyo_interpretativo	10
M_pura	y_fenolico_comun	x_gcfid_ethyl_decanoate_ppm	gcfid ethyl decanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.6300000	1.00	2.9623373	10.5925876	252	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0014402	0.3157201	media	apoyo_interpretativo	11
M_pura	y_fenolico_comun	x_gcfid_ethyl_tetradecanoate_ppm	gcfid ethyl tetradecanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.5500000	1.00	3.8485295	8.6429193	220	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0275831	0.2887915	media	apoyo_interpretativo	12
M_pura	y_fenolico_comun	x_gcfid_ethyl_dodecanoate_ppm	gcfid ethyl dodecanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.4900000	1.00	4.4116607	12.9335668	196	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0441956	0.2670978	alta_en_un_modelo	baja_prioridad	13
M_pura	y_frutal_comun	x_gcfid_p_cresol_ppm	gcfid p cresol ppm	GC-FID	fenoles_volatiles	baja_no_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.6779208	1.00	52.9893300	70.3979094	221	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	1.0000000	0.8389604	media	exploratoria_target_secundario	1
M_pura	y_frutal_comun	x_gcfid_creosol_ppm	gcfid creosol ppm	GC-FID	otros	no_prioritaria	4	elastic_net; lasso; random_forest_restringido; ridge	0.6565041	1.00	25.7425078	42.2907026	214	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	0.4558351	0.5561696	media	exploratoria_target_secundario	2
M_pura	y_frutal_comun	x_gcfid_isoamyl_octanoate_ppm	gcfid isoamyl octanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7150331	1.00	21.6947603	36.9541544	233	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.3749948	0.5450140	alta	exploratoria_target_secundario	3
M_pura	y_frutal_comun	x_gcfid_isoamyl_acetate_ppm	gcfid isoamyl acetate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.6815718	1.00	22.8603351	62.2090546	222	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.3982733	0.5399226	media	exploratoria_target_secundario	4
M_pura	y_frutal_comun	x_gcfid_furfural_ppm	gcfid furfural ppm	GC-FID	aldehidos_furanicos	no_prioritaria	4	elastic_net; lasso; random_forest_restringido; ridge	0.7367510	1.00	19.5411325	41.8998660	240	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	0.3319833	0.5343671	alta	exploratoria_target_secundario	5
M_pura	y_frutal_comun	x_gcfid_ethyl_hexadecanoate_ppm	gcfid ethyl hexadecanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7181572	1.00	9.7439628	26.6921654	234	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.1363173	0.4272372	alta	exploratoria_target_secundario	6
M_pura	y_frutal_comun	x_gcfid_ethyl_tetradecanoate_ppm	gcfid ethyl tetradecanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.6507829	1.00	11.7025346	21.7642129	212	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.1754333	0.4131081	media	exploratoria_target_secundario	7
M_pura	y_frutal_comun	x_gcfid_ethyl_decanoate_ppm	gcfid ethyl decanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7058115	1.00	4.6168703	11.3406949	230	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.0339206	0.3698661	alta	exploratoria_target_secundario	8
M_pura	y_frutal_comun	x_gcfid_ethyl_octanoate_ppm	gcfid ethyl octanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7117585	1.00	3.5005886	10.8546661	232	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.0116266	0.3616926	alta	exploratoria_target_secundario	9
M_pura	y_frutal_comun	x_gcfid_ethyl_dodecanoate_ppm	gcfid ethyl dodecanoate ppm	GC-FID	esteres	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.6905676	1.00	2.9184330	11.3010967	225	Coherente: los esteres suelen asociarse a notas frutales, florales y fermentativas.	0.0000000	0.3452838	media	exploratoria_target_secundario	10

escenario	target	predictor	predictor_limpio	tecnica	familia_quimica	coherencia_target	n_modelos_con_variable	modelos_que_la_reportan	frecuencia_media	frecuencia_max	importancia_norm_media	importancia_norm_max	n_bootstrap_total_modelos	justificacion_quimica	importancia_norm_minmax	score_combinado	estabilidad_consenso	prioridad_tesis	ranking_consenso
M_cata_individual	y_fenolico_comun	x_gcfid_o_cresol_ppm	gcfid o cresol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7425	0.89	33.073456	52.451204	297	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.9075991	0.8250495	alta	prioritaria	1
M_cata_individual	y_fenolico_comun	x_gcfid_4_ethyl_guaiacol_ppm	gcfid 4 ethyl guaiacol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.5825	0.75	36.419574	49.254150	233	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	1.0000000	0.7912500	media	apoyo_interpretativo	2
M_cata_individual	y_fenolico_comun	x_ju_maltose_consumption_g_l	ju maltose consumption g l	JU	fermentacion_indirecta	media_indirecta	4	elastic_net; lasso; random_forest_restringido; ridge	0.7800	0.92	8.592885	27.696927	312	Interpretacion indirecta: puede capturar diferencias de fermentacion o bloque analitico, no causalidad fenolica directa.	0.2315838	0.5057919	alta	apoyo_interpretativo	3
M_cata_individual	y_fenolico_comun	x_ju_final_co2_loss_g_l	ju final co2 loss g l	JU	fermentacion_indirecta	media_indirecta	4	elastic_net; lasso; random_forest_restringido; ridge	0.7350	0.93	8.301208	30.633452	294	Interpretacion indirecta: puede capturar diferencias de fermentacion o bloque analitico, no causalidad fenolica directa.	0.2235293	0.4792647	alta	apoyo_interpretativo	4
M_cata_individual	y_fenolico_comun	x_ju_ethanol_production_g_l	ju ethanol production g l	JU	fermentacion_indirecta	media_indirecta	4	elastic_net; lasso; random_forest_restringido; ridge	0.6575	0.92	10.118558	25.976896	263	Interpretacion indirecta: puede capturar diferencias de fermentacion o bloque analitico, no causalidad fenolica directa.	0.2737143	0.4656071	media	apoyo_interpretativo	5
M_cata_individual	y_fenolico_comun	x_gcfid_guaiacol_ppm	gcfid guaiacol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.5825	0.76	10.724107	22.152283	233	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.2904361	0.4364681	media	apoyo_interpretativo	6
M_pura	y_fenolico_comun	x_gcfid_o_cresol_ppm	gcfid o cresol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7150	0.98	28.440760	44.112582	286	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.7530590	0.7340295	alta	prioritaria	1
M_pura	y_fenolico_comun	x_gcfid_p_cresol_ppm	gcfid p cresol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.8225	1.00	18.559596	26.975101	329	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.4615626	0.6420313	alta	prioritaria	2
M_pura	y_fenolico_comun	x_gcfid_guaiacol_ppm	gcfid guaiacol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7725	0.88	18.912014	37.066078	309	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.4719590	0.6222295	alta	prioritaria	3
M_pura	y_fenolico_comun	x_gcfid_4_ethyl_guaiacol_ppm	gcfid 4 ethyl guaiacol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.6400	0.98	36.811581	50.198260	256	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	1.0000000	0.8200000	media	apoyo_interpretativo	4
M_pura	y_fenolico_comun	x_gcfid_isoamyl_acetate_ppm	gcfid isoamyl acetate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.7475	1.00	9.428628	16.789072	299	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.1921972	0.4698486	alta	apoyo_interpretativo	5
M_pura	y_fenolico_comun	x_gcfid_furfural_ppm	gcfid furfural ppm	GC-FID	aldehidos_furanicos	baja_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.7800	1.00	7.951242	11.013176	312	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	0.1486140	0.4643070	alta	apoyo_interpretativo	6
M_pura	y_fenolico_comun	x_gcfid_creosol_ppm	gcfid creosol ppm	GC-FID	otros	no_prioritaria	4	elastic_net; lasso; random_forest_restringido; ridge	0.6350	1.00	12.233344	19.193329	254	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	0.2749369	0.4549684	media	apoyo_interpretativo	7
M_pura	y_fenolico_comun	x_gcfid_ethyl_hexadecanoate_ppm	gcfid ethyl hexadecanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.7925	1.00	4.466490	12.623979	317	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0458130	0.4191565	alta	apoyo_interpretativo	8
M_pura	y_fenolico_comun	x_gcfid_isoamyl_octanoate_ppm	gcfid isoamyl octanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.6050	1.00	8.867852	14.962817	242	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.1756541	0.3903271	media	apoyo_interpretativo	9
M_pura	y_fenolico_comun	x_gcfid_ethyl_octanoate_ppm	gcfid ethyl octanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.7175	1.00	2.913516	10.851002	287	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0000000	0.3587500	alta	apoyo_interpretativo	10
M_pura	y_fenolico_comun	x_gcfid_ethyl_decanoate_ppm	gcfid ethyl decanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.6300	1.00	2.962337	10.592588	252	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0014402	0.3157201	media	apoyo_interpretativo	11
M_pura	y_fenolico_comun	x_gcfid_ethyl_tetradecanoate_ppm	gcfid ethyl tetradecanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.5500	1.00	3.848530	8.642919	220	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0275831	0.2887915	media	apoyo_interpretativo	12

** 01_consenso_variables_M_pura_y_fenolico **

** 02_familias_quimicas_M_pura_y_fenolico **

** 03_variable_modelo_M_pura_y_fenolico **

** 04_variables_prioritarias_escenarios_reales **

** 05_frecuencia_predictor_modelo_M_pura_y_fenolico **

** 06_mae_bootstrap_por_modelo_M_pura_y_fenolico **

Las variables priorizadas por consenso son fenoles volátiles medidos por GC-FID (o-cresol, p-cresol, guaiacol y 4-etil-guaiacol), químicamente coherentes con el atributo “fenólico” (asociado a compuestos derivados de la turba y el ahumado). Ninguna variable de GC-MS ni de la cata individual JU participa en este consenso, porque ambos bloques quedaron fuera de los predictores del escenario principal. Esta coherencia química es un criterio de plausibilidad, no una confirmación empírica: como mostró la sensibilidad a las muestras comerciales, estas variables pierden relevancia al excluir Dalwhinnie y Caol Ila.

4.3 Comparación final entre escenarios

escenario	tipo_escenario	modelo_recomendado	mae_bootstrap	mae_p05	mae_p95	rmse_bootstrap	r2_bootstrap	spearman_bootstrap	estabilidad_error	recomendacion_uso	lectura_escenario
M_pura	principal_real	random_forest_restringido	0.3958918	0.1815655	0.6724122	0.4584317	0.2472768	0.1964191	media	modelo_principal_predictivo	Escenario principal con datos quimico-sensoriales reales (sin cata individual JU). Es la base central para conclusiones predictivas.
M_cata_individual	sensibilidad_con_ju	random_forest_restringido	0.5149154	0.2392262	0.8911657	0.6472388	0.6472861	0.6893026	baja	comparacion_con_aporte_ju	Matriz pura mas la cata individual JU agregada. Permite evaluar el aporte y la heterogeneidad introducida por JU, comparando directamente contra M_pura.
M_expandida_evaluador	complementario_evaluador	random_forest_restringido	0.8225619	0.6269890	1.1251350	0.9957123	0.1087074	0.0978423	media	complementario_no_principal	Escenario complementario para variabilidad entre evaluadores. No debe interpretarse como aumento independiente de muestras quimicas.
M_ia_exploratoria	exploratorio_ia	gradient_boosting_restringido	0.6015588	0.3701306	0.9039945	0.7026570	0.5102545	0.7082146	baja	exploratorio_sintetico_no_real	Escenario sintetico exploratorio con imputacion sensorial asistida por IA. No reemplaza cata real.

** 01_modelamiento_mae_bootstrap_y_fenolico **

** 02_modelamiento_mejor_modelo_por_escenario **

** 03_modelamiento_base_vs_mejor_y_fenolico **

** 04_modelamiento_variables_discusion **

escenario	target	predictor	predictor_limpio	tecnica	familia_quimica	coherencia_target	n_modelos_con_variable	modelos_que_la_reportan	frecuencia_media	frecuencia_max	importancia_norm_media	importancia_norm_max	n_bootstrap_total_modelos	justificacion_quimica	importancia_norm_minmax	score_combinado	estabilidad_consenso	prioridad_tesis	ranking_consenso	orden_escenario	lectura_final
M_pura	y_fenolico_comun	x_gcfid_o_cresol_ppm	gcfid o cresol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7150	0.98	28.440760	44.112582	286	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.7530590	0.7340295	alta	prioritaria	1	1	variable_prioritaria_directa
M_pura	y_fenolico_comun	x_gcfid_p_cresol_ppm	gcfid p cresol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.8225	1.00	18.559596	26.975101	329	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.4615626	0.6420313	alta	prioritaria	2	1	variable_prioritaria_directa
M_pura	y_fenolico_comun	x_gcfid_guaiacol_ppm	gcfid guaiacol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7725	0.88	18.912014	37.066078	309	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.4719590	0.6222295	alta	prioritaria	3	1	variable_prioritaria_directa
M_pura	y_fenolico_comun	x_gcfid_4_ethyl_guaiacol_ppm	gcfid 4 ethyl guaiacol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.6400	0.98	36.811581	50.198260	256	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	1.0000000	0.8200000	media	apoyo_interpretativo	4	1	apoyo_interpretativo
M_pura	y_fenolico_comun	x_gcfid_isoamyl_acetate_ppm	gcfid isoamyl acetate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.7475	1.00	9.428628	16.789072	299	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.1921972	0.4698486	alta	apoyo_interpretativo	5	1	apoyo_interpretativo
M_pura	y_fenolico_comun	x_gcfid_furfural_ppm	gcfid furfural ppm	GC-FID	aldehidos_furanicos	baja_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.7800	1.00	7.951242	11.013176	312	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	0.1486140	0.4643070	alta	apoyo_interpretativo	6	1	apoyo_interpretativo
M_pura	y_fenolico_comun	x_gcfid_creosol_ppm	gcfid creosol ppm	GC-FID	otros	no_prioritaria	4	elastic_net; lasso; random_forest_restringido; ridge	0.6350	1.00	12.233344	19.193329	254	Debe interpretarse como asociacion estadistica exploratoria y contrastarse con literatura/criterio experto.	0.2749369	0.4549684	media	apoyo_interpretativo	7	1	apoyo_interpretativo
M_pura	y_fenolico_comun	x_gcfid_ethyl_hexadecanoate_ppm	gcfid ethyl hexadecanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.7925	1.00	4.466490	12.623979	317	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0458130	0.4191565	alta	apoyo_interpretativo	8	1	apoyo_interpretativo
M_pura	y_fenolico_comun	x_gcfid_isoamyl_octanoate_ppm	gcfid isoamyl octanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.6050	1.00	8.867852	14.962817	242	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.1756541	0.3903271	media	apoyo_interpretativo	9	1	apoyo_interpretativo
M_pura	y_fenolico_comun	x_gcfid_ethyl_octanoate_ppm	gcfid ethyl octanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.7175	1.00	2.913516	10.851002	287	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0000000	0.3587500	alta	apoyo_interpretativo	10	1	apoyo_interpretativo
M_pura	y_fenolico_comun	x_gcfid_ethyl_decanoate_ppm	gcfid ethyl decanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.6300	1.00	2.962337	10.592588	252	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0014402	0.3157201	media	apoyo_interpretativo	11	1	apoyo_interpretativo
M_pura	y_fenolico_comun	x_gcfid_ethyl_tetradecanoate_ppm	gcfid ethyl tetradecanoate ppm	GC-FID	esteres	media_contextual	4	elastic_net; lasso; random_forest_restringido; ridge	0.5500	1.00	3.848530	8.642919	220	Interpretacion contextual: los esteres pueden separar perfiles de muestra, pero no son evidencia fenolica directa.	0.0275831	0.2887915	media	apoyo_interpretativo	12	1	apoyo_interpretativo
M_cata_individual	y_fenolico_comun	x_gcfid_o_cresol_ppm	gcfid o cresol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.7425	0.89	33.073456	52.451204	297	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.9075991	0.8250495	alta	prioritaria	1	2	variable_prioritaria_directa
M_cata_individual	y_fenolico_comun	x_gcfid_4_ethyl_guaiacol_ppm	gcfid 4 ethyl guaiacol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.5825	0.75	36.419574	49.254150	233	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	1.0000000	0.7912500	media	apoyo_interpretativo	2	2	apoyo_interpretativo
M_cata_individual	y_fenolico_comun	x_ju_maltose_consumption_g_l	ju maltose consumption g l	JU	fermentacion_indirecta	media_indirecta	4	elastic_net; lasso; random_forest_restringido; ridge	0.7800	0.92	8.592885	27.696927	312	Interpretacion indirecta: puede capturar diferencias de fermentacion o bloque analitico, no causalidad fenolica directa.	0.2315838	0.5057919	alta	apoyo_interpretativo	3	2	apoyo_interpretativo
M_cata_individual	y_fenolico_comun	x_ju_final_co2_loss_g_l	ju final co2 loss g l	JU	fermentacion_indirecta	media_indirecta	4	elastic_net; lasso; random_forest_restringido; ridge	0.7350	0.93	8.301208	30.633452	294	Interpretacion indirecta: puede capturar diferencias de fermentacion o bloque analitico, no causalidad fenolica directa.	0.2235293	0.4792647	alta	apoyo_interpretativo	4	2	apoyo_interpretativo
M_cata_individual	y_fenolico_comun	x_ju_ethanol_production_g_l	ju ethanol production g l	JU	fermentacion_indirecta	media_indirecta	4	elastic_net; lasso; random_forest_restringido; ridge	0.6575	0.92	10.118558	25.976896	263	Interpretacion indirecta: puede capturar diferencias de fermentacion o bloque analitico, no causalidad fenolica directa.	0.2737143	0.4656071	media	apoyo_interpretativo	5	2	apoyo_interpretativo
M_cata_individual	y_fenolico_comun	x_gcfid_guaiacol_ppm	gcfid guaiacol ppm	GC-FID	fenoles_volatiles	alta_directa	4	elastic_net; lasso; random_forest_restringido; ridge	0.5825	0.76	10.724107	22.152283	233	Coherente: cresoles, guaiacol u otros fenoles volatiles se relacionan directamente con notas fenolicas/ahumadas.	0.2904361	0.4364681	media	apoyo_interpretativo	6	2	apoyo_interpretativo

4.3.1 Sensibilidad a la cata individual JU: ¿cambia el modelo si se agrega?

La Parte 1 (Matriz 5) describió cómo se compone M_cata_individual (la matriz pura más 18 filas de una cata realizada por un solo catador, sin promedio de panel). Esta es la pregunta que esa matriz busca responder: ¿el modelo predice distinto si se agregan esas filas?

Escenario	Modelo	MAE bootstrap	R² agregado
M_pura (sin JU)	Random Forest restringido	0.396	0.247
M_cata_individual (pura + JU)	Random Forest restringido	0.515	0.647

El R² agregado sube de 0.247 a 0.647 al agregar la cata JU, aunque el MAE también sube (0.396 a 0.515), porque el target de este escenario tiene un rango más amplio. Esta mejora en R² no es evidencia de que la química explique mejor el carácter fenólico: al pasar de M_pura a M_cata_individual cambian simultáneamente la fuente sensorial (un solo catador en vez del promedio de un panel), el número de muestras independientes (de 10 a 16) y los predictores disponibles (de 13 a 26). Una hipótesis plausible es que un solo catador reduzca la heterogeneidad entre evaluadores, pero la comparación no permite demostrarlo. Por eso M_pura se mantiene como escenario principal y M_cata_individual como análisis de sensibilidad.

4.4 Robustez de los resultados

indicador	valor
escenario_principal	M_pura
target_principal	y_fenolico_comun
modelo_principal	random_forest_restringido
mae_bootstrap_principal	0.396
r2_bootstrap_principal	0.247
spearman_bootstrap_principal	0.196
mae_bootstrap_sin_outliers_eda	0.4208
diferencia_mae_pct_por_exclusion_outliers	6.3%
n_unidades_marcadas_eda_M_pura	6
grados_libertad_aprox_target_secundario	0
r2_bootstrap_target_secundario_completo	-0.5626
r2_bootstrap_target_secundario_sin_outliers	-0.5626

afirmacion	evidencia	fuente	fortaleza
random_forest_restringido sobre y_fenolico_comun en M_pura es el resultado predictivo principal de la tesis, con una senal moderada y condicionada por el contraste comercial-experimental de la matriz (ver analisis de sensibilidad de muestras comerciales).	MAE bootstrap = 0.396; R2 bootstrap = 0.247; Spearman bootstrap = 0.196 (n=100 iteraciones bootstrap agrupado por identificador_quimico, 10 grupos).	19_comparar_escenarios_modelamiento.R (00_resumen_ejecutivo)	fuerte
El desempeno de random_forest_restringido sobre y_fenolico_comun se mantiene en un rango similar al excluir las unidades quimicamente atipicas detectadas en el EDA, es decir, el resultado no se explica unicamente por esas unidades.	MAE bootstrap completo = 0.396 vs. sin unidades marcadas por T2/Q = 0.421 (diferencia = 6.3%).	16b_sensibilidad_outliers_quimicos.R (02_resumen_comparativo, 03_comparacion_diferencias)	fuerte
Las unidades marcadas como atipicas en el EDA no predicen sistematicamente peor con random_forest_restringido.	Residuo absoluto medio en unidades marcadas por el EDA = 0.46 vs. no marcadas = 0.414.	17_residuos_diagnostico.R (09_resumen_cruce_outliers)	moderada
y_frutal_comun debe mantenerse como target secundario/exploratorio, no como resultado central.	Grados de libertad aproximados = 0 en M_pura (n_filas_modelables - n_predictores_usables, ver script 13); R2 bootstrap del modelo principal para y_frutal_comun es negativo (peor que predecir la media).	13_diagnostico_modelamiento.R (01_viabilidad_escenarios) + 16b	fuerte
Las variables quimicas prioritarias son coherentes con la literatura de compuestos fenolicos volatiles.	Variables con prioridad_tesis == ‘prioritaria’: x_gcfid_o_cresol_ppm, x_gcfid_p_cresol_ppm, x_gcfid_guaiacol_ppm (script 18, hoja 05_variables_finales_tesis).	18_interpretabilidad_modelos.R (05_variables_finales_tesis)	moderada
El VIF global no es aplicable; se uso correlacion pareada y VIF por bloque como alternativa metodologica.	Ver colinealidad_modelamiento.xlsx (script 13b) y diagnostico_modelamiento.xlsx (script 13, hoja 01_viabilidad_escenarios).	13b_colinealidad_modelamiento.R	fuerte

4.5 Diagnóstico de residuos (modelo principal)

** 01_predicho_vs_observado_M_pura_y_fenolico **

** 02_residuos_vs_predicho_M_pura_y_fenolico **

** 03_qqplot_residuos_M_pura_y_fenolico **

** 04_distribucion_residuos_y_fenolico **

escenario	target	modelo	es_outlier_eda	n_predicciones	n_atipicos_residual	pct_atipicos_residual	residuo_abs_medio	lectura
M_cata_individual	y_fenolico_comun	elastic_net	TRUE	10	1	10.0	0.7478	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_cata_individual	y_fenolico_comun	elastic_net	FALSE	42	3	7.1	0.8463	Unidades sin marca de atipico en el EDA quimico.
M_cata_individual	y_fenolico_comun	gradient_boosting_restringido	TRUE	10	0	0.0	0.6299	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_cata_individual	y_fenolico_comun	gradient_boosting_restringido	FALSE	42	0	0.0	0.9493	Unidades sin marca de atipico en el EDA quimico.
M_cata_individual	y_fenolico_comun	lasso	TRUE	10	0	0.0	0.6127	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_cata_individual	y_fenolico_comun	lasso	FALSE	42	3	7.1	0.7504	Unidades sin marca de atipico en el EDA quimico.
M_cata_individual	y_fenolico_comun	lineal_reducido	TRUE	10	0	0.0	0.3772	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_cata_individual	y_fenolico_comun	lineal_reducido	FALSE	42	5	11.9	0.6261	Unidades sin marca de atipico en el EDA quimico.
M_cata_individual	y_fenolico_comun	media_entrenamiento	TRUE	10	0	0.0	0.7092	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_cata_individual	y_fenolico_comun	media_entrenamiento	FALSE	42	0	0.0	0.9969	Unidades sin marca de atipico en el EDA quimico.
M_cata_individual	y_fenolico_comun	pls	TRUE	10	0	0.0	0.6546	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_cata_individual	y_fenolico_comun	pls	FALSE	42	3	7.1	0.8725	Unidades sin marca de atipico en el EDA quimico.
M_cata_individual	y_fenolico_comun	random_forest_restringido	TRUE	10	0	0.0	0.2659	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_cata_individual	y_fenolico_comun	random_forest_restringido	FALSE	42	5	11.9	0.4260	Unidades sin marca de atipico en el EDA quimico.
M_cata_individual	y_fenolico_comun	ridge	TRUE	10	0	0.0	0.4940	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_cata_individual	y_fenolico_comun	ridge	FALSE	42	3	7.1	0.8067	Unidades sin marca de atipico en el EDA quimico.
M_cata_individual	y_frutal_comun	elastic_net	TRUE	1	0	0.0	0.4348	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_cata_individual	y_frutal_comun	elastic_net	FALSE	12	0	0.0	0.3382	Unidades sin marca de atipico en el EDA quimico.
M_cata_individual	y_frutal_comun	gradient_boosting_restringido	TRUE	1	0	0.0	0.4397	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_cata_individual	y_frutal_comun	gradient_boosting_restringido	FALSE	12	0	0.0	0.2889	Unidades sin marca de atipico en el EDA quimico.
M_cata_individual	y_frutal_comun	lasso	TRUE	1	0	0.0	0.4684	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_cata_individual	y_frutal_comun	lasso	FALSE	12	0	0.0	0.3726	Unidades sin marca de atipico en el EDA quimico.
M_cata_individual	y_frutal_comun	lineal_reducido	TRUE	1	0	0.0	0.4710	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_cata_individual	y_frutal_comun	lineal_reducido	FALSE	12	0	0.0	0.8583	Unidades sin marca de atipico en el EDA quimico.
M_cata_individual	y_frutal_comun	media_entrenamiento	TRUE	1	0	0.0	0.5278	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_cata_individual	y_frutal_comun	media_entrenamiento	FALSE	12	0	0.0	0.2583	Unidades sin marca de atipico en el EDA quimico.
M_cata_individual	y_frutal_comun	pls	TRUE	1	0	0.0	0.4457	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_cata_individual	y_frutal_comun	pls	FALSE	12	0	0.0	0.4786	Unidades sin marca de atipico en el EDA quimico.
M_cata_individual	y_frutal_comun	random_forest_restringido	TRUE	1	0	0.0	0.4258	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_cata_individual	y_frutal_comun	random_forest_restringido	FALSE	12	0	0.0	0.2826	Unidades sin marca de atipico en el EDA quimico.
M_cata_individual	y_frutal_comun	ridge	TRUE	1	0	0.0	0.4904	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_cata_individual	y_frutal_comun	ridge	FALSE	12	0	0.0	0.3937	Unidades sin marca de atipico en el EDA quimico.
M_expandida_evaluador	y_fenolico_comun	elastic_net	TRUE	115	2	1.7	0.9436	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_expandida_evaluador	y_fenolico_comun	elastic_net	FALSE	570	31	5.4	0.9073	Unidades sin marca de atipico en el EDA quimico.
M_expandida_evaluador	y_fenolico_comun	gradient_boosting_restringido	TRUE	115	0	0.0	0.8081	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_expandida_evaluador	y_fenolico_comun	gradient_boosting_restringido	FALSE	570	34	6.0	0.8238	Unidades sin marca de atipico en el EDA quimico.
M_expandida_evaluador	y_fenolico_comun	lasso	TRUE	115	0	0.0	0.9832	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_expandida_evaluador	y_fenolico_comun	lasso	FALSE	570	34	6.0	0.9365	Unidades sin marca de atipico en el EDA quimico.
M_expandida_evaluador	y_fenolico_comun	lineal_reducido	TRUE	115	8	7.0	0.9049	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_expandida_evaluador	y_fenolico_comun	lineal_reducido	FALSE	570	15	2.6	0.8683	Unidades sin marca de atipico en el EDA quimico.
M_expandida_evaluador	y_fenolico_comun	media_entrenamiento	TRUE	115	0	0.0	0.7670	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_expandida_evaluador	y_fenolico_comun	media_entrenamiento	FALSE	570	46	8.1	0.8820	Unidades sin marca de atipico en el EDA quimico.
M_expandida_evaluador	y_fenolico_comun	pls	TRUE	115	7	6.1	0.9529	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_expandida_evaluador	y_fenolico_comun	pls	FALSE	570	16	2.8	0.8701	Unidades sin marca de atipico en el EDA quimico.
M_expandida_evaluador	y_fenolico_comun	random_forest_restringido	TRUE	115	0	0.0	0.7691	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_expandida_evaluador	y_fenolico_comun	random_forest_restringido	FALSE	570	46	8.1	0.8180	Unidades sin marca de atipico en el EDA quimico.
M_expandida_evaluador	y_fenolico_comun	ridge	TRUE	115	4	3.5	0.8517	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_expandida_evaluador	y_fenolico_comun	ridge	FALSE	570	33	5.8	0.8175	Unidades sin marca de atipico en el EDA quimico.
M_expandida_evaluador	y_frutal_comun	elastic_net	TRUE	10	1	10.0	0.8435	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_expandida_evaluador	y_frutal_comun	elastic_net	FALSE	108	5	4.6	0.5559	Unidades sin marca de atipico en el EDA quimico.
M_expandida_evaluador	y_frutal_comun	gradient_boosting_restringido	TRUE	10	1	10.0	0.8144	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_expandida_evaluador	y_frutal_comun	gradient_boosting_restringido	FALSE	108	5	4.6	0.5437	Unidades sin marca de atipico en el EDA quimico.
M_expandida_evaluador	y_frutal_comun	lasso	TRUE	10	1	10.0	0.8354	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_expandida_evaluador	y_frutal_comun	lasso	FALSE	108	6	5.6	0.6136	Unidades sin marca de atipico en el EDA quimico.
M_expandida_evaluador	y_frutal_comun	lineal_reducido	TRUE	10	0	0.0	0.8350	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_expandida_evaluador	y_frutal_comun	lineal_reducido	FALSE	108	0	0.0	1.3640	Unidades sin marca de atipico en el EDA quimico.
M_expandida_evaluador	y_frutal_comun	media_entrenamiento	TRUE	10	1	10.0	0.8852	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_expandida_evaluador	y_frutal_comun	media_entrenamiento	FALSE	108	5	4.6	0.5518	Unidades sin marca de atipico en el EDA quimico.
M_expandida_evaluador	y_frutal_comun	pls	TRUE	10	1	10.0	0.8635	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_expandida_evaluador	y_frutal_comun	pls	FALSE	108	5	4.6	0.5431	Unidades sin marca de atipico en el EDA quimico.
M_expandida_evaluador	y_frutal_comun	random_forest_restringido	TRUE	10	1	10.0	0.7979	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_expandida_evaluador	y_frutal_comun	random_forest_restringido	FALSE	108	5	4.6	0.5333	Unidades sin marca de atipico en el EDA quimico.
M_expandida_evaluador	y_frutal_comun	ridge	TRUE	10	1	10.0	0.8624	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_expandida_evaluador	y_frutal_comun	ridge	FALSE	108	5	4.6	0.5488	Unidades sin marca de atipico en el EDA quimico.
M_ia_exploratoria	y_fenolico_comun	elastic_net	TRUE	3	1	33.3	1.2513	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_ia_exploratoria	y_fenolico_comun	elastic_net	FALSE	39	2	5.1	0.8079	Unidades sin marca de atipico en el EDA quimico.
M_ia_exploratoria	y_fenolico_comun	gradient_boosting_restringido	TRUE	3	0	0.0	0.9778	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_ia_exploratoria	y_fenolico_comun	gradient_boosting_restringido	FALSE	39	0	0.0	0.6380	Unidades sin marca de atipico en el EDA quimico.
M_ia_exploratoria	y_fenolico_comun	lasso	TRUE	3	1	33.3	1.6009	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_ia_exploratoria	y_fenolico_comun	lasso	FALSE	39	2	5.1	0.8434	Unidades sin marca de atipico en el EDA quimico.
M_ia_exploratoria	y_fenolico_comun	lineal_reducido	TRUE	3	1	33.3	0.9480	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_ia_exploratoria	y_fenolico_comun	lineal_reducido	FALSE	39	2	5.1	0.6320	Unidades sin marca de atipico en el EDA quimico.
M_ia_exploratoria	y_fenolico_comun	media_entrenamiento	TRUE	3	0	0.0	0.4615	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_ia_exploratoria	y_fenolico_comun	media_entrenamiento	FALSE	39	0	0.0	0.8876	Unidades sin marca de atipico en el EDA quimico.
M_ia_exploratoria	y_fenolico_comun	pls	TRUE	3	0	0.0	1.0859	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_ia_exploratoria	y_fenolico_comun	pls	FALSE	39	1	2.6	0.7639	Unidades sin marca de atipico en el EDA quimico.
M_ia_exploratoria	y_fenolico_comun	random_forest_restringido	TRUE	3	0	0.0	0.9108	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_ia_exploratoria	y_fenolico_comun	random_forest_restringido	FALSE	39	0	0.0	0.5746	Unidades sin marca de atipico en el EDA quimico.
M_ia_exploratoria	y_fenolico_comun	ridge	TRUE	3	0	0.0	0.7324	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_ia_exploratoria	y_fenolico_comun	ridge	FALSE	39	5	12.8	0.7073	Unidades sin marca de atipico en el EDA quimico.
M_pura	y_fenolico_comun	elastic_net	TRUE	6	0	0.0	0.6020	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_pura	y_fenolico_comun	elastic_net	FALSE	28	2	7.1	0.4078	Unidades sin marca de atipico en el EDA quimico.
M_pura	y_fenolico_comun	gradient_boosting_restringido	TRUE	6	0	0.0	0.6247	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_pura	y_fenolico_comun	gradient_boosting_restringido	FALSE	28	2	7.1	0.4603	Unidades sin marca de atipico en el EDA quimico.
M_pura	y_fenolico_comun	lasso	TRUE	6	0	0.0	0.7417	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_pura	y_fenolico_comun	lasso	FALSE	28	2	7.1	0.5029	Unidades sin marca de atipico en el EDA quimico.
M_pura	y_fenolico_comun	lineal_reducido	TRUE	6	2	33.3	0.7665	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_pura	y_fenolico_comun	lineal_reducido	FALSE	28	0	0.0	0.4106	Unidades sin marca de atipico en el EDA quimico.
M_pura	y_fenolico_comun	media_entrenamiento	TRUE	6	0	0.0	0.4003	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_pura	y_fenolico_comun	media_entrenamiento	FALSE	28	5	17.9	0.4719	Unidades sin marca de atipico en el EDA quimico.
M_pura	y_fenolico_comun	pls	TRUE	6	0	0.0	0.5647	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_pura	y_fenolico_comun	pls	FALSE	28	2	7.1	0.4471	Unidades sin marca de atipico en el EDA quimico.
M_pura	y_fenolico_comun	random_forest_restringido	TRUE	6	0	0.0	0.4603	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_pura	y_fenolico_comun	random_forest_restringido	FALSE	28	5	17.9	0.4142	Unidades sin marca de atipico en el EDA quimico.
M_pura	y_fenolico_comun	ridge	TRUE	6	0	0.0	0.4316	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_pura	y_fenolico_comun	ridge	FALSE	28	2	7.1	0.3993	Unidades sin marca de atipico en el EDA quimico.
M_pura	y_frutal_comun	elastic_net	TRUE	1	0	0.0	0.5177	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_pura	y_frutal_comun	elastic_net	FALSE	12	0	0.0	0.3796	Unidades sin marca de atipico en el EDA quimico.
M_pura	y_frutal_comun	gradient_boosting_restringido	TRUE	1	0	0.0	0.4334	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_pura	y_frutal_comun	gradient_boosting_restringido	FALSE	12	0	0.0	0.2905	Unidades sin marca de atipico en el EDA quimico.
M_pura	y_frutal_comun	lasso	TRUE	1	0	0.0	0.4681	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_pura	y_frutal_comun	lasso	FALSE	12	0	0.0	0.3661	Unidades sin marca de atipico en el EDA quimico.
M_pura	y_frutal_comun	lineal_reducido	TRUE	1	0	0.0	0.4710	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_pura	y_frutal_comun	lineal_reducido	FALSE	12	0	0.0	0.8583	Unidades sin marca de atipico en el EDA quimico.
M_pura	y_frutal_comun	media_entrenamiento	TRUE	1	0	0.0	0.5278	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_pura	y_frutal_comun	media_entrenamiento	FALSE	12	0	0.0	0.2583	Unidades sin marca de atipico en el EDA quimico.
M_pura	y_frutal_comun	pls	TRUE	1	0	0.0	0.4457	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_pura	y_frutal_comun	pls	FALSE	12	0	0.0	0.4786	Unidades sin marca de atipico en el EDA quimico.
M_pura	y_frutal_comun	random_forest_restringido	TRUE	1	0	0.0	0.4258	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_pura	y_frutal_comun	random_forest_restringido	FALSE	12	0	0.0	0.2826	Unidades sin marca de atipico en el EDA quimico.
M_pura	y_frutal_comun	ridge	TRUE	1	0	0.0	0.4610	Unidades ya marcadas como atipicas en el EDA quimico (T2/Q/Dixon) antes de modelar.
M_pura	y_frutal_comun	ridge	FALSE	12	0	0.0	0.3876	Unidades sin marca de atipico en el EDA quimico.

4.6 Conclusión

Con la matriz pura definitiva (34 unidades de 10 muestras independientes, 13 predictores de GC-FID, sin cata individual JU), Random Forest restringido es el mejor modelo para y_fenolico_comun: obtiene el menor MAE bootstrap (0.396), es el único modelo candidato con un R² agregado claramente positivo (0.247, con 68% de iteraciones positivas) y supera a los dos modelos base evaluados bajo el mismo esquema. Se trata, sin embargo, de una señal modesta, obtenida con muy pocas muestras independientes.

Sobre la corrección de reproducibilidad: antes de la corrección, la semilla aleatoria usada para el bootstrap se fijaba una sola vez al inicio del script y se reutilizaba para todos los escenarios y targets en el orden en que el código los recorría, de modo que el resultado de un escenario dependía de cuántos números aleatorios ya se habían consumido en escenarios anteriores dentro de la misma corrida (dos corridas con los escenarios en distinto orden podían dar métricas bootstrap ligeramente distintas para el mismo escenario). La corrección fija una semilla determinística por combinación escenario-target (derivada de sus nombres, no del orden de ejecución), de modo que cada escenario-target produce siempre las mismas 100 muestras de bootstrap sin importar qué otros escenarios se hayan corrido antes. Tras la corrección se verificó que correr el pipeline completo dos veces produce exactamente las mismas métricas de resumen (MAE, RMSE, R², Spearman) para cada escenario-target, confirmando que el pipeline es ahora determinístico de extremo a extremo.

Las variables priorizadas son fenoles volátiles cuantificados por GC-FID (o-cresol, p-cresol, guaiacol y 4-etil-guaiacol), químicamente coherentes con el carácter ahumado y fenólico del whisky. El resultado es robusto a varias decisiones metodológicas: al excluir las unidades atípicas del análisis exploratorio el MAE de Random Forest restringido cambia un 6.3%, al incorporar las variables GC-MS un 0.9%, al excluir las unidades sin GC-FID real el R² agregado se mantiene positivo (0.221), y al reescalar el bloque de septiembre tampoco cambia la conclusión. La excepción decisiva son las muestras comerciales: al excluir Dalwhinnie y Caol Ila, el R² agregado cae de 0.247 a -0.147 entre las ocho muestras experimentales chilenas restantes, y las variables que sostenían el modelo dejan de ser relevantes.

La comparación entre escenarios muestra que los R² más altos (M_cata_individual, 0.647, y M_ia_exploratoria, 0.510) se obtienen en condiciones distintas a las del escenario principal, por lo que se interpretan dentro de sus roles de sensibilidad y exploración, y no como evidencia adicional de una relación químico-sensorial más fuerte.

En conjunto, la evidencia no permite sostener que la composición química medida explique de forma confiable el carácter fenólico percibido dentro del whisky chileno específicamente: la señal detectada por el modelo principal refleja, en gran medida, la diferencia entre las muestras comerciales importadas, principalmente Caol Ila por su turba marcada, y las experimentales chilenas. El aporte del estudio es un diagnóstico metodológico riguroso que delimita esa conclusión y establece qué condiciones deben fortalecerse (más muestras independientes, una fuente sensorial homogénea y mayor cobertura química) para validaciones futuras. Debe entenderse como exploratorio, no como un modelo predictivo listo para uso industrial.

4.7 Escenarios complementarios y su rol

• M_expandida_evaluador: obtiene el peor MAE de los cuatro escenarios (0.823) y el R² agregado más bajo (0.109); expandir la matriz a nivel de evaluador individual sin promediar no aporta señal química independiente adicional. Se mantiene como evidencia complementaria, no como reemplazo.
• M_ia_exploratoria: catas sintéticas de consenso IA (Gemini/Claude/GPT), presentadas siempre como escenario exploratorio, nunca como sustituto de una cata real. Su mejor modelo, Gradient Boosting restringido, alcanza un R² agregado de 0.510, más alto que el 0.247 de M_pura, pero no debe leerse como evidencia de que la IA predice mejor el carácter fenólico percibido que el panel humano: en este escenario el propio target sensorial fue generado por consenso de los mismos modelos de lenguaje a partir de la evidencia química disponible, de modo que el modelo predictivo tiene una tarea más fácil (recuperar la regla interna que usaron los LLM para pasar de química a puntaje) en vez de la tarea real (predecir la percepción de un panel humano, con todo su ruido e idiosincrasia). El R² alto es, en gran parte, una medida de consistencia interna del propio proceso de generación IA, no de validez predictiva real. Con esa salvedad explícita, el escenario abre una línea futura de uso de IA como herramienta exploratoria complementaria en investigación sensorial de small data, no como reemplazo de evidencia sensorial real.