434-1

Análise de componentes principais de características de carcaça de ovinos Morada Nova1
Déborah Galvão Peixôto Guedes2*, Dorgival Morais de Lima Júnior3, Geovergue Rodrigues de Medeiros4,
Francisco Fernando Ramos de Carvalho5, Maria Norma Ribeiro5
1
Trabalho financiado pela CAPES.
Programa de Doutorado Integrado em Zootecnia - UFRPE, Recife, PE. [email protected]
3
Professor Adjunto da Universidade Federal de Alagoas, Arapiraca, AL.
4
Pesquisador do Instituto Nacional do Semiárido/MCT, Campina Grande, PB.
5
Professor Titular do Departamento de Zootecnia - UFRPE, Recife, PE.
*Autor apresentador.
2
Resumo: O objetivo deste trabalho foi reduzir a dimensionalidade do conjunto de variáveis originais, eliminando
as informações redundantes e preconizando a recomendação de quais variáveis devem ser mantidas em estudos
futuros. Foram utilizadas 48 informações, referentes a 30 características de carcaça de ovinos Morada Nova e
aplicou-se a análise de componentes principais. Os seis primeiros componentes foram suficientes para explicar
78,82% da variação total das variáveis originais. O primeiro componente é responsável por 40,60% da variação
total e as variáveis que mais contribuíram neste componente foram Peso de serrote, de costilhar e de Lombo.
Palavras-chave: análise multivariada, autovalores, autovetores, ovinocultura de corte
Principal component analysis of Morada Nova sheep carcass traits
Abstract: The aim of this study was to reduce the dimensionality of the set of original variables, eliminating
redundant information and to do the recommendation of which variables should be maintained in future studies.
We used 48 information about 30 traits of Morada Nova sheep carcass and was applied principal components
analysis. The first six components were enough to account for 78.82% of the total variance of the original variables.
The first component was responsible for 40.60% of the total variation and the main variables that contributed in
this component were sawcut, rib and loin weight.
Keywords: cut sheep production, eigenvalues, eigenvectors, multivariate analysis
Introdução
A avaliação de características de carcaça é de grande importância para o estudo da rentabilidade dos
diversos segmentos envolvidos na cadeia produtiva da carne ovina. Em estudos de carcaça, geralmente se avalia
um grande número de características e é possível que algumas destas sejam redundantes (BARBOSA et al., 2005).
O uso da análise de componentes principais permite melhores ajustes para estas situações (SILVA et al., 2015).
Assim, o objetivo deste trabalho foi reduzir a dimensionalidade do conjunto de variáveis originais,
eliminando as informações redundantes e preconizando a recomendação de quais variáveis devem ser mantidas
em estudos futuros.
Material e Métodos
Foram utilizadas dados de 48 ovinos da raça Morada Nova, onde foram extraídas 30 informações de
características referentes a carcaças: Pesos do pescoço (PPES), paleta (PPAL), serrote (PSER), lombo (PLOM),
costilhar (PCOSTIL) e perna (PPER); Rendimento do pescoço (RPES), paleta (RPAL), serrote (RSER), lombo
(RLOM), costilhar (RCOSTIL) e perna (RPER); Profundidade torácica (ProfTor), Perímetro torácico (PeriTor),
de perna (PeriPer) e de garupa (PeriGaru), Comprimento externo (CompEx), interno (CompIn) e da perna
(CompPer), Largura de garupa (LarGaru) e torácica (LarTor), Índice de compacidade de carcaça (ICC), Área de
olho de lombo (AOL), Peso corporal ao abate (PCA), Peso de carcaça quente (PCQ), Rendimento de carcaça
quente (RCQ), Rendimento de carcaça fria (RCF), Perda por resfriamento (PR), Peso corporal vazio (PCV) e
Rendimento verdadeiro (RV). Por meio do procedimento PRINCOMP incluído no pacote estatístico SAS
(“Statistical Analysis System”, versão 9.0), foi empregado o método de análise de componentes principais (CP).
A escolha dos componentes que explicaram a maior parte da variação do conjunto de dados foi determinada
por aqueles com autovalores iguais ou superiores a 1 (um), de acordo com o critério de Kaiser (1960). O CP1
agrega a variância máxima entre todas as combinações lineares de Z. O CP2 é não correlacionado com o primeiro
e possui a segunda maior variância e, assim, sucessivamente. Isso significa que o CP1 é visivelmente mais
importante dentre os demais componentes para explicar a variação nas medidas de carcaça dos ovinos.
Resultados e Discussão
Os resultados obtidos para os componentes principais, seus respectivos coeficientes de ponderação
(autovetores), autovalores e as porcentagens da variância explicada por esses componentes são apresentados na
Tabela 1.
Tabela 1. Componentes principais (CP), autovetores, autovalores (𝜆𝑖 ), porcentagem da variância explicada pelos
componentes (% VCP) e porcentagem de VCP acumulada das características de carcaça de ovinos.
CP1 CP2 CP3 CP4 CP5 CP6
Variáveis
PPES
0,18
0,11
-0,26 -0,28
0,05
0,27
RPES
-0,16
0,19
-0,23 -0,31 -0,02
0,28
PPAL
0,24
0,00
0,01
0,05
0,16
-0,02
RPAL
-0,24
0,11
0,10
0,09
0,06
-0,03
PSER
0,27
-0,08 -0,06
0,08
-0,01 -0,03
RSER
0,21
-0,14 -0,06
0,15
-0,06 -0,08
PLOM
0,26
-0,10
0,07
0,03
0,10
0,21
RLOM
0,19
-0,15
0,17
0,05
0,12
0,33
PPER
0,25
-0,09
0,06
-0,03
0,03
0,03
RPER
-0,14 -0,02
0,32
0,31
-0,05
0,14
PCOST
0,26
-0,03 -0,12 -0,08
0,01
-0,21
RCOST
0,13
-0,01 -0,20 -0,25 -0,04 -0,56
PROFTO
-0,12
0,23
0,24
0,12
-0,33
0,07
PERITO
0,17
0,28
0,17
-0,06
0,02
-0,08
PERIPER
0,09
0,11
0,20
0,36
-0,01 -0,33
PERIGARU
-0,05
0,35
0,11
-0,11 -0,02
0,01
COMPEX
0,18
0,14
0,15
0,03
0,10
-0,09
COMPIN
0,05
0,31
0,14
-0,19
0,34
-0,06
COMPPER
-0,18
0,22
0,07
-0,02
0,17
-0,22
LARGARU
-0,20
0,21
0,00
0,06
-0,05
0,07
LARTO
0,02
0,16
0,10
-0,36 -0,46 -0,11
ICC
0,23
0,19
0,00
0,12
-0,23
0,09
AOL
0,15
0,18
0,08
-0,08
0,00
0,30
PCA
0,25
0,09
0,23
-0,05
0,05
-0,01
PCQ
0,24
0,24
0,03
0,08
0,04
0,02
RCQ
0,00
0,29
-0,35
0,25
0,00
-0,01
RCF
0,07
0,24
-0,40
0,28
-0,24
0,08
PR
-0,16
0,16
0,04
-0,03
0,51
-0,05
PCV
0,23
0,18
0,16
-0,05 -0,06
0,03
RV
0,06
0,17
-0,31
0,32
0,25
0,10
𝜆𝑖
VCP (%)
12,18 4,36
2,51
1,97
1,33
1,28
40,6 14,54 8,37
6,59
4,47
4,25
VCP Acumulada (%) 40,6 55,14 63,51 70,10 74,57 78,82
Dos 30 componentes principais, os seis primeiros foram selecionados, tornando-se possível explicar mais
de 78,82% da variação total das variáveis originais. O primeiro componente principal (CP1) possui variância de
40,60%, considerada a variância máxima entre todas as combinações lineares de Z. Portanto, as variáveis de maior
peso no CP1 serão sempre a mais importantes na explicação da variável total.
Na Figura 1 é possível observar as variáveis mais importantes e que mais contribuíram para explicar a
variação total, pois são aquelas que encontram-se mais distantes do ponto zero. As características do CP1 com
maiores coeficientes de ponderação foram PSER (0,27), seguida de PCOSTIL (0,26) e PLOM (0,26). De maneira
geral, observando os seis componentes selecionados, verificou-se que as características classificadas em ordem de
importância, com os maiores valores dos coeficientes de ponderação, foram: PR (0,51), PeriGaru (0,35), RPER
(0,32) CompIn (0,31), RCF e PeriTor (0,28), PSER, PCOSTIL, PLOM e RCQ (0,25).
Figura 1. Gráfico bidimensional do estudo das características de carcaça de ovinos Morada Nova.
Conclusões
Dos 30 componentes principais gerados, seis são suficientes para explicar 78,82% da variação total das
variáveis originais. Em razão do grande número de variáveis que podem ser descartadas, espera-se uma economia
relativa de tempo e de custos em experimentos futuros, sem causar perda considerável de informação.
Referências
BARBOSA, L.T. et al. Avaliação de Características de Carcaça de Suínos Utilizando-se Análise dos
Componentes Principais. Revista Brasileira de Zootecnia, v.34, n.6, p. 2009-2217, 2005.
KAISER, H. F. The application of electronic computers to factor analysis. Educational and Psychological
Measurement, v.20, p. 141-151, 1960.
SILVA, F.V. et al. Componentes principais das características de carcaças de bovinos anelorados e fontes de
variação em lesões. Pesquisa Veterinária Brasileira, v.35, n.2, p. 148-152, 2015.