@PHDTHESIS{ 2017:2012541084,
 	title = {Técnicas estatísticas multivariadas aplicadas a caracterização de carcaça de ovinos da raça morada nova},
 	year = {2017},
 	url = "http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/8127",
 	abstract = "Objetivou-se avaliar a aplicação de algumas das principais técnicas de análise multivariada em um conjunto de variáveis referentes a características de carcaça de ovinos da raça Morada Nova, com o intuito de reduzir a dimensionalidade do espaço multivariado, estudar a associação entre grupo de variáveis e selecionar aquelas mais importantes e com maior poder discriminatório. Foram utilizadas informações de 48 ovinos da raça Morada Nova, com idade média de oito meses, compreendendo 25 características referentes a medidas de carcaça (profundidade torácica - PFT, perímetro torácico - PT, perímetro de perna - PP, perímetro de garupa - PG, comprimento externo da carcaça - CEC, comprimento interno da carcaça - CIC, comprimento da perna - CP, largura de garupa - LG, largura torácica - LT, 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, peso de carcaça fria - PCF, rendimento de carcaça fria - RCF, perda por resfriamento - PR, peso corporal vazio - PCV, rendimento verdadeiro - RV, rendimento de pescoço - RPes, rendimento de paleta - RPal, rendimento de serrote - RSer, rendimento de lombo - RLom, rendimento de costilhar - RCostil e rendimento de perna - RPer). No capítulo II, 19 variáveis foram submetidas a análise de componentes principais (PFT, PT, PP, PG, CEC, CIC, CP, LG, LT, ICC, AOL, PCA, PCQ, RCQ, PCF, RCF, PR, PCV, RV), a fim de reduzir a dimensionalidade do conjunto de dados. Os componentes principais gerados foram eficientes em reduzir a variação total acumulada em 19 variáveis originais correlacionadas para cinco combinações lineares (𝐶𝑃𝑘), os quais explicaram 80% da variação total contida nas variáveis originais. Os dois primeiros componentes principais juntos explicam 56,12% da variação total das variáveis avaliadas. As características com maiores coeficientes de ponderação, em valor absoluto, no primeiro componente foram PCF (0,37), seguida de PCQ (0,36), PCV e ICC (0,34), caracterizando CP1 como um índice para a determinação da conformação da carcaça do animal. No segundo componente, as variáveis CP, LG e PG (0,39) foram aquelas com os maiores coeficientes de ponderação e que indicam que CP2 pode ser considerado um índice das medidas biométricas. As variáveis selecionadas seguindo o critério de escolha daquela que possui o mais alto coeficiente de ponderação em cada um dos cinco componentes foram PCF (0,37), PG, CP e LG (0,39), RCF (-0,48), LT (0,50) e PP (0,81) e, portanto, recomenda-se o uso destas características em experimentos futuros. No capítulo III, 19 variáveis foram submetidas à análise discriminante canônica (PFT, PT, PP, PG, CEC, CIC, CP, LG, LT, ICC, AOL, PCA, PCQ, RCQ, PCF, RCF, PR, PCV, RV), a fim de identificar aquelas com o maior poder de discriminação entre os tratamentos T1 - Fração volumosa composta de palma forrageira associada ao feno de capim Tifton 85 e fração concentrada composta por milho em grão, farelo de soja, ureia e mistura mineral; T2 - Fração volumosa composta de palma forrageira associada ao feno de Maniçoba e fração concentrada composta por milho em grão, farelo de soja, ureia e mistura mineral; T3 - Feno moído de capim Tifton 85 e 20% de concentrado (composto por milho moído, farelo de soja e óleo vegetal); T4 - Feno moído de capim Tifton 85 e 40% de concentrado; T5 - Feno moído de capim Tifton 85 e 60% de concentrado; T6 - Feno moído de capim Tifton 85 e 80% de concentrado; e também quantificar a associação entre as variáveis. Oito variáveis foram selecionadas pelo método stepwise: PG, LG, LT, CEC, CP, PCA, PCV e PR. As três primeiras variáveis canônicas foram significativas, explicando 92,25 % da variação total. A primeira variável canônica apresentou o coeficiente de correlação canônica de 0,94, o que indica uma alta associação entre as características de medidas biométricas e de desempenho animal. PCA e LG foram as variáveis selecionadas por apresentar o mais alto poder discriminatório dos tratamentos, com base nos coeficientes canônicos padronizados. No quarto e último capítulo, 15 variáveis foram submetidas à análise de correlação canônica (PFT, PT, PP, PG, CEC, CIC, CP, LG, LT, RPes, RPal, RSer, RLom, RCostil, RPer), e para isso foram divididas em dois conjuntos (medidas biométricas (𝑋) e rendimento de cortes (𝑌)), a fim de estimar as correlações canônicas entre os dois grupos de (𝑊𝑘𝑉𝑘), e avaliar o grau de associação entre eles. Apenas o primeiro par canônico foi significativo, com coeficiente de correlação canônica de 0,86, o que indica alta associação entre as características de medidas biométricas e de rendimento dos cortes cárneos. A proporção da variância compartilhada entre 𝑊1𝑉1, dada pelo coeficiente de correlação canônica ao quadrado (r2), foi de 0,74, isto é, 74% da variação de 𝑊1 é explicada pela variação de 𝑉1, o que indica a existência de uma alta associação entre os conjuntos de variáveis X e Y. Considerando os coeficientes canônicos padronizados, LG e CP foram as variáveis que mais contribuíram na formação de 𝑉1 e RSer e RPal foram as variáveis que mais contribuíram na formação de 𝑊1. Utilizando o cálculo das correlações das variáveis canônicas com as variáveis originais para a interpretação das variáveis canônica, observou-se que LG e CP também foram as variáveis que mais contribuíram para a formação de 𝑉1, enquanto que RPal e RSer foram as variáveis mais importantes na formação de 𝑊1.",
 	publisher = {Universidade Federal Rural de Pernambuco},
 	scholl = {Programa de Pós-Graduação em Zootecnia},
 	note = {Departamento de Zootecnia}
}