Portal de Pesquisa da BVS Veterinária

Tese em Português | VETTESES | ID: vtt-212244

Resumo

Objetivou-se realizar a análise de consumo e rendimento de carcaça de ovinos da raça Santa Inês, por meio da aplicação de técnicas de análise multivariada, visando reduzir a dimensão do espaço multivariado e obter as variáveis de maior importância na formação dos grupos. Foram utilizadas informações de 112 animais, com o intuito de selecionar as variáveis que têm maior capacidade de explicar a variação total dos dados. Os animais do estudo tinham em média cinco meses. Foram selecionadas, a princípio, 26 variáveis oriundas de bancos de dados de experimentos científicos realizados na Universidade Federal Rural de Pernambuco, no Departamento de Zootecnia. Inicialmente, oito variáveis de consumo foram selecionadas: Consumo de Matéria Seca (CMS), Consumo de Matéria Orgânica (CMO), Consumo de Proteína Bruta (CPB), Fibra em Detergente Neutro (CFDN), Consumo de Extrato Etéreo (CEE), Consumo de Carboidratos Totais (CCHT), Consumo de Carboidrato Não Fibroso (CCNF), Consumo de Nutriente Digestível total (CNDT) e Nutriente Digestível Total (NDT), e 17 relacionadas ao rendimento de carcaça, sendo: Peso Médio, Comprimento Externo, Comprimento Interno, Largura do Tórax, Perímetro de Garupa, Largura de Garupa, Comprimento de Perna, Perímetro de Perna, Profundidade do Tórax, Perímetro de Tórax, Peso de Carcaça Fria, Índice de Compacidade da carcaça, Peso Carcaça Quente, Rendimento Carcaça Quente, Rendimento Carcaça Fria, Peso de Carcaça Vazia e Área de olho de lombo. No Capítulo II todas as variáveis foram submetidas à análise de componentes principais, com o objetivo de reduzir a dimensionalidade dos dados. Com a aplicação desta técnica de análise multivariada utilizando como variável de agrupamento o CFDN, foi possível reduzir a variação acumulada dos dados referentes as 25 variáveis restantes, gerando quatro combinações lineares que, juntas, explicam aproximadamente 80% da variação total dos dados, representando cerca de 20% de perda da explicação da variação total. Juntas, as duas primeiras combinações lineares representam 65,07%, sendo possível identificar as variáveis com maior autovetor, em valor absoluto, que foram no CP1: Peso Carcaça Fria, Peso Carcaça Quente e Peso Corpo vazio (0,27), o que caracteriza esse componente como um índice referente à conformação de carcaça, visto que todas as variáveis de maior influência estão direcionadas à carcaça. Para o CP2, as variáveis com maior coeficiente foram: Peso Médio (0,34), Largaru (0,32), RCQ e RCF, ambas com (0,30), indicando um direcionamento deste índice para as características de medidas morfométricas e carcaça. Aplicando o critério de seleção para a escolha das características que tem maior influência em cada componente foram selecionadas variáveis seguindo a ordem de importância do primeiro ao quarto componente, sendo elas: PCF, PCQ, PCVZ todas com (0,27); Peso Médio (0,34); Largura de Garupa (0,32); Comprimento Externo (0,33); NDT (0,34), Profundidade de Tórax (0,33). No Capítulo III, com a aplicação da análise de agrupamento foi possível distribuir as características em quatro grupos distintos. Cada grupo teve um direcionamento, visualizado pela seleção das variáveis que fazem parte de cada um. O grupo 1 tem maior presença de variáveis ligadas a terminação de carcaça. As quatro características que mais contribuíram para formação do grupo foram: PCVZ (Peso de Corpo Vazio), PCF (Peso Carcaça Vazia), PCQ (Peso de Carcaça Quente) e ICC (Índice de Compacidade da Carcaça), descritas em ordem decrescente de importância. No grupo 2 praticamente todas as variáveis contribuíram para a formação do grupo, por apresentarem distância semelhante até o centro do grupo. Esse grupo está relacionado às variáveis de consumo, no qual estão presentes: CMS (Consumo de Matéria Seca), CMO (Consumo de Matéria Orgânica), CPB (Consumo de Proteína Bruta), CCHT (Consumo de Carboidratos Totais) e CNDT (Consumo de Nitrogênio Digestível total). O grupo 3 é relacionado às medidas morfométricas; no entanto, todas as variáveis presentes apresentam certa distância do centro do grupo, tendência que pode indicar a possibilidade de o conjunto de características não representa-lo da melhor forma. No grupo 4 as variáveis com maior influência para formação deste foram: RCF (Rendimento de Carcaça Fria) e RCQ (Rendimento de Carcaça Quente), ambas presentes no segundo componente principal, obtido na análise de componentes principais. A aplicação das técnicas de análise multivariada permitiu identificar, com maior precisão, considerando as relações existentes entre as variáveis, características de maior valor absoluto. Essas, por sua vez, possuem maior capacidade de explicar a variação total dos dados, assim como a maior influência na formação de grupos distintos.

---

The objective of this study was to analyze the consumption and carcass yield of Santa Inês sheep by through the application of multivariate analysis techniques to reduce the size of the multivariate space and obtain the most important variables in the formation of groups. Information from 112 animals was used in order to select the variables that are better able to explain the total variation of the data. The study animals averaged 05 months. At first, 26 variables from databases of scientific experiments conducted at the Federal Rural University of Pernambuco, Department of Zootechnics, were selected. Initially, eight consumption variables were selected: Dry matter consumption (CMS), Organic matter consumption (CMO), Crude protein consumption (CPB), Neutral detergent fiber consumption (CFDN), Ethereal extract consumption Total Carbohydrate Consumption (CCHT), Non-Fibrous Carbohydrate Consumption (CCNF), Total Digestible Nutrient Consumption (CNDT), Total Digestible Nutrient (NDT) and 17 related to carcass yield, being: Average Weight, Length External, Inner Length, Chest Width, Croup Perimeter, Croup Width, Leg Length, Leg Perimeter, Chest Depth, Chest Perimeter, Cold Carcass Weight, Carcass Compass Ratio, Warm Carcass Weight, Carcass Yield Hot, Cold Carcass Yield, Empty Carcass Weight, and Loin Eye Area. In chapter II all variables were submitted to principal component analysis, with the objective of reducing the dimensionality of the data. By applying this multivariate analysis technique using the CFDN as a grouping variable, it was possible to reduce the cumulative variation of data for the remaining 25 variables, generating four linear combinations that together account for approximately 80% of the total variation of the data, representing about 20% loss of explanation of the total variation. Together, the first two linear combinations represent 65.07%, and it is possible to identify the variables with the highest eigenvector, in absolute value, which were in CP1. Cold Carcass Weight, Hot Carcass Weight and Weight Empty body (0.27), which characterizes this component as a carcass conformation index, since all the most influential variables are directed to the carcass. For CP2 the variables with the highest coefficient were: Average Weight (0.34), Largaru (0.32), RCQ and RCF, both with (0.30) indicating a direction of this index to the characteristics of morphometric measurements and carcass. Applying the selection criterion, to choose the characteristics that have the greatest influence on each component, variables were selected following the order of importance of the first to the fourth component, as follows: PCF, PCQ, PCVZ all with (0.27); Average Weight (0.34); Croup Width (0.32); External Length (0.33); TDN (0.34), Chest Depth (0.33). In Chapter III, with the application of the cluster analysis, it was possible to distribute the characteristics in four different groups. Each group had a targeting, visualized by the selection of the variables that are part of each one. Group 1 has greater presence of variables related to carcass termination. The four characteristics that most contributed to the formation of the group were: PCVZ (Empty Body Weight), PCF (Empty Carcass Weight), PCQ (Hot Carcass Weight) and ICC (Carcass Compaction Index), described in descending order of importance. In group 2, almost all the variables contributed to the formation of the group, because they presented similar distance to the center of the group. This group is related to the consumption variables and the following variables are present: CMS (Consumption of Dry Matter), CMO (Organic Matter Consumption), CPB (Gross Protein Consumption), CCHT (Total Carbohydrate Consumption) and CNDT Total Digestible Nitrogen). Group 3 is related to morphometric measures, however, all variables present in the group present some distance from the center of the group, a trend that may indicate the possibility that the set of characteristics does not represent the group better. In group 04 the variables with the greatest influence for formation of this one were: RCF (Cold Carcass Yield) and WHR (Hot Carcass Yield). Both present in the second main component, obtained in the analysis of main components.

Biblioteca responsável: BR68.1