Das Montanhas de Minas ao Oceano: Os Caminhos da Ciência para um Futuro Sustentável
20 a 25 de outubro de 2025
Trabalho 21729
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Extensão |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Dimensões Ambientais: ODS12 |
| Setor | Departamento de Zootecnia |
| Conclusão de bolsa | Não |
| Primeiro autor | Pedro Lopes da Silva |
| Orientador | SIMONE ELIZA FACIONI GUIMARAES |
| Outros membros | Marcelo José Böck |
| Título | Análise de Componentes Principais na Zootecnia |
| Resumo | A constante evolução da ciência de dados tem impulsionado avanços significativos em diversas áreas da zootecnia, incluindo nutrição, sanidade, bem-estar animal e, especialmente, o melhoramento genético. Nesse cenário, a aplicação de ferramentas estatísticas robustas, como a Análise de Componentes Principais ( PCA - Principal Component Analysis ), torna-se cada vez mais necessária. Este trabalho tem como objetivo apresentar de forma introdutória, a importância do PCA, uma ferramenta de análise multivariada amplamente utilizada na ciência animal, sobretudo na genética quantitativa. Com o avanço tecnológico e o maior acesso a dados genômicos, protagonizado por tecnologias como os chips de SNP e sequenciadores de alto rendimento, se faz necessário o estudo e a aplicação de técnicas de redução de dimensionalidade, que são fundamentais para a interpretação dos dados. No entanto, primeiramente é fundamental compreender os tipos de análises estatísticas utilizadas, a começar pelas análises univariadas, que avaliam uma única variável (ex: média, mediana, moda).As técnicas multivariadas analisam simultaneamente múltiplas variáveis, permitindo identificar padrões e relações complexas entre elas. Entre essas técnicas, destaca-se a PCA, que tem como objetivo reduzir a dimensionalidade dos dados ao condensar a maior parte da variabilidade em um número reduzido de componentes principais. Esses componentes são combinações lineares das variáveis originais que capturam as direções de maior variância nos dados.O processo envolve as seguintes etapas : (1) centralização dos dados ( subtração da média para centralizar os dados em zero ) ; (2) cálculo da matriz de covariância (para variáveis da mesma escala) ou correlação ( para escalas diferentes); (3) obtenção dos autovalores e autovetores, representando a quantidade de variância explicada por cada componente e a direção dos componentes no novo espaço, respectivamente e por último, (4) transformação dos dados, projetando-os sobre os autovetores. A visualização gráfica dos resultados permite identificar quantos componentes são necessários para representar de forma mais precisa a variabilidade de dados, além de facilitar a interpretação das relações entre as variáveis. Portanto, compreender o funcionamento e as aplicações da Análise de Componentes Principais é fundamental para profissionais da genética e zootecnistas. Trata-se de uma ferramenta versátil, com aplicabilidade em uma vasta gama de áreas da produção animal, como nutrição, sanidade e gestão. Sua utilização permite interpretar dados complexos de forma eficiente, facilitando a tomada de decisões técnicas e impulsionando o avanço da produção animal. |
| Palavras-chave | PCA, Estatística, Melhoramento |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|