Dados do Trabalho

Título

ANÁLISE MULTIVARIADA DE MARCAS DE MACARRÃO: IDENTIFICAÇÃO DE PADRÕES E AGRUPAMENTOS ATRAVÉS DE ACP E CLUSTER.

Introdução

As Análises Multivariadas de Dados (MVDA) são amplamente empregadas para demonstrar a relação entre várias amostras simultaneamente. Entre essas técnicas, destaca-se a Análise de Componentes Principais (ACP), que identifica padrões em dados de alta dimensão e correlaciona as variáveis. Já a análise de cluster busca dividir as amostras em grupos, de modo que dados mais similares apresentem menor distância entre os clusters, facilitando a interpretação gráfica das semelhanças e diferenças entre as variáveis.

Material e Métodos

Este estudo tem como objetivo explicar a estrutura de variância e covariância de vetores compostos por várias variáveis, através de combinações lineares das variáveis analisadas no macarrão para formar as componentes principais. Foram escolhidas seis marcas distintas de macarrão, em duplicata, e adquiridas em Cuiabá-MT. Ao todo, analisaram-se 36 amostras com base em variáveis como teor de umidade, resíduos minerais fixos (RMF), lipídeos totais, proteína, BRIXº, VET, carboidratos, Aw, L*, a*, b* e pH.

Resultados e Discussão

As variáveis foram responsáveis pela escolha das componentes 1 e 2, utilizando o critério de Kaiser (autovalor >1), que juntas explicaram 74% da variância dos dados, sendo 43% e 31% para as componentes 1 e 2, respectivamente. As demais componentes foram descartadas. A ACP permitiu identificar as marcas que mais contribuíram para a formação das componentes e as variáveis associadas a essas marcas. Na análise de cluster, a distância euclidiana foi usada como parâmetro de semelhança, e a metodologia ‘kmeans’ identificou quatro agrupamentos entre as marcas. Os grupos formados foram: grupo 1 (marcas 1 e 7), grupo 2 (marca 3), grupo 3 (marcas 4 e 6), e grupo 4 (marcas 2 e 5).

Conclusão

Conclui-se que a ACP e a análise de cluster possibilitaram identificar as variáveis com correlações significativas entre as marcas de macarrão e caracterizar aquelas com comportamentos e ingredientes semelhantes.