Análise de componentes principais em dados agrícolas de produção de soja
DOI:
10.18607/ES20231215788Resumo
O agronegócio desempenha um papel fundamental na economia brasileira, contribuindo significativamente para o crescimento do país. Este artigo tem como objetivo realizar uma análise de dados do agronegócio utilizando a técnica de análise de componentes principais por meio da matriz de correlação, validando sua relevância para o setor e apresentar as possibilidades que o uso de técnicas estatísticas trás para a maximização de produção de soja na lavoura. As variáveis selecionadas para análise incluem: área, dose por hectare, quantidade consumo, área execução, dose real, valor, vazão, peso bruto, impureza e umidade, a técnica de análise de componentes principais foi aplicada para reduzir a dimensionalidade dos dados, identificar padrões subjacentes e investigar as relações entre as variáveis selecionadas. O critério de Kaiser foi utilizado para validar a adequação dos dados à análise de componentes principais, considerando os autovalores das variáveis para determinar o número de componentes principais significativos a serem retidos. Dessa forma, conclui-se que a análise de componentes principais além de ser uma ótima forma de economizar recursos computacionais minimizando o volume de variáveis a serem analisadas, também explica de forma satisfatória o comportamento dinâmico das informações, provando a relevância da técnica para compreensão das peculiaridades da produção de soja na agricultura e fornecer oportunidades valiosas para tomada de decisão estratégica.
##plugins.generic.paperbuzz.metrics##
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Rafael Queiroz, Fabiane Silva, Kuang Hongyu
![Creative Commons License](http://i.creativecommons.org/l/by/4.0/88x31.png)
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Todos os direitos autorais devem ser cedidos a Universidade Federal de Mato Grosso.