Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/13659
Title: Estatística multivariada aplicada em dados de custos da fase de pós-colheita do café
Multivariate statistical applied to data costs post-harvest coffee
Authors: Santos, Rafael Vargas
Vieira, Henrique Duarte
Borém, Flávio Meira
Prado, Mariele Vilela Bernardes
Keywords: Agrupamento
Componentes principais
Análise de fatores
Clustering
Principal components
Factor analysis
Issue Date: 1-Aug-2017
Citation: SANTOS, R. V. M. dos. Estatística multivariada aplicada em dados de custos da fase de pós-colheita do café. Coffee Science, Lavras, v. 12, n. 2, p. 223-230, abr./jun. 2017.
Description: A escolha do modo de processamento do café é decisiva na rentabilidade da atividade cafeeira, e dependerá de diversos fatores. Assim, em decorrência da existência de tantas variáveis é comum o produtor questionar a viabilidade de determinados tipos de processamentos. Desse modo, o objetivo deste trabalho foi realizar um estudo dos principais fatores influenciadores no custo da pós-colheita do café. Quarenta e seis fazendas das regiões do Cerrado, Matas de Minas e Sul de Minas Gerais responderam a um questionário elaborado no sentido de possibilitar esta análise. A aplicação das técnicas multivariadas de análise de agrupamento, análise de fatores e análise de componentes principais, possibilitou concluir que as fazendas com maiores custos simulados foram as que possuíam as maiores porcentagens de produção de café via úmida.
The choice of method of processing coffee is decisive on the profitability of the coffee activity, and will depend on several factors. Thus, due to the existence of many variables is common producer to question the viability of certain types of processing. Thus, the objective in this research was carried out a study of the major influencing factors on the cost of post-harvest coffee. Forty-six farms in the regions of the Cerrado, Matas de Minas and southern Minas Gerais State answered a questionnaire in order to enable this analysis. The application of multivariate techniques of cluster analysis, factor analysis and principal component analysis, allowed us to conclude that farms with higher costs simulated were those with the highest percentages of wet coffee production.
URI: http://repositorio.ufla.br/jspui/handle/1/13659
Other Identifiers: http://www.coffeescience.ufla.br/index.php/Coffeescience/article/view/1244
Appears in Collections:DEG - Artigos publicados em periódicos



This item is licensed under a Creative Commons License Creative Commons