The use of multivariate analysis on classification in leucena (Leucaena leucocephala (Lam.) de Wit.) growth fases

O objetivo deste trabalho foi identificar as fases de crescimento da leucena (Leucaena leucocephala (Lam.) de Wit.), ao longo do tempo, por meio da utilização das técnicas multivariadas. Os dados foram obtidos de um experimento, localizado na Estação Experimental de Caruaru-PE, que pertence à Empresa Pernambucana de Pesquisa Agropecuária – IPA. Nesse estudo, consideraram-se além das 20 medições em altura (em m) ao longo do tempo, outras mais 17 medições, interpoladas através do Modelo de Weibull e também por interpolação do tipo linear, dividido em 2 grupos distintos de tratamentos: segundo a presença ou não de composto de resíduo orgânico. A análise fatorial permitiu a redução da dimensionalidade das medições, em função de 3 fatores, com autovalores superiores a uma unidade e percentual do total da variação explicada de 94,60% e 94,30%, nos tratamentos sem e com composto orgânico, respectivamente, usando a rotação varimax. Dos fatores retidos, foram obtidos os escores e submetidos à análise de agrupamento do tipo k-médias, sendo o número de grupos escolhidos previamente, para de k de 3 a 10. Os grupos de melhor classificação foram verificados na análise discriminante, que avaliou a eficiência destes agrupamentos, em 95,2% e 95,1% de percentual de classificação correta. O estudo mostrou que as plantas que receberam o composto orgânico tiveram as maiores alturas, em média. A análise gráfica permitiu a comparação entre os dados que tiveram tratamento com composto orgânico e sem composto orgânico, conforme os grupos, em sua fase de crescimento.The aim of this work was to identify the growth phases of leucena (Leucaena leucocephala (Lam.) of Wit.), as a function of time, by using of the multivariate analysis techniques. The data set was obtained through an experiment performed at the Experimental Station of Caruaru-PE of the Institute of Agricultural Research - IPA. Besides 20 actual measures of height along time, additional 17 values were used, obtained by interpolation of best fit curves to the Weibull Model, as well as by linear type interpolation, for two distinct treatments groups: according to presence or absence of organic compound residue. The factor analysis was used to reduce the dimensionality of measured data to three factors with eigenvalues higher than unity, explaining 94.60% and 94.30% of the total variation for the treatments with and without organic compound, respectively, using the varimax rotation. The resulting factor scores were subjected to k-means cluster analysis, using previously selected, number of groups k from 3 to 10. The discriminant analysis was then employed to verify the efficiency of clustering of the best classification groups, which was found to be 95.2% and 95.1% of correct classification for the two treatments. The study it showed that the leucena trees which has received with treatment with organic on average attained greater height. The graphical analysis allowed the comparison among the data treatment with and without organic compound treatment, according to groups, in growth phase