Análise multivariada aplicada à caracterização de vinhos: estudo em vinhos da região demarcada do Douro

Detalhes bibliográficos
Autor(a) principal: Valle, Maria Isabel Silvares de Lucena Vilhegas do
Data de Publicação: 2012
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/25181
Resumo: O trabalho desenvolvido incidiu na aplicação de ferramentas estatísticas e de métodos quimiométricos clássicos no tratamento da informação multivariada relativa à caracterização físico-química de vinhos. A informação existente na base de dados foi obtida no âmbito da certificação e controlo de vinhos da Região Demarcada do Douro, em particular de vinhos da Denominação de Origem Douro e da Indicação Geográfica Duriense, referente ao período entre janeiro de 2007 e março de 2012. Esta informação foi processada e interpretada em duas perspetivas sequenciais: Procurámos evidenciar a equivalência estatística entre resultados obtidos por métodos analíticos diferentes, em que um deles é tomado como método de referência e que permite que um laboratório opte, em função de critérios rigorosamente estabelecidos, por métodos de análise mais expeditos, com maior facilidade de execução, com capacidade de automatização, com custos associados mais baixos, menos poluentes e, assim, ambientalmente sustentáveis, mas igualmente fiáveis. A análise multivariada revela-se um instrumento poderoso para analisar informação proveniente de inúmeras amostras de vinhos caracterizadas por diversos parâmetros físico-químicos. Na maioria das situações, a avaliação do perfil global dos dados desta natureza pode ser notavelmente mais esclarecedora do que a avaliação individual de cada parâmetro per si. A deteção de padrões subjacentes aos dados que esta análise permite é uma preciosa contribuição para a interpretação e racionalização da informação conduzindo à criação de modelos de previsão e à possibilidade de desenvolvimento de estratégias ajustadas de controlo. Neste trabalho, foram utilizados alguns métodos quimiométricos clássicos disponíveis, para avaliar o impacto das variáveis na descrição do sistema e procurar os melhores descritores. Concretamente foram processados e interpretados dados relativos à caracterização físico-química de vinhos. Os resultados mostram que, utilizando algumas ferramentas estatísticas e métodos quimiométricos como a análise de componentes principais (PCA) e o método por mínimos quadrados parciais (PLS), é possível identificar padrões, separar classes ou categorias e isolar fatores. A análise de componentes principais e o método por mínimos quadrados parciais no seu conjunto, distinguem corretamente os grupos existentes e permitem tirar conclusões muito significativas sobre a forma como os vários dados se distribuem e se relacionam. Servem também de base para futuros desenvolvimentos na criação de modelos e análise de fatores.
id RCAP_78c4dd9f3e351c0b83a74234d27f27e3
oai_identifier_str oai:estudogeral.uc.pt:10316/25181
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Análise multivariada aplicada à caracterização de vinhos: estudo em vinhos da região demarcada do DouroO trabalho desenvolvido incidiu na aplicação de ferramentas estatísticas e de métodos quimiométricos clássicos no tratamento da informação multivariada relativa à caracterização físico-química de vinhos. A informação existente na base de dados foi obtida no âmbito da certificação e controlo de vinhos da Região Demarcada do Douro, em particular de vinhos da Denominação de Origem Douro e da Indicação Geográfica Duriense, referente ao período entre janeiro de 2007 e março de 2012. Esta informação foi processada e interpretada em duas perspetivas sequenciais: Procurámos evidenciar a equivalência estatística entre resultados obtidos por métodos analíticos diferentes, em que um deles é tomado como método de referência e que permite que um laboratório opte, em função de critérios rigorosamente estabelecidos, por métodos de análise mais expeditos, com maior facilidade de execução, com capacidade de automatização, com custos associados mais baixos, menos poluentes e, assim, ambientalmente sustentáveis, mas igualmente fiáveis. A análise multivariada revela-se um instrumento poderoso para analisar informação proveniente de inúmeras amostras de vinhos caracterizadas por diversos parâmetros físico-químicos. Na maioria das situações, a avaliação do perfil global dos dados desta natureza pode ser notavelmente mais esclarecedora do que a avaliação individual de cada parâmetro per si. A deteção de padrões subjacentes aos dados que esta análise permite é uma preciosa contribuição para a interpretação e racionalização da informação conduzindo à criação de modelos de previsão e à possibilidade de desenvolvimento de estratégias ajustadas de controlo. Neste trabalho, foram utilizados alguns métodos quimiométricos clássicos disponíveis, para avaliar o impacto das variáveis na descrição do sistema e procurar os melhores descritores. Concretamente foram processados e interpretados dados relativos à caracterização físico-química de vinhos. Os resultados mostram que, utilizando algumas ferramentas estatísticas e métodos quimiométricos como a análise de componentes principais (PCA) e o método por mínimos quadrados parciais (PLS), é possível identificar padrões, separar classes ou categorias e isolar fatores. A análise de componentes principais e o método por mínimos quadrados parciais no seu conjunto, distinguem corretamente os grupos existentes e permitem tirar conclusões muito significativas sobre a forma como os vários dados se distribuem e se relacionam. Servem também de base para futuros desenvolvimentos na criação de modelos e análise de fatores.2012info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/25181http://hdl.handle.net/10316/25181porValle, Maria Isabel Silvares de Lucena Vilhegas doinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2022-01-20T17:49:17Zoai:estudogeral.uc.pt:10316/25181Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:02:00.157886Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Análise multivariada aplicada à caracterização de vinhos: estudo em vinhos da região demarcada do Douro
title Análise multivariada aplicada à caracterização de vinhos: estudo em vinhos da região demarcada do Douro
spellingShingle Análise multivariada aplicada à caracterização de vinhos: estudo em vinhos da região demarcada do Douro
Valle, Maria Isabel Silvares de Lucena Vilhegas do
title_short Análise multivariada aplicada à caracterização de vinhos: estudo em vinhos da região demarcada do Douro
title_full Análise multivariada aplicada à caracterização de vinhos: estudo em vinhos da região demarcada do Douro
title_fullStr Análise multivariada aplicada à caracterização de vinhos: estudo em vinhos da região demarcada do Douro
title_full_unstemmed Análise multivariada aplicada à caracterização de vinhos: estudo em vinhos da região demarcada do Douro
title_sort Análise multivariada aplicada à caracterização de vinhos: estudo em vinhos da região demarcada do Douro
author Valle, Maria Isabel Silvares de Lucena Vilhegas do
author_facet Valle, Maria Isabel Silvares de Lucena Vilhegas do
author_role author
dc.contributor.author.fl_str_mv Valle, Maria Isabel Silvares de Lucena Vilhegas do
description O trabalho desenvolvido incidiu na aplicação de ferramentas estatísticas e de métodos quimiométricos clássicos no tratamento da informação multivariada relativa à caracterização físico-química de vinhos. A informação existente na base de dados foi obtida no âmbito da certificação e controlo de vinhos da Região Demarcada do Douro, em particular de vinhos da Denominação de Origem Douro e da Indicação Geográfica Duriense, referente ao período entre janeiro de 2007 e março de 2012. Esta informação foi processada e interpretada em duas perspetivas sequenciais: Procurámos evidenciar a equivalência estatística entre resultados obtidos por métodos analíticos diferentes, em que um deles é tomado como método de referência e que permite que um laboratório opte, em função de critérios rigorosamente estabelecidos, por métodos de análise mais expeditos, com maior facilidade de execução, com capacidade de automatização, com custos associados mais baixos, menos poluentes e, assim, ambientalmente sustentáveis, mas igualmente fiáveis. A análise multivariada revela-se um instrumento poderoso para analisar informação proveniente de inúmeras amostras de vinhos caracterizadas por diversos parâmetros físico-químicos. Na maioria das situações, a avaliação do perfil global dos dados desta natureza pode ser notavelmente mais esclarecedora do que a avaliação individual de cada parâmetro per si. A deteção de padrões subjacentes aos dados que esta análise permite é uma preciosa contribuição para a interpretação e racionalização da informação conduzindo à criação de modelos de previsão e à possibilidade de desenvolvimento de estratégias ajustadas de controlo. Neste trabalho, foram utilizados alguns métodos quimiométricos clássicos disponíveis, para avaliar o impacto das variáveis na descrição do sistema e procurar os melhores descritores. Concretamente foram processados e interpretados dados relativos à caracterização físico-química de vinhos. Os resultados mostram que, utilizando algumas ferramentas estatísticas e métodos quimiométricos como a análise de componentes principais (PCA) e o método por mínimos quadrados parciais (PLS), é possível identificar padrões, separar classes ou categorias e isolar fatores. A análise de componentes principais e o método por mínimos quadrados parciais no seu conjunto, distinguem corretamente os grupos existentes e permitem tirar conclusões muito significativas sobre a forma como os vários dados se distribuem e se relacionam. Servem também de base para futuros desenvolvimentos na criação de modelos e análise de fatores.
publishDate 2012
dc.date.none.fl_str_mv 2012
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/25181
http://hdl.handle.net/10316/25181
url http://hdl.handle.net/10316/25181
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133910709305344