EXTENSÕES DA ANÁLISE DISCRIMINANTE EM DADOS ESPACIAIS: SIMULAÇÃO E APLICAÇÃO EM CLASSIFICAÇÃO DE CAFÉS ESPECIAIS EM DIFERENTES ORIGENS.
variograma, dados esparsos, identidade de origem, mantiqueira, canastra
Aanálise discriminante é uma ferramenta estatística amplamente utilizada para classificar ob servações provenientes de diferentes populações. Entretanto, a presença de dependência espa cial nos dados, comum em amostras georreferenciadas de produtos agrícolas, pode comprome ter o desempenho dos métodos tradicionais. Esta tese avalia técnicas de análise discriminante linear e quadrática, incluindo versões esparsas, robustas e espaciais, e propõe abordagens que incorporam a estrutura de dependência espacial por meio de modelos geoestatísticos, com o objetivo de aprimorar a discriminação da qualidade de cafés especiais produzidos nas microrre giões da Serra da Canastra e da Serra da Mantiqueira. Foram realizados estudos de simulação de Monte Carlo e uma aplicação empírica a dados reais, permitindo a comparação dos méto dos em termos de acurácia, precisão, sensibilidade e especificidade. Os resultados indicaram desempenho superior dos modelos que incorporam a dependência espacial, com destaque para o modelo espacial quadrático (SPQDA), que apresentou melhor equilíbrio entre os erros de classificação, especialmente em cenários de maior complexidade espacial. Além da contribui ção metodológica, foi desenvolvido um aplicativo interativo em Shiny para facilitar a aplicação prática das técnicas, ampliando o acesso de pesquisadores e profissionais do setor cafeeiro às metodologias propostas. A abordagem desenvolvida constitui uma ferramenta robusta para a análise de dados sensoriais com dependência espacial, com potencial de aplicação em outros contextos agroambientais e georreferenciados