Dimorfismo sexual de cães da raça Labrador Retriever no Brasil utilizando estatística multivariada

Abstract

Objetivou-se com este trabalho a caracterização morfológica da raça Labrador Retriever no Brasil por meio da morfometria, além do credenciamento de diferentes técnicas estatísticas multivariadas no estudo do dimorfismo sexual desses cães. Foram mensurados 74 animais, sendo 47 fêmeas e 27 machos. Os cães atendiam os seguintes requisitos: ser animal adulto, com idade mínima de dois anos; ser reprodutor ou matriz; possuir registro no CBKC ou AKC; e não apresentar sinais evidentes de prenhez ou aleitamento. Foram mensuradas 30 características biométricas quantitativas, de variação contínua, relativas à morfologia da cabeça, tronco e membros anteriores e posteriores. O dimorfismo sexual foi analisado utilizando técnicas de estatística multivariada compreendendo a análise de componentes principais e a análise discriminante. Tanto os dados descritivos quanto as análises multivariadas foram analisados utilizando o software Statistica 6.0. A análise de componentes principais foi processada de duas formas, utilizando todas as variáveis e realizando a pré-seleção das variáveis mais correlacionadas, com base na dispersão gráfica da correlação das 30 variáveis originais com os três primeiros componentes principais que juntos explicaram 50% da variação total. A análise discriminante foi realizada para as 30 variáveis e também para as cinco variáveis mais correlacionadas com o primeiro componente (CP1), com intuito de classificar novos indivíduos. As médias de altura à cernelha, para ambos os sexos, foram inferiores aos valores mínimos das faixas descritas como ideais pela AKC, enquanto que para a CBKC apenas as fêmeas foram inferiores ao valor mínimo ideal segundo o teste de t de student (p<0,05). A análise de componentes principais com 30 variáveis foi capaz de identificar o dimorfismo sexual de tamanho existente nos animais, além de reduzir as 30 variáveis originais a três componentes principais. Quando processada com as variáveis pré-selecionadas a análise continuou eficaz em demonstrar o dimorfismo e otimizou a redução para dois componentes principais. O CP1 foi o mais representativo das análises (30 variáveis e pré-seleção), e este componente é altamente correlacionado as variáveis relacionadas ao tamanho do animal. A análise discriminante de Anderson foi capaz de discriminar as duas populações (machos e fêmeas), tanto para 30 variáveis quanto para as cinco variáveis mais correlacionadas com o CP1. Entretanto, o maior número de variáveis reduziu a probabilidade de má classificação. As funções com cinco variáveis podem ser utilizadas para classificar outros cães da raça quanto ao sexo, com um erro de aproximadamente 6,75%.