FlippingFood I

En general, los frutos secos y semillas (Cuadro 4) tienen un contenido de minerales más alto que las frutas (Cuadro 5). El contenido de Ca en frutos secos y semillas fl uctúa entre 37 y 269 mg/100 g, el Mg entre 121 y 292 mg/100 g, el K entre 410 y 1025 mg/100 g y el Fe entre 2530 y 6680 ug/100 g. El contenido de Ca en frutas fl uctúa entre 4 y 56 mg/100 g, el Mg entre 5 y 85 mg/100 g, el K entre 77 y 507 mg/100 g y el Fe entre 80 y 1000 ug/100 g. De acuerdo con los contenidos de vitaminas, las frutas se pueden agrupar en cinco grupos (Cuadro 6) usando análisis de componentes principales (principal component analysis, PCA) 8 y Kmeans 9 .

Cuadro 6. Grupos de frutas de acuerdo con su contenido de vitaminas.

Grupo K

Frutas

Mango, Pina,Melon calameño,Zarzaparrilla roja, Frambuesa, Lima, Limon, Pomelo. Avellana,Mani,Nuez, Pecana, Almendra. Guayaba. Kiwi, Papaya, Frutilla,Naranja. Sandia, Arandana, Arandano, Palta,Higo, Platano,Oliva,Granada,Cereza,Ciruela, Damasco,Durazno, Logan berry,Mora, Pera,Uva.

Grupo 1 Grupo 2 Grupo 3 Grupo 4 Grupo 5

Elaboración propia.

Los grupos de frutas se identi fi can principalmente por el contenido de vitamina C y colina. En este sentido, los componentes principales (PC1 y PC2) explican en un 99% la variabilidad de los datos. Los contenidos de vitaminas de frutos secos y semillas y de frutas se detallan en los Cuadros 7 y 8.

8 El método consiste en agrupar aquellas observaciones en K grupos con medias relativamente cercanas; es decir, por cada una de las frutas se considera un promedio entre las variables contenido de Vit. C, tiamina, ribo fl avina, niacina, ácido Pantoténico, Vit. B6, folato total, colina total, Vit. B12, Vit. A, Vit. E, Vit. D, Vit. K, agrupando aquellas que tienen promedios más cercanos entre sí en K grupos. La selección de K será aquel que produzca una mayor reducción en las diferencias de las medias y los centros entre cada grupo. 9 El objetivo del PCA es sintetizar la información contenida en las columnas de la matriz de datos. En el análisis de estas bases de datos se consideran solamente las dos primeras componentes principales, ya que estas contienen la mayor cantidad de la información de la base. Además, el número de observaciones cambia en cada base debido a que el PCA es una proyección ortogonal utilizando la matriz de varianza covarianza, por lo que no permite valores perdidos.

126