Objetivou-se realizar a análise de consumo e rendimento de carcaça de ovinos da raça Santa Inês, por meio da aplicação de técnicas de análise multivariada, visando reduzir a dimensão do espaço multivariado e obter as variáveis de maior importância na formação dos grupos. Foram utilizadas informações de 112 animais, com o intuito de selecionar as variáveis que têm maior capacidade de explicar a variação total dos dados. Os animais do estudo tinham em média cinco meses. Foram selecionadas, a princípio, 26 variáveis oriundas de bancos de dados de experimentos científicos realizados na Universidade Federal Rural de Pernambuco, no Departamento de Zootecnia. Inicialmente, oito variáveis de consumo foram selecionadas: Consumo de Matéria Seca (CMS), Consumo de Matéria Orgânica (CMO), Consumo de Proteína Bruta (CPB), Fibra em Detergente Neutro (CFDN), Consumo de Extrato Etéreo (CEE), Consumo de Carboidratos Totais (CCHT), Consumo de Carboidrato Não Fibroso (CCNF), Consumo de Nutriente Digestível total (CNDT) e Nutriente Digestível Total (NDT), e 17 relacionadas ao rendimento de carcaça, sendo: Peso Médio, Comprimento Externo, Comprimento Interno, Largura do Tórax, Perímetro de Garupa, Largura de Garupa, Comprimento de Perna, Perímetro de Perna, Profundidade do Tórax, Perímetro de Tórax, Peso de Carcaça Fria, Índice de Compacidade da carcaça, Peso Carcaça Quente, Rendimento Carcaça Quente, Rendimento Carcaça Fria, Peso de Carcaça Vazia e Área de olho de lombo. No Capítulo II todas as variáveis foram submetidas à análise de componentes principais, com o objetivo de reduzir a dimensionalidade dos dados. Com a aplicação desta técnica de análise multivariada utilizando como variável de agrupamento o CFDN, foi possível reduzir a variação acumulada dos dados referentes as 25 variáveis restantes, gerando quatro combinações lineares que, juntas, explicam aproximadamente 80% da variação total dos dados, representando cerca de 20% de perda da explicação da variação total. Juntas, as duas primeiras combinações lineares representam 65,07%, sendo possível identificar as variáveis com maior autovetor, em valor absoluto, que foram no CP1: Peso Carcaça Fria, Peso Carcaça Quente e Peso Corpo vazio (0,27), o que caracteriza esse componente como um índice referente à conformação de carcaça, visto que todas as variáveis de maior influência estão direcionadas à carcaça. Para o CP2, as variáveis com maior coeficiente foram: Peso Médio (0,34), Largaru (0,32), RCQ e RCF, ambas com (0,30), indicando um direcionamento deste índice para as características de medidas morfométricas e carcaça. Aplicando o critério de seleção para a escolha das características que tem maior influência em cada componente foram selecionadas variáveis seguindo a ordem de importância do primeiro ao quarto componente, sendo elas: PCF, PCQ, PCVZ todas com (0,27); Peso Médio (0,34); Largura de Garupa (0,32); Comprimento Externo (0,33); NDT (0,34), Profundidade de Tórax (0,33). No Capítulo III, com a aplicação da análise de agrupamento foi possível distribuir as características em quatro grupos distintos. Cada grupo teve um direcionamento, visualizado pela seleção das variáveis que fazem parte de cada um. O grupo 1 tem maior presença de variáveis ligadas a terminação de carcaça. As quatro características que mais contribuíram para formação do grupo foram: PCVZ (Peso de Corpo Vazio), PCF (Peso Carcaça Vazia), PCQ (Peso de Carcaça Quente) e ICC (Índice de Compacidade da Carcaça), descritas em ordem decrescente de importância. No grupo 2 praticamente todas as variáveis contribuíram para a formação do grupo, por apresentarem distância semelhante até o centro do grupo. Esse grupo está relacionado às variáveis de consumo, no qual estão presentes: CMS (Consumo de Matéria Seca), CMO (Consumo de Matéria Orgânica), CPB (Consumo de Proteína Bruta), CCHT (Consumo de Carboidratos Totais) e CNDT (Consumo de Nitrogênio Digestível total). O grupo 3 é relacionado às medidas morfométricas; no entanto, todas as variáveis presentes apresentam certa distância do centro do grupo, tendência que pode indicar a possibilidade de o conjunto de características não representa-lo da melhor forma. No grupo 4 as variáveis com maior influência para formação deste foram: RCF (Rendimento de Carcaça Fria) e RCQ (Rendimento de Carcaça Quente), ambas presentes no segundo componente principal, obtido na análise de componentes principais. A aplicação das técnicas de análise multivariada permitiu identificar, com maior precisão, considerando as relações existentes entre as variáveis, características de maior valor absoluto. Essas, por sua vez, possuem maior capacidade de explicar a variação total dos dados, assim como a maior influência na formação de grupos distintos.