Chapitre III
Résultats et discussion
34
III.1.2 Analyse multidimensionnelle ;
III.1.2.1 Analyse en Composantes Principales (ACP) :
L’usage del’ACP nous permet d’analyser les corrélations entre les différentes variables et
d’identifier les populations, les races, et les localités qui se distinguent les unes des autres.
Rubin (1967) ; Kaufman et Rosseuw (1990) in Pareira et al. (1996)
On utilise des analyses en composantes principales pour traiter des données d'un tableau à
variables quantitatives, pour le traitement des données issues de l’analyse physicochimique de caractérisation la qualité de l’eau
Au seuil de signification de 5 %, la corrélation entre les variables est significative. En
utilisant le coefficient de Pearson, nous observons des corrélations positives. Cette forte
corrélation est remarquée entre les variables notamment les variables dimensionnelles pour
les différents cas étudiés (stations, et lacs). Cependant, on remarque que certaines
variables sont peu corrélées
Tableau III.11 : Moyennes et écarts-types des variables quantitatives
Variables
Moyennes
Ecart-Types (ET)
O 2
8,4310
0,9494
NO 3
3,4172
0,5946
NO 2
0,4472
0,1550
PO 4
0,4247
0,1666
Transparence
102,0365
20,7883
Profondeur
297,8733
218,0047
pH
7,9883
0,5253
Quant au choix des axes, le pourcentage de variabilité représenté par les 02 premiers
facteurs est particulièrement très élevé (81,942 %). L’affichage sur F1 comme axe
horizontal et F2 comme axe vertical suffit largement pour l’interprétation.
Tableau III.12 : Valeurs propres et la variabilité entre les facteurs quantitatifs.
Axe 1
Axe 2
Axe 3
Axe 4
Axe 5
Axe 6
Axe 7
Valeur propre 4,252
1,484
0,708
0,318
0,160
0,060
0,018
% variancel
60,744
21,198
10,110
4,541
2,289
0,858
0,260
Cumulative
60,744
81,942
92,052
96,593
98,882
99,740
100,000
Pour notre cas formulé par «stations et lacs», le pourcentage de la variance totale expliqué
par chaque axe.