CHAPITRE DEUXIEME
CROISSANCE RELATIVE ET INDICE DE CONDITION
23
Après transformation logarithmique, la relation (1) devient :
Log y Log b a Log x de la forme
Y B a X
Equation d’une droite de pente a et le paramètre (Log b) correspond à l’ordonnée à l’origine.
Pour l’ajustement de la droite de régression, deux méthodes sont proposées, celle des
moindres au carrés et celle de l’axe majeur réduit ou des moindres rectangles. Le principe de
la première méthode est basée sur la minimisation de la somme des carrées des écarts par
rapport à l’un ou l’autre ou à l’autre des axes, alors que la seconde est basée sur une
minimisation de la somme des produits des écarts entre les points (Chebab, 1996).
D’après Lassere (1972 et Do Chi in Chebab, 1996), l’ajustement par la méthode des
moindres carrés entraine un biais dans le sens de la sous-estimation. Par contre Teissier
(1948) et Ricker (1973) ont signalé que le coefficient de Teissier représenté par la pente de la
droite est le coefficient le plus représentatif de la relation d’allometrie.
Le passage du coefficient de régression de Y en X au coefficient de Teissier (a T ) est
donnée par la formule :
a T  a / r
Avec a : pente de la droite de régression Y en X ; r : coefficient de corrélation de la droite Y
en X.
Pour une comparaison entre la taille et le poids (relation taille-poids), La relation
d’allométrie est exprimée sous forme :
W=bL
a
Après transformation logarithmique, cette relation devient :
Log W = Log b + a Log L.
W= b + a L
Avec W : poids de l’individu, L : longueur de l’individu, a : coefficient d’allométrie et b :
paramètre de croissance.
Selon Moriyasu (1981 in Chebab, 1996), Cette croissance de type cubique en raison de
la proportionnalité entre le volume et le poids permet de déduire, par interpolation, le poids