Chapitre IV : Résultats et interprétations
80
Figure 40 : profils de la matiere organque dans les deux carottes sédimentaires.
3- Applications statistiques :
3-1- Analyses binaires :
Dans le but de pouvoir expliquer les relations que les métaux peuvent avoir les uns par rapport
aux autres dans le sédiment, des corrélations entre les métaux sont réalisées.
Pour cela, à partir de (n) couples de variable (éléments métalliques) une droite de régression
linéaire de la forme(1) est obtenue par la méthode des moindres carrés.
Y = a X + b(1)
Les coefficients de corrélation (r) calculés, compris dans l’intervalle [-1, 1], permettent de
vérifier l’existence ou non d’une relation (ou corrélation) entre les deux éléments considérées.
Cependant, au préalable, ces coefficients sont validés au moyen d’un test statistique, le test du
coefficient de corrélation (r) qui s’exprime comme suit (Schwartz, 1969) :
| |= |r|√ (n-2)/ (1-r 2 ).
Où :
r : Cœfficient de corrélation
n : Effectif des variables
| | : valeur calculée comparée à | |de la table de Student pour un degré de liberté (ddl) égale à n-2
avec, pour cette étude, une précision de 95% (a = 5%).
Toutefois, seul le taux de risque a =5% est considéré. Car en statistique, en général, une erreur de
5% peut raisonnablement affirmer l’existence de différences entre deux populations (Guitton,
1967etKamoun, 1977).
Si |tc| >|t t |, la corrélation entre les deux variables est significative.
Si |tc| <|t t |, la corrélation entre les deux variables n’est pas significative.
0
2
4
6
8
10
12
14
16
18
20
22
24
26
0 1 2 3 4 5 6 7 8 9 10 11
Profondeur (cm)
% MO
MO (CI)
MO (CII)