Chapitre II. Matériel et Méthodes
13
Planche II.1. Illustration des caractères biométriques mesurés (Nelson, 2006 et Fischer et al, 1987 ;
modifiés).
Une Analyse en Composantes Principales (ACP) a été réalisée sur ces données à l’aide du logiciel
Statistica version 5.1 (Stat Soft, 1997), dans le but de réduire les 31 variables pour faciliter leur analyse.
Rappelons que l’idée de cette méthode essentiellement exploratoire, a été initialement entrevue par
Pearson (1901) et que sa mise au point définitive a été accomplie par Hotelling (1933). Elle permet de
traduire, en graphiques, l’information essentielle que contient un large tableau de données. De tels
tableaux sont constitués de variables quantitatives disposées en colonnes, qui ont été mesurées sur des
individus disposés, eux, en lignes. Le principe de l’ACP consiste à transformer les p variables initiales,
corrélées entre elles, en p composantes principales non corrélées entre elles et de variance maximale. Il
s’agit donc d’obtenir le résumé le plus pertinent possible des données initiales.
Chaque composante principale est une combinaison linéaire des variables initiales qui explique une part
de la variance et qui peut être interprétée en fonction des coefficients de pondération attribués à chaque
variable initiale au sein de la composante principale (Dagnelie (1973 et 1975) ; Philipeau, 1986 ; Dervin,
1988 et Tenhaus, 2007 in Filali, 2014).
Nous avons choisi de standardiser nos variables, à l’aide du programme de standardisation ‘Sizestd’ créé
par Lombarte et Lleonart (1993) et amélioré par Senar et al (1994). Le logiciel élimine l’effet des gros