Chapitre 2 : Matériel et méthodologie
17
ϭí µí°
í µí¿ =
í µíººí µí°§í µí°¢ ∗ (í µí° − í µí°í µí°)²
í µí²í µí² í µí¿
; ϭí µí°
í µí¿ =
í µí¼®í µí²í µí² ∗ (í µí±³ − í µí±³í µí²)²
í µí²í µí² í µí¿
; í µí¼¶ = í µí¿%
On compare le | ε calculé | avec le | ε table | :
- si | ε cal | < | ε table | : la différence est non significative ;
- si | ε cal | > | ε table | : la différence est significative.
3.4. Analyse en Composante Principale
L'analyse multivariée englobe une diversité méthodologique de techniques statistiques, qui
convergent vers l'investigation concomitante de multiples variables au sein d'un ensemble de
données. Au sein de ce panorama analytique, s'illustrent particulièrement l'Analyse en
Composantes Principales (ACP), l'Analyse Factorielle des Correspondances (AFC) ainsi que
l'Analyse des Correspondances Hiérarchiques (ACH). Dans le contexte spécifique de notre
étude, notre sélection méthodologique s'est résolument orientée vers l'adoption exclusive de
l’ACP.
Il s'agit d'un ensemble de méthode visant à réaliser des transformations linéaires sur un grand
nombre de variables inter-corrélées, avec pour objectif de parvenir à un nombre restreint de
composantes non corrélées. Cette approche simplifie l'analyse en regroupant les données en
ensembles plus restreints tout en éliminant les défis de la multi colinéarité entre les variables
(Vogt, 1993).
Les résultats se présentent sous forme d’un nuage de points projeté sur deux directions
préférentielles (axes factoriels) :
- le premier axe factoriel est celui qui explique le plus grand pourcentage de variance totale.
- le second explique le plus grand pourcentage de variance résiduelle.
4. Croissance et niveau d’exploitation
Parmi la multitude de paramètres de croissance, certains revêtent une importance singulière dans
ce contexte, à savoir la longueur maximale théorique des poissons à un âge avancé (L∞), le
paramètre de courbure(K) dans le modèle de croissance de von Bertalanffy, ainsi que le temps où
les poissons auraient une taille nulle (to).
Diverses formules de croissance existent, mais le modèle qui offre la satisfaction optimale et qui
est adopté ici est celui de von Bertalanffy (1934). Ce modèle mathématique dépeint la croissance
au fil du temps et sa formulation s'applique avec pertinence à la majorité des données de
croissance observées.
17
ϭí µí°
í µí¿ =
í µíººí µí°§í µí°¢ ∗ (í µí° − í µí°í µí°)²
í µí²í µí² í µí¿
; ϭí µí°
í µí¿ =
í µí¼®í µí²í µí² ∗ (í µí±³ − í µí±³í µí²)²
í µí²í µí² í µí¿
; í µí¼¶ = í µí¿%
On compare le | ε calculé | avec le | ε table | :
- si | ε cal | < | ε table | : la différence est non significative ;
- si | ε cal | > | ε table | : la différence est significative.
3.4. Analyse en Composante Principale
L'analyse multivariée englobe une diversité méthodologique de techniques statistiques, qui
convergent vers l'investigation concomitante de multiples variables au sein d'un ensemble de
données. Au sein de ce panorama analytique, s'illustrent particulièrement l'Analyse en
Composantes Principales (ACP), l'Analyse Factorielle des Correspondances (AFC) ainsi que
l'Analyse des Correspondances Hiérarchiques (ACH). Dans le contexte spécifique de notre
étude, notre sélection méthodologique s'est résolument orientée vers l'adoption exclusive de
l’ACP.
Il s'agit d'un ensemble de méthode visant à réaliser des transformations linéaires sur un grand
nombre de variables inter-corrélées, avec pour objectif de parvenir à un nombre restreint de
composantes non corrélées. Cette approche simplifie l'analyse en regroupant les données en
ensembles plus restreints tout en éliminant les défis de la multi colinéarité entre les variables
(Vogt, 1993).
Les résultats se présentent sous forme d’un nuage de points projeté sur deux directions
préférentielles (axes factoriels) :
- le premier axe factoriel est celui qui explique le plus grand pourcentage de variance totale.
- le second explique le plus grand pourcentage de variance résiduelle.
4. Croissance et niveau d’exploitation
Parmi la multitude de paramètres de croissance, certains revêtent une importance singulière dans
ce contexte, à savoir la longueur maximale théorique des poissons à un âge avancé (L∞), le
paramètre de courbure(K) dans le modèle de croissance de von Bertalanffy, ainsi que le temps où
les poissons auraient une taille nulle (to).
Diverses formules de croissance existent, mais le modèle qui offre la satisfaction optimale et qui
est adopté ici est celui de von Bertalanffy (1934). Ce modèle mathématique dépeint la croissance
au fil du temps et sa formulation s'applique avec pertinence à la majorité des données de
croissance observées.