ANNEXES
156
Annexe 05. Composition des granulés utilisés en élevage des post-larves du tilapia (Marque
COPPENS)
Diamètre
0.3-0.5 mm
0.5-0.8 mm
1 mm
Protéines
56 %
56 %
54 %
Lipides
15 %
15 %
15 %
Fibres
0.2 %
0.2 %
0.3 %
Cendres
13 %
13 %
10.6 %
Annexe 06. Méthodologie de l’analyse statistique
Les tests statistiques reposent sur le principe d’énoncer une hypothèse nulle (H0) et une
hypothèse alternative (H1) que l’on veut démontrer, de définir deux risques d’erreurs liés au
choix de H1 (noté α) et de H0 (noté β) et de calculer une valeur de probabilité notée p pour
prendre une décision. Le risque de première espèce (α) correspond à la probabilité de rejeté
l’hypothèse nulle H0 et d’accepter l’hypothèse alternative H1 alors que H0 est vraie. L’idée
d’un test statistique est de supposer que H0 est vraie et de calculer la valeur de probabilité p,
qui est ensuite comparé au seuil α pour prendre une décision finale sur le choix d’hypothèse
(Labreuche, 2010) :
- Si p ≤ α, H0 est rejeté et H1 est acceptée.
- Si p > α, H1 est rejeté et H0 est acceptée.
La valeur seuil de 0,05 pour le risque α est communément admise pour trancher entre H0 et H1
(Riou & Landais, 1998).
Il existe deux grandes catégories de tests statistiques : les tests paramétriques et les tests non
paramétriques. Les tests paramétriques ont des conditions d'application spécifiques, tandis que
les tests non paramétriques sont applicables de manière plus générale, mais ont une puissance
statistique moindre par rapport à leurs équivalents paramétriques (Labreuche, 2010).
Les tests paramétriques tels que le test t de Student, l’ANOVA, et la régression linéaire ne sont
applicables que si certaines conditions sont remplies : les observations sont indépendantes, la
distribution de la variable analysée suive une loi normale et que la variance au sein de chacun
des groupes comparés soit égale (homogénéité des variances) (Perneger & Perrier, 2004). Si
ces conditions ne sont pas remplies, des tests non paramétriques sont utilisés pour la
comparaison des moyennes, tels que le test Mann-Whitney (comparaison de 2 échantillons) ou
le test de Kruskal-Wallis (comparaison de plus de deux groupes) (Labreuche, 2010).
156
Annexe 05. Composition des granulés utilisés en élevage des post-larves du tilapia (Marque
COPPENS)
Diamètre
0.3-0.5 mm
0.5-0.8 mm
1 mm
Protéines
56 %
56 %
54 %
Lipides
15 %
15 %
15 %
Fibres
0.2 %
0.2 %
0.3 %
Cendres
13 %
13 %
10.6 %
Annexe 06. Méthodologie de l’analyse statistique
Les tests statistiques reposent sur le principe d’énoncer une hypothèse nulle (H0) et une
hypothèse alternative (H1) que l’on veut démontrer, de définir deux risques d’erreurs liés au
choix de H1 (noté α) et de H0 (noté β) et de calculer une valeur de probabilité notée p pour
prendre une décision. Le risque de première espèce (α) correspond à la probabilité de rejeté
l’hypothèse nulle H0 et d’accepter l’hypothèse alternative H1 alors que H0 est vraie. L’idée
d’un test statistique est de supposer que H0 est vraie et de calculer la valeur de probabilité p,
qui est ensuite comparé au seuil α pour prendre une décision finale sur le choix d’hypothèse
(Labreuche, 2010) :
- Si p ≤ α, H0 est rejeté et H1 est acceptée.
- Si p > α, H1 est rejeté et H0 est acceptée.
La valeur seuil de 0,05 pour le risque α est communément admise pour trancher entre H0 et H1
(Riou & Landais, 1998).
Il existe deux grandes catégories de tests statistiques : les tests paramétriques et les tests non
paramétriques. Les tests paramétriques ont des conditions d'application spécifiques, tandis que
les tests non paramétriques sont applicables de manière plus générale, mais ont une puissance
statistique moindre par rapport à leurs équivalents paramétriques (Labreuche, 2010).
Les tests paramétriques tels que le test t de Student, l’ANOVA, et la régression linéaire ne sont
applicables que si certaines conditions sont remplies : les observations sont indépendantes, la
distribution de la variable analysée suive une loi normale et que la variance au sein de chacun
des groupes comparés soit égale (homogénéité des variances) (Perneger & Perrier, 2004). Si
ces conditions ne sont pas remplies, des tests non paramétriques sont utilisés pour la
comparaison des moyennes, tels que le test Mann-Whitney (comparaison de 2 échantillons) ou
le test de Kruskal-Wallis (comparaison de plus de deux groupes) (Labreuche, 2010).