Chapitre II
Matériels et Méthodes
28
2.3.2. Analyse en composantes principales (ACP)
Afin d’étudier la différenciation des populations de S. aurata, une analyse en composantes
principales (ACP) a été réalisée sur toutes les variables morphométriques et méristiques
étudiées. L’ACP est une technique qui permet de considérer simultanément toutes les
variables étudiées et est plus facile à appliquer (Hemida, 2005).
Les données biométriques de S. aurata ont fait l’objet d’une analyse en composantes
principales, cette analyse a été réalisée à l’aide du programme STATISTICA version 5.1 (Stat
soft.,Inc., 1997).
L’ACP appelée également méthode des axes principaux, consiste en la détermination des
valeurs propres (longueurs ou variances) et les directions des axes principaux (vecteurs
propres). Pour 03 variables, les 03 axes principaux de l’ellipsoïde sont perpendiculaires et
représentent les 03 composantes, qui sont indépendantes.
Les axes principaux se classent par ordre décroissant de leurs variables, ce classement
permettra la sélection d’un nombre d’axes rendant compte de la plus grande partie de la
variance totale. Géométriquement, cela signifie que les amplitudes du nuage de points sont
très différentes dans les différentes directions, de l’espace décrit par les axes principaux
(Frontier et al., 2007 in Ladoul, 2011). On définit ainsi deux espaces : celui des individus et
celui des caractères. Chaque individu ayant p coordonnées, est considéré comme un vecteur
d’un espace à p dimension. Chaque variable sera une liste de n valeurs numériques.
L’ACP a donc, pour objectif de réduire un système complexe de corrélations en un plus petit
nombre de dimensions.
Matériels et Méthodes
28
2.3.2. Analyse en composantes principales (ACP)
Afin d’étudier la différenciation des populations de S. aurata, une analyse en composantes
principales (ACP) a été réalisée sur toutes les variables morphométriques et méristiques
étudiées. L’ACP est une technique qui permet de considérer simultanément toutes les
variables étudiées et est plus facile à appliquer (Hemida, 2005).
Les données biométriques de S. aurata ont fait l’objet d’une analyse en composantes
principales, cette analyse a été réalisée à l’aide du programme STATISTICA version 5.1 (Stat
soft.,Inc., 1997).
L’ACP appelée également méthode des axes principaux, consiste en la détermination des
valeurs propres (longueurs ou variances) et les directions des axes principaux (vecteurs
propres). Pour 03 variables, les 03 axes principaux de l’ellipsoïde sont perpendiculaires et
représentent les 03 composantes, qui sont indépendantes.
Les axes principaux se classent par ordre décroissant de leurs variables, ce classement
permettra la sélection d’un nombre d’axes rendant compte de la plus grande partie de la
variance totale. Géométriquement, cela signifie que les amplitudes du nuage de points sont
très différentes dans les différentes directions, de l’espace décrit par les axes principaux
(Frontier et al., 2007 in Ladoul, 2011). On définit ainsi deux espaces : celui des individus et
celui des caractères. Chaque individu ayant p coordonnées, est considéré comme un vecteur
d’un espace à p dimension. Chaque variable sera une liste de n valeurs numériques.
L’ACP a donc, pour objectif de réduire un système complexe de corrélations en un plus petit
nombre de dimensions.