Chapitre II
Biométrie
32
1.2. Analyses statistiques des données
1.2.1. Analyses statistiques univariées
1.2.1.1. Paramètres statistiques de base
Pour mieux décrire les différentes variables qui caractérisent les individus étudiés dans les
trois sites (golfe d’Annaba, golfe de Skikda et baie d’Alger), nous avons calculé certains
paramètres statistiques de base tel que la moyenne arithmétique (Xmoy) qui est un paramètre
de position et de tendance centrale, l’écart type (S) qui mesure la dispersion des données
autour de la moyenne et enfin l’effectif qui nous renseigne sur l’importance des données
traitées (Dagnélie, 2006).
1.2.1.2. Analyse de la variance univariée ANOVA
La comparaison, d’une part, des trois sites entre eux et, d’autre part, des deux sexes entre
eux a été effectuée, et cela pour chaque variable, à l’aide de l’analyse de la variance univariée
à deux critères de classification fixes (site et sexe) modèle hiérarchisé. Le facteur sexe est
totalement hiérarchisé au facteur site (Dagnélie, 2006).
1.2.2. Analyses statistiques bivariées
L’analyse statistique bivariée consiste à calculer, d’une part, les corrélations linéaires
simples entre les différentes variables deux à deux et, d’autre part, les équations de régression
linéaire simple par la méthode des moindres carrés (Dagnélie, 2006).
1.2.2.1. Corrélations
Pour mettre en évidence une quelconque relation entre les variables mesurées sur les
individus, nous avons utilisé le coefficient de corrélation linéaire de Bravais–Pearson
(Dagnélie, 2006). Ce coefficient de corrélation, r, mesure l’intensité du lien qui existe entre
deux caractéristiques ou variables quantitatives quelconques pour autant que cette liaison soit
linéaire ou approximativement linéaire.
Par exemple, pour deux variables quelconques x et y, le coefficient de corrélation, r, est
déterminé par la formule suivante (Dagnélie, 2006) :
Où cov(x,y) représente la covariance de x et y et Sx et Sy représentent les écarts-types
respectifs de x et y.
Biométrie
32
1.2. Analyses statistiques des données
1.2.1. Analyses statistiques univariées
1.2.1.1. Paramètres statistiques de base
Pour mieux décrire les différentes variables qui caractérisent les individus étudiés dans les
trois sites (golfe d’Annaba, golfe de Skikda et baie d’Alger), nous avons calculé certains
paramètres statistiques de base tel que la moyenne arithmétique (Xmoy) qui est un paramètre
de position et de tendance centrale, l’écart type (S) qui mesure la dispersion des données
autour de la moyenne et enfin l’effectif qui nous renseigne sur l’importance des données
traitées (Dagnélie, 2006).
1.2.1.2. Analyse de la variance univariée ANOVA
La comparaison, d’une part, des trois sites entre eux et, d’autre part, des deux sexes entre
eux a été effectuée, et cela pour chaque variable, à l’aide de l’analyse de la variance univariée
à deux critères de classification fixes (site et sexe) modèle hiérarchisé. Le facteur sexe est
totalement hiérarchisé au facteur site (Dagnélie, 2006).
1.2.2. Analyses statistiques bivariées
L’analyse statistique bivariée consiste à calculer, d’une part, les corrélations linéaires
simples entre les différentes variables deux à deux et, d’autre part, les équations de régression
linéaire simple par la méthode des moindres carrés (Dagnélie, 2006).
1.2.2.1. Corrélations
Pour mettre en évidence une quelconque relation entre les variables mesurées sur les
individus, nous avons utilisé le coefficient de corrélation linéaire de Bravais–Pearson
(Dagnélie, 2006). Ce coefficient de corrélation, r, mesure l’intensité du lien qui existe entre
deux caractéristiques ou variables quantitatives quelconques pour autant que cette liaison soit
linéaire ou approximativement linéaire.
Par exemple, pour deux variables quelconques x et y, le coefficient de corrélation, r, est
déterminé par la formule suivante (Dagnélie, 2006) :
Où cov(x,y) représente la covariance de x et y et Sx et Sy représentent les écarts-types
respectifs de x et y.