Chapitre III : Matériels et méthodes
71
III.4.3. Biplot :
La représentation biplot est une méthode de statistique descriptive multivariée. Elle vise à extraire
l'essentiel de l'information contenue dans un tableau de données (composé d'individus et de
variables) et à en fournir une représentation imagée se prêtant aisément à l'interprétation.
Les applications du biplot sont nombreuses et diverses. Corsten et Gabriel (1976) s'en servent pour
comparer les matrices de covariances de plusieurs populations et pour déceler les combinaisons
linéaires de variables pour lesquelles ces populations différent. Bradu et Gabriel (1978) l'utilisent
à leur tour comme un outil analytique permettant d'identifier le modèle qui s'ajuste le mieux aux
données dans un plan d'analyse de variance à deux facteurs avec une seule répétition.
III.4.4. Analyse en composantes principales :
L'analyse en composantes principales (ACP) est une méthode de la statistique multivariée, qui
consiste à transformer des variables liées entre elles (dites "corrélées" en statistique) en nouvelles
variables décorrélées les unes des autres. Ces nouvelles variables sont nommées "composantes
principales", ou axes principaux. Elle permet de réduire le nombre de variables et de rendre
l'information moins redondante. L'analyse en composantes principales est une méthode très
efficace pour l'analyse de données quantitatives (continues ou discrètes), se présentant sous la
forme de tableaux à M observations et N variables.
Ainsi, l’analyse en composantes principales est un outil efficace pour fournir des informations
suggestives concernant les sources des métaux traces (Hu et al., 2013), elle a été appliqué sur
l'ensemble de nos données de cinquante et une stations d'échantillonnage, trois espèces de
poissons, douze métaux et trois composés biochimiques.
Le calcul des coefficients de corrélation et l’analyse de variance dans les deux matrices de données
(sédiments et biotes) ont été effectués en utilisant l’outil statistique. L’analyse en composantes
principales pour l’étude des sédiments a été effectuée en utilisant le logiciel STATISTICA version
6.1 pour Windows. Tandis que, l’analyse en composantes principales pour l’étude des biotes a été
effectuée en utilisant à la fois, le logiciel STATISTICA version 13.5.0.17 pour Windows et le
logiciel XLSTAT version 15.5.01 pour Windows. Pour la représentation Biplot, le logiciel
XLSTAT version 15.5.01 pour Windows a été utilisé.
71
III.4.3. Biplot :
La représentation biplot est une méthode de statistique descriptive multivariée. Elle vise à extraire
l'essentiel de l'information contenue dans un tableau de données (composé d'individus et de
variables) et à en fournir une représentation imagée se prêtant aisément à l'interprétation.
Les applications du biplot sont nombreuses et diverses. Corsten et Gabriel (1976) s'en servent pour
comparer les matrices de covariances de plusieurs populations et pour déceler les combinaisons
linéaires de variables pour lesquelles ces populations différent. Bradu et Gabriel (1978) l'utilisent
à leur tour comme un outil analytique permettant d'identifier le modèle qui s'ajuste le mieux aux
données dans un plan d'analyse de variance à deux facteurs avec une seule répétition.
III.4.4. Analyse en composantes principales :
L'analyse en composantes principales (ACP) est une méthode de la statistique multivariée, qui
consiste à transformer des variables liées entre elles (dites "corrélées" en statistique) en nouvelles
variables décorrélées les unes des autres. Ces nouvelles variables sont nommées "composantes
principales", ou axes principaux. Elle permet de réduire le nombre de variables et de rendre
l'information moins redondante. L'analyse en composantes principales est une méthode très
efficace pour l'analyse de données quantitatives (continues ou discrètes), se présentant sous la
forme de tableaux à M observations et N variables.
Ainsi, l’analyse en composantes principales est un outil efficace pour fournir des informations
suggestives concernant les sources des métaux traces (Hu et al., 2013), elle a été appliqué sur
l'ensemble de nos données de cinquante et une stations d'échantillonnage, trois espèces de
poissons, douze métaux et trois composés biochimiques.
Le calcul des coefficients de corrélation et l’analyse de variance dans les deux matrices de données
(sédiments et biotes) ont été effectués en utilisant l’outil statistique. L’analyse en composantes
principales pour l’étude des sédiments a été effectuée en utilisant le logiciel STATISTICA version
6.1 pour Windows. Tandis que, l’analyse en composantes principales pour l’étude des biotes a été
effectuée en utilisant à la fois, le logiciel STATISTICA version 13.5.0.17 pour Windows et le
logiciel XLSTAT version 15.5.01 pour Windows. Pour la représentation Biplot, le logiciel
XLSTAT version 15.5.01 pour Windows a été utilisé.