LSV3 recherche – Statistiques – Contrôle continu novembre 2006 - Correction Exercice 1. Des biomasses de l’algue Cystoseira amentacea var. stricta ont été collectées, au mois de mai, juin et juillet 2005, à Saint-Jean Cap-Ferrat (Tableau 1). On cherche à déterminer si la biomasse moyenne du début de l’été est plus importante que celles de la fin du printemps, à un seuil de 0,05. Tableau 1. Biomasses de Cystoseira amentacea var. stricta (g poids sec.m-2) récoltées à Saint-Jean Cap-Ferrat en mai, juin et juillet 2005. Mai Juin Juillet 20,5 14,3 26,2 37,9 18,6 18,6 29 32,1 13,6 21,6 23,3 24,1 27,8 16,4 17,2 18,8 24,2 23,4 Σx 155,6 128,9 123,1 n 6 6 6 Σx² 4290,5 2978,35 2641,57 K2 2,22 3,17 3,22 2 K représente la valeur calculée du test d’Agostino-Pearson. Normalité Connaissant les valeurs calculées K2du test d’Agostino-Pearson on on compare ces valeurs à χ20,05,2 = 5,99. On pose pour chaque groupe : H0 = la distributions des valeurs de biomasses du mois i suit une loi normale H1 = la distributions des valeurs de biomasses du i ne suit pas une loi normale Avec i = mai, juin, juillet. Mai : Dobs = 0,22 ≤ D0,05, 6 -0 = 0,40 ; H0 est acceptée, la distribution des valeurs de biomasses du mois de mai suit une loi Normale. Juin : Dobs = 0,17 ≤ D0,05, 6 -0 = 0,40 ; H0 est acceptée, la distribution des valeurs de biomasses du mois de juin suit une loi Normale. Juillet : Dobs = 0,22 ≤ D0,05, 6 -0 = 0,40 ; H0 est acceptée, la distribution des valeurs de biomasses du mois de juillet suit une loi Normale. Homoscédasticité. On teste si les variances des distributions de chaque mois sont homogènes. On pose H0 = s²mai = s²juin = s²juillet H1 = au moins une des variances est différente. S²mai S²juin S²juillet 51,05 41,82 23,19 Les distributions des biomasses de chaque mois suivent une loi Normale, par conséquent on peut effectuer un test de Bartlett. 1 LSV3 recherche – Statistiques – Contrôle continu novembre 2006 - Correction K 2 S xp n 1 S i 2 xi i K n 1 i i (5.51, 05 5.41,82 5.23,19) 580, 39 38, 69 555 15 Puis on calcul une valeur Bc tel que Bc B avec: C K K 2 B=2,3026 log S xp . ni 1 ni 1 log S xi2 i i 2,3026 23, 81 23, 47 0, 78 K 1 1 1 1 1 C 1 K 0, 6 0, 066 1, 08 3 K 1 i ni 1 3 3 1 i ni 1 d’où Bc = 0,71 On compare à une valeur du χ²0,05, 2 = 5,99 Bc ≤ χ²0,05, 2 ; H0 est acceptée, les variances sont homogènes. Pour résumé : - les variables sont indépendantes entre elles - les distributions suivent une loi Normale - les variances sont homogènes entre elles Par conséquent, on peut effectuer une Analyse de Variance à un critère de classification pour détecter s’il y a une différence significative entre les biomasses moyennes des 3 mois. ANOVA On estime les dispersions intergroupe, intragroupe et totale. Dispersion intragroupe : SCE x ²ij ( xij )² ni (155, 6)² (128,9)² (123,1)² 9910, 42 6 6 6 580,39 2 LSV3 recherche – Statistiques – Contrôle continu novembre 2006 - Correction Dispersion intergroupe : SCI ( xij )² ni ( xij )² N (155, 6)² (128,9)² (123,1)² (407)² 6 6 18 6 100,15 Dispersion totale SCT = SCI + SCE = 680,54 On calcule CMe = SCE/(N-k) = 38,69 et CMmois = SCI/(k-1) = 50,07 D’où Fc = CM mois / CMe = 1,29 ≤ F0,05, 2, 15 = 3,68 H0 est acceptée à 0,05, il n’a pas de différence significative entre la biomasse moyenne du début de l’été et celles de la fin du printemps. RAPPORT DÉTAILLÉ Groupes Nombre d'échantillons 6 6 6 Somme 155,6 128,9 123,1 ANALYSE DE VARIANCE Source des variations Somme des carrés Totale 680,544444 Mois 100,154444 erreur 580,39 Degré de liberté 17 2 15 Mai Juin Juillet Moyenne 25,9333333 21,4833333 20,5166667 Variance 51,0546667 41,8296667 23,1936667 Moyenne des carrés 50,0772222 38,6926667 F Probabilité 1,29423032 0,30302308 Valeur critique pour F 3,68232034 Exercice 2. Lors d’une étude sur la production d’œufs de poules faisane en 2004, le niveau de précipitations a été mesuré en Auvergne pendant un an ainsi que le nombre d’œufs pondus par des poules faisanes au Malawi. Les résultats sont les suivants : Précipitations (mm) 196 289 576 625 729 1089 1156 1369 1600 1681 1764 1849 nbre d'oeufs 61 37 65 69 54 93 87 89 100 90 97 98 Ces données vous permettent-elles de penser que les précipitations auvergnates pourront fournir une bonne estimation de la fécondité des poules faisanes malawites ? Il n’y a aucun lien de causalité entre les données de précipitations mesurées en Auvergne et la fécondité de poules du Malawi (Afrique) donc il n’y a pas de corrélation à calculer. Exercice 3. - Que mesure l’écart-type ? La dispersion des valeurs autour de la moyenne - Avant un test-t apparié sur quelles valeurs testez-vous la normalité ? On teste la normalité sur la distribution des différences 3 LSV3 recherche – Statistiques – Contrôle continu novembre 2006 - Correction - Avant un test T de Wilcoxon quel test utilisez-vous pour tester l’homoscédasticité ? Aucun test d’homoscédacticité pour des échantillons appariés - Un collègue biologiste vous contacte pour un conseil en statistique. Il a mesuré la densité de moules pendant 20 ans au Cap de Nice à raison d’un seul comptage par, dans un seul site. Il souhaite comparer statistiquement les populations annuelles de moules entre elles. Que lui conseillez-vous de faire ? De tout refaire en faisant des répliquats - A partir du résultat sur l’étude de différents sites et différents types de roches sur la densité de Patella ferruginea déterminer l’effort d’échantillonnage à entreprendre ? 48 mesures de densité Interpréter les résultats du tableau. Facteur site. F0,05,1,42 = 4,06 > Fsite -> pas de différence entre les sites Facteur Types de roches. F0,05,2,42 = 3,2 > Fsit e-> pas de différence entre types de roches Facteur interaction. F0,05,2,42 = 3,2 > Fintearction-> au moins une des moyennes de l’interactions diffère. Quel(s) test(s) proposez-vous pour terminer cette analyse ? On fait un HSD de Tuckey ou un SNK paramétrique sur les moyennes de l’interactions, dans ce cas toutes les valeurs. Source des variations SC ddl CM F Totale 6325,92 47,00 cellules 1559,17 Site (s) 5,33 1,00 5,33 0,05 Types de roches (T) 560,79 2,00 280,40 2,47 Interaction (s x T) 993,04 2,00 496,52 4,37 erreur 4766,75 42,00 113,49 4