31.08.2014 Views

Le Lac Noir de l'Archeboc. - Pêche en Savoie

Le Lac Noir de l'Archeboc. - Pêche en Savoie

Le Lac Noir de l'Archeboc. - Pêche en Savoie

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

Première contribution à l’étu<strong>de</strong> <strong>de</strong> la population <strong>de</strong> cristivomer du <strong>Lac</strong> <strong>Noir</strong> <strong>de</strong> l’Archeboc – approche<br />

scalimétrique.<br />

1. Calcul du coeffici<strong>en</strong>t <strong>de</strong> détermination R² <strong>de</strong> chacun <strong>de</strong>s modèles ;<br />

2. Test visant à vérifier si ce <strong>de</strong>rnier est significativem<strong>en</strong>t différ<strong>en</strong>t <strong>de</strong> 0 au risque <strong>de</strong><br />

première espèce α = 0.05 ;<br />

3. Analyse graphique <strong>de</strong>s résidus statistiques e i telle que décrite ci-après (e i = Y - Y i ) ;<br />

4. <strong>Le</strong> modèle ret<strong>en</strong>u est finalem<strong>en</strong>t celui prés<strong>en</strong>tant le meilleur R² significatif et<br />

répondant le mieux aux contraintes <strong>de</strong> résidus statistiques décrites ci-<strong>de</strong>ssous.<br />

<strong>Le</strong>s exam<strong>en</strong>s graphiques constitu<strong>en</strong>t une métho<strong>de</strong> fiable et efficace pour mettre <strong>en</strong><br />

évi<strong>de</strong>nce, à partir <strong>de</strong>s résidus statistiques, toute discordance nette. <strong>Le</strong> travail s’effectue <strong>en</strong><br />

fait sur les résidus réduits er i , ce qui facilite l’interprétation (er i = (Y – Y i )/s avec s² la variance<br />

résiduelle du modèle selon s² = SCEE/ (n-k)).<br />

Pour vérifier que les hypothèses d’ajustem<strong>en</strong>t d’une régression sont satisfaites, les<br />

conditions <strong>de</strong>vant être remplies par les résidus sont (Draper & Smith, 1966) :<br />

1. distribution normale ;<br />

2. moy<strong>en</strong>ne nulle ;<br />

3. variance constante (homoscédasticité) ;<br />

4. indép<strong>en</strong>dance.<br />

Trois graphes sont donc analysés (Jonsson & st<strong>en</strong>seth, 1977 ; Tomassone & al., 1983) :<br />

1. er i = f (valeurs ajustée Y i ) ;<br />

2. er i = f (valeurs <strong>de</strong> la variable explicative X i ) ;<br />

3. er i = f (ordre d’acquisition i).<br />

Tout point n’appart<strong>en</strong>ant pas à l’intervalle [-3 ; 3] peut être considéré comme aberrant<br />

(Echeverria, 1987). <strong>Le</strong> cas échéant, ce type <strong>de</strong> point est systématiquem<strong>en</strong>t sorti <strong>de</strong> la<br />

modélisation et les processus <strong>de</strong> tests sont effectués à nouveau sur le jeu <strong>de</strong> données<br />

résultant.<br />

<strong>Le</strong>s <strong>de</strong>ux premiers graphes donn<strong>en</strong>t une image <strong>de</strong> la normalité et <strong>de</strong> l’homoscédasticité <strong>de</strong>s<br />

résidus réduits et le troisième <strong>de</strong> leur indép<strong>en</strong>dance. Aucuns <strong>de</strong>s trois graphes ne doit<br />

prés<strong>en</strong>ter <strong>de</strong> structure particulière pour que ces trois propriétés soi<strong>en</strong>t vérifiées.<br />

Un test complém<strong>en</strong>taire permet <strong>de</strong> confirmer la lecture graphique. En effet, on admet<br />

(Tranchefort, 1974) au risque <strong>de</strong> première espèce α = 0.05 que les résidus suiv<strong>en</strong>t une<br />

distribution normale, <strong>de</strong> moy<strong>en</strong>ne nulle et <strong>de</strong> variance constante lorsque 95% <strong>de</strong>s er i<br />

apparti<strong>en</strong>n<strong>en</strong>t à l’intervalle [-1.96 ; 1.96] et 66% <strong>de</strong>s er i apparti<strong>en</strong>n<strong>en</strong>t à l’intervalle [-0.95 ;<br />

0.95].<br />

Cette démarche a pour but d’éviter l’utilisation aveugle <strong>de</strong>s modèles prés<strong>en</strong>tés dans la<br />

bibliographie. Une simple estimation du coeffici<strong>en</strong>t <strong>de</strong> détermination associé à une<br />

vérification <strong>de</strong> sa significativité ne serait pas suffisante pour évaluer l’adéquation du modèle.<br />

Rétrocalcul.<br />

Une fois le modèle ret<strong>en</strong>u, la taille <strong>de</strong> chaque poisson peut être rétrocalculée pour chacun <strong>de</strong><br />

ses âges antérieurs à celui <strong>de</strong> sa capture. Toutefois, les valeurs prédites ne peuv<strong>en</strong>t<br />

qu’appart<strong>en</strong>ir à l’intervalle [Ymin ; Ymax] <strong>de</strong>s valeurs expérim<strong>en</strong>tales ayant servi à bâtir le<br />

modèle (Echevarria, 1987). Cette règle peut cep<strong>en</strong>dant souffrir <strong>de</strong>s exceptions mais s’<strong>en</strong>suit<br />

un risque d’erreur accrue.<br />

Carlan<strong>de</strong>r (1985) précise que l’échantillon sur lequel est construit le modèle doit comporter<br />

<strong>de</strong>s individus <strong>de</strong>s âges pour lesquels les tailles vont être estimées par rétrocalcul. Notre<br />

échantillon est malheureusem<strong>en</strong>t dépourvu <strong>de</strong> la classe d’âge 1+ (relation au mo<strong>de</strong><br />

d’échantillonnage). Par rétrocalcul et <strong>en</strong> toute connaissance <strong>de</strong>s risques associés, nous<br />

FSPPMA Page 9 sur 22

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!