Diam`etres des Alisiers en fonction de leur statut
Transcription
Diam`etres des Alisiers en fonction de leur statut
Diamètres des Alisiers en fonction de leur statut 1 Présentation du problème: L’objectif est d’étudier l’influence du statut de domination d’un arbre sur son diamètre. Ici on s’intéresse, en particulier, aux alisiers pour lesquels 3 statuts sont définis : co-dominant: de la même hauteur qu’un ou plusieurs arbres, dominant: plus haut que les arbres avoisinants, dominés: plus bas qu’un ou plusieurs arbres avoisinants Pour cela, on dispose d’un échantillon de n = 104 arbres choisis aléatoirement en forêt de Rambouillet (Yvelines). Sur chacun d’entre eux, on a mesuré son diamètre en cm (variable Diametre) et on a noté son statut (variable Statut). 2 > > > > Données observées rm(list=ls()) #on vide l'environnement arbres=read.table("arbres.txt",header=FALSE,sep="") colnames(arbres)=c("Diametre","Statut") dim(arbres) [1] 104 2 > arbres 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 Diametre 8.0 15.0 22.0 20.0 17.0 21.0 45.0 31.0 5.0 50.0 32.0 29.0 52.0 39.0 16.0 55.0 52.0 8.0 41.0 54.0 42.0 13.0 12.5 16.0 35.0 11.0 Statut codomina codomina codomina codomina codomina codomina codomina codomina codomina codomina codomina codomina codomina codomina codomina codomina codomina codomina codomina codomina codomina codomina codomina codomina codomina dominant 1 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 14.0 18.0 25.0 20.0 16.0 25.0 72.0 41.0 45.0 53.0 30.0 52.0 47.0 58.0 22.0 23.0 16.0 17.0 9.0 9.0 16.0 16.0 17.0 15.0 13.0 15.0 13.0 19.0 13.0 10.0 32.0 29.0 37.0 30.0 56.0 30.0 41.0 32.0 40.0 39.0 40.0 41.0 48.0 38.0 37.0 48.0 40.0 35.0 26.0 35.0 35.0 31.0 36.0 30.0 24.0 10.0 8.0 40.0 40.0 15.0 13.0 dominant dominant dominant dominant dominant dominant dominant dominant dominant dominant dominant dominant dominant dominant domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine 2 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 3 37.0 46.0 37.0 30.0 40.0 40.0 46.0 40.0 28.0 41.0 48.0 32.0 16.0 10.0 52.0 9.0 8.0 domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine domine Etude descriptive des données Statistiques simples (moyenne, écart-type, corrélations). Effectifs par statut. > table(arbres$Statut) codomina dominant 25 15 domine 64 Diamètre moyen. > mean(arbres$Diametre) [1] 29.77404 Diamètre moyen par statut. > by(arbres$Diametre,arbres$Statut,mean) arbres$Statut: codomina [1] 29.22 -----------------------------------------------------------arbres$Statut: dominant [1] 35.13333 -----------------------------------------------------------arbres$Statut: domine [1] 28.73438 Ecart-type du diamètre par statut. > by(arbres$Diametre,arbres$Statut,sd) arbres$Statut: codomina [1] 16.29806 -----------------------------------------------------------arbres$Statut: dominant [1] 18.72304 -----------------------------------------------------------arbres$Statut: domine [1] 13.15626 Boxplots. 3 10 20 30 40 50 60 70 > par(mfrow=c(1,1)) > boxplot(arbres$Diametre~arbres$Statut) codomina 4 dominant Analyse de la variance a 1 facteur Graphes de diagnostic. > arbres.lm=lm(Diametre~Statut,data=arbres) > par(mfrow=c(2,2)) > plot(arbres.lm) 4 domine 2 33 0 1 1661 −1 10 −10 −30 Residuals 30 33 61 16 3 Normal Q−Q Standardized residuals Residuals vs Fitted 29 30 31 32 33 34 35 −2 Fitted values 1 2 3 2 1 40 0 0.5 0.0 29 30 31 32 33 34 35 33 −2 −1 61 16 Standardized residuals Residuals vs Leverage 33 1.0 1.5 0 Theoretical Quantiles Scale−Location Standardized residuals −1 Cook's distance 0.00 Fitted values 0.02 0.04 26 0.06 Leverage Résultats de l’analyse. > summary(arbres.lm) Call: lm(formula = Diametre ~ Statut, data = arbres) Residuals: Min 1Q -24.220 -13.349 Median 1.266 3Q 11.266 Max 36.867 Coefficients: (Intercept) Statutdominant Statutdomine --Signif. codes: Estimate Std. Error t value Pr(>|t|) 29.2200 2.9643 9.857 <2e-16 *** 5.9133 4.8407 1.222 0.225 -0.4856 3.4956 -0.139 0.890 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 Residual standard error: 14.82 on 101 degrees of freedom Multiple R-squared: 0.02237, Adjusted R-squared: F-statistic: 1.156 on 2 and 101 DF, p-value: 0.319 > #test du modèle > arbres.lm.0=lm(Diametre~1,data=arbres) > anova(arbres.lm.0,arbres.lm) Analysis of Variance Table 5 0.003011 Model 1: Model 2: Res.Df 1 103 2 101 Diametre ~ 1 Diametre ~ Statut RSS Df Sum of Sq F Pr(>F) 22695 22187 2 507.68 1.1555 0.319 > #test de type I > anova(arbres.lm) Analysis of Variance Table Response: Diametre Df Sum Sq Mean Sq F value Pr(>F) Statut 2 507.7 253.84 1.1555 0.319 Residuals 101 22187.3 219.68 Comparaison des groupes de statut. > #comparaison des groupes de statut > comp.statut=pairwise.t.test(arbres$Diametre,arbres$Statut,p.adjust.method="bonferroni") > comp.statut Pairwise comparisons using t tests with pooled SD data: arbres$Diametre and arbres$Statut codomina dominant dominant 0.67 domine 1.00 0.41 P value adjustment method: bonferroni 6