Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 1

CHAPITRE PREMIER :
PRINCIPES D’EXPERIMENTATION

1.1. GENERALITES

1.1.1. OBSERVATION

L’observation est une étape importante qui permet d’obtenir les

informations préliminaires sur les phénomènes de la nature. Ces
informations peuvent par la suite être vérifiées.

Cette méthode de comprendre les phénomènes de la nature par simple

observation est surtout utilisée dans certaines sciences telles que :
l’économie, la pédologie, la médecine etc. où les phénomènes à étudier
ne peuvent pas être provoqués. Pour cette raison, on procède à des
observations très étendues dans le temps et dans l’espace sous forme
d’enquêtes afin de vérifier les hypothèses émises.

1.1.2. EXPERIMENTATION

Pour les sciences où les phénomènes à étudier peuvent être reproduits

soit sur le terrain, soit au laboratoire, la vérificati on des hypothèses peut
se faire à travers l’expérimentation. L’expérimentation nous conduit
toujours dans un cercle continuel de l’hypothèse - expérimentation –
résultats – nouvelle hypothèse.

1.1.3. ELEMENTS DU PROTOCOLE EXPERIMENTAL

L’expérimentation a comme objectif de provoquer des phénomènes et

d’observer son évolution jusqu’aux résultats finaux. Par conséquent, afin
d’obtenir des résultats attendus, l’expérimentation doit être planifiée.

Dans la planification, on doit respecter les éléments suivants :

- Définition de la problématique

- Définition de conditions d’expérimentation

- Définition de but de l’expérience

- Définition de facteurs influençant le phénomène

- Définition des unités expérimentales que l’on désire observer

- Définir des observations à réaliser

- Définir du dispositif expérimental

Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 2

1.1.3.1. Définition de la problématique

La problématique vise à relever l’ensemble des problèmes qui se pose au

niveau du thème qu’on voudrait étudier. Dans cette problématique on doit
mentionner entre autres l’intensité et la gravité du problème, les types de
la population concernée, la zone géographique concernée, etc.

1.1.3.2. Définition de but de l’expérience

Pour mieux définir les objectifs d’une expérimentation, il est important

d’avoir des connaissances du phénomène à étudier. La connaissance du
phénomène peut être acquise par l’étude bibliographique qui vous donne
la synthèse et conclusion s sous forme des hypothèses ou probl èmes
posés. Parfois la connaissance du phénomène peut provenir des résultats
des essais ou des observations préliminaires.

1.1.3.3. Définition de condition d’expérie nce

Tenant compte de la planification de l’expérience, on doit i ndiquer les

conditions dans lesquelles l’expérience a été réalisée à savoir : en station
ou hors station.

Les expériences en station sont celles organisées de manière stricte au

niveau d’une station de recherche, au laboratoire, chambre de culture
(serres) ou tout milieu bien surveillé. Ces expériences en station sont très
souvent plus artificielles et utilise nt de matériel animal et végétal plus
homogène, des équipemen ts et locaux spéciaux et unités expérimental es
plus petites.

Les expériences hors station sont celles conduites dans des milieux plus
proches de la pratique avec conditions du milieu moins contrô lées (ex : à
la ferme, au champ, en forêts etc.)

Le matériel expérimental est plus hétérogène avec unités expérimentales

plus grandes conduisant à une plus grande variabilité des résultats.

L’expérimentation peut aussi être conduite en plusieurs étapes à savoir :

l’expérimentation préliminaire, l’expérimentation principale et
l’expérimentation de confirmation .

L’expérimentation préliminaire sert souvent à mieux comprendre les

phénomènes à étudier afin de mieux définir les objectifs de l’expérience.
Cette expérience se passe souvent en station.

L’expérience principale qui est souvent aussi réalisée en station constitue

la base du travail de recherche et exige toutes les bonnes conditions de
sa réalisation.

L’expérience de confirmat ion sert à vérifier la validité des résultats

obtenus en station dans les conditions plus proches du milieu naturel
(ferme ou champ).
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 3

1.1.3.4. Définir les facteurs et leurs objets

a) Notion de facteurs

Les facteurs c’est une série d’éléments de même nature et qui peuvent
influencer les résultats d’une expérience. Les facteurs peuvent être
contrôlés ou non contrôlés .

a.1. Les facteurs contrôlés

Ces facteurs font part ie de l’objet de l’étude plus les autres facteurs
connus pouvant aussi influencer les résulta ts. Ces f acteurs contrôlés
doivent être introduits dans le dispositif expérimental pour que leurs
effets puissent être mesurés.

Les facteurs contrôlés peuvent être qualitatifs c’est-à-dire non

mesurables (variété produits phytosanitaires, médicament etc.) ou
quantitatifs c’est-à-dire mesurable. Les éléments de facteurs quantitatifs
sont appelés les niveaux alors que ceux des facteurs qualitatifs sont des
variantes.

a.2. Les facteurs non contrôlés

Les facteurs non contrôlés sont généralement des facteurs à caractère

aléatoire. Ces facteurs ne sont pas connus et sont appelés « Erreur
expérimentale ».Ces facteurs proviennent de sources variables de milieu
(physique, biologique, chimique) et de matériel expérimental (génotype).

Plus l’influence de ces facteurs non contrôlés est grande, plus l’erreur
expérimentale est grande et moins précis seront les résultats. Il y a donc
lieu de rendre les facteurs non contrôlés contrôlables par le choix du plan
expérimental.

b) Notion d’objet

L’objet c’est tout niveau ou varia nte d’un facteur unique ou tout e
combinaison de niveau x ou variante x de deux ou plusieurs facteurs.
C’est en quelque sorte le traitement.

Après avoir défini les objets, il f aut définir ensuite les conditions
d’expérience (ex : modalités de travail, du sol, fumures appliquée,
densité, date et profondeur du semis, condition d’élevage, condition
d’alimentation de base…).

b.1. Choix de niveaux ou de variantes

Dans le cas d’un facteur qualitatif, le choix de variante ne pose pas de

problème car la variante se confond avec le but de l’expérience (ex :
comparer deux variétés des riz …). Dans le cas de facteurs quantitatif s,
le choix de niveau doit être fait avec certaines exigences :
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 4

- Connaître le niveau de référence à partir de la revue de

littérature.
- L’intervalle de niveau doit être assez grande pour permettre
une étude du phénomène dans des intervalles plus étendus.
- Les niveau x doivent être en progression arithmétique
- (10, 20, 30, 40g/Ha ou en progression géométrique (ex : 0,1 ;
0,2 ; 0,3 ; 0,8 et 0,16g/Ha).

Il faut au moins trois niveaux pour mieux vérifier l’hypothèse de la

linéarité et de la localisation du point optimum.

b.2. Traitement témoin ou de référence

Lorsqu’on prépare une expérimentation il faut toujours vérifier s’il est

opportun de prévoir un traitement témoin. Le Témoin peut être les
variétés locales connues dans le milieu où l’on veut introduire des
nouvelles variétés.

Le témoin peut aussi être un ensemble de sujets non soumis aux

traitements étudiés. Il faut cependant éviter d’introduire des témoins
quand ce dernier n’est pas nécessaire par exemple quand on sait déjà
que les différence s dues aux facteurs étudié s sont connues d’être très
élevées.

Mais si l’objet témoin est un des éléments importants de l’expérience

comme par exemple si on compare une variété locale avec des variétés
importées on fera en sorte que l’objet témoin soit répété t fois et chaque
variété importées v fois avec t= v p où p=nombre des variétés importées .
Dans ce cas la précision de la comparaison est maximum.

1.1.3.5. Choix des unités expérimentales

a) Définition des unités expérimentales

On appellera unité expérimentale, c’est l’unité de base de l’expérience et

qui peut être traitée individuellement et qui est l’objet d’au moins une
observation. Pour des expériences sur terrain une unité expérimentale
c’est souvent une parcelle d’une certaine étendue de terre . Mais de façon
générale l’unité expérimentale peut aussi être une plante, une partie
d’une plante, un animal isolé, un groupe d’animaux ou une partie d’un
animal.

En industrie l’unité expérimentale peut être tout élément ou groupe

d’éléments traité s individuellement (boîte de conserve, une pièce
d’automobile…).

En physique et chimie, l’unité expérimentale peut être l’unité serv ant de

base aux manipulation s réalisées (quantité fixée d’un produit donné…) .

b) Dimension des unités expérimentales

Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 5

Théoriquement il serait mieux d’utiliser des unités expérimentales aussi

petites que possible pour réduire la variance entre les éléments de même
unité expérimentale.

2 =variance entre
En effet, si par exemple σ 2 =variance entre les lots et σ a
l
les animaux dans le même lot, la variance de la moyenne générale X de
l’ensemble des observation s l×a, sera de :

 l2  a2
X 
2

l al

où l= nombre de lot

a= nombre d’ani maux par lot

La valeur de σ 2 Sera plus petite quand a= 1 c à d, quand le nombre

x
d’animaux par lot sera de 1 .

Cependant le traitement de plusieurs lots formés d’un animal coûte cher

en argent et en temps.

Ainsi sur le plan pratique les dimensions des unités expérimentales à

utiliser dépendent du compromis entre les exigences théoriques et les
exigences pratiques.

Mais puisqu’il n’existe pas une règle absolue définissant de façon stricte
les unités expérimentales à utiliser , on conseille ce qui suit :

- En horticulture (culture maraîchère et fruitière) : on utilisera au

moins 1m 2 de parcelle pour avoir au moins 5 à 10 plantes par parcelle.

- En arboriculture fruitière : 5 plantes au moins par parcelle . Mais si

on craint l’utilisation de trop grandes étendues de terre on utilisera 1
arbre par parcelle.

- Pour les grandes cultures et cultures herbagères utilisant des

moyens mécanique, on utilisera des par celles d’une étendue de l’are ou
une dizaine d’ares.

c) Les Bordures

c.1. Forme de bordure

En production végétale il existe souvent des interférence s entre les

parcelles voisine s par le fait que les traitements appliqués à une parcelle
peuvent affecter les pla ntes de bordure de la parcelle voisine .
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 6

Pour éviter cela on peut soit se limiter à considérer les données de la

partie centrale de la parcelle et considérer les plantes de pourtour
comme simple bordure.

c.2.Dimension de bordure

Les dimensions sont fixées en tenant compte à la fois du matériel

disponible et de l’importance des interférences entre les plantes de
parcelles voisines. L’utilisation d’une ou de quelque s lignes de bordure
peut réduire les effets liés à la bordure.

Mais quand on utilise un arbre par parcelle l’utilisation de bordure n’est

pas indiquée.

d) Forme des unités expérimentale s

Pour les expériences au champ quand le terrain est homogène , la forme

de parcelle peut être carré car en ce moment les interférence s entre les
parcelles sont réduites et l’importance des bordures est plus faible.

Mais si le terrain est hétérogène, dans une direction donnée on conseille

d’adopter des parcelles rectangulaires allongées parallèlement à la
direction générale de cette hétérogé néité.

Quand on fait des essais destinés à comparer différents écartements ou

différentes distances de plantation, l’utilisation de parcelles de dimension
variables devient inévitable afin de garder le même nombre de plantes par
parcelle.

1.1.3.6. Choix des observations

Les observation s à faire ou les paramètre s à mesurer doivent être définis

dès le départ et doivent être faites avec grand s soins et selon des
procédures aussi précises que possible pour assurer la meilleur
reproductibilité et réduire les e rreurs entre les mesures de même
traitement.

On doit planifier l’expérience pour connaître les date s de récolte des

données et la durée même de l’expérience. Définir si les observation s
doivent s’étend re à l’ensemble des unités expérimentales ou à un
échantillon seulement. Dans le dernier cas la méthode d’échantillonnage
doit être bien définie de façon précise.

1.1.3.7. Choix du dispositif expérimental

Le choix du dispositif expérimental est fait de façon à réduire l’erreur

expérimentale c’est-à-dire à augmenter la précision des résultats.

Il y a généralement trois méthodes pour augmenter la précision des

résultats quel que soit le dispositif expérimental utilisé . Il s’agit de :
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 7

- Augmenter la taille de l’expérience par la réplication.

- Améliorer la technique expérimental e.
- Traiter le matériel expérimental.

a) La réplication

La réplication tend à réduire l’erreur associée avec la différence entre les

résultats moyen s de deux traitement pour vu que les principes de
randomisation ont été appliqués.

Néanmoins par manque de moyen financier ou pour éviter l’utilisation de

grandes étendues de terre conduisant à une augmenta tion de
l’hétérogénéité de sols , on est obligé de lim iter le nombre de réplication.

Cependant, l’adoption d’un dispositif expérimenta le adéquat peut

compenser la réduction de nombre de répétition.

b) Améliorer la technique expérimentale

Par exemple : nourrir les porcelets d’expériences par auge

individuel pour éviter la concurrence.

C) Traiter ou sélectionner le matériel expérimental

Choisir des sujets homogènes (même sexe, même âge, même

génotype,….)

Purifier le matériel (rations purifiées, engrais synthétiques etc.)

De façon générale, un bon dispositif expérimental doit avoir les propriétés

suivantes :

- Doit donner l’estimation des effets de traitements s ans les

biaiser grâce à la randomisation et contrôle locale.
- Doit donner l’estimation de l’erreur expérimentale sans la
biaiser grâce à la réplication , randomisation et contrôle
locale
- Avoir suffisamment de précision grâce à la répli cation.
- Doit procurer des conclusion s qui ont un grand intervalle de
validité grâce à la réplication.
- Doit être aussi simple que possible.
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 8

CHAPITRE 2 : LE DISPOSITION COMPLETEMENT

RANDOMISE

2.1. DEFINITION

C’est le dispositif le plus simple où l’affectation des différent s objets

aux différentes unités expérimentales se fait de manière au hasard .Cette
répartition au hasard des objets dans les unités expérimental es peut se
faire à l’aide de table de permutation au hasard (voir cochr an et co x
1957)

2.2. MODELE FIXE

2.2.1. MODELE STATISTIQUE THEORIQUE

yij = u + αi + ∑ij i=1,2,…t j=1,2,…M i

où y i j = la j n i è m e observation sur le i n i è m e traitement

μ = effet général commun à toutes les unités expérimentale s.

αi = effet de i ième traitement

εij =erreur aléato ire

.

2.2.2. ANALYSE DE LA VARIANCE

S ourc e de Dl SC CM
v ar ia t io n
T ota l N- 1
2 ∑ yij 2( )
∑ y ij - = SCT
N

 Tt   Y  SCt

T rait em en t t- 1 2 2
i ij
 SCt = CMt
n N t -1

Err eu r N- t SCT - SCt = SCE SCC

= CME
N-t

Où Tti =Total traitement.

ScT=Somme des carré total. N=nombre total d’observation s.

Sct=somme des carré traitement. n=nombre d’observations

par traitement.
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 9

SCE=somme des carré erreur.

2.2.3. AV ANTAGES

1. Très facile à disposer sur le terrain.

2. Très flexible et s’adapte à n’importe quel nombre de traitement s
et réplications par traitement.
3. Donne le maximum de degré de liberté pour le carré moyen de
l’erreur.
4. L’analyse est simple même s’il y a des répl ications inégales.
5. La perte d’information due à un e donnée manquante est moindre.

2.2.4. DESAVANTAGES

1. Demande un matériel extrêmement homogène.

2. L’efficience du dispositif diminue quand le nombre de traitement
est très grand.

2.2.5. QUAND PEUT–ON UTILISER CE DISPOSITIF .

1. Quand le matériel expérimental est très homogène.

2. Quand on prévoit une perte d’une part ie des unités
expérimentales.
3. Dans les petites expérimentions où l’utilisation d’autres
dispositifs ne compense pas la perte de degré de liberté d e
l’erreur.

2.2.6. EXEMPLE

On a étudié le rendement de quatre variétés de maïs à savoir M 1 ,

M 2 , M 3 , et M 4 à la station de l’INERA sur une superficie de 1ha. Chaque
variété a été plantée sur 5 parcelles .

Questions

1. Présenter sur terrain le dispositif expérimental.

Solution

 Nombre de parcelle 4 variétés x5=20parcelles

 Affectation de variété s au hasard sur les parcelles :

a) Permutation de 20chriffres, 1à20

Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 10

M1 M1 M1 M1 M1
20 3 15 6 8
M2 M2 M2 M2 M2
13 17 19 1 11
M3 M3 M3 M3 M3
2 4 5 7 10
M4 M4 M4 M4 M4
18 14 16 9 12

b) Affectation au hasard de variétés d ans les parcelles.

1 2 3 4 5
6 7 8 9 10
11 12 13 14 15
16 17 18 19 20

2. Etant donnés les résultats ci après :

Variétés et rendements (tonnes/ha)

M1 M2 M3 M4
12 16 18 17
24 21 24 7
18 10 12 9
26 18 19 9
29 18 10 16

3. Faites l’analyse de la variance

2.3. MODELE 2 OU MODELE VARIABLE

Dans le modèle variable, les effets de traitements A i sont variables.

C’est le cas de résultats récoltés de manière aléatoire sur une grande
population .Les unités expérimentales ne sont pas fixes mais choisies au
hasard.

Exemple : étude de teneur d’un minéral ou de protéine dans les

feuilles d’un arbre.

Dans ce cas on peut sélectionner un échantillon aléatoire de feuille dans

un arbre et pour chaque (p) feuilles on peut faire un certain nombre de
déterminations (n). Dans ce cas nous aurons p xn observations où les
feuilles sont des classes alors que les déterminations sont les membres
de classes.

2.3.1. MODELE STATISTIQUE

y i j = μ +A i + ε i j
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 11

où y i j =la valeur d e la j i è m e observation du i xi è m e matériel étudié

μ =la moyenne de la population de matériel étudié.

A i =la différence entre la valeur observée de n i è m e matériel et la

moyenne de la population.

ε i j = le terme de l’erreur, car la détermination de valeur

dans le matériel est sujette d’erreur de mesure

2.3.2. ANALYSE DE LA VARIANCE

(TG) 2
1. Facteur correctif C= N
où N=n  p

2
∑yi.2 y..
2. SC entre classe : - = SC s
ni N

(TG)2
3. SC détermination : ∑ yij2 - = SCd
N

4. SC détermination de même classe : SCd - SC s =SC d / s

Le tableau résumé de l’anal yse de la variance sera :

S ourc e d e dl SC CM CM a tt e nd u
V ar ia t io n
E ntr e C las s e p- 1 SC s SCs σ 2 + nσ s2
p-1
Dé term i na t io n ( n- 1) p SC d / s SC d s σ E2
et m êm e c l as s e
(n - 1)p

2.3.3. EXEMPLE

On a analysé le calcium dans les feuilles de manguier .Pour cela on

a choisi au hasard 4 feuilles et pour chaque feuille on a effectué 4
analyses. Les résultats sont les suivant s :

Dé term i na t io n
Fe ui l l es 1 2 3 4 T ota l f eu i l l e
1 3, 2 8 3, 0 9 3 ,0 3 3 ,0 3 12 , 43

2 3, 5 2 3, 4 8 3 ,3 8 3 ,3 8 13 , 76

3 2, 8 8 2, 8 0 3 ,8 1 2 ,7 6 12 , 25 0

4 3, 3 4 3, 3 8 3 ,2 3 3 ,2 6 13 , 21
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 12

T G = 51 ,6 5

2.3.3.1. Analyse de la variance

(49,65)2
1. Facteur correctif ; C= = 154,07
16

2. SC feuille=
(12,43 )2 + (13,76)2 + (11,25)2 + (12,21)2 -C=0,8
4
3. SC Détermination (3,28)2 + (3,52)2 + ..... + 3,26 -C=13,51 ( )2
4. SC Détermination de même feuille= SCdét- SCfeuille=13,51-
0,8=12,71.

Le tableau de l’ ANOV A sera :

S ourc e d e d. l SC CM
V ar ia t io n
Fe u i l les . 4- 1 0, 8 0 0, 2 6  E  n 2f 
Dé term i na t io n 4( 4 - 1) = 1 2 12 , 71 1, 0 59
de m êm e f eu i l le σ E2
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 13

CHAPITRE III : DISPOSITIF HIERACHISE

Dans certain cas d’échantillonnage, chaque échantillon peut être
subdivisé en sous échantillons.

Le modèle peut être aléatoire comme il peut être mixte.

3.1. Modèle aléatoire

3.1.1. Modèle statistique

Y i j k = μ +A j +B i j + ε i j k

Dans le quel

μ =la moyenne de la population

A=la classe ou l’échantillon

A i =la différence entre la i i è m e classe et la moyenne de la

population.

B= la sous classe ou le sous échantillon .

B i j = la différence entre la j i è m e sous classe de i iéme classe et la

moyenne de la population.

ε I j k = effets aléatoire.

Il faut noter que A et B sont aléatoires.

Y i j k =la valeur de i n i é m é classe avec j n i é m e sous classe de la k n i é m é

mesure.
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 14

3.1.2. PRESENTATION DES RESULTATS

Mes ur es 1 ,2 ,… .k = n Yi j . Yi ..
Cl as s e A S ous c las s e B 1 2 3 K - -
i=1 à a j = 1à b

A1 B1 Y111 Y112 Y113 Y11k Y11.

B2 Y121 Y122 Y123 Y12k Y12.
. . . . . .
Bj Y1j1 Y1j2 Y1j3 Y1jk Y1j. Y1..
A2 B1 Y21.
B2 Y22.
. .
Bj Y2j. Y2..
Ai B1 Yi 1.
B2 Yi 2.
. .
Bj Yi j . Yi ..
TG= Y. .

3.1.3. Anal yse de la variance.

(y...)2
1. Facteur correctif C=
N

2. Scclasse A 
 y1..    y2..   ...   yi.. 
2 2 2
 C  SCA
bn

(y11.)2 + (y12.)2 + ... + (yij.)2

3. SC sous classe B = - C = SCB
n

4. SCB = SCB - SCA

A

M   (y1.1.1 )2 × (y1.2.)2 × ...× yijk

5. SCmesure ( )2 - c = SCM
6. SC M =SC M -SC B
B
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 15

3.1.4. TABLEAU RESUME DE L’ANOVA

S ourc e d e dl SC CM CM a tt e nd u
v ar ia t io n
Cl as s e A a- 1 SC A SCA
a-1 σ E2 + nσ B2 + bnσ 2A
S ous
c l as s e /c las s e ( b- 1) a SC B / A SCB / A
=
B (b - 1)a σ E2 + nσ b2

Mes ur e /s ous ( n- 1) ab SCM / B

Cl as s e M SCM / B
(n - 1)ab σ E2

SCM
SCA B SCB/A
= CMA ; = CMM ; = CMB
a-1 (n - 1)ab B (b - 1)a A

Les carrés moyens attendus nous per mettent de calculer les

variances liées aux classe s et aux sous classes.

Ces variances sont :

CM A - CMB CMB - CMM

σ 2A = A
; σ B2 = A B
bn n

3.1.5. EXEMPLE

On a déterminé la teneur en phosphore dans les feuilles de

Penicetum purpure um d’un pâturage. Pour cela, on a choisi quatre plante s
.Pour chaque plante on a prélevé trois feuilles et pour chaque feuille on a
effectué deux mesure s. Les résultats sont les suivants :

Mes ur es
P la n tes Fe ui l l es 1 2 T ota l f eu i l l e T ota l c l as s e
1 1 3, 2 8 3 ,0 9 6, 3 7
2 3, 5 2 3 ,4 8 7, 0 0 19 , 05
3 2, 8 8 2 ,8 0 5, 6 8

2 1 2, 4 6 2 ,4 4 4, 9 0
2 1, 8 7 1 ,9 2 3, 7 3 13 , 07
3 2, 1 9 2 ,1 9 4, 3 8
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 16

3 1 2, 7 7 2 ,6 0 5, 4 3
2 3, 7 4 3 ,4 4 7, 1 8 17 , 71
3 2, 5 5 2,55 5, 1 0

4 1 3, 7 8 3, 8 7 7, 6 5
2 4, 0 7 4, 1 2 8, 1 9 22 , 46
3 3, 3 1 3, 3 1 6, 6 2

T G =7 2, 2 9

Analyse de la variance.

(TG)2 (72,29)2
1. Facteur corrélatif. C = = = 217,7435
N 24

2. SC détermination= 3,282  3,522  ...  3,312 - C  10,2740

(6,37)2 + (7)2 + ....(6,62) - C = 10,1905

3. SC Feuille= =10,1905
2

(19,05)2 + (13,07)2 + (17,71)2 + (22,46)2

4. SC Plantes = - C = 7,5603
2×3

5. SC feuille/Plantes= SC feuille -SC Plantes=

10,1905-7,5603=2,6302

6. SC détermination /Feuille=SC déter –SC feuille=

10,2704 – 10,1905= 0,0799.

Tableau résumé de l’ ANOV A

S ourc e d e v ar i anc e dl SC CM CM a tt e nd u FC
P la n te 3 7, 5 60 3 2, 5 20 1
σ E2 + nσ B2 + bnσ 2A
Fe ui l l e/ P l an t es 8 2, 6 30 2 0, 3 28 8
σ E2 + nσ B2
Dé term i na t io n /F eu i l le 12 0, 0 79 9 0, 0 06 7 σ E2
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 17

0,3288 - 0,0067 0,3288 - 0,0067

σ B2 = = =
n 2
2,5201 - 0,3288 2,52001 - 0,3288
σ 2A = = =
b×n 3×2
σ E2 + n
σ E2 + nσ B2 + nbσ 2A 2,5201
FA = = = 7,66
σ E2 + nσ F2 0,3288
σ E2 × nσ B2 0,3288
FB = = = 49
σ E2 0,0067

3.2. MODELE MIXTE

Dans certaines recherches d’échantillonnage la classe a souvent

des effets fixes qui doivent être estimés, alors que les sous -classes ont
des effets aléatoires.

3.2.1. MODELE STATISTIQUE

yijk = u + αi + βij + εijk

αi = effets con tan ts

où
βij = effets aléatoires

3.2.2. PRESENTATION DES RESULTATS

La présentation des résultats est la même que dans le modèle

aléatoire.

3.2.3. ANALYSE DE LA VARIANCE

Elle s’effectue de la même manière que le cas de modèle variable

sauf que dans le paramètre de carré moyen estimé la classe comprendra :

 E2  n B2  nbk 2 où nbk 2  remplace nb A2

K 2

∑ 2

a -1

Par exemple :

Dans une Ferme porcine, on a sélectionné 5 verrats. Chaque verrat

a été accouplé à 2 t ruies choisies au hasard . Dans chaque nichée ,
2gorets ont été choisis au ha sard sur les quels on a étudié le gain de
poids. Etant donné les résultats ci -après, calculer les effets des verrats et
les effets des truies de même verrat sur le caractère gain de poids des
gorets.
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 18

Cl as s e A T r ui e b G or et [ ga i n d e T ota l T ota l T ota l

V erra t po i ds K g/m o is T rui e V erra t gé n ér al
( n) ]

1 2
1 1 2, 7 7 2, 3 8 5, 1 5
2 2, 5 8 2, 9 4 5, 5 2 10 , 67
2 1 2, 2 8 2, 2 2 4, 5 0
2 3, 0 1 2, 6 1 5, 6 2 10 , 12
3 1 2, 3 6 2, 7 1 5, 0 7
2 2, 7 2 2, 7 4 5, 4 6 10 , 53
4 1 2, 8 7 2, 4 8 5, 3 5
2 2, 3 1 2, 2 4 4, 5 5 9, 9 8
5 1 2, 7 4 2, 5 6 5, 3 0
2 2, 5 0 2, 4 8 4, 9 8 10 , 28

n=Nombre de goret par truie = 2

b= Nombre de truie par verrat =2

Tableau résumé d’ANOV A

S ourc e d e Dl CM CM es t im é FC Fo 0 5
v ar ia t io n
σ E2 + nσ B2 + nbK 2
V erra t 4 0, 0 24 9 0 0,022 5, 1 9

T rui e/ V er r a t 5 0, 1 12 9 σ E2 + nσ B2 2, 9 1 3, 3 3

G or et /tr u ie 10 0, 0 38 7 σ E2 - -

 E2  0,0387
0,1127 - 0,0387
 B2   0,037 (c' est la part liée à la mère)
2
0,0249 - 0,1127
K2   0 (c' est la part de verrat )
2
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 19

CHAPITRE IV :
DISPOSITIF EN BLOCS RANDOMISES
COMPLETS.
Lorsque les expériences se font réellement au champ , le bloc est
réellement un ensemble des parcelles voisines très semblables les une s
aux autres en ce qui concerne la croissance des végétaux .Dans ce s
blocs, le nombre des parcelles par bloc est égal au nombre d’objets ou
traitements.

La répartition des traitements au sein de chaque bloc se fait

complètement au hasard. C’est ce qui a don né le nom de bloc ra ndomisé
complet. La randomisation des traitements au sein de bloc peut se faire
selon les tables de permutation aléatoire.

Si le terrain est homogène, on peut adopter la forme carrée pour les

blocs et les parcelles. Mais s’il y a un gra dient de fertilité dans une
certaine direction, on donnera au bloc une f orme allong ée
perpendiculairement à ce gradient et aux parcelles.

Le dispositif en bloc doit respecter les directives ou principes

suivants :

- Répétition de chaque traitement au hasard , dans chaque

bloc une seul fois.
- Contrôler les facteurs de variation les plus importants qui
risquent d’ajouter leurs effets à ceux des
traitements.

4.1. MODELE STATISTIQUE

Yij = u + αi + β j + εij
Yij = l ' observation de i ième traitement dans jième bloc.
u = l ' effet connu général à toutes les unités exp érimentale s.
αi = l ' effet de i ièmetraitement
β j = l ' effet de j ièmebloc
εij = l ' erreur aléatoire.
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 20

4.2. CARACTERES DE BLOC

Il doit y avoir de base logique pour grouper les unités

expérimentales, c’est-à-dire pour faire ce s blocs. Quelles sont les
influences que vous voulez contrôler par le s blocs?

Les U.E. au sein d’un bloc particulier doivent être aussi homogènes
que possible. (Cfr homogénéité du bloc , le gradient de fertilité).

Les variations entre les blocs doivent être aussi grandes que
possible.

4.3. AVANTAGES DES BLOCS

Le bloc enlève l’effet d’un facteur contrôlable d’où ce dispositif est

plus précis que le dispositif complément randomisé.

Il est très flexible et s’accommode à n’importe quel nombre de blocs

et de traitements.

L’analyse statistique est simple et rapide.

4.4. DESAVANTAGES DE BLOCS

Le dispositif ne convient pas pour un très grand nombre de

traitements à cause du danger d’augmenter l’hétérogénéité au sein des
blocs.

L’analyse peut ne pas être valide s’il y a interaction entre bloc et

traitement.
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 21

4.5. PRESENTATION DES RESULTATS

tra i tem en ts B loc s ou r ép l ic at i ons . J = 1… b T ota l
i = 1, 2… a
Y
1 j b

1 y1 1 y1j y1 b y1 . y1.

2 y2 .
y2 j y2j y2 b
3 y 2.

y3 1 y3j y3 b y3 .
y 3.
i
. yi 1 yi j yi b yi .

y i.
a ya 1 yaj ya b ya .

y a.
T ota l B l oc y. 1 y.j y. b y. .
=T G

4.6 ANALYSE DE LA VARIANCE

4.6.1. CALCULE DE SOMMES DES CARREES

(∑y ) ij
2
(y..)2
1. Facteur correctif = = =C
ab ab

2. SC total= (y11 ) + (y2.1.) + .....(yab ) - C

2 2 2

(y1. )2 + (y 2. )2 + ...(y a. )2
3. SC Trait= -c=
b

(y.1 )2 + (y. j )2 + ......(y.b )2

4. SC bloc = -C=
a

5. SC Erreur= SCtotal - SC Trait - SCBloc.

4.6.2. TABLEAU RESUME DE L’ANOVA

Source Dl SC CM Fc F0,05
de
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 22

variation
Total ab-1 SCT
Trait a-1 SC t r SCT CMt
= CMt
a -1 CME
Bloc b-1 SC b l SC bl CM b
=
b -1 CME
Erreur (a-1)(b-1) sc E SCE
= CME
(a - 1)(b - 1)

4.7. EXEMPLE

Dans un champ de coton on a appliqué 5 doses de potassium : 36, 54,

108, 72, et 144Kg/ha en utilisant 3 blocs. A la maturité de coton on a
étudié la résistance de fibre à la traction. Les résultats obtenus sont les
suivants :

B l oc s

Dos es K 2 O 5 1 2 3 T ota l
en gr a is
X
36 7, 6 2 8 ,0 0 7, 9 3 23 , 55 7, 8 5
54 8, 1 4 8 ,1 5 7, 9 3 24 , 22 8, 0 7
72 7, 7 6 7 ,7 3 7, 7 4 23 , 23 7, 7 4
10 8 7, 1 9 7 ,5 7 5, 8 20 , 56 6, 8 5
14 4 7, 4 6 7 ,6 8 7, 2 1 22 , 35 7, 4 5
T ota l 38 , 17 3 9 ,1 3 36 ,6 1 11 3 ,9 1

4.7.1. ANALYSE DE LA VARIANCE

1. Facteur correctif.= (113,91) 2 /15=865,032

2. SC Total= 4,6215

3. SC traitement =2,6613

4. SC Blocs =0,64758

5. SCE=SC total –SC traite –SC b l o c s =1,31262

4.7.2. TABLEAU RESUME DE L’ANOVA

Sources de dl SC CM Fc F0,05 Conclusion

variance
Total 14 4,6215
Bloc 2 0,64758 0,323 1,974
Traitement 4 2,6613 0,6853 4,056 3,84 *
Erreur 8 1,31262 0,164
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 23

4.8. COMPARAISON DES MOYENNES

Puisque le test de l’analyse de variance a révélé que les différent es

doses d’engrais potassique s ont des effets différents, il reste à vérifier
par le test de différence entre les moyennes, quelles sont les moyennes
qui sont statistiquement différentes. Plusieurs tests de comparaison de
moyennes existent en statistique, parmi les quels nous avons :

- Le test de la plus petite différence significative (LSD),

- Le test de différence significative de Fishe r,
- Le test de Dunette,
- Le nouveau test de rangée s multiple s de Duccan
- Le test de Turkey
- Le test de Newman -Keul

Nous donnons ici un exemple de test de la plus petite différence

significative (LSD).

a. Principe : La différence entre deux moyenne s est déclarée

significative si cette différence est supérieur à la valeur de
2s 2
t0,05 × = LSD à la probabilité de 0,05.
n

b. Etape

b1.On trouve la valeur de LSD =

2s 2 2s 2
t0,05 où = sx -x =erreur standard de la différence entre
n n 1 2

deux moyennes.

b2. On arrange les moyennes en ordre

croissant horizontalement et verticalement.

b3. On trouve la différence entre deux

moyennes

b4. On arrange les moyennes par ordre

décroissant.

b5. On compare les différences entre les

moyennes deux à deux avec la valeur de LSD.

Dans notre exemple sur les engrais potassiques

2s 2 2 x 0,0437
LSD= t0,05 =2,306 = 0,393
n 3

7,45 7,51 7,74 7,87 8,05

7,45 0 0,06 0,29 0,42 0,60
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 24

7,51 - 0 0,23 0,36 0,54

7,74 - - 0 0,13 0,31
7,87 - - - 0 0,18
8,05 - - - - 0

8,05 7,87 7,74

7,51 7,45
a
b
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 25

CHAPITRE V : DISPOSITIF EN CARRE LATIN

5.1. UTILISATION

Dans les expériences au champ, il y a souvent un gradient de

fertilité qui va dans le sens du champ, c’est-à-dire parallèle au champ.
Dans ce cas l’utilisation de blocs randomis és résout le problème en
éliminant les différences de fertilité moyenne entre les groupes des
parcelles des blocs.

Mais dans le cas où le gradient de fertilité va parallèlement dans les

deux sens et surtout lorsqu’on ne connaît pas la direction du gradient de
variation des conditions du milieu, le dispositif en carré latin est le mieux
indiqué.

5.2. MODELE STATISTIQUE

Yijk = μ + αi + β j + φk + εijk
μ = effet général commun à toutes
les unités exp érimentale s.
αi = effet de i ième traitement .
β j = effet de j ième ligne.
φk = effet de k ième colonne.
εijk = effet aléatoire.

5.3. AVANTAGES

- Elimination de 2 sources de variation.

- L’analyse est encore simple.

5.4. DESAVANTAGE

Le dispositif ne convient pas pour un petit nombre de traitements

inférieurs à 5, ou pour un trop grand nombre de traitement supérieur à 10.

5.5. PLAN EXPERIMENTAL

La surface de l’expérience a généralement la forme de carré.

Chaque traitement est affecté a u hasard une fois dans chaque ligne et
colonne de telle manière que pour un nombre de (n) traitement s on
obtient n 2 parcelles.

Schématiquement si on a 6 traitements :

T 1 , t2, t3, t4, t5, t6, nous aurons 6 × 6=36parcelles.

Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 26

Ces traitements seront disposés au hasard dans les ligne s et

colonnes.

Exemple

T4 T2 T3 T5 T1 T6
T3 T6 T1 T2 T4 T5
T1 T4 T5 T6 T3 T2
T6 T5 T4 T1 T2 T3
T2 T1 T6 T3 T5 T4
T5 T3 T2 T4 T6 T1

5.6. PRESENTATION DES RESULTATS POUR L’ANALYSE DE

LA VARIANCE.

5.6.1. LIGNES ET COLONNES

Co l on n es to ta l
l ig n es 1 2 3 4 5 6 l ig n es

1 T4 T2 T3 T5 T1 T6 T l1
2 T3 T6 T1 T2 T4 T5 T l2
3 T1 T4 T5 T6 T3 T2 T l3
4 T6 T5 T4 T1 T2 T3 T l4
5 T2 T1 T6 T3 T5 T4 T l5
6 T5 T3 T2 T4 T6 T1 T l6
T ota l Tc1 Tc2 Tc3 Tc4 Tc5 Tc6 TG
c o lo n nes

5.6.2. TRAITEMENTS

T1 T2 T3 T4 T5 T6
Total Tt1 Tt2 Tt3 Tt4 Tt5 Tt6
traitement
Moyenne X1 X2 X3 X4 X5 X6
traitements

5.7. ANALYSE DE LA VARIANCE

5.7.1. CALCUL DES SOMMES DES CARRES

(TG)2
1. Facteur correctif : =C
N

2. Sc Total= (T 4 ) 2 + (T 2 ) 2 +... (T 1 ) 2 -C

(Tc1 )2 + (Tc2 )2 + ...(TC 6 )2

3. SC colonnes= -C
6
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 27

(T ) + (T ) + ...(T )
l1
2
l2
2
l6
2

4. SC ligne= -C
6

(T ) + (T ) + ...(T )
t1
2
t2
2
t6
2

5. SC traitement = -c
6

6. SC erreur =SC Total -SC colonnes- SC ligne -SC Trait.

5.7.2. TABLEAU RESUME DE L’ANOVA

S ourc e d e V ar i anc e Dl SC CM Fc cFt

T ota l n2-1 SC T
Co l on n e n- 1 SCc
L ig n e n- 1 SC l
T rait em en t n- 1 SC t
Err eu r N 2 - 3n + 2 SC E

5.8. EXEMPLE

5.8.1. EXPERIMENTATION

On a étudié les effets de l’écartement sur le rendement de la culture

de tomate. Les écartements utilisés sont :

A=20cm, B=40cm, C=60cm, D=80cm, et E=100cm.

Les résultats obtenus sont dans le tableau ci -après.

Colonnes
Total
LIGNE 1 2 3 4 5 lignes
1 B:257 E:230 A:279 C:287 D:202 1255
2 D:245 A:283 E:245 B:280 C:260 1313
3 E:182 B:252 C:280 D:246 A:250 1210
4 A:203 C:204 D:227 E:219 B:259 1086
5 C:231 D:271 B:266 A:334 E:338 1440
To t a l 1118 1240 1297 1340 1309 6304
colonnes

Traitements

A B C D E
Total 1349 1314 1262 1191 1188
Moyennes 269,8 262,8 252,4 238,2 237,6
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 28

5.8.2 ANALYSE DE LA VARIANCE

5.8.2.1. Calcul de sommes des carrée s

5.8.2.2. Tableau résumé de l’ANOVA

S our c es de Dl SC CM FC F0,05
v ar ia t io n
T ota l 24 36 5 71
l ig n es 4 13 6 01 34 0 0
c o lo n nes 4 61 4 6 15 3 6
T rait em en ts 4 41 5 6 10 3 9
Err eu r 12 12 6 68 10 5 6
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 29

CHAPITRE VI. DISPOSITIF FACTORIEL

6.1. DEFINITION

Le dispositif factoriel est un dispositif où les effets d’un certain

nombre de facteurs sont étudiés simultanément avec chaque facteur
ayant un certain nombre de niveaux.

6.2. DISPOSITIF FACTORIEL 2 2

Considérons deux facteurs A et B où :

A avec deux niveau x a 1 et a 2 B

A b1 b2
B avec deux niveau x b 1 et b 2 a 1 a1b 2 a1b2

a2 a2b2 a2b2

La comparaison a 2 b 2 –a 1 b 2 est une estimation de l’effet de A quand B est

gardé constant à son niveau le plus élevé.

La comparaison a 2 b 1 -a 1 b 1 est l’effet de A quand B est gardé constant à

son niveau le plus bas.

La moyenne de ces deux comparaisons qui est

1
LA= [(a 2 b 2 -a 1 b 2 ) + (a 2 b 1 -a 1 b 1 )] est appelé effet principal de A
2

Similairement

1
LB= [(a 2 b 2 -a 2 b 1 ) + (a 1 b 2 -a 1 b 1 )] est l’effet principal de B.
2

6.2.1. PRESENTATION DES RESULTATS

Le tableau de présentation des résultats sera :

Fac t e ur A Fac t e ur B Ré p ét it i o n ou bl oc T ota l tr a it em ent

1 2 r
a1 b1 a1b1 a1b1………… a1b1 T t1
a 1 b2
b2 a 1 b 2 … … .. a 1 b 2 Tt2
a2 b1 a2b1 a 2 b 1 … … …a 2 b 1 Tt3
b2 a2b2 a 2 b 2 … …. a 2 b 2 Tt 4
T ota l b l oc T bl 1 T b l 2 … … ….T b l r TG
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 30

D’autre part, en comparant les effets des A quand B est au niveau le

plus haut et les effets de A en gardant B au niveau le plus bas, nous
aurons :

1 1
[(a 2 b 2 -a 1 b 2 )-(a 2 b 1 -a 1 b 1 )]= [a 2 b 2 -a 1 b 2 -a 2 b 1 +a 1 b 1 ]
2 2

Cette différence est appelée effet d’interaction de facteurs A et B ou

A × B.

Si on définit :

a 1 b 1 = (1)

a 2 b 1 =a

a 1 b 2 =b

a 2 b 2 =ab

Nous aurons :

1
Effet principal de A = (ab- b+a-(1)]
2

1
Effet principal de B = [ab- a+b-(1)]
2

1
Effet A × B= [ab-b-a+ (1)]
2
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 31

6.2.2. TABLEAU DES SIGNES

Le tableau des signes permettant l’analyse de la va riance est

présenté ci –dessous.

Ef f et de
f ac te ur Com bi n a is o ns d e tr a it em ent

Di v is e ur SC
+ ± ± ±
(1) a b ab

-A - λ + λ - λ + λ r∑ λ2
-B
- λ - λ + λ + λ r∑ λ2

+AB
+λ -λ -λ +λ r∑ λ2
to ta l Tt1 Tt3 Tt2 Tt4
tra i tem en t

Où r= réplication A = Tt 4 – Tt 2 + Tt 3 – Tt 1 . Les valeurs

Règle des signes : de B et AB sont trouvées de la même

Combinaison paire=+ manière càd d’après la règle de

Combinaison 0ou1=+ décomposition des sommes des

Combinaison impaire= - carrés : Si L= λ 1 T 1 + λ 2 T 2 + … λ n T n

et si ∑ λ = 0 alors L 2 /r∑ λ 2 est une

somme des carrés avec dl = 1

6.2.3. EXEMPLE D’UN DISPOSITIF 2 2

On a nourri les porcelets avec des antibiotiques à des doses de 0 à

40 mg/j avec de la vit B 1 2 à des doses de 0 et 5 mg/j. L’expérience a été
effectuée avec 3 répétitions .A la fin de l’expérimentation on a calculé le
gain de poids des porcelets

Les résu ltats obtenus sont les suivant

A nt i bi o ti q u e ( A) V it . B 1 2 Ré p ét it i o n T ota l
tra i tem en t
1 2 3
0 0b 1 1, 3 1, 1 9 1, 0 8 3, 5 7(1)
a1 5m gb 2 1, 2 6 1, 2 1 1, 1 9 3, 6 6(b)
40 0b 2 1, 0 5 1, 0 0 1, 0 5 3, 1 0(a)
a2 5m gb 2 1, 5 2 1, 5 6 1, 5 5 4, 6 3( a b)
T ota l r é p ét it i o n 5, 1 3 4, 9 6 4, 8 7 14 , 96
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 32

6.2.3.1. Le tableau de signes et de calcul des e ffets principaux et

interaction

La présentation des résultats se résume comme suit :

Effet de facteur combinaison de traitement

(1) a b ab
- A= 0,5 - + - +

- B= 1,62 - - + +

+ AB=1,44 + - - +
Total traitement 3,57 3,10 3,66 4,63

6.2.3.2. Analyse de la variance avec calcul des sommes des

carrées

A2 0,50
2

 SCA    0,021
4r 43
B 2 1,62
2

 SCB    0,22
4r 43

 SCAB 
1,44
2

 0,17
43

 Facteur correctif C 
14,96
2

 18,65
12
 
SCTotal  1,30  1,26  ...  1,55 - C  0,540
2 2 2

 SC traitement 
3,57   3,66  3,10  4,63  - C  0,41
2 2 2 2

 SC répétition 
5,13  4,96  4,87 
2 2 2

- C  0,00885
4
  SCErreur  SCtot - SC trait - SC rép  0,5402 - 0,41 - 0,00885  0,1213   
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 33

6.2.3.3 Tableau résumé de l’analyse de la variance

S ourc e d e dl SC CM G j ghk F0,05 F0,01 Co nc lus i o n

v ar ia t io n *$ w
T ota l 11 0, 5 4
Ré p ét it i o n 2 0, 0 08 8 5 0, 0 04 4 2 -
T rait em en t 3 0, 4 1 0, 1 36 6, 7 3 4, 7 6 9, 7 8 *
A nt i bi o t . A 1 0, 0 23 0, 0 23 1, 1 4 5, 9 9 13 , 75 NS
V it . B 1 2 1 0, 2 2 0, 2 2 10 , 89 5, 9 9 13 , 75 *
A×B 1 0, 1 7 0, 1 7 8, 4 1 5, 9 9 12 , 75 *
Err eu r 6 0, 1 21 3 0, 0 20 2

6.2.3.4. Présentation des résultats moyens

Effet d’antibiotique sur le poids moyen

Doses antibiotiques
Paramètres 0 40mg
Gain de poids 1,15 1,28

Effet de la vit B 1 2 sur le gain de poids

Vitamine B 1 2
Paramètres 0 5mg
Gain de poids 1,11 1,38

Effet d’antibiotique et Vit.B 1 2 sur le gain de poids

Vitamine B 1 2
Ant. 0 5
0 1,19 1,22
40 1,03 1,54

6.3. DISPOSITIF FACTORIEL 2 3

C’est un dispositif de 3 facteurs chacun à 2 niveaux. Soient les

facteurs ci-après :

A avec niveau a 1 et a 2

B avec Niveau b 1 et b 2

C avec niveau c 1 et c 2
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 34

6.3.1. PRESENTATION DES RESULTATS

Fac t e ur s B loc ou R E P ET IT IO N
A B C 1 2 3 …. .r
b1 C1 a1b1c1 (1)
a1 C2 a1b1c2 c
b2 C1 a1b2c1 b
C2 a1b2c2 bc
b1 C1 a2 b 1c 1 a
a2 C2 a2b1c2 ac
b2 C1 a2b2c1 ab
C2 a2b2c2 abc

6.3.2. TABLEAU DES SIGNES

Ef f et + ± ± ± ± ± ± ± Di v is e ur
( 1) a b c ab ac bc abc
-A - + - - + + - +
-B - - + - + - + + r ∑λ 2
-C - - - + - + + +
+AB + - - + + - - +
+ AC + - + - - + - +
+ BC + + - - - - + +
- A BC - + + + - - - +

6.3.3. EXEMPLE DE DISPOSITIF 23

Comparez les effets de la fumure organique 0et1, de la fumure

azotée 0 et 1, et de la fumure phosphate 0 et 1niveau sur le rendement de
haricot avec 2 blocs.

Les résultats sont les suivants :

B loc s
Fum ur e F. A zo t e F. p hos p. 1 2 T ota l
org a n iq u e T rait em en t
A B C
0 0 0 32 43 75 ( 1)
1 29 39 68 c
1 0 26 36 62 b
1 36 31 67 bc
1 0 0 47 41 88 a
1 51 34 85 ac
1 0 61 76 13 7 a b
1 76 65 14 1 a bc
T ota l 35 8 36 5 72 3
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 35

6.3.3.1. Tableau des signe s et de calcul des e ffets principaux et

interactions

Effet (1) a b c ± ± ± ± Effet

ab ac bc abc des
facteurs
-A - + - - + + - + 179
-B - - + - + - + + 91
-C - - - + - + + + -1
+AB + - - + + - - + 119
+BC + + - - - - + + 19
+AC + - + - - + - + 3
-ABC - + + + - - - + -5

Total 75 88 62 68 137 85 67 141 -

traitement
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 36

6.3.2. ANALYSE DE VARIANCE AVEC CALCUL DES SOMMES DES

CARREE.

1. SCAF .O  
179 
2
 2002 ,56
28

2. SCBF .N  
 91
2
 517 ,56
16

3. SCCF .P  
- 12  0,062
16

4. SCF.O  F .N 
119 
2
 885,06
16

5. SCF.O  F .P 
3
2
 0,562
16

6. SCF.N  F .P 
19 2  22,56
16

7. SCF.O  F .P  F .N 
- 5
2
 1,56
16

8. Facteur correctif C 
723 
2
 32670 ,56
16
SCTotal  32   43  ...  65   C  3938,44
2 2 2
9.

10. SCbl 
358   365 
2 2
- C  3,065
8

11. SCTrait 
752  682  ...  1412  3429,94
2
12. SCErreur  3938,44 - 3,065 - 3429,94  505,435
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 37

6.3.3.3. Tableau résumé de l’ANOVA

Source de dl SC CM Fc Conclusion
variance
Total 15 - - -
Blocs 1 3,065 3,065 -
Traitement 7 3429,94 489,99 6,70 *
F. organique 1 2002,56 2002,56 27,74 **
F. Azotée 1 517,56 517,56 7,57 *
F. Phosph. 1 0,0625 0,0625 0,00086 NS

A x B 1 885,06 885,06 12,25 *

A x C 1 0,563 0,563 0,0077 NS
B x C 1 22,56 22,66 0,31 NS
A x B x C 1 1,56 1,56 0,022 NS
Erreur 7 505,43 72,20 - -
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 38

6.4. DISPOSITIF FACTORIEL 2 4

On a comparé 4 type s de fumure chacune à 2 niveaux à savoir :

Fumure de poule (M), Urée (N), du Phosphate (P) et du Potassium

(K) .On a utilisé pour ce faire 4 blocs

Les résultats sont les suivants :

M N P K Blocs Total trait

1 2 3 4
p1 k1 32 42 27 19 121
m1 k2 32 42 56 35 168
n1 p2 k1 29 39 27 28 123
k2 40 44 53 36 173
p1 k1 26 36 24 18 104
k2 80 68 75 67 290
n2 p2 k1 36 31 32 30 129
k2 105 99 74 73 351
p1 k1 47 41 48 45 181
m2 k2 63 41 60 53 217
n1 P2 k1 51 34 40 48 173
k2 64 39 75 72 250
n2 p1 k1 61 76 56 64 257
k2 100 68 87 66 321
p2 k1 76 65 70 63 274
k2 90 82 89 101 264
Total bloc 935 848 893 818 3494
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 39

6.4.1. TABLEAU DES SIGNES ET DE CALCUL DES EFFETS PRINCIPAUX ET INTERACTIONS

Ef f ets ( 1) n m p K mn mp mk np nk pk m np m nk m pk npk m npk

57 6 M
68 2 N
17 6 P
77 0 K
10 4 MN
- 10 MP
- 24 0 MK
11 2 NP
35 0 NK
10 4 PK
- 27 2 MN K
- 46 MN P
26 MPK
16 NP K
- 50 MN P K
T ota l tr a it
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 40

6.4.2. ANALYSE DE LA VARIANCE ET CALCUL DES SOMMES DES

CARRES

SCM 
576 2 
576 2  5184
r∑  2
4 16

SCN 
682 2  7267 ,56
64

SCP 
176 2  484
64

SCK 
770 
2

 9264 ,06
64

SCMN 
104 2  169
64

SCMP 
 - 10 
2

 1,56
64

SCMK 
- 240 2  900
654

SCNP 
112 
2

 196
64

SCNK 
350 2  1914
64

SCNK 
104 2  169
64

SCMNK 
- 272 2  1156
64

SCMNP 
- 46 
2

 33,06
64

SCMPK 
26 2  10,56
64

SCNPK 
16 
2

4
64

SCMNPK 
- 50 2  39,06
64

1. Facteur correctif C
TG 2 
3494 2
 190 750,.56
N N

2. SCTotal  32   42 
2 2

 ...  101 - C  31 274,44
2

3.SC 
121
 168   ...362 
2 2

- C  493,315
2

traitement
4

4.SCBlocs 
935 2  848 2  893 2  818 2 - C  493,315
16
5.SCErreur  SCT - SCT rait - SC Bloc  31274 ,44 - 26,791.34 - 493,315  3989,185
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 41

6.4.3. TABLEAU RESUME DE L’ANALYSE DE LA VARIANCE

Tableau de résumé de l’ ANOV A

S ourc e de dl SC CM FC F005 F001 Co nc lus i o n

v ar ia nc e
T ota l 63 -
B loc 3 49 3 ,3 1 5 16 4 ,4 3
T rait em en t 15 26 . 79 2, 9 4 17 8 6, 1 9
M 1 5. 1 84 5. 1 84
N 1 73 6 7, 5 6 72 6 7, 5 6
P 1 48 4 48 4
K 1 92 6 4, 0 6 92 6 40 6
MN 1 16 9 16 9
MP 1 1, 5 6 1, 5 6
NP 1 90 0 90 0
NK 1 19 6 19 6
PK 1 19 1 4 19 1 4
MN K 1 11 5 6 11 5 6
MN P 1 33 , 06 11 5 6
NP K 1 4 33 , 06
MN P K 1 39 , 06 4
Err eu r 45 39 8 9, 1 85 39 , 06

6.5. DISPOSITIF FACTORIEL 3 2

C’est la même chose que le dispositif 3 × 3.C’est un dispositif avec 2

facteurs ayant chacun 3 niveaux.

6.5.1. PRESENTATION DE RESULTATS

Soient les facteurs A et B où on a :

A : a1, a2, a3 niveaux

B : b1b2b3 niveaux avec 4 répétitions

Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 42

La disposition des résultats se présente comme suite :

Fac t e ur A Fac t e ur B Ré p ét it i o ns T ota l tr a it em ent

1 2 3 4
b1 X111 X112 X113 X114 T11
a1 b2 X121 T12
b3 X131 T13
b1 X211 T21
a2 b2 X221 T22
b3 X231 T23
b1 X311 T31
a3 b2 X321 T32
b3 X331 X332 X333 X334 T33
T ota l R ép ét i t io n Re p. R1 R2 R3 R4 TG

6.5.2. ANALYSE DE VARIANCE AVEC CALCUL DES SOMMES DES

CARRE

1. Facteur correctif :
TG 2 où N  32  r et r  répetition
N

2. SCTotal   X 111   X 112   ...   X 334  - c 
2 2 2

3. SCRépétition 
R1 2  R2 2  R3 2  R4 2 - c
9

4. SCT raitement

 T11   T12   ...  T33 
2 2 2
-C

r
5. SCerreur  SCtotal - SCrépétition - SCtraitement.

6.Tableau de effets principaux et int eractions

Fac t e ur B
T ota l A
Fac t e ur A b1 b2 b3
a1 T11 T21 T31 α1
a2 T12 T22 T32 α2
a3 T13 T23 T33 α3
T ota l B β1 β2 β3 TG
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 43

6.1. SCTotal tableau des effets principaux 

T
11 2  T12 2  ... T33 2  - C
r
  
2 2 2
6.2. S C A  1 2 3

3 r
   22   32
2
6.3. SCB  1

3 r
6.4. SCA B  SCTotal tableau -S C A- S C B

6.5.3. TABLEAU RESUME D’ANOVA

S ourc e d e Dl SC CM F
v ar ia t io n
Total N- 1 SCT -
Répétition r-1 SC r CM r
Traitement 3 2 -1=8 SC t CM t
A 3-1 SC A CM A
B 3-1 SC B CM B
AXB 2 x 2 SC A XB CM A X B
Erreur N-r-8 SC E CM E

6.5.4. EXEMPLE DE DISPOSITIF 3 2

On a testé les effets de 3 types d’écartements de trois variétés de

maïs fourrager en utilisant quatre blocs. Les résultats sont les suivants

B loc T ota l tr a it .
V ar ié té Ec ar t em ent ( c m )
1 2 3 4
I 4 56 45 43 46 19 0
8 60 50 45 48 20 3
12 66 57 50 50 22 3
II 4 65 61 60 63 24 9
8 60 58 56 60 23 4
12 53 53 48 55 20 9
III 4 60 61 50 53 22 4
8 62 68 67 60 25 7
12 73 77 77 65 29 2
T ota l B loc s 55 5 53 0 49 6 50 0 20 8 1
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 44

6.5.4.1. Analyse de variance avec calcul des sommes des carrée

1. facteur  correctif 
20812 120293 ,36
36
 56   60   ...  65  - C  2627 ,64
2 2 2
2.SCTotal

3. SCBloc 
555 2  530 2  496 2  500 2 - C  255,64
9

4. SCT rait 
 
190   203   ...292 
2 2 2

- C  1947,89
4
5. SCErreur  2627 ,64 - 255,64 - 1947,89  424,11

6. Tableau des effets principaux

V ar ié té Ec art em ent T ota l

v ar ié té

4 8 12

I 19 0 20 3 22 3 61 6
II 24 9 23 4 20 9 69 2
III 22 4 25 7 29 2 77 3
T ota l 66 3 69 4 72 4 20 8 1
Ec ar t em ent

6.1.  SCTotal  Tableau  des  effets 

190   203  ...292 
2 2 2
- C  1947,89
4

6.2. SC Variété 
616 
 692   773
2 2
- C  1027 ,39
2

3 4

6.3.  SCécartement 
 
663  694   724 
2 2 2
- C  155,06

3 4
6.4. SCV  EC  1947 ,89 - 1027,39 - 155,06  765,44

6.5.4.2. Tableau résumé de l’analyse de la variance

Source de Dl SC CM FC F0,05
variance
Bloc 3 255,64 75,21 4,71 3,01
Traitement 8 1947,89 243,48 12,9** 2,36
Variété (V) 2 1027,39 513,70 27,15** 3,40
Ecartement(E) 2 155,06 77,53 4,32** 3,40
V×E 4 765,44 191,36 10,11** 2,78
Erreur 24 424,13 17,92
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 45

Les résultats montre nt que pour les variétés I et III, les rendements
augment avec l’augmentation de l’écartement. Par contre avec la variété II ,
les rendements diminuent. La question qui se pose est de savoir est –ce
que le rendement peut cont inuer à augmenter ou à diminuer en augmentant
les écartements ? En d’autres termes, quelle est la forme mathématique de
l’équation qui traduit l’influence de l’écartement sur le rendement.

Pour répondre à cette question, on va d écomposer les sommes des

carrées de chaque variété en fonction d’écartement. Pour cela, nous allons
utiliser la règle ci -après :

L2
Si L  1T1  2T2  3T3  ...nTn et si    0 alors r ∑ 2
est une partie de somme des carrés
avec dl  1

Si les niveau x utilisés sont en progression arithmétique alors les λ

vont être trouvés sur la table des polynômes orthogonaux . Pour ce faire
nous pouvons tirer le tableau de polynômes orthogonaux en fonction de
nombre de niveau.

Le degré de polynôme est égal au nombre de niveau moins un

Le tableau ci-après donne l’extrait des polynômes.

De gr é d e
po l yn ôm e
Com par a is on Ni v e au ut i l is é Di v is e ur  2

1 2 3 4 5
1
λ l in é a ir e -1 +1 2
2 λ l in é a ir e -1 0 +1 2
λ qu a dr at i qu e +1 -2 +1 6
3 λ l in é a ir e -3 -1 +1 +3 20
λ qu a dr at i qu e +1 -1 -1 +1 4
λ c ub i q ue -1 +3 -3 +1 20
4 λ l in é a ir e -2 -1 0 +1 +2 10
λ qu a dr at i qu e +2 -1 -2 -1 +2 14
λ c ub i q ue -1 +2 0 -2 +1 10
+1 -4 +6 -4 +1 70
λ qu ar ti q u e
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 46

6.5.4.3. Décomposition des sommes des carrée

a) Tableau de composants linéaire, quadratique et cubique

Com pos a nt e Ec art em ent

4 8 12

λ l in é a ir e -1 0 +1 L = to t al de c om p os a nt e
+1 -2 +1
λ qu a dr at i qu e l q
V ar ié té I 19 0 20 3 22 3 + 33 +7
V ar ié té I I 24 9 23 4 20 9 - 40 -10
V ar ié té I II 22 4 25 7 29 2 + 68 +2

b) Calcul de somme des carrés

Variété I

(Ll )2 (33)2 (Lq )2 (7)2

= = 136,12; = = 2,04
r ∑ λ2 4×2 r ∑ λ2 4×6

Variété II

(Ll )2 (- 40)2 (Lq ) (- 10)2

= = 200; = = 4,17
r ∑ λ2 4×2 r ∑ λ2 4×6

Variété III

(Ll )2 (68)2 (Lq )2 (2)2

= = 578; = = 0,17
r ∑ λ2 4×2 r ∑ λ2 4×6

6.6. DISPOSITIF FACTORIEL 3X4

C’est un dispositif factoriel à deux facteurs dont l’un à 3 niveaux et

l’autre à 4 niveaux.

L’analyse de la variance est traitée de la même manière que le

dispositif3 2

6.6.1. EXEMPLE D’UN DISPOSITIF 3 × 4

On a conservé les haricots à 3 types de température à savoir : 0°,30°

et 60°, pendant 2 , 4,6 et 8 semaines. A la fin de l’expérience on a mesuré la
teneur en vitamine C et on a fait 3 mesures par traitement.
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 47

Les résultats obtenus sont les suivants :

T em pér at ur e Dur é e Ré p ét it i o n m f /f r T ota l

( s em ai ne ) 1 2 3 T rait em en t
0 2 16 16 16 48
4 15 , 6 15 , 7 15 , 7 47
6 15 , 4 15 , 3 15 , 3 46
8 15 , 2 15 , 5 15 , 3 46
30 2 15 15 15 45
4 14 , 3 14 , 4 14 , 3 43
6 13 , 6 13 , 7 13 , 7 41
8 12 , 3 12 , 4 12 , 4 37 , 1
60 2 11 , 3 11 , 4 11 , 3 34
4 9, 3 9, 4 9, 4 28 , 1
6 7 7 7 21
8 5, 4 5, 3 5, 3 16
T ota l - 15 0 ,4 15 1 ,1 15 0 ,7 45 2 ,2
rép é ti t io n

Analyse de la variance

1. Facteurs correctif C
452 2

 5680,13
36
2.  2 2 2

SCTotal  16  16  ...5,3 - C  6106,44 - 5680,13  426,31

3. SC Répétition 
150,4
 150,9  150,7 
2 2 2

- C  5680,155 - C  0,025
12

4. SC T raitement 
48  47   ...16
2 2 2

- c  426,21
3
5. SC Erreur  426,31 - 0,025 - 426,21  0,075

6. Tableau des effets principaux et interaction

T em pér at ur e Dur é e (s em ai n e) T ota l

2 4 6 8 T°
0 48 47 46 46 18 7

30 45 43 41 37 , 1 16 6 ,1

60 34 28 , 1 21 16 99 , 1
T ota l D ur é e 12 7 11 8 ,1 10 8 99 , 1 45 2 ,2
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 48

6.1.  SC total tableau  des effets  SCTraitement  426,21

6.2.  SCTempérature 
187
 166  99
2 2 2

- C  6.031,58 - 5680,13  351,45
43

6.3. SC Durée 
 
127   118  99  108
2 2 2 2
- C  48,92

3 3
6.4. SCT  D  SCTrait  SC Durée  SCTemperature  426,21 - 351,45 - 48,92  25,84


Il est question maintenant de faire la décomposition de s sommes des

carrés, car plus la T° ↑ plus la teneur en vitamine C ↓ .

7. Décomposition des S.C.

7.1. Température

T° 0 30 60

λ l in é a ir e -1 0 +1 Ll
Lq
λ qu a dr at i qu e +1 -2 +1

Dur é e

2 48 45 34 - 14 -8
4 47 43 28 , 1 - 18 , 9 - 10 , 9
6 46 41 21 - 25 - 15
8 46 37 , 1 16 - 30 - 12 , 2

T ota l - 87 , 9 - 46 , 1

7.1.1.  SCTi  
 87,9  321,93
2

3 4 2

7.1.2.SCTq 
- 46
2

 29,52
3 4 6
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 49

7.2. Durée

Durée 2 4 6 8
λ lin -3 -1 +1 +3
λ quad +1 -1 -1 +1
λ cub -1 +3 -3 +1
Ll Lq Lc

T° 0 48 47 46 46 -7 +1 +1

30 45 43 41 37,1 -25,7 -1,9 -1,9

60 34 28,1 21 16 -61,1 +0,9 +3,3

Total -93,8 0 +2,4

7.2.1.SCDurée

SCDI 
 - 93,8 2

 48,89
3  3  20

SCDq 
0
2

0
3 3 4

SCDc 
2,4
2

 0,032
3  3  20

La question qui se pose maintenant est de trouver comment la

variation de température linéaire et de température quadratique en relation
avec la durée linéaire, quadratique et cubique .On doit donc trouver d’une
part TIDI, TIDq, et TIDc et autre part TqD l, TqDc, TqDc.

7.3. TxD

7.3.1. TlDl, TlDq, et TlDc

Dur é e 2 4 6 8
T lDl -3 -1 +1 +3 - 54 , 1
T lDq +1 -1 -1 +1 0
T lDc -1 +3 -3 +1 + 2, 3

TI - 14 - 18 , 9 - 25 - 30 -
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 50

SC TIDI 
- 54,1 2

 24,39
3 x 2 x 20
SC TIDq 0

SC TIDc 
2,3 2

 0,044
3 x 2 x 20

7.3.2. TqDl, TqD, TqDc

Dur é e 2 4 6 8
T qDl -3 -1 +1 +3 - 16 , 1
T qDq +1 -1 -1 +1 + 5, 9
T qDc -1 +3 -3 +1 + 8, 3
Tq -8 - 10 , 9 - 15 - 12 , 2 -

7.3.2.1.  SCTqdl 
- 16,1  0,72
2

3x6 x 20

7.3.2.2.  SCTqDc 
5,9
2

 0,48,3
3x6 x 4

7.3.2.3.  SCTqDc 
8,3
2

 0,191
3x6 x 20
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 51

7.3.2.4. Tableau Résumé de l’ANOVA.

Source de dl SC CM Fc F0, 05
variation
Total 35 426,31 -
Répétition 2 0,025 0,0125 3,67 NS
Traitement 11 426,21 38,75 11397,05 xx
Température 2 351,45 175,72 51682, 35 xx
Tl 1 321,93 321,93 94685,29 xx
Tq 1 29,52 29,52 8682,35 xx

- Durée 3 48,92 16,3 4796,07 xx

Dl 1 48,89 48,89 14379,4 xx
Dq 1 0 0 0 NS
Dc 1 0,032 0,032 9,41 xx

Température 6 25,84 4,31 126,7 xx

x durée
Tlxdl 1 24,39 24,39 7173,5 xx
TlxDq 1 0,0 0,0 00 NS
TlxDc 1 0,044 0,044 12,94 xx
TqxDl 1 0,72 0,72 211,76 xx
TqxDq 1 0,483 0,483 142,05 xx
TqxDc 1 0,191 0,191 56,18 xx

Erreur 22 0,0755 0,0034 -

Conclusion.

Les effets de la température sont significatif s .Il y a diminution de la

teneur en acide ascorbique en fonction de la T° est de manière parabolique.

Les effets de durées sont significatifs. Donc plus la durée de

conservation augmente plus la teneur en acide ascorbique diminue. Puisque
Dl est significatif et Dq est non significatif, cette diminution est linéaire.

L’interaction T° x Durée est significative.

Cela veut dire que une durée de conservation plus longue de l’acide
ascorbique s’accompagne d’une plus forte diminution d’acide ascorbique si
la température de conservation augmente.

En d’autre terme, les effets de la T° sur la teneur en acide ascor bique

varie selon le temps de conservation.
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 52

CHAPITRE VII : DISPOSITIF FACTORIEL EN SPLIT PLOT

On l’appelle parfois “dispositif en tiro ir” En effet, dans certain s
dispositifs factoriels on s’arrange pour que l’un des traitements soit un
facteur principal avec un nombre de répétitions faible s, Tandis que l’autre
second facteur se répartit sur le bloc entier sans randomiser.

La conséquence de cet arrangement est que l’erreur expérimentale

des traitements secondaire s est différente de celle du traitement principal.

7.1. DISPOSITIF EN SPLIT PLOT

C’est un dispositif où il y a un facteur pri ncipal et un facteur

secondaire. Considérons le facteur A, facteur p rincipal, de niveau a 0 , a1 et
a 2 et le facteur second aire de niveau b 0 , b1 et b 2 . On aura comme
traitements :

Fac t e ur A Fac t e ur B Ré p l ic a t io n

1 2 … … …… … ..r
a0 b0 a0b0
b1 a0b1
b2 a0b2
a1 b0 a1b0
b1 a1b1
b2 a1b2
a2 b0 a2b0
b1 a2b1
b2 a2b2

7.1.1. PRESENTATION SUR LE TERRAIN

Sur le terrain le facteur principal est randomisé dans les répétitions et

le facteur secondaire est randomisé dans le facteur principal.

La présentation sur le terrain sera donc :

a2 a1 a0
b1 b0 B2 b0 b2 b1 b2 b1 b0
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 53

7.1.2. MODELE STATISTIQUE

yijk  u   i   ij   ij  k   i ik   i jk
où u  effet de commun à toutes les unités edxpérimentales.

 i  effet de i iém etraitement de groupe principal

 j  effet de bloc

 ij  Erreur associée au groupe principal

 k  effet de k iém etraitment de groupe sec ondaire

 k  int eraction facteur principal  Facteur sec ondaire

 i jk  erreur associée au groupe sec ondaire
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 54

7.1.3. Présentation des résultats et calcul des sommes des carrés

Réplication Total
traitement
Facteur Facteur B 1 2 …. ………r
A
a1 b1 y111 y112 y11r Tt 1

b2 … … ….. Tt 2

b3 y131 y132 y13r Tt 3

Total Ta 1 R 1 Ta 1 R 2 Ta 1 R r TA 1
a2 Y211 y212 y21r Tt 4
b1
… … ….. Tt 5
b2
Y231 y232 y23r Tt 6
b3
Total Ta 2 R 1 Ta 2 R 2 Ta 2 R r TA 2

a3 b1 y311 y312 y31r Tt 7

b2 … … ….. Tt 8

b3 Y331 y332 y33r Tt 9

Tota Ta 3 R 1 Ta 3 R 2 Ta 3 R r TA 3
l
Total Réplication TR1 TR2 … TRr TG

7.1.4. Calcul des sommes des carrés.

1. Facteur correctif =
TG  2


TG 2 C .
N axbxr

2. SC Total= (Y111) 2 + (Y112) 2 +………. (Y33r) 2 -C=

3. Tableau groupe principal (A et bloc).

Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 55

Facteur A Bloc 1 Bloc 2……… Bloc r Total A

a1 Ta1R1 Ta1R2 Ta1Rr TA1
a2 Ta2R1 Ta2R2 Ta2Rr TA2
a3 Ta3R1 Ta3R2 Ta3Rr TA3
TR1 TR2 … TRr TG

Ta R  2
 Ta1 R2   ...  Ta 3 Rr 
2 2

3.1. SC Groupe Pr incipal : 1 1

C 
b

Où b  3  niveau de facteur B

TA  2
 TA2   TA3 
2 2

3.2. SCA  1
C 
br
TR  2
 TR 2   ...  TR r 
2 2

3.3. SCrepl  1
C
ab

Où a  3  niveau de facteur A

3.4. SCE (a)  SC Groupe Pr incipal  SCA  SCrepl

4. Groupe secondaire (A ;B et A x B)

Facteur B
Facteur A b1 b2 b3
a1 Ta 1 b 1 =Tt 1 Ta 1 b 2 =Tt 2 Ta 1 b 3 =Tt 3

a2 Ta 2 b 1 =Tt 4 Ta 2 b 2 =Tt 5 Ta 2 b 3 =Tt 6

a3 Ta 3 b 1 =Tt 7 Ta 3 b 2 =Tt 8 Ta 3 b 3 =Tt 9

Total Tb 1 Tb 2 Tb 3
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 56

Ta b  2
 Ta1b2   ...  Ta 3 b3 
2 2

4.1. SC Groupe Secondaire  1 1

C 
r
Tb  2
 Tb2   Tb3 
2 2

4.2. SCBf sec  1

C
3 r

4.3. SCAB  SC Groupe Secondaire

Pr incipal  SCA  SCB
– SCA - SCB

4.4. SCEB(b)=
  SCT  SC
SCT – SC Groupe
Groupe principal
Pr incipal secB– SCAxB
 SCf– SCB SC A  B

7.1.5. Tableau Résumé de l’anova

Source de variation dl SC CM
Total N-1= α x β x r-1 SCT

Groupe principal r x α -1 SC G P

Facteur principal (A) α -1 SC A

Répétition ou bloc(R) r-1 SC R

Erreur (a) ( α -1)(r-1) SCE (a)

Groupe secondaire r α ( β -1) SCGS.

Facteur B SCB
β -1

A X B ( α -1)( β -1) SC A x B

Erreur (b) α (r-1)( β -1) SCE (b)

L’erreur (a) est co nfondue avec l’interaction facteur principal A et

Bloc.

7.1.6. EXEMPLE

Trois variétés de maïs ont été cultivées dans 6 blocs et coupée à 4 dates
différentes : A, B, Cet D. Les rendements en fourrages ont été calculés. Les
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 57

dispositifs sur terrains sont en SPLIT PLOT avec le facteur variété comme
facteur principal.

Les résultats trouvés sur le terrain sont les suivants :

V ar ié tés Da te B loc s T ota l

1 2 3 4 5 6 T rait em en t
L A 2, 1 7 1, 8 8 1, 6 4 2, 3 4 1, 5 8 1, 6 6 11 , 27
B 1, 5 8 1, 2 6 1, 2 2 1, 5 9 1, 2 5 0, 9 4 7, 8 4
C 2, 2 9 1, 6 0 1, 6 7 1, 9 1 1, 3 9 1, 1 2 9, 9 8
D 2, 2 3 2, 0 1 1, 8 2 2, 1 0 1, 6 9 1, 1 0 10 , 95
C A 2, 3 3 2, 0 1 1, 7 0 1, 7 8 1, 4 2 1, 3 5 10 , 59
B 1, 3 8 1, 3 0 1, 8 5 1, 0 9 1, 1 3 1, 0 6 7, 8 1
C 1, 8 6 1, 7 0 1, 8 1 1, 5 4 1, 6 7 0, 8 8 9, 4 6
D 2, 2 7 1, 8 0 2, 0 1 1, 4 0 1, 3 1 1, 0 6 9, 8 5
R A 1, 7 5 1, 9 5 2, 1 2 1, 7 8 1, 3 1 1, 3 0 10 , 21
B 1, 5 2 1, 4 7 1, 8 0 1, 3 7 1, 0 1 1, 3 1 8, 4 8
C 1, 5 5 1, 6 1 1, 8 2 1, 5 6 1, 2 3 1, 1 3 8, 9 0
D 1, 5 6 1, 7 2 1, 9 9 1, 5 5 1, 5 1 1, 3 3 9, 6 6
T ota l 22 , 49 20 , 31 21 , 45 20 , 01 16 , 50 14 , 24 11 5 ; 00

7.1.6.1. Analyse de la variance avec calcul des sommes des carrés

1 .Facteur correctif 
114,97 2  183,584
72
2. SCTotal  2,17   1,58  ...  1,33 - C  8,865
2 2 2

3. Groupe principal

V ar ié té B loc T ota l
1 2 3 4 5 6 v ar ié té
L 8, 2 7 6, 7 5 6, 3 5 7, 9 4 5, 9 1 4, 8 3 40 , 04
C 7, 8 4 6, 8 1 7, 3 7 5, 8 1 5, 5 3 4, 3 5 37 , 71
R 6, 3 8 6, 7 5 7, 7 5 6, 2 6 5, 0 6 5, 0 7 37 , 25
T ota l b l oc 22 , 49 20 , 31 21 , 45 20 , 01 16 , 50 14 , 24 11 5 ,0 0

3.1.  SCGroupe 
8,27 2  6,27 2  ...  5,07 2 - C  5,6902
principal
4

3.2. SCBloc 
22,49 2  20,32 2  ...14,24 2 - C  4,1494
12

3.3. SCVariété 
39,99 2  37,72 2  ...37,26 2 - C  0, 1781
24
3.4. Erreur a   1,3627
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 58

5. Groupe Secondaire

Variété Date Total

A B C D variété
L 11,27 7,84 9,98 10,96 40,04
C 10,59 7,81 9,46 9,85 37,71
D 10,21 8,48 8,90 9,66 37,25

Total date 32,07 24,13 28,34 30,446 1150

4.1.  SCGroupe sec ondaire 

11,25  10,59
2 2
 ...  9,66
2

- C  2,3511
6

4.2. Date 
32,06  24,13
2 2
 ...  30,44
2

- C  1,925
18

4.3. SCV  D  2,3511 - 0,178 - 1,9625  0,2105

4.4. SC Erreurb  9,1217 - 5,602 - 1,9625 - 0,2105  1,2586

5. Tableau résumé d’ANOVA

S our c e d e v ar i at i on dl SC CM Fc
*T ot a l 71 9, 1 21 8 -
*G r ou p e pr i nc i p a l 17 5, 6 90 2 -
b loc 5 4, 1 49 4 0, 8 29 8
V ar ie té 2 0, 1 78 1 0, 0 89 0
Er r eu r ( a) 10 1, 3 62 2 0, 1 36 2
*G r ou p e s ec on d a ir e 54 2, 3 51 1 -
Da te 3 1, 9 62 5 0, 6 54 1
Vx D 6 0, 2 10 5 0, 0 35 0
Er r eu r ( b) 45 1, 2 58 6 0, 0 27 7 9
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 59

7.2. SPLIT-SPLIT-PLOTS

Prenons le facteur A=a 1 et a 2 niveaux, Facteur B= b 1 , b2, b3 niveau x

Facteur c=c 1 , c2 etc 3 niveaux

Le nombre de répétition est de 1…2…r.

Répétition Total
Facteur Facteur Facteur 1………………2…………....r Traitement
A B C
a1 b1 c1 y1.1.1.1 Tt 1
c2 y1.1.2.1 Tt 2
c3 y1.1.3.1 Tt 3
Ta 1 b 1 R 1 …………..Ta 1 b 1 R r Ta 1 b 1
b2 c1 Tt 4
c2 Tt 5
c3 Tt 6
Ta 1 b 2 r 1 …………….Ta 1 b 2 R r ta 1 b 2
b3 c1 Tt 7 s
c2 Tt 8
c3 Tt 9
Ta 1 b 3 R 1 ………….Ta 1 b 3 R r Ta 1 , b2
a2 b1 c1 Tt 1 0
c2 Tt 1 1
c3 Tt 1 2
Ta 2 b 1 R 1 .........Ta 2 b 1 R r Ta 2 b 1
b2 c1 Tt 1 3
c2 Tt 1 4
c3 Tt 1 5
Ta 2 b 2 R 1 ………….Ta 2 b 2 R r Ta 1 b 2
b3 c1 y 2.3.1.1 Tt 1 6
c2 y 2.3.2.1 Tt 1 7
c3 y 2.3.3.1 Tt 1 8

Ta 2 b 3 R 1 ………..Ta 2 b 3 R r Ta 2 b 3
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 60

7.2.1. CALCUL* DE DEGRE DE LIBERTE

S our c e d e v ar i ab i l it é dl SC
T ota l α x β x γ xr-1

G r o up e pr i nc ip a l

α xr-1
Fac t e ur A

α -1
B loc r-1

Er r eu r ( a) ( α - 1)(r - 1)

G r o up e s ec o nd a ir e ( β - 1)(rx α )

Fac t e ur B ( β - 1)

A x B ( α - 1)( β - 1)

Er r eu r ( b) α ( r - 1)( β - 1)

G r o up e t er t i a ir e ( γ - 1)( β x α x r)

Fac t e ur C γ -1

A X C ( α - 1)( γ - 1)

B X C ( β - 1)( γ - 1)

A BC ( α - 1) ( γ - 1) ( β - 1)

Er r eu r ( c ) α β ( r - 1) ( γ - 1)
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 61

7.2.2. CALCUL DES SOMMES DES CARREES

1.  Facteur  correctif 
TG2
C
N
2.  SCTotal   y1111   y1121  ... y233r  - C
2 2 2

3. Tableau de groupe principal

Facteur A Répétition Total A

1………..2………..r
a1 T A 1 R 1 T A 1 R 2 ….T A 2 R r Ta1

a2 T A 2 R 1 ….T A 2 R 2 ….T A 2 R r Ta2

Total Replicat TR1 T R 2 ……..T R r TG

Où T A 1 R 1 =T 1 . 1 . 1 +T 1 . 2 . 1 +T 1 . 3 . 1 = Ta 1 b 1 R 1 + Ta 1 b 2 R 1 + Ta 1 b 3 R 1

T  2
 T A1R 2   ...  T A 2 Rr 
2 2

3.1. SC Groupe principal ( GP )  A1 R1

-C
3 x3

où b  3  niveau facteur B et c  3  niveau facteur C

T  2
 TR 2   ...  TRr 
2 2

3.2. SC Rep  R1
-C
2x3x3

où a  2, b  3 et c  3

T   Ta 2 
2 2

3.3 SC A  a1
-C
rx3x3

où b  3 et c  3

3.4. SC E a   SC GP
- SC A - SC Rep
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 62

4. Tableau Facteur A et Facteur B

Fac t e ur A Fac t e ur B T ota l Fac t eur A

b1 b2 b3
a1 Ta1b1 Ta1b2 Ta1b3

a2 Ta2b1 Ta2b2 Ta2b3

T ota l Fac t eur B Ta1a2b1 Ta1a2b2 Ta1a2b3

4.1.  SC 
Ta1b1   Ta1b 2   ...  Ta1b 3 
2 2 2
-C 
Total  tableau AB rx3

où c  3

4.2. SCB 
Ta1a 2b1   Ta1a 2b 2   ...  Ta1a 2b 3 
2 2 2
-C 
rx 2 x3

où a  2 et où c  3

4.3.  SCAXB  SCtotal tabeau AXB - SCA - SCB

5. Tableau Facteurs A , Facteur B, et réplication

Facteur A Facteur B 1…………..2…………….r

a1 b1 Ta1b1R1 Ta1b1R2 Ta1b1Rr
b2 Ta1b2r1
b3 Ta1b3R1
a2 b1 Ta2b1R1 Ta2b1Rr
b2 Ta2b2R1
b3 Ta2b3R1 Ta2b3Rr

5.1. SCTotal Tableau A , B et répli

T 
 Ta1b1R 2   ...  Ta 2b 3 R 2 
2 2 2
a1b1 R1
-C G r ou p e s e c on d ai r e
3
5.2. E (b)  SCTotal tableau A, B et Réplication - SC Gp - SC B - SC AxB
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 63

Tableau B et E

B C T ota l
C1 C2 C3 B

b1 T t 1 +T t 1 0 =T b 1 c 1 T t 2 +T t 1 1 = T b 1 c 2 T t 3 +T t 1 2 =T b 1 c 3

b2 T t 4 +T t 1 3 =T b 2 c 1 Tt5+Tt14= Tb2c2 T t 6 +T t 1 5 = T b 2 c 3

T t 7 +T t 1 6 =T b 3 c 1 T t 8 + T t 1 7 =T b 3 c 2 T t 9 +T t 1 8 = T b 3 c 3
b3
T ota l C TC1 TC2 TC3

Tb c  2
 Tb1 c 2   ...  Tb3 c 3 
2

6.1. SCTotal tabeau BetC  1 1

-C
2xr
où a  2

Tc  2
 Tc 2  Tc 3 
2 2

6.2.SCfacteurC  1
-C
2 x3xr

où a  2 b  3

6.3. SC facteurBxC  SCTotaltableauBetC - SC acteur B - SC FacteurC

7. Tableau facteur A et facteur C

Facteur
Facteur. A C1 C2 C3
a1 T t 1 +T t 4 +T t 7 T t 2 +T t 5 + T t 8 T t 3 +T t 6 +T t 9
=T a 1 c 1 =T a 1 c 2 =T a 1 c 3

T t 1 0 +T t 1 3 +T t 1 6 T t 1 1 +T t 1 4 +T t 1 7 T t 1 2 +T t 1 5 +T t 1 8
a2 =T a 2 c 1 =T a 2 c 2 =T a 2 c 3
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 64

Ta1  Ta1 c 2   Ta 2 c 3 

2 2 2

7.1. SCTotal tableau A et C  - C  ou

rx3
7.2. SC AxC  SC T otaltableau Aett C
- SC A - SC C

Tt  2
 Tt 2   Tt 18 
2 2

8. SCTraitem ent  1
-C
r

8.1. SC A  B  C 
 SC T raitement - SC A - SC B - SC C - SC AB - SC AC - SC BC 

9. SCEc   SCTotal - SC GP - SC B - SC AB - SC E  b  - SC C  SC AxC

- SC BC - SC A  B xC
.
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 65

Exemple: de split -split-plot.

On a comparé deux méthodes culturales à savoir irrigué et non irrigué

en utilisant trois types d’écartements, 1, 2, et3 avec 3 doses d’engrais
azotés, 30, 60, 90kg à l’hectares sur une culture de haricot avec quatre
blocs ou répétitions. A la fin de l’expérience, on a calculé les rendements à
l’hectare. Les résultats obtenus sont les suivants :

Irr ig at i o n Ec ar t em ent Fer ti l is at i on B loc s ( R) T ota l de T ota l d e

(F) tra i tem en t Mé t ho d e
1 2 3 4
No n 1 1 90 83 85 86 34 4
irr i gu é 2 95 80 88 78 34 1
3 10 7 95 88 89 37 9
…… … …… … . 29 2 25 8 26 1 25 3 10 6 4
2 1 92 98 11 2 79 38 1
2 89 98 10 4 86 37 7
3 92 10 6 91 87 37 6
T12. 27 3 30 2 30 7 25 2 11 3 4
3 1 81 74 82 85 32 2
2 92 81 78 89 34 0
3 93 74 94 83 34 4
26 6 22 9 25 4 25 7 10 0 6 32 0 4
Irr ig u é 1 1 80 10 2 60 73 31 5
2 87 10 9 10 4 11 4 41 4
3 10 0 10 5 11 4 11 4 43 3
26 7 31 6 27 8 30 1 11 6 2
2 1 12 1 99 90 10 9 41 9
2 11 0 94 11 8 13 1 45 3
3 11 9 12 3 11 3 12 6 48 1
35 0 31 6 32 1 36 6 13 5 3
3 1 78 13 6 11 9 11 6 44 9
2 98 13 3 12 2 13 6 48 9
3 12 2 13 2 13 6 13 3 52 3
29 8 40 1 37 7 38 5 14 6 1 39 7 6
T .G . 71 8 0 71 8 0

Question:

Si l’expérimentation a été conduite en factoriel ordinaire :

a 1 . Présenter ce dispositif sur le terrain.

a 2 . Faire l’analyse de la variance.

Si l’expérimentation a été conduite en factoriel SPLIT PLOT

b1 Présenter ce dispositif sur terrain.

Analyse de la variance avec calcul des sommes des carrée.

Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 66

1. Facteur correctif 
TG  2


7180 2

 716005,56
2 x3 x3 x 4 72

2. SC total  90  83  ...  133 - C  739762 - 716005,56

2 2 2

 23756,44

3. Tableau groupe principal

Blocs
Irrigation 1 2 3 4 Total
méthode
Non Irrigué 831 789 822 762 3204
Irrigué 915 1033 976 1052 3976
Total Bloc 1746 1822 1798 1814

(831)2 + (789)2 + ... + (1052)2

3.1. SC groupe principal(GP ) = -C
3x3
= 9883,77

(3204)2 + (3976)2
3.2. SC I = - C = 8277,55
4 x3x3

(1746)2 + (1822)2 + ... + (1814)2

3.3. SCbloc = - C = 194,44
2x3x3

3.4. SCE(a) = SC groupe principal - SCMeth - SCbloc

= 9883,77 - 8277,55 - 194,44 = 1411,78
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 67

4. Tableau groupe secondaire Irrigation et Ecartement

Irr ig at i o n Ec art em ent (E )

(I)
1 2 3

No n Ir r i gu é 10 6 4 11 3 4 10 0 6
Irr ig at i o n 11 6 2 13 5 3 14 6 1
T ota l Ec ar t 22 6 2 24 8 7 24 6 7

4.1. SCTotal 
1064 2
 1134  ...  1461
2 2

- C  12782,94
I et E
3x4

4.2. SC Ecartement E  
2226 2
 2487   2467 
2 2

- C  1758,4
2x3x4

4.3. SC IxE  SCTotal - SC M - SC EC 

12782,94 - 8277,55 - 1758,4  2746,99

5.Tableau facteur I, E et réplication

5.1. SC T otal tableau de I , E et Replication


292 2
 273  ...  385
2 2

- C  17177,11
3

5.2. SC E b   SC Total tableau I , E et Re p - SC groupe sec - SC bloc - SC E a 

 17177,11 - 12782,94 - 194,44 - 1411,78
 2787,95
ou SC E  b   SC totaltableau I.E.R.- SC GP - SC E - SC I xE
 17177,11 - 9883,77 - 1758,4 - 2745,99 - 2745,99
 2787,95
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 68

6. Tableau Ecartement, Fertilisation

Ec ar t em ent Fer ti l is at i on
1 2 3
1 65 9 75 5 81 2
2 80 0 83 0 85 7
3 77 1 82 9 86 7
T ota l 22 3 0 24 1 4 25 3 6 71 8 0

6.1.SC  Total  tableau  Ecart  x  Fert 


654 2
 755  ...867 
2 2

- C  4040,69
2x4

6.2.SC. Fertilisation 
2230 2
 2414  2536
2 2

- C  1977,44
3x 2 x 2

6.3. SCExF  SC T ab5.1. - SC E - SC F  4040,69 - 1758,4 - 1977,44  304,85   

7. Tableau Irrigation et Fertilisation

Irr ig at i o n Fer ti l is at i on
1 2 3
NI 10 4 7 10 5 8 10 9 9
I 11 8 3 13 5 6 14 3 7
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 69

(1047)2 + (1058)2 + ... + (1437)2

7.1. SCTotal Tableau IetF =
3x 4
= 11208,44

7.2. SC IxF = SCTotal tableau I et F - SCM - SCF

= 11208,44 - 8277,55 - 1977,44 = 953,45

(344)2 + (341)2 + ...(523)2

8. SC Traitement = - C = 16253,44
4

8.1. SCIxExF = SCTrait - SCI - SCE - SCF - SCIxF - SCExF =

= 16253,44 - 8277,55 - 1758,4 - 1977,44
- 2746,99 - 304,85 - 953,45
= 234,76

8.2. SCE (c ) = SCT - SCGP - SCE - SCI×E - SCE(b) - SCF - SCE×F - SCI×F
-SCM×F×E
= 23756,44 - 9883,77 - 1758,4 - 2746,99 - 2787,95
- 1977,44 - 304,85 - 953,45 - 234,76
= 3108,83

9. Tableau Résumé de l’ANOVA

S ourc e de dl SC CM F F0,05
v ar ia nc e
T ota l 71 23 7 56 , 44
G ro up e 7 98 8 3, 7 7
B loc 3 19 4 ,4 4
Irr ig at i o n 1 82 7 7, 5 5
Err eu r ( a) 3 14 1 1, 7 8
G ro up e 16
s ec o n da ir e
Ec art em ent ( E ) 2 17 5 8, 4
Ix E 2 27 4 6, 9 9
Err eu r ( b) 12 27 8 7, 4 5
G ro up e t er t i a ir e 48
Fer ti l is at i on 2 19 7 7, 4 4
Ix F 2 95 3 ,4 5
Ex F 4 30 4 ,8 5
Ix Ex F 4 23 4 ,7 6
Err eu r ( C) 36 31 0 8, 8 3
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 70

CHAPITRE VIII :
DISPOSITIF EN BLOCS INCOMPLETS EQUILIBRES

8.1. DEFINITION

C’est un arrangement de t traitements dans b blocs de telle manière

que chaque bloc conti enne k traitements distincts et chaque traitement
apparaît dans r différents blocs. Chaque paire de traitement apparaît
ensemble, exactement dans λ blocs.

8.2. CONDITIONS NECESSAIRE POUR QUE LE DISPOSITIF

PUISSE EXISTER :

bk=tr=N Où ⇒ t=nombre de traitement s

R (k-1)= λ (t-1) b=nombre de blocs

B≥t k=nombre de traitement s dans chaque bloc

r = nombre de blocs où chaque traitement apparaît.

λ =nombre de blocs où chaque paire de traitement apparaît.

Rt=N=bk=nombre total de résultats.

8.3. AVANTAGES

Il y a diminution de l’hétérogénéité à l’intérieur des blocs grâce à

l’utilisation des blocs des dimensions plus petite.

On peut comparer plusieurs traitement s dans les blocs des petites

dimensions et homogènes.

Il y a peu de perte d’efficience due aux blocs incomplets si

l’information sur l’inter bloc peut être trouvé.

8.4. DESAVANTAGE

Les dispositifs ne sont pas possibles pour toutes les valeurs de t, de r

et de k.

Si le dispositif est possible , il demande un grand nombre de répétition

pour pouvoir obtenir l’équilibre.

Difficultés d’ interpréter les résultats s’_il y a interaction entre blocs et

traitements.

Le Dispositif e st plus complexe et l’analyse plus difficile.

Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 71

8.5. MODELE STATISTIQUE

Yij = nij (u + Ti + β j + ∑ij ) où i = 1,2,3,...t et

j = 1,2,3,...b

Yij = observation in traitement dans j iéme bloc.

nij = indicateur var iable qui prend la valeur de 1 si

le i ntraitement existe dans le jn bloc et la valeur
0 dans le cas contraite.

u = effet général commun à toutes ces unités exp érimentale s.

Ti = effet du in traitement .

β j = effet de jn bloc
∑ = Erreur
ij

8.6. ESTIMATIONS

8.6.1. ESTIMATEURS INTRA BLOCS

Les estimateurs des effets de traitements ajustés suite aux différences

entre blocs sont donnés ci-dessous :

∧ Qi
 oùQi  kTi - ∑ nij B j
j
t

∑ j nij B j  somme total de blocs

où le traitement i  apparait.
Ti  somme de traitement i 
B j  somme de bloc j.

Les traitements moyens ajustés son donnés par

Yi (ajusté) = Y•• + τˆi

Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 72

8.6.2. ANALYSE DE VARIANCE : ANALYSE INTRA BLOC

S our c e d e V ar i anc e dl SC

B loc ( no n aj us t é) b- 1 1
∑ B2 - C
k j j

Qi2
T r ait em en t ( aj us t é) t- 1
∑i
λkt
Er r eu r i ntr a b l oc tr - t- b +1 soustraction

T ota l Tr - 1
∑ ij y ij2 - C

8.6.3. ANALYSE DE LA VARIANCE – ANALYSE INTER BLOC

Source de variance dl SC
Bloc (ajusté) b-1 *
Traitement (non 1
ajusté) t-1
∑i Ti 2 - C
r
Erreur intra bloc tr-t-b - 1
par soustracti on
Total tr-1 ∑ij yij2 - C

*Bloc (ajusté)=bloc (non ajusté) +Traitement (ajusté)

-Traitement (non ajusté).

8.7. EXEMPLE

Soit un plan : t=b=7 ; r=k=3 ; λ =1

Bloc Traitements
1 A B C
2 B C D
3 C D E
4 D E F
5 E F G
6 F G A
7 G A B

Après randomisation on obtient

Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 73

8.7.1. RESULTATS DE TERRAIN

Blocs Soit Traitements et résultats

1 C : 5,8 F : 5,5 D : 7,3
2 B : 10,2 G : 8,8 F : 10,4
3 A : 13,0 G : 15,7 C : 10,1
4 B : 5,8 D : 6,3 A : 8,7
5 E : 11,9 C : 9,3 B : 12,4
6 E : 11,2 F : 10,5 A : 13,7
7 G : 13,1 E : 12,9 D : 7,4

8.7.2. TABLEAU DE PRESENTATION DES RESULTATS POUR

L’ANALYSE DE LA VARIANCE

Traitements
Blocs A B C D E F G Bj
1 - - 5,8 7,3 - 5,5 - 18,6
2 - 10,2 - - - 10,4 8,8 29,4
3 13,0 - 10,1 - - - 15,7 38,8
4 8,7 5,8 - 6,3 - - - 20,8
5 - 12,4 9,3 - 11,9 - - 33,6
6 13,7 - - - 11,2 10,5 - 35,4
7 - - - 7,4 12,9 - 13,1 33,4
Ti 35,4 28,4 25,2 21,0 36,0 26,4 37,6 210

8.7.3. ANALYSE DE VARIANCE

8.7.3.1. Analyse de la variance intra bloc

a. Valeurs estimées de l’intra bloc

i τi ∑nij B j Qi τ̂ i yi (ajusté)
A 35,4 95,0 11,2 1,6 11,6
B 28,4 93,8 1,4 0,2 10,2
C 25,2 91,0 -15,4 -2,2 7,8
D 21,0 72,8 9,8 -1,4 8,6
E 36,0 102,4 5,6 0,8 10,6
F 26,4 83,4 -4,2 -0,6 9,4
G 37,6 101,6 11,2 1,6 11,6
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 74

Qi
Qi = kτ i - ∑ nij B j τi =
λt
par exemple pour A
∑ nA,3,4,6 B3,4,6 = 38,8 + 20,8 + 35,4 = 95
k.T A = 35,4 x3 = 106,2
kτ i - ∑ nij Bj = 106,2 - 95 = 11,2

y i (ajusté) = y •• + τ
ˆi
TG 210
où y•• = = = 10
N 21
y•• (ajusté) = y •• + τ A = 10 + 1,6 = 11,6

b) calcul des sommes des carrés intra blocs

1) Facteur correctif 
210 2  2100
21
 13  8,7   ...  13,1 - C  171,36
2 2 2
2) SCTotal

3) SC Bloc non ajusté  

18,6  29,4  ...33,4
2 2 2
- C  115,36
3
(11,2)  (1,4)  .....  (11,2) 2
2 2
4) SC T raitementajusté    30,24
1x7 x3
5) SCErreur int ra bloc  171,36 - 115,36 - 30,24  25,76

6) Tableau résumé de l’ ANOV A

Source de dl SC CM F0,05
variation
Total 20 171,36 -
Bloc (non ajouté) 6 115,36 -
Trait (ajusté) 6 30,24 5,04 1,56
Erreur intra bloc 8 25,76 3,22(a)
(a)
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 75

8.7.3.2. Analyse de la variance int er bloc

a) Calcul des sommes des carrés

1) SCtraitements non ajouté  

35,42  28,42  ...37,62 - C  80,83
3
2) SCBloc ajusté   SCbloc non ajusté   trait ajusté 
- traitement non - ajusté   115,36  30,24 - 80,83  64,77

b) Tableau résumé de l’ ANOV A

Source de variance dl SC CM
Total 20 171,36 -
Bloc (ajusté) 6 64,77 10,80 Eb
Traitement (non ajusté) 6 80,83 -
Erreur inter bloc 8 25,76 3,22Ee

Les valeurs de l’inter bloc ne sont pas utiles en elles- même, mais s’ils
sont combinés avec les valeurs de l’intra bloc, ils peuvent donnés une
meilleur estimation des effets de traitement. Dè s lors, le calcul des valeurs
combinées estimé es est le suivant :

uw i
y * i (ajusté) = y i +
r
où w i = (t - k)Τi - (t - 1) ∑ j nij B j + (k - 1)TG

(E b - Ee )(b - 1)
u=
t (k - 1)(b - 1)E b + (t - k)(b - t)E e

La var iance de l ' erreur effetive est : [1 + (t - k)u]E e

E b = carré moyen de bloc ajusté
E e = carré moyen de l ' erreur i ntra bloc
Si Eb < Ee ;u = 0 et on ne fait pas d' ajustement
Dans l ' exemple présent le calcul de valeurs co mbinées
estimées do nne:

i Ti wi T i +uw i *
y (ajusté)
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 76

A 35,4 -8,4 34,98 11,66

B 28,4 30,8 29,94 9,98
C 25,2 -25,2 23,94 7,98
D 21,0 67,2 24,37 7,12
E 36,0 -50,4 33,47 11,16
F 26,4 25,2 27,66 9,22
G 37,6 -39,2 35,64 11,88

Où w i = 4T i -6 ∑j nij Bj + 2TG

6(Eb - Ee )
U= = 0,0501
84Eb

La variance de l’erreur effect ive est de

[1+ (t-k) u]E e =1,2004 E e =3,865

La somme du carré de traitement ajusté est égale :

(34,98)2 + (29,94)2 + ... + (35,64)2

- C = 47,52
3

Le tableau résumé de l’ANOVA avec recouvrement de l’information

inter sera :

S our c e d e v ar i anc e dl SC CM Fc F0,05

T ota l 20 17 1 ,3 6 -
B loc ( aj us té ) 6 64 , 77 10 , 79 -
T rait ( aj us té) 6 47 , 52 7, 9 2 7,92
= 2,05
3,86
Err eu r ef f ec t i ve 8 - 3, 8 2

6 numératuer
Avec dl =
8 déno min ateur
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 77

CHAPITRE IX :
DISPOSITIF AVEC BLOCS INCOMPLETS EQUILIBRES
AVEC BLOCS ARRANGES PAR GROUPE DE REPETITION

9.1. DEFINITION

C’est un dispositif expérimental dans lequel les blocs incomplets

peuvent être arrangés en groupe de telle faç on que chaque groupe
contienne exactement une répétition de chaque traitement.

9.2. AVANTAGES

- On peut obtenir une deuxième source de variation . Cependant

cette source est parallèle aux blocs d’où elle n’est pas
équivalente au système de contrôle d’hétérogénéité à deux
voies.
- Le dispositif peut être analysé comme le dispositif en blocs
randomisés ordinaire.

9.3. MODELE STATISTIQUE

yijkl = u + τ i + ρl + β jl + ∑ijl

où u=
τi =
β jl = effets du j iémebloc incomplet dans le liéme répétition
ρl = effets de la l iémerépétition

9.4. ANALYSE DE VARIANCE

N.B:

- Le degré de liberté b -1 pour le bloc est divisé en deux composants :

r-1 pour la répétition et b -1 pour les blocs de même répétition.

- Le facteur u utilisé pour calculer les moyenne s des traitements ajusté s

basées sur l’information combinée sur l’analyse intra et inter classe
devient :
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 78

r (E b - Ee )
u=
rt (k - 1)E b + k (b - r - t + 1)E e
où Eb = carré moyen de bloc / répétition(ajusté).
E e = carré moyen erreur int ra blo c

- La somme des carré de bloc /répétition (ajusté) est obtenue de la

manière suivante :

Bloc / répétition ( ajusté) = Bloc répétition (non ajusté ) +traitement

(ajusté)-traitement (non ajusté)

Le tableau résumé de l’analyse de la variance est le suivant :

Source de variance dl SC
Répétition r-1 1
∑l Rl2 - C
t
Bloc/répétition (non ajusté) b 1 1
∑jl B2jl - ∑l Rl2
k t
Traitement ajusté t-1 2
∑ i Qi / λkt
Traitement (non ajusté) t-1 τ i2
r -C
Bloc/répétition (ajusté) b-r Bloc/répétition (non
ajusté ) +trait (ajusté)-
traitement (non
ajusté)

Exemple : Soit un dispositif avec le s paramètres

t=8; b=14; r=7; k=4; et λ =3

Les résultats obtenus sont les suivants.

Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 79

Traitement
Rép Bloc A B C D E F G H Bl Rl
étiti
on
1 1 13,7 - 15,6 - - 7,8 - 18,9 53,0 110,2
2 - 14,2 - 9,5 15,1 - 18,8 - 57,6
2 3 11,6 - - 8,8 16,3 - - 14,9 51,6 106,5
4 - 15,3 14,7 - - 7,5 17,4 - 54,9
3 5 - 14,5 13,6 - 13,9 - - 15,5 57,5 104,4
6 13,3 - - 6,1 - 10,7 16,8 - 46,9
4 7 18,5 18,2 17,8 11,9 - - - - 66,4 109,8
8 - - - - 9,7 6,5 15,4 11,8 43,4
5 9 - 14,2 - 10,5 - 8,1 - 13,5 46,3 108,0
10 12,8 - 14,4 - 17,1 - 17,4 - 61,7
6 11 16,8 15,3 - - 17,4 10,6 - - 60,1 107,5
12 - - 14,3 6,8 - - 14,7 12,1 47,5
7 13 - - 15,2 8,6 15,4 8,6 - - 47,8 110,3
14 14,9 12,5 - - - - 17,8 17,3 62,5
Ti 101,6 104, 105,6 61,8 104,9 59,8 118,3 101 757,2
2

Anal yse de la variance

Facteur correctif=
757,22  10238 ,4
56

SCrépétition = (110,6) + (106,5) + ... + (110,3) - C = 3,83

2 2 2

SCBloc = (53) + (57,6) + ... + (62,5) - C = 10402,91 - C = 164,51

2 2 2

SCBloc/Rép(non ajusté) = 164,51 - 3,83 = 160,68

SC Traitement

Calcul des valeurs estimées :

i Ti ∑ nB j i j
Qi wi T i +uw i
A 101,6 402,2 4,2 -137,4 96,42
B 104,2 405,3 11,5 -148,7 98,61
C 105,6 388,8 33,6 -27,6 104,56
D 61,8 364,1 -116,9 -29,9 60,68
E 104,9 379,7 39,9 33,3 106,15
F 59,8 352,4 -113,2 44,0 61,45
G 118,3 374,5 98,7 123,3 122,94
H 101 361,8 42,2 143,0 106,38
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 80

Qi = kτ i - ∑ j nij B j = 4τ i - ∑ j nij B j
w i = (t - k)τ i - (t - 1) ∑ j nij B j + (k - 1)TG
= 8τ i - 7 ∑ j nij B j + 3x757,2 I
r (E b - Ee ) 7 (17,28 - 1,67)
u= =
rt (k - 1)E b + k (b - r - t + 1) E e 168Eb
109,34 10934
= = = 0,0376
168 (17,29) 2904,04
Qi (4,2)2 + (11,5)2 + ... + (42,2)2
Traitement (ajusté) = ∑ i λkt = 3x 4 x 8
= 425,76
Traitement (non ajusté) = (101,6)2 + (104,2)2 + ... + (101)2 - C
= 10703,82 - C = 465,42
Bloc/Répetition (ajusté) = 160,68 + 425,76 - 465,42 = 121,02

Tableau résumé

Source de dl SC CM F F0,05
variation
Répétition 6 3,83
Bloc/rép(non 7 160,68 22,95 22,95
ajusté) = 11,95
1,92
Trait (ajusté) 7 425,76 60,82
Trait (non ajusté) 7 465,42
Bloc/rép(ajusté) 7 121,02 17,28E b
Erreur intra bloc 35 58,46 1,67E e

μ = Voir page précédente

La variance de l’erreur effective =[1+(t-k) μ ]E e

=[1+(4)0,0376]1,67

=1,92

(96,43)2 + (98,61)2 + ... + (106,38)2

Sctraitement(ajusté) = - C=
7
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 81

CHAPITRE X :

CONFOUNDING DANS UN DISPOSITIF FACTORIEL 2 N

10.1. DEFINITION

C’est un dispositif factoriel dans lequel la taille de bloc est réduite en

sacrifiant la précision de certains effets, surtout les interactions de niveau
élevé.

Pour cette raison on force les effets de blocs d’être confondus aux
effets de l’interaction qui a été choisie pour être sacrifié.

10.2. BUT

Réduire les effets des différences de facteurs du sol en utilisant de

blocs de petites dimension s contenant seulement une partie de traitement s
dans chaque bloc.

10.3. TYPE DE CONFOUNDING

Confounding complet : le même traitement est confondu dans

chaque réplication.

Confounding partiel : plusieurs traitement s sont confondus chacun

dans au moins deux réplications .

10.4. DESAVANTAGES

- Les traitements confondus au bloc sont répliqués moins de fois

que les traitements non confondu s. Ce qui résulte en une perte
de précision
- Les calculs sont plus difficile s

10.5. CONFOUNDING COMPLET

10.5.1. Cas de dispositif factoriel 2 3

Soit le facteur A,B et C chacun à deux niveau .Les Combinaisons

Factoriels sont :

A O B O C O =(1) A O B 1 C 1 =c

A 1 B 1 C 0 =(a) A 1 B 1 C 0 =ab

A 0 B 1 C 0 =b A 1 B 1 C 1 =abc

A 1 B 0 C 1 =ac A 0 B 1 C 1 =bc
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 82

Le calcul des effets factoriel s totaux sera :

± ± ± ± ± ± ± ±
(1) a b c ab ac cb abc
-A - + - - + + - +
-B - - + - + - + +
-C - - - + - + + +
+AB + - - + + - - +
+ AC + - + - - + - +
+ BC + + - - - - + +
- A BC - + + + - - - +

Les effets principaux et interaction seront :

(abc  ac  ab  a - bc - b - c - 1)
1
A
4r
B  abc  ab  bc  b - ac - c - a - 1
1
4r
C  abc  cb  ac  c - ab - b - a - 1
1
4r
AB  abc  ab  c - cb - ac - b - a  1
1
4r
AC  abc  ac  b - cb - a  1
1
4r
BC  abc  cb  a - ac - ab - c - b  1
1
4r
ABC  abc  c  a  b - cb - ac - ab - 1
1
4r

Si nous sacrifions les interactions de niveau élevé soit ABC dont les
1
effets sont (abc + c + a + b - cb - ac - ab - (1))
4r

C'est-à-dire nous confondons les effets d’interaction avec bloc. Nous

pouvons donc diviser chaque réplication en deux blocs de quatre unités de
telle manière que dans chaque réplication formée de deux blocs l’un de bloc
contient des unités positives et l’autre bloc contient des unités négatives.

Si nous devons construire un dispositif expérimental factoriel de 2 3 en

blocs de 4 unités et trois répétitions avec ABC confondu en bloc nous
aurons :
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 83

Re p I R e p II R ep I II

B loc 1 2 3 4 5 6

abc ab abc ab abc ab

a ac a ac a ac
b bc b bc b bc
c (1) c (1) c (1)

10.5.2. EXEMPLE D’UN DISPOSITIF 2 3

On a comparé les effets de fumure organique A(0 et 1), Azotée

B(0et1) et phosphorée C(0 et1) sur le rendement de haricot dans un
dispositif factoriel avec deux réplication et avec les effets de ABC
confondus au bloc

Représenter cette expérience sur le terrain

R é p lic a ti o n I R é p lic a t io n II R ép l ic at i on I II

B loc 1 2 3 4 5 6

abc ab abc ab abc ab

a ac a ac a ac
b bc b bc b bc
c (1) c (1) c (1)

Supposons les résultats ci –après

Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 84

rép I rép II
B l oc 1 2 3 4

ab c= 7 6 ab =6 1 ab c=6 5 ab =7 6
a=4 7 ac=5 1 a=4 1 ac=3 4
b =2 6 b c=3 6 b =3 6 b c=3 1
c=2 9 ( 1 )=3 2 c=3 9 (1 )=4 3

T ot a l B loc 178 18 0 181 18 4

T o t al R e p. 358 365 T G = 7 23

7232
1. C= facteur correctif= = 32670,58
16

(178)2 + (180)2 + (181)2 + (184)2

2. SC bloc= - C = 4,69
8
4

(358)²+(365)²
3. SC Répli. = - C =
8

4. SC T o T a l =3938,44

5. SC t r =3429,94

6. SC Effets principaux

Effets ± ± ± ± ± ± ± ±
principaux (1) a b ab c ac bc abc
-A - + - + - + - +
-B - - + + - - + +
-C - - - - + + + +
+AB + - - + + - - +
+AC + - + - - + - +
+BC + + - - - - + +
-ABC - + + - + - - +
75 88 62 137 168 85 67 141

(141 - 67 + 85 + 137 - 68 - 62 + 88 - 75)2 (179)2

SCFumure A = = 2002,5
8 x2 16
Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 85

SC azote B-----------=517,56

SC phosphore C------=0,0625

SC AB----------------- =885,06

SC AC-----------------=0,562

SC BC-----------------=22,66

Tableau de l’ANOVA

SV Dl SC CM F
Total 15 3938 -
Rep 1 3,085 3,06
Bloc 3 4,69 1,56
Fumure A 1 2002,5 2002,5 23,94
Azote B 1 517,56 517,56 6,2
Phosphore C 1 0,0625 0,0625 0,00075
AB 1 885,06 885,06 10,58
AC 1 0,562 0,562
BC 1 22,66 22,66
Erreur 6 501,695 83,62 -

10.5.3. EXEMPLE D’UN DISPOSITIF FACTORIEL 2 4 CONFONDU DANS

LES BLOCS DE 8 UNITES

Exemple : on a fertilisé le sol avec 4 types d’engrais D, N, P, K

chacun à deux niveau 0 et 1dans un dispositif factoriel 2 4 confondu dans les
blocs de 8 unités a vec le facteur DNPK confondu avec les blocs .

a) Présenter le tableau de calcul des effets factoriel s totaux

b) Présenter le dispositif sur le terrain

c) Etant donné les résultats ci -après, faites l’analyse de la variance .

Co ur s d’ ex p é ri m e n ta t io n e t de bi o m ét ri e 86

a) présentation de tableau de calcul des effets factoriels principaux

+ ± ± ± ± ± ± ± ± ± ± ± ± ± ± ±
(1) d n dn p dp np dnp k dk nk dnk pk dpk npk dnpk
-D - + - + - + - + - + - + - + - + -8
-N - - + + - - + + - - + + - - + + -
102
+DN 32
-P 14
+DP 88
+NP 50
-DNP 8
-K -12
+DK -14
+NK -32
-DNK 18
+PK 28
-DPK -22
-NPK -32
+DNPK 50
115 95 89 83 84 102 89 100 105 95 87 75 107 99 79 98
 87

b) Présentation du dispositif expérimental sur le terrain avec résultats

1. Traitement confondu : DPNK

DNPK=(dnpk-npk-dpk+pk-dnk+nk+dk-k-dnp+np+dp -p+dn-n-d+(1))

Réplication1 Réplique II

dp nk dp ( 1) nk dk dn np pk npk n d d np p k dn k dpk

44 50 58 44 43 41 50 51 43 47 4 2 52 39 50 34 44

bloc1 = 381 Bloc 3 =351

dnk p dn p k d d pk n n pk nk p k dp dk ( 1) d npk p n dn

41 45 48 55 53 55 42 36 43 56 52 52 57 54 39
42

bloc 2 = 375 bloc 4 = 395

Total rép 1 = 750 Total rép 2 = 746

 88

C) Analyse de la v ariance

1.Facteur correctif 
1502 
2
 70500 ,125  C
32
 44   50   ...  42  - C 
2 2 2
2.SCtotal

3.SCRéplication 
756 2  746 2  C  3,125
16

4.SCbloc 
381  375   3512  395 2 - C  126,375
2 2

8
SCbloc  126,3 - 3,125  123,25
Rép

5.SCD  
- 82 32
2 x16

6.SCN 
 - 102 
2
 325,12
2 x16

7.SCDN 
32 2  32
2 x16

8.SCP 
14 2  6,12
2 x16

9.SCDP 
88 
2
 242
2 x16

10.NP 
50 
2
2
2 x16

11.DNP 
82  2
2 x16

12.K 
- 12 
2
 4,5
2 x16

13.NK 
- 32 
2
 32
2 x16

14.DNK 
182  10,12
2 X 16

15.PK 
 28 
2
 24,5
2 x16

16.DPK 
 - 22 
2
 15,12
2 x16
17.NPK 
- 32   32
2 x16
 89

Tableau résumé de l’ANOVA

SV dl SC CM F
Total 31
Rep 1 3,125 -
Bloc/Rep 2 123,25 61,6 2,5
D 1 2,0 2
N 1 325,1 325,1 19,38
P 1 6,1 6,1 -
K 1 4,5 4,5 -
DN 1 32,0 32 1,3
DP 1 242,0 242,0 9,96
NP 1 78,1 78,1 3,2
DK 1 6,1 6,1
Nk 1 32,0 32 1,3
PK 1 24,5 24,5 -
DNP 1 2,0 2,0 -
DNK 1 10,1 10,1 -
DPK 1 15,1 15,1 -
NPK 1 32 32,0 1,3
Erreur 14 340 24,29 -
 90

TABLE DE MATIERE

PARTIE II : EXPERIMENTATION

CH AP IT R E P REM I ER : P RI NC IP E S D ’ E X PE R IM ENT AT IO N ........................... 1

1.1 . G EN E RA L IT ES ......................................................................... 1

1. 1. 1 . O B S ER V A TIO N ....................................................................... 1

1. 1. 2 . E X P ER I ME NT A TIO N ................................................................. 1

1. 1. 3 . E L E ME NT S DU PR O TO CO L E E X PE RI ME NT A L .................................. 1

CH AP IT R E 2 : L E D IS PO SIT IO N CO M PL ET EM ENT R AN D O M IS E .................... 8

2.1 . D E F IN IT IO N ........................................................................... 8

2.2 . M O D E L E F IX E .......................................................................... 8

2. 2. 1 . MO D E L E S T ATI ST IQ U E TH E O R IQ U E ............................................. 8

2. 2. 2 . AN A L Y S E D E L A V A RI A NC E ........................................................ 8

2. 2. 3 . A V AN TA G ES .......................................................................... 9

2. 2. 4 . DE S A V A NT AG E S ..................................................................... 9

2. 2. 5 . Q U AN D P EU T – O N UTI L I SE R C E DI S PO SI TIF . ................................... 9

2. 2. 6 . E X E MP L E ............................................................................. 9

2.3 . M O D E L E 2 O U M OD E L E V AR IAB L E . ............................................. 10

2. 3. 1 . MO D E L E S T ATI ST IQ U E ........................................................... 10

2. 3. 2 . AN A L Y S E D E L A V A RI A NC E ...................................................... 11

2. 3. 3 . E X E MP L E ........................................................................... 11

CH AP IT R E II I : D I S PO SIT IF H I ER AC H I S E ................................ ............. 13

3.1 . M O D E L E A L E A T O I R E ................................................................... 13

3. 1. 1 . Mo d è le s t at is t iq ue .................................................................. 13

3. 1. 2 . PR E S E NT AT IO N DE S R E S UL T AT S .............................................. 14

3. 1. 3 . A na ly s e d e l a v ar ia nc e. ............................................................ 14

3. 1. 4 . T A B L E AU R E S U ME D E L ’A N O V A ................................................ 15
 91

3. 1. 5 . E X E MP L E ........................................................................... 15

3.2 . M OD E L E M IX T E ..................................................................... 17

3. 2. 1 . MO D E L E S T ATI ST IQ U E ........................................................... 17

3. 2. 2 . PR E S E NT AT IO N DE S R E S UL T AT S .............................................. 17

3. 2. 3 . AN A L Y S E D E L A V A RI A NC E ...................................................... 17

CH AP IT R E I V: DI S PO SI T IO N E N BLO C S C O M PLE T S R AN D O M IS E S …… … …… …. 2 0

4.1 . M O D E L E ST AT I ST IQ U E ............................................................ 19

4.2 . C ARA CT E R ES D E B L OC ............................................................ 20

4.3 . AV AN TA G E S D E S BL O CS .......................................................... 20

4.4 . D E SAV AN TA G ES DE BL O CS ...................................................... 20

4.5 . P R ES E NT AT IO N D ES R ES UL TA TS ............................................... 21

4.6 A NA L YS E D E LA VAR IAN C E ........................................................ 21

4. 6. 1 . CA L CU L E D E S O MME S DE S C A RR E E S ......................................... 21

4. 6. 2 . T A B L E AU R E S U ME D E L ’A N O V A ................................................ 21

4.7 . EX E MP L E ............................................................................. 22

4. 7. 1 . AN A L Y S E D E L A V A RI A NC E ...................................................... 22

4. 7. 2 . T A B L E AU R E S U ME D E L ’A N O V A ................................................ 22

4.8 . C O MP ARAI S ON D ES M OY E N N ES ................................................. 23

CH AP IT R E V . D IS P O SI T IF EN C AR R E L AT IN ................................ ........ 25

5.1 . U T IL ISA T IO N ........................................................................ 25

5.2 . M O D E L E ST AT I ST IQ U E ............................................................ 25

5.3 . AV AN TA G E S ......................................................................... 25

5.4 . D E SAV AN TA G E ...................................................................... 25

5.5 . P LA N EX P ER IM E NT AL .............................................................. 25

5.6 . P R ES E NT AT IO N D ES R ES UL TA TS P O UR L ’A NA LY S E D E LA VAR IA N C E. . 26

5. 6. 1 . LIG N E S ET C O LO N N E S ........................................................... 26
 92

5. 6. 2 . T R AIT E ME N T S ..................................................................... 26

5.7 . A NA LY S E D E LA VAR IAN C E ....................................................... 26

5. 7. 1 . CA L CU L D E S S O MME S DE S C A RR E S .......................................... 26

5. 7. 2 . T A B L E AU R E S U ME D E L ’A N O V A ................................................ 27

5.8 . EX E MP L E ............................................................................. 27

5. 8. 1 . E X P ER I ME NT A TIO N ............................................................... 27

5. 8. 2 A N A LY S E D E L A V A RI A NC E ...................................................... 28

CH AP IT R E V I. D IS P O SI T IF F ACT O R IE L ................................ ............... 29

6.1 . D E F IN IT IO N ......................................................................... 29

6.2 . D IS PO S IT IF FA CT OR IE L 2 2 ....................................................... 29

6. 2. 1 . PR E S E NT AT IO N DE S R E S UL T AT S .............................................. 29

6. 2. 2 . T A B L E AU D E S SI G N E S ........................................................... 31

6. 2. 3 . E X E MP L E D ’U N DI S PO S IT IF 2 2 .................................................. 31

6.3 . D IS PO S IT IF FA CT OR IE L 2 3 ....................................................... 33

6. 3. 1 . PR E S E NT AT IO N DE S R E S UL T AT S .............................................. 34

6. 3. 2 . T A B L E AU D E S SI G N E S ........................................................... 34

6. 3. 3 . E X E MP L E D E D IS PO S IT IF 2 3 ..................................................... 34

6. 3. 2 . AN A L Y S E D E V AR I AN C E A V E C C AL C UL D E S S O MME S D E S C AR R E E. ... 36

6.4 . D IS PO S IT IF FA CT OR IE L 2 4 ....................................................... 38

6. 4. 1 . T A B L E AU D E S SI G N E S E T D E CA L C UL D E S E FF ET S P RI N CI P AU X ET
INT E R ACT IO NS ....................................................................... 39

6. 4. 2 . AN A L Y S E D E L A V A RI A NC E ET C AL CU L D E S SO M ME S D E S C AR R E S .... 40

6. 4. 3 . T A B L E AU R E S U ME D E L ’A N A L Y S E DE L A V AR I AN C E ....................... 41

6.5 . D ISP O S IT IF F A CT OR IE L 3 2 ...................................................... 41

6. 5. 1 . PR E S E NT AT IO N DE R E S U LT AT S ................................................ 41

6. 5. 2 . AN A L Y S E D E V AR I AN C E A V E C C AL C UL D E S S O MME S D E S C AR R E ...... 42
 93

6. 5. 3 . T A B L E AU R E S U ME D ’A N O VA .................................................... 43

6. 5. 4 . E X E MP L E D E D IS PO S IT IF 3 2 ..................................................... 43

6.6 . D IS PO S IT IF FA CT OR IE L 3X4 ..................................................... 46

6. 6. 1 . E X E MP L E D ’U N DI S PO S IT IF 3 × 4 ............................................... 46

CH AP IT R E V II : DI S P O S IT IF F AC T O R I EL E N S PL IT PL O T ......................... 52

7.1 . D IS PO S IT IF E N SP L IT P L OT ...................................................... 52

7. 1. 1 . PR E S E NT AT IO N SU R L E T ER R AI N .............................................. 52

7. 1. 2 . MO D E L E S T ATI ST IQ U E ........................................................... 53

7. 1. 3 . Pr és e n ta t io n d e s r és u lt ats et c a lc u l d es s o mm es d es c arr és ................. 54

7. 1. 4 . Ca lc u l des s om mes des c a r rés . .................................................. 54

7. 1. 5 . T a bl e a u Rés u m é d e l ’a n ov a ....................................................... 56

7. 1. 6 . E X E MP L E ........................................................................... 56

7.2 . S PL IT - S PL IT - P L O TS ............................................................... 59

7. 2. 1 . CA L CU L D E S D EG R ES D E LI B ER T E ............................................ 60

7. 2. 2 . CA L CU L D E S S O MME S DE S C A RR E E S ......................................... 61

CH AP IT R E V II I. DI S P O S IT IF EN B LO C S I N CO M PL ET S EQ UIL I B RE S ............ 70

8.1 . D E F IN IT IO N ......................................................................... 70

8.2 . C O ND IT IO N S N E C ESS A IR E P OUR Q UE L E D IS PO S IT IF P U ISS E E X IS T ER :

............................................................................................ 70

8.3 . AV AN TA G E S ......................................................................... 70

8.4 . D E SAV AN TA G E ...................................................................... 70

8.5 . M O D E L E ST AT I ST IQ U E ............................................................ 71

8. 6. 1 . E ST I MAT E UR S INT R A B LO C S ................................................... 71

8. 6. 2 . AN A L Y S E D E V AR I AN C E : A N AL Y S E INT R A B LO C ........................... 72

8. 6. 3 . AN A L Y S E D E L A V A RI A NC E – AN A L Y S E IN T ER B LO C ...................... 72
 94

8.7 . EX E MP L E ............................................................................. 72

8. 7. 1 . RE S U LT AT S D E T ER R AI N ........................................................ 73

8. 7. 2 . T A B L E AU D E P RE S E NT AT IO N D E S R E SU LT AT S PO U R L ’A NA L Y S E D E L A
V AR I AN C E ............................................................................. 73

8. 7. 3 . AN A L Y S E D E V AR I AN C E .......................................................... 73

CH AP IT R E I X : D I SP O SIT IF AV E C BL O C S I NCO M PL ET S EQ U IL I BR E S AV E C
BLO C S AR R AN G E S P AR G RO U P E D E R E P ET IT IO N ................................ . 77

9.1 . D E F IN IT IO N ......................................................................... 77

9.2 . AV AN TA G E S ......................................................................... 77

9.3 . M O D E L E ST AT I ST IQ U E ............................................................ 77

9.4 . A NA LY S E D E VA R IA NC E ........................................................... 77

CH AP IT R E X : CO NF O UN DI NG D AN S UN D IS PO S IT IF F ACT O RI E L 2 N ........... 81

10. 1. D EF IN IT IO N ........................................................................ 81

10. 2. B U T .................................................................................. 81

10. 3. TY P E D E C ONF OU ND IN G ........................................................ 81

10. 4. D ESA VAN TA G E S .................................................................. 81

10. 5. CO NF O UN D IN G C O MP L E T ....................................................... 81

10 . 5. 1. C as d e d is p os i ti f fac t or ie l 2 3 .................................................... 81

10 . 5. 2. E XE MP L E D ’U N DI S PO SI TIF 2 3 ................................................. 83

10 . 5. 3. E XE MP L E D ’U N DI S PO SI TIF F A CTO RI E L 2 4 CO NFO ND U D AN S LE S BL O C S

DE 8 UN IT E S .......................................................................... 85