La structure de la base de données et l utilisation de PAST. Musée Royal de l Afrique Centrale (MRAC Tervuren)

Transcription

1 La structure de la base de données et l utilisation de PAST

2 La structure de la base de données données originales SPÉCIMENS Code des spécimens: Identification des spécimens individuels. Dépend du but de l étude, mais contient souvent de l information géographique. De préférence bref. VARIABLES Mensurations Méristiques Information additionnelle

3 La structure de la base de données données originales Mensurations: D abord longueur totale (L tot ) et longueur standard (LS). Groupez les mensurations de la tête et celles du corps. Préférablement rangées dans l ordre sur les feuilles.

4 La structure de la base de données données originales Méristiques: Groupez les comptes des différentes structures: les nageoires (les épines et rayons mous à la dorsale, épines et rayons mous à l anale, ), les écailles (longitudinales, transversales, ), les dents,

5 La structure de la base de données données originales Information additionnelle, surtout basée sur les données de l étiquette: Pays, bassin, localité exacte, Numéro de collection Remarques sur le spécimen (propres observations)

6 La structure de la base de données données modifiées Générale Données modifiées = données dérivées à partir de la base de données originale, avec les mensurations (et méristiques) originales. Par exemple: la transformation logarithmique (LOG) et les pourcentages (%LS = longueur standard, %LT = longueur de la tête), les deux seulement pour les mensurations; les méristiques ne sont pas transformées. PAST permet la transformation LOG d une base de données importée, mais pas le calcul des pourcentages; les pourcentages doivent être calculés avant importation dans PAST. Les mensurations et les méristiques sont analysées séparément.

7 La structure de la base de données données modifiées Modifier les données avec Excel: Worksheet 1 = données originales; worksheet 2 = %LS; worksheet 3 = %LT; worksheet 4 = LOG; transformation LOG peut être faite avec PAST; seulement les mensurations sont transformées (LOG ou pourcentages), les méristiques jamais. En utilisant des formules dans les worksheets 2 et 3, des corrections des données originales sont directement appliquées dans ces worksheets. %LS: (variable/ls)*100 %LT: (variable/lt)*100 Les colonnes avec l information additionnelle dans worksheet 1 peuvent être exclues des autres worksheets.

8 PAST: entrer des données Seulement marquer pour ajouter ou changer les labels! 1) Sélectionnez et copiez les données originales dans Excel (mensurations ou méristiques, pas l information additionnelle) 2) Marquez Edit labels dans PAST, et collez les données à partir de la première cellule à gauche et en haut, pour ajouter les codes des spécimens et des variables dans la première colonne et rangée de PAST 3) Supprimez la marque Edit labels, et les rangées et colonnes en surplus, et sauvegardez le fichier

9 PAST: modifier les données Générale Labels peuvent seulement être ajoutés ou modifiés quand Edit labels est marqué. Le contenu d une cellule peut seulement être ajouté ou modifié quand Edit mode est marqué. Evitez les modifications dans PAST; faites-les dans le fichier Excel.

10 PAST: modifier les données La transformation logarithmique La transformation LOG est impossible quand il y a des cellules vides dans la base de données; remplacez par «?», ou supprimez le spécimen ou le variable Sélectionnez toutes les données en cliquant la cellule au dessus de la colonne avec les codes des spécimens 2. Cliquez Transform-Log

11 PAST: X/Y Scatterplots (nuage de points) 1) Sélectionnez une première colonne avec des données (X), en cliquant le label de la colonne 2) Sélectionnez une deuxième colonne avec des données (Y), en cliquant le label de la colonne REMARQUE: les deux colonnes doivent être l une à côté de l autre 3) Cliquez Plot-X/Y Graph 3 1-2

12 PAST: X/Y Scatterplots (nuage de points) Choisissez le début et la fin des axes X et Y (appuyez ENTER pour appliquer le changement). Choisissez toujours points Convex hulls dessine un polygone autour des groupes prédéterminés; labels montrent les codes des spécimens La taille des symboles et du texte peut être changée en cliquant n importe où sur le graphique

13 PAST: X/Y Scatterplots (nuage de points) Les spécimens (groupes) avec une certaine couleur seront pareillement colorés dans le X/Y scatterplot; convex hulls dessine un polygone autour des groupes.

14 PAST: chercher des erreurs de mesure Les erreurs de mesure deviennent claires après une ACP: un spécimen isolé et un grand factor loading indiquent quelle mensuration est incorrecte chez quel individu. Le premier contrôle, en faisant des scatterplots de toutes les variables opposé à LS (ou LT) peut déjà identifier des erreurs frappantes: Erreurs potentielles

15 PAST: analyse en composantes principales Avant d effectuer les ACPs, il faut calculer le logarithme des données morphométriques; les méristiques ne sont pas transformées. Pour commencer une ACP: 1) sélectionnez toutes les données; 2) cliquez Multivar Principal components. Des base de données avec des cellules vides ne peuvent pas être analysées; remplacez les cellules vides par «?». 1 2

16 PAST: analyse en composantes principales Eigenvalues donnent le degré de la variation totale de la base de données expliqué par la composante principale correspondante. % variance explique le pourcentage de la variation totale de la base de données expliqué par la composante principale correspondante. Utilisez la matrice Var-covar si tous les variables utilisent la même unité (mensurations); ou la matrice correlation si différentes unités sont utilisées (méristiques). La plupart de la variation est normalement expliquée par les premières composantes principales.

17 PAST: analyse en composantes principales Convex hulls dessine un polygone autour des spécimens colorés identiquement dans la base de données. Biplot projet les variables sur le scatterplot.

18 PAST: analyse PCA Choisissez la composante principale pour laquelle vous voulez voir les factor loadings, qui indiquent quelles variables sont les plus importantes pour expliquer la variation dans la direction de la composante.