L'évolution des populations humaines au cours des temps fait l'objet de nombreuses études de la part des anthropologues. Ceux-ci s'intéressent entre autres à l'évolution des mensurations des crânes. Ici, nous disposons de mesures effectuées sur des crânes égyptiens qui s'étalent sur plus de 4000 ans, approximativement de -4000 à + 150. Nos mesures portent sur 150 crânes d'Egyptiens mâles, répartis en 5 périodes (approximatives).
[...] Autrement dit, l'évolution de MB au cours du temps est significative. Toutefois, le R2 est relativement faible : cela montre que le modèle est assez mal ajusté et ne saurai constituer une prédiction fiable de MB uniquement à partir de la période. Les tests effet par effet type I et III donnent les mêmes résultats, ce qui est normal puisque on fait une ANOVA à un facteur. Estimation paramètres : On peut constater une évolution de la valeur du paramètre αi selon la période, qui montre que MB tendrait à augmenter avec la période (coefficient négatif) : les crânes deviendraient plus larges au cours du temps. [...]
[...] On ne peut donc pas noter d'évolution certaine de la largeur maximale du crâne. La hauteur basibregmatique semble assez constante. La longueur bisalvéolaire et la hauteur nasale semblent diminuer légèrement. Mais là encore une étude basée sur ces statistiques élémentaires ne permet pas de conclure sur l'évolution des mesures. Coefficients de corrélation de Pearson Nous avons ensuite cherché à caractériser la corrélation entre les mesures et la période. Pour cela nous avons utilisé les coefficients de corrélation de Pearson (cf. [...]
[...] En revanche on ne peut rien dire sur la hauteur du crâne (les évolutions selon les 2 axes sont contraires). Dans une première partie, nous avons donc réalisé une analyse descriptive des résultats. Cette étude ne nous permet pas de conclure sur l'évolution des mensurations des crânes au cours du temps. Nous allons donc tenter de caractériser cette évolution par la modélisation linéaire. II) Modélisation linéaire Régression simple On peut faire des régressions linéaires des variables en fonction du temps, mais a priori cela ne donnera pas de résultats très concluants vu la première partie. [...]
[...] Figure 9 : Valeurs propres de la matrice de corrélation et inertie associée au nombre d'axes On peut remarquer que pour deux axes on obtient 67% d'inertie, contre 89% à 3 axes. On pourrait donc essayer de représenter les individus selon trois axes. Mais si on représente les valeurs propres en fonction du nombre d'axes (sous Excel), on observe un léger décrochement à 2 axes. On va donc choisir de représenter les individus dans un plan. Valeurs propres en fonction du nombre d'axes 40 Valeur propre associée Nom bre d'axes Figure 10 : Valeurs propres en fonction du nombre d'axes On s'intéresse ensuite aux vecteurs propres de chaque axe. [...]
[...] En revanche la hauteur nasale est peu corrélée à l'axe 1 et le test conduit à rejeter l'hypothèse de corrélation (p-value = 0.8 Figure 12 : Coefficients de corrélation de Pearson entre les Variables et l'axe 1 On effectue ensuite une projection dans le plan 1-2 : Figure 13 : Projection dans le plan axe axe 2 D'après ce que nous avons vu précédemment, un individu fort sur l'axe 1 correspondra à des fortes longueurs bisalvéolaire et hauteur basibregmatique ainsi qu'à une faibles largeur maximale(MB). Cela signifie un crâne peu large, assez allongé et haut. De la même façon un individu fort sur l'axe 2 aura une très forte largeur maximale, et des hauteurs nasales et basibregmatiques relativement importantes. Cela correspond donc à un crâne large et haut. Sur cette projection, on peut remarquer quelques groupements. [...]
Source aux normes APA
Pour votre bibliographieLecture en ligne
avec notre liseuse dédiée !Contenu vérifié
par notre comité de lecture