Fruits - vol.

41, n° 3, 1986 -163

Nombre et tai lle des parcelles en expérimentation

agronomique sur plantes à grand développement
végétatif. Application au cas du bananier.

X.PERRIER*
NOMBRE ET TAILLE DES PARCELLES EN EXPERIMENTATION
AGRONOMIQUE SUR PLANTES A GRAND DEVELOPPEMENT
VEGETATIF.
APPLICATION AU CAS DU BANANIER.
X. PERRIER (IRFA).
Fruits, Mar. 1986, vol. 41, n ° 3, p. 163-173.

RESUME · Dans le cas de l(lantes à grand développement végétatif,

_
comme le bananier, le probleme de l'efficacité des dispositifs expéri­
mentaux ��t �e!ui de l'équilibre entre le nombre de répétitions et le
�ombre d md1v_1�us par parcelle. Ce problème est compliqué par le
nsque de d1spantlon de plants en cours d'expérimentation.
_
Des resultats de statistique classique et de techniques de simulation
sur un lot de données expérimentales permettent d'avancer Ùrtains
éléments de réponse. Les possibilités d'extrapolation à d'autres
conditions d'environnement sont discutées.

que la valeur «moyenne» observée sur une parcelle est bien

représentative du potentiel de cette parcelle. Par contre,
INTRODUCTION
pour des cultures arbustives et certaines cultures tropicales
Un grand nombre de travaux ont apporté des éléments
où le développement végétatif est beaucoup plus impor­
de réponse à la question souvent posée par les expérimen­
tant, l'adoption d'un nombre comparable d'individus ·par
tateurs en agronomie : «Combien doit-on faire de répé­
parcelle conduirait à des unités extrêmement grandes où
titions ?». Les statisticiens proposent des règles de décision
les hétérogénéités d'environnement (sol, microclimat ...)
que l'expérimentateur applique à sa culture, en fonction
seraient considérables. On est donc contraint d'opter pour
de la variabilité attendue, des différences qu'il souhaite
des parcelles contenant un nombre réduit d'individus
mettre en évidence et des seuils de probabilité qu'il se fixe
(tableau 1). Le problème devient «Combien doit-on faire
(PHILIPEAU, 1980).
de répétitions et combien d'individus doivent comporter
les parcelles ?». La superficie d'une expérimentation agro­
La plupart de ce� travaux concernent des cultures à dé­
nomique ne peut pas croître exagérément de par les hété­
veloppement végétatif réduit (les céréales en particulier
rogénéités habituelles de l'environnement et en particulier
ont été beaucoup étudiées) où le nombre de plants par
du sol ou par de banales contraintes de place disponible ;
parcelle élémentaire est extrêmement élevé (tableau 1)
le problème est alors celui de l'équilibre optimal (pour un
l'unité expérimentale est en général la parcelle et l'on admet
seuil de probabilité fixé et pour un niveau de différe�ce
à mettre en évidence) entre le nombre de répétitions .et la
taille d'une parcelle élémentaire.
* · IRFA/CIRAD - B.P. 5035. 34032 MONTPELLIER Cedex
164- Fruits - vol. 41, n° 3, 1986

constituée de 20 lignes de 70 bananiers (espacement . ,.

1,55 m sur la ligne et 3,20 m entre lignes). Un cetta�
TABLEAU l - Comparaison des superficies et des nombres

nombre d'observations ont été faites sur chaque bananier

de plants pour des expérimentations agronomiques sur orge

tout au long du cycle de végétation et de fructification.

(données ITCF : Institut technique des Céréales et Fourra­
ges) ou sur bananier (données IRFA).

Orge (ITCF) Bananier (IRF A) Nous nous intéresserons à la variable production, obser­
densité 300 pl/m 2 000 pl/ha vée sur 1 218 bananiers, les autres, à la suite d'accidents
Parcelle élémentaire divers, n'ayant pas fleuri. La moyenne de la population est
2

. surface 12 m2 200 m2 de 30,53 kg avec un écart type de 3,97 kg ; la distribution

. nombre d'individus peut être admise comme normale, les paramètres de dissy.
en blocs aléatoires 3 600 40 métrie et d'aplatissement différent peu de leurs valeurs
Exemple d'un essai à théoriques (figure 2).
6 traitements et
5 répétitions Une cartographie de la parcelle réalisée en représentant
. surface 720 m 6 000 m chaque plant par sa classe de production (figure 1) ne
. nombre d'individus 108 000 1 200 montre pas de variations structurées (gradients, plages ..).
2 2

On peut penser que la variabilité observée entre plants

viendra des microhétérogénéités de sol et de la variabilité
Les statistiques permettent de répondre à ces questions à du matériel végétàl.Bien qu'étant homogènes génétiquement
conditions qu'un certain nombre d'hypothèses simplifi­ (clones), les plants présentent une variabilité phénotypique
catrices soient vérifiées. Ces simplifications sont néces­ liée en grande partie à la multiplication végétative ; le
saires et ont permis le développement de la panoplie de tous matériel de multiplication, bien que rigoureusement sélec­
les outils de la statistique· dite «classique». Cependant tionné, peut présenter de légères variations (quantité de
elles ne satisfont pas entièrement le statisticien: réserve, état physiologique, etc.) qui pourront entraîner des
différences notables de croissance ou de développement.
- soit parce qu'il sait que ses hypothèses ne sont pas véri­
fiées, mais il ne dispose plus alors des outils nécessaires. De
nombreux travaux sur la «robustesse» des méthodes mon­ VARIATIONS ET DEPENDANCES ENTRE PARCELLES
trent les limites des conclusions possibles lorsque certaines
hypothèses ne sont pas entièrement vérifiées. Soit une population de variance V (variance entre unités
expérimentales) ; si l'on répète un grand nombre de fois le
- soit parce qu'il ne peut vérifier la validité de ses hypothè­ calcul de la moyenne X de n unités issues de- cette popula­
ses : tester par exemple la normalité d'une distribution tion, ces moyennes auront une certaine variance V(X).
nécessite un nombre important de données dont on ne Rappel
dispose généralement pas en expérimentation agronomique.
Si a est une constante:
Dans certains cas, le statisticien peut aujourd'hui sortir V(aX) =a2 v(X)
de cette impasse grâce aux moyens de calcul dont il dispo­ De même:
se. Cette démarche, que l'on qualifie parfois de statistique
xi
informatique, est fondée en général sur l'estimation d'un i
V(XJ=v( tn )=v(� .�x�=lv(� x0
paramètre statistique d'une population par le calcul de ce 1=1Y n2 1=1 V
paramètre sur un très grand nombre de sous-populations Par ailleurs si X et Y sont deux variables aléatoires
issues aléatoirement de la population initiale. Citons pour
exemple BAKER (1964) qui étudie par cette méthode V(X + Y)= V(XJ + V(YJ + COY (X,YJ
l'effet de la non-normalité des distributions sur les risques De même pour n variables aléatoires
de première et deuxième espèce. n n n n
V (_L Xi� =_L V (Xi)+ 2 _L . 1; COY (Xi, X1·)
1=1 1=1 1=1 j=1+l
Nous nous proposons ici de confronter ces deux démar­
ches statistiques sur des résultats obtenus en culture bana­ Ici les variances des Xi sont égales à la variance V entre
nière et d'en dégager certaines recommandations pour unités expérimentales,
l'expérimentation agronomique.
n n ·
d'où _r V(Xi)=nVet � .r v(xd=V
DONNEES EXPERIMENTALES 1=1 n 1=1 · n

Une plantation homogène de 1 400 bananiers, variété - V 2 Ln Ln COY (X , X ·)

donc V (X)= - +- i 1
'Grande Naine', a été faite en 1983 sur les terrains de la n n 2 i=l j=i +l
Station de Recherche agronomique de Nyombé, dans le
sud du Cameroun. La parcelle apparemment homogène est
Fruits·: vol. 41,-n°3, 1986 -165

- 1
111 1
1
1 1 1
1
1
1 1
1
1 1
1
1 1 11 1
1
1
1
1 1 Si l'on fait l'hypothèse d'indépendance entre
1 1 1 1 le Xi, les termes de covariance sont nuls :
1 1 1 1 1 -
11 1 1 1 1 V
1 1 1 111
1 1

11
1

1
V(X) =-
1
1 La variance d'une moyenne diminue donc
1 1 proportionnellement au nombre d'individus
1 1 1 111 servant à calculer cette moyenne.
1 1 1
1 1
1
., 1
Connaissant la variance (V 1 ) de la population
1

1 des 1 2 18 bananiers, il est donc possible, en

1 1
1 1 1 11 admettant l'indépendance entre plants (c'est­
à-dire que la valeur observée pour un bananier
1

n'est liée en aucune manière aux valeurs obser­

22 2 2222 2 2 2 222 2 22 2 2 22 2 vées pour les autres bananiers) de calculer la
t 2 222 2 2 2 2 22
22 2222 2 2 2 22
2 22 2 2 2 22 2 2 variance Vn entre les moyennes de n bananiers
2

222 22 222 2 '2 22 2 2 22

2222

2222 2 222 2 22 2 2 222 22 2 2 22 2 2 2

2 2 2

2 2222 2 2 22 2 2 2 22 2 2 2 2 22 22 2 22
2

Vn = V 1 /n
22 2 22 2 2 2

2 222 2 2 22 222 2 2 2 22 22 2 22 2 2 2 2222 2

2 2 2 2 2 2 222 22 2 2 2
2

2 22 2 22 2 2 22 2 2 2 22. 2 La courbe de Vn en fonction de n est don­

2

2 2 2222 2 2 22 22
2 2 2 '222 22

2 22 2. 2 2 2 née sur la figure 3.

2 222 222 2 22 2 2 2 2 22 2
22 2 2 22 22

22 2 2 22 2 22222 2 222 2 2
2 2 2 2 2 2 222 2

2 22 2 22 2 222 22 2 2 2 22
2 2 222 2 2 2 22 22 2 2 22
2 2 2 22 22 2 22 2 2 2 2 2 22 2 Simulation de parcelles de différentes tailles.
2 22 22 2 2 2 2 2 2 22 2 2 2 2 22
2 2 ' 2

2 22 22 222 22 2 2 22 2 222 222 2 2 22 22 2

22 22 2 2 2 2. 2 2 22 2 2 2 2 2 22 2 Il est possible d'estimer, sur nos données, la
I? ? 222 2 2'"'� ?? 2 2 2 2 22 2 2
variance entre parcelles de n individus e_n la
calculant pour 100 parcelles de n bananiers,
la position de chaque parcelle étant tirée au
33 3 3 3 33
3 hasard. Les distributions des I 00 valeurs cal­
333 3 3 3 3 33 33 3 3 3333
3 3
33 3 3 3

culées pour des parcelles de 5, JO, 20 .. . 80

3 33 33 3 3

3 3 33 333 3 3 33 3 3333
33 3 3 3 3 '33 3 33

33 3 3 3 3 33 bananiers sont portées sur la figure 2. La dé­

3 33 3

3
33 3333 3 3

3 3 3 33 3 3 33 3 croissance de la variance n'est pas aussi rapide

3 3 333 3 33 33 3 3

3 33_3 33
3 33

qu'elle devrait l'être si l'indépendance était

33 33 3 3 3 3 333333 333 •3

33 3 3 3 3 333
3 3 3 3 3 3 3

3 3 33 3 3 33 3 33 3 3 3 3 3 33 3 vérifiée et une très nette distorsion apparaît

3 3 3 3 3 333 3 3 3 3 3 33 3

3 3 3 3 3 33 3 3 33
3 3 3 3 3 33 33 3

3 3 33 3 3 3 3 3 33 3 3 3 entre la courbe théorique établie plus haut

3 3

3 3333 3 33 3 3 3 3333 3 3 3:B 3 3 3

3 3

et la courbe estimée par tirage aléatoire (figure

33 3 3 333 33 3 33

33 3 3 3 3 3
3 3

3 3 3).
3 3

33 3 3 33 3 3 3 3 33 3 33
333 3 333 3 3333 333

3 3 3
3 3 3 33 333 333 3 33 333

33 3 33 Remarque ces simulations ont été faites

3 33 3 333 3 3 3 3 3

3 33 3 3 33 3 3
3 3 333 33 33 333333 3 3 33 33 3

3 3 33 3 3 3 3 3 3 en adoptant différentes formes de parcelles ;

3 3 33 3 3 333 3 3 333 33 3 3 3 333
333 3 3 '.3 3 3 3 33 333 333

on n'observe pas dans notre cas d'influence de

33 3 3 3

la forme des parcelles sur l'évolution de la

4 4 4 variance. Ce résultat est lié à l'homogénéité
4 44 4 44 4 4 4 de la parcelle ; NARAYANA (1982), dans
4 44 44 4 4 4
4 4 4 4

4 4
4 4 4 d'autres conditions, trouve un effet très net
4 44 4

4 44 4 4 4 4 4
4 4 4. 4 4 de la forme des parcelles.
4 4

44 4 44 4
4 ·4 4 4 444 4
44

4 4 4 44 4 4 4 4 4 4 4 4
4

4 4 44 4 4 444 4 4 44
4 4

4 444 44 44 4 4 44 4 Ajustement de FAIRFIELD SMITH.

4 4 44 4 4 44 444 444
4 4

4 44 44 4 44 4 4 4
4 4

4 44 444 4 4 4
444

FAIRFIELD SMITH ( 1938), étudiant les

4

4 4 4 4 44
4 4 44 44 résultats d'un essai à blanc de I 080 parcelles
44 4 4 4

444 4 44 4 4 4
4 4 4

4 4 de blé, avait noté la même distorsion entre la

4 4 4 44

4 4 44 4 44 44 courbe théorique et la courbe obtenue en si­

4 4 44

.. 4 4
4

mulant des parcelles de différentes tailles. Il

4 4
4 4 4

proposa alors la formule

4

Vn = V 1 /nb
Figure 1 - CARTOGRAPHIE DE LA PARCELLE EXPERIMENTALE.
Chaque plant est représenté par sa cla!;se de production.
 -- 166 - Fruits - vol. 4i, n° 3, 1986

N '"'1
% 50
x = 30,53
0

: [. > · :
4
Cl= 3,970
3n

2 A:0,778
Bl:0,121
1 B2 3 459
�L.......
--1-of==F=J=ç::!=�-l--l--!.--lf-!-...J..-t-+-!=+::::J:=i=::i:==t-- : ,
34/
1

'
20 21 22 23 2 4 25 26 '(7 28 29 30 31 32 33 35 36 37 38 39 40 kg
C. %50
\
\ I N.,5

''
40
\ I
30
I x = 30,39
.
\ u = 1,942
l··
2 \
\ A�0,813
B1 :0,331
B2 2 444
o o..1....-------�-i=�-1-+--'---+__.1--"'-'4---1-----....--.--,.- • ,

''
20 21 22 23 24 25 26 27 28129 30 31 34 35 36 37 38 39 40 kg

% N :10
4
3 J
'
1
x = 30,72
u = 1,508

20 A :0,807
10 81 :0,172
82:3,270

291
o..&.....-.--r--,-,---r--r--t=-F=l---fl---4--1--t+-+-4=-t--,--,--,.-,---,--
20 21 22 23 24 25 26 27 28 30 31 32/ 33 34 35 36 37 38 39 40 kg
1 1 N:20
%50 1 1
1
40 1
1
1 x
= 30,57
30 1 1 u :1,246
1
20 A =0,824
10 81.0,405
B2.2 ,423
0 -.---.---,---,.--"T"""--r--r,-..---t----t--t--t---t--tt---it---t---.---,-,---,--,.-.....-
20 21 22 23 24 25 26 27 28 291 30 31 132 33 34 35 36 37 38 39 40 kg
1 1
1 1
%50 1 1
40 1
1
1
'
x = 30,62
30 1 u = 1,02 9

20 A =0,8l8
10 81:0,1 42
B2c2,3 33
0
20 21 22 23 2 4 25 26 27 28 29 130 31 32 33 34 3 5 36 37 38 3 9 0 kg
4

1
°lc,50 1 N:80

0 1
4
x:30,60
1
30 1 a= 0,712
1
20
A =0,79 8
10 B1�0,0 92
B2.2,666
0 ..a.....___.,.....____-.-___l--'--U----��=1---....--.-------
w � n n � � w v m w � � � � M � � n � � 40 �

Figure 2 - DISTRIBUTIONS ET PA RAMETRES STATISTIQUES DE LA VARIABLE PRO­

DUCTION DES 1 218 INDIVIDUS PUIS DES MOYENNES DE 100 TIRAGES ALE ATOIRES
DE PARCELLES DE 5, 10, 20,40 ET 80 BANANIERS. Les lignes pointillées joignent les
points x+u et x-u.
(a= écart-type; A =coefficient d'aplatissement de GEARY; B 1 et B2 = coefficients d'asymé·
trie et d'aplatissement de PEARSON).
 - 167

\\
4
· 00
V

300

200 ','
-�,·, ",
'·-- -­ -·- - -
-�·--. ...... ------• ..... - - ..... ... __
--
1 00
"--
.... ... .
--.............__________
0-+--.--.......----.-----.....---..---......--...,..---.,-----,.------'l•
· -·-··
10 20 30 40 50 60 70 80 n
Figure 3 - EVOLUTION DE LA VARIANCE ENT RE MOYENNES DE PARCELLES
DE n INDIVIDU S : • -- · c a l cu lée à partir de la variance de la popu lation V1
en admet t ant l'hy pothese d'i ndépendance ( V: V 1 ) ; · - - - , esti mée par tirage
a l éatoire de 1 0 0 parcel l es de n i n divi d u s . n

0, b0 ''
',.,
-..... ._ ____ ____ .,....., ,,,,.�
0, 80 ,
' , .
, ...... .... - - --·

....,.;""
j
1

0, 70
-t-----T-�.-----..-----r��
1
� 1b 30 �o �odo
'o do n ;,, do
Fig ure 4 - EVOLUTION OU COEF FICIENT b DE L' AJUST EMENT DE FAIRFIELD
S MIT H : Vn : V 1 /n b .

+10

- 1 0-t---.-----.---.---..-----,--...,..--------------
5 10 20 30 40 50 D i stance en m
Fig u re 5 - EVOLUTION DU COEFFICIENT DE CORRELATION ENT RE PLANT S
CONTIGU S, PUIS SEPARES PAR UN PLANT, PUIS DEUX, ETC. ( - sur les l i ·
gnes, p l ant s espacés d e 1 , 5 5 m ; - - - sur l es colonnes, p l ants espacés de
3,20 m ) ,

30
(32)
R (' 1' ) ' !''
�� V
- ,,:
//
;' ")
/\
" (,��-
73) ( 52)
/
10 (102) · -(40) (34)/
(49•2) ,
/,,/' , , 1 581 ;" ., -'" - - - - ·
'
'l2
'·"
32)/' . ,, ;;;

0-+--.----.-----.----,,-----.------r-----r----r---.------
5 10 20 30 40 50 60 70 80 n
Fig u re 6 - E VOLU T ION EN FONCT ION DU NOMBRE D'INDIVID U S PAR PAR­
CEL L E, DU COEF FICIENT DE CORR ELATION ENT RE PARCELLES CONTIGUES
( - ) OU SEPAREES PAR U NE PARCELLE ( - - - ) , Ent re parent hèses : le nom­
b re de cou p l es servant au cal c u l .
168 -
Vn étant la variance des moyennes de parcelles constituées
de n unités expérimentales, V 1 la variance de ces unités
expérimentales et b un coefficient entre O et I mesurant
la dépendance.
Si b = l , il y a indépendance , on retrouve la formule
théorique ; si b = 0, il y a dépendance totale et la variance
reste constante. L'aj ustement réalisé sur ses données donnait
un b de 0,749.
F AI RFIELD SMITH appliquant ce calcul à différentes
données. de la littérature trouvait des coefficients b très
variables (0,40 à 0 ,80) suivant les cultures. B HARGAV A
( 1 9 7 8 ) , sur deux vergers de 480 bananiers (plantation au
carré 1 ,5 0 x 1 ,5 0 ) , obtient les valeurs de 0,79 et 0,92.
Les estimatio!ls réalisées sur nos données pour les diffé­
rentes tailles de parcelles donnent des valeurs de 0,89 à
0,70, les plus fortes valeurs correspondant aux n les plus
faibles (figure 4 ) .
C e coefficient b apparaît être fonction de n, l e modèle
proposé par SMITH ne semble donc pas entièrement satis­
faisant pour décrire la diminution de la variance p�rcel­
laire lorsque n augmente.
Variance entre parcelles et corrélations entre plants.
L'hypothèse d 'indépendance ne pouvant être admise , il
convient de prendre en compte dans l'expression de la
variance les termes de covariance
_ v 1 2 nL- 1 nL COY (Xi, X")
V(X) = -+-
n n2 i= 1 j = i + 1 J
La covariance peut s'écrire en fonction des coefficients
de corrélation entre unités expérimentales (entre plants)
coV(X i ,Xj J = fij Vv(Xi rY<Xi > = rij \lvl2 = fij V 1
d'où :
V 2V
V( X) = 1 + 2 1 � .
n
1
fij
n i= l j =i + l
. n n
V 1 (1 + � L L
= Il est possible , en connaissant la variance des parcelles de
n n i= l j=i+ l
On conçoit donc que la formule de FAIRFIELD SMITH,
qui s'écrit
(
:l n 1 -b) ne peut traduire la réalité que pour une structure
.
très particulière des coefficients de corrélation.
Dans le cas particulier d'une parcelle en ligne , on trouve-
Fruits - vol. 4 1 , n° 3 , 19 8
6
rait
n - 1 corrélations d 'ordre 1 q (individus voisins)
n - 2 corrélations d'ordre 2 r2 (individus séparés par un
plant)
1 corrélation d 'ordre n - l : rn - 1
d'où
- V1 1 2 n
V(X) = - ( + - .= L (n - l ) fj
n n 1 1 )
Il suffirait de connaître les différentes valeurs de ri p our
av.oir une estimation de V(X).
Les corrélations entre individus voisins, puis sép arés p ar
plant , 2 plants , etc. , le long des lignes ( 1 ,5 5 m d'é carte-
-- ment) et des colonnes (3 ,20 m) sont faibles et peu stru ctu­
rées (figure 5 ) . Le maximum (positif) est rencontré sur la
ligne pour les plants séparés par un individu ; on peut inter­
préter la faiblesse de la corrélation entre voisins imm édiats
comme la résultante d 'un effet négatif (compétition entre
plants) et d'un effet positif (proximité).
Il ne paraît pas possible d 'ajuster correctement les ri à
une fonction simple de n ; AASTVEIT ( 1 982) souligne ]a
difficulté d 'une telle démarche et surtout la très grande
diversité des situations possibles.
Faute d'un meilleur aj ustement , l 'approximation de
FAIRFIELD SMITH sera donc utilisée , avec un b moyen
de 0,77 , cet ajustement étant satisfaisant pour les parcelles
d 'au moins 1 0 individus.
Remarque : de la même façon que l'on a calcu.lé les cor­
rélations entre plants, il est possible de calculer des corréla­
tions entre moyennes de parcelles de n individus (figure
6) ; elles varient entre 0 , 1 0 et 0,30 pour des parcelles
contiguës et entre O et 0,20 pour des parcelles séparées
par une parcelle (la forme des parcelles a été choisie la plus
carrée possible) .
EQUILIBRE ENTRE NOMBRE DE REPETITIONS
ET NOMBRE DE PLANTS PAR PARCELLE
n individus et le nombre de répétitions p, de calculer la
différence (exprimée en pourcentage de la moyenne) que
l'on peut mettre en évidence entre deux traitements
.x moyenne de la variable analysée.
(x et {J : les risques de 1 ère et 2e espèce que nou s
avons choisis de 5 et 20 p. 1 00 , valeurs habituellement
retenues pour nos expérimentations.
 fruits . vol. 41, n 3, 1986 - 169
°

20

d%

15

10

5 n:5

n .1 0
n : 20
n : 30
n .40

0-i---,----r--,---.-...-----r----,.----,------,----,----..,.....---
2 4 6 8 10 15 20 25 30 35 40 P .
F i g u re 7 - EVOLUT I O N D E d% ( d i fférence que l 'on peut mettre en év i d e n ce ) EN FONC·
T I O N DU N O M B R E DE REPET I T I O NS (p ) POUR D I F F ERENTES TA I L L ES D E PARCELLES
(n ) .
D i ffére ntes com b i n a isons de n et p p o u r u n essa i en bloc à deux t ra i te m e n t s (o-o 400
b a n a n i e rs - pas de b o r d u re e n t r e pàrce l les ; o--o 540 ban a n i e rs - b o rd u re e n t re pa r­
ce l l es ) .

. tœ + t 2LJ (que nous noterons t(p) est la somme des
valeurs de t de STUDENT pour p - 1 degrés de liberté dans
le cas d'un dispositif en bloc. Pour un essai à dispositif
· complètement aléatoire, les valeurs seraient légèrement
supérieures, les degrés de liberté étant 2(p . l ).
. V n : variance résiduelle pour des parcelles de taille n
que l'on peut estimer par V 1 /n 0,7 7 .
Nous appellerons «sensibilité» cette différence, exprimée
en p. 100 de la moyenne, que l'on peut mettre en évidence

TA BLEAU 2 - Différence (%) que l'on peut mettre en évidence entre deux traitements pour
p répétitions de parcelles de n plants ( œ = 5 %, /3 = 20 %).

3 5 7 8 10 15 20 25 30 35 40
n 5
4 6 9
> 100 35,4 23,9 19, 1 16,4 14,5 13,2 12,2 1 1,4 8,9 7 ,6 6,7 6, 1 5,6 1 5,2
!1
10 84,7 27, 1 18,3 14,6 12,5 1 1, 1 10, 1 9,4 8,7 6,8 5,8 5, 1 4,6 4,3 4,0
15 72,4 23,2 15,6 12,5 10,7 9,5 8,7 8,0 7,5 5,8 5,0 4,4 4,0 3,7 3 ,4
20 64,8 20,7 14,0 11,2 9,6 8,5 7,8 7,2 6,7 5,2 4,4 3,"9 3 ,6 3,3 3,1
25 59,5 19,0 12,8 10,3 8,8 7,8 7, 1 6,6 6, 1 4,8 4, 1 3,6 3,3 3,0 2,8
30 55,5 17,7 12,0 9,6 8,2 7,3 6,6 6, 1 5,7 4,5 3,8 3,4 3,0 2,8 2,6
35 52,3 14,7 1 1, 3 9,0 7,7 6,9 6,3 5,8 5,4 4,2 3,6 3,2 2,9 2,6 2,5
40 49,6 15,9 10,7 8,6 7,3 6,5 5,9 5,5 5, 1 4,0 3,4 3,0 2,7 2,5 2,3
45 47,4 15,2 10,2 8,2 7 ,0 6,2 5,7 5,2 4,9 3,8 3,3 2,9 2,6 2,4 2,2
50 45,6 14,4 9,8 7,9 6,7 6,0 5,5 5,0 4,7 3,7 3, 1 2,8 2,5 2,3 2, 1
1 70
entre traitements ; une bonne sensibilité correspondra
à de faibles valeurs de d %.
Constitution et utilisation des abaques.
d% =
1 00
--=- t(p)
V
·
2V 1
x. P nO ,
Les calculs ont été faits pour des parcelles de 5 à 5 0
plants par parcelle e t pour 2 à 4 0 répétitions (tableau 2 et
figure 7 ).
L'obj ectif de l'expérimentateur est d 'obtenir une bonne
sensibilité, donc un d % le plus petit possible , compte tenu
des contraintes imposées.
Pour un nombre de répétitions donné , il est évident que
la taille des parcelles doit être la plus grande possible , en
particulier pour les faibles valeurs de p. Par exemple pour
6 répétitions , d % est d'environ 7 ,4 p. 1 00 avec 40 bana­
niers par p arcelle ; il n 'est plus que 1 6 ,4 pour 5 bananiers.
A l'inverse , pour obtenir un d % fixé a priori, on a le
choix entre différentes combinaisons de n et p. Par exemple
p = 6 et n = 40 ou p = 1 8 et n = 5 pour une sensibilité
de 8 p. 1 00.
Dans le cas très fréquent où la surface disponible est
limitée , on peut rechercher la combinaison qui .donne la
meilleure sensibilité.
Par exemple (figure 7), si la superficie totale correspond
à 400 bananiers, on peut choisir :
5 répétitions 40 bananiers par parcelle
10 répétitions 20 bananiers par parcelle
20 répétitions 1 0 bananiers par parcelle
40 répétitions 5 bananiers par parcelle
La valeur la plus faible de d % est obtenue pour le plus
grand nombre de répétitions. Il faut cependant noter qu' à
partir d 'un certain nombre de répétitions , la décroissance
devient très lente , le gain n'est que de 0,6 p. 1 00 en passant
de 20 à 40 répétitions. Nou� verrons plus loin qu'il est
souvent préférable de sacrifier très légèrement d % pour
conserver des parcelles de taille plus grande.
Lorsque les traitements nécessitent la présence de bordu­
res entre les parcelles, le pourcentage de plants non obser­
vés augmente très vite lorsque la taille des parcelles dimi­
nue, d 'où une diminution du nombre de répétitions p ossi­
ble.
Par exemple (figure 7 ) , pour une parcelle totale de 540
bananiers , avec un seul rang de bordure entre parcelles , en
choisissant les parcelles les plus carrées possible, on peut
réaliser
Fruits - vol. 41 , n° 3, 19 8
6
5 répétitions 40 bananiers observés par parcelle
9 répétitions 20 bananiers observés par parcelle
15 répétitions 1 0 bananiers observés par parcelle
22 répétitions 5 bananiers observés par parcelle
L'optimum n'est plus obtenu pour le plus grand no mb re
de répétitions mais pour environ une douzaine de répét i­
tions de parcelles de 1 5 bananiers observés. La courbe est
assez plate dans cette zone et autorise donc des flu ctua­
tions de part et d'autre de ces valeurs.
Simulation de dispositifs en blocs complets.
A l'intérieur de la parcelle de 1 400 plants, il est poss ib le
de tirer au hasard des dispositifs en blocs complets à 2
traitements ; les parcelles ont été choisies les plus carrée s
possible, sans bordure ; à l'intérieur de chaque bloc, la po­
sition des traitements est aléatoire . 40 tirages ont été
faits pour les combinaisons :
5 blocs 40 bananiers par parcelle
1 0 blocs 20 bananiers par parcelle
20 blocs 1 0 bananiers par parcelle
40 blocs 5 bananiers par parcelle
Les histogrammes des 40 valeurs de sensibilité (figure
8) montrent des allures très différentes.
Avec de petites parcelles répétées un grand nombre de
fois, le résultat est très constant et proche de la valeur
attendue. Par contre, dans le cas de grandes parcelles , les
résultats sont très dispersés, certains essais obtenant une
sensibilité jamais atteinte avec des petites parcelles (moins
de 3 %) ou inversement de très fortes valeurs , (> 1 0 %) .
La valeur estimée à partir des abaques constitue dans
tous les cas un maj orant de la moyenne des 40 tirages aléa­
toires. Il est cependant possible, pour un tirage particulier,
de ne pas obtenir la sensibilité escomptée ; c'est en terme
de probabilité que doit être interprétée cette notion de
sensibilité.
Les écarts entre sensibilités observées et esperees sont
liés à la part, dans la variance totale , de la variabilité entre
blocs. Il semble , dans notre application, que l'efficacité
du dispositif en blocs augmente avec la taille des parcelles.
Rappelons qu'en l'absence d'effet bloc, la puissance d'un
dispositif en blocs complets est inférieure à celle d'un
dispositif entièrement randomisé. Il serait logique de pré­
férer pour les petites parcelles ce deuxième dispositif et
de conserver pour les grandes parcelles le dispositif en
blocs.
Ceci cependant doit être raisonné dans chaque cas, en
fonction des hétérogénéités possibles du terrain.
 'ruits - vol. 41 , n° 3, 1986 - 1 71

''-
1

Probabilité de disparition de plants.

40 p l a nt s / pa r ce l l e Dans notre parcelle de 1 400 bananiers, la proportion

5 b l ocs
4

observée de disparition est de 13 ,52 p. 100. En admettant

12

une répartition aléatoire de ces disparitions, il est possible

', , ! .
10

de calculer, en utilisant la loi binomiale , la probabilité

8 .1
,i

de disparition de m individus dans une parcelle initiale de

6
4

taille n.
:;)
zL-l----.---r-�-1--.---,
o
--1....-+-11-+­ : 'I1
2 3 4 5 6 7 8 9 10 11 12 d %
.:::
1 0 b l ocs avec P =0 , 1352.
m m n-m
20 p l a n t s /pa rc e l l e
18 P(X = m) = C n p ( 1 - P)
16

Ces calculs ont été faits pour des parcelles de 5, 10, 20

14
12

et 40 plants (tableau 3).

10
.8

Une estimation de ces · probabilités peut également être

6

obtenue en tirant au hasard des parcelles de 5, 10 , 20 et

4
2

40 bananiers et en comptant le nombre de plants disparus.

Ce tirage répété un grand nombre de fois ( 100 fois) donne
2 3 4 5 6 7 8 9 10 11 1 2 d 'Yo

20 b l o cs
une estimation de la fréquence de disparition de m indi­
10 p l a nts /pa r c e l l e
18

vidus (tableau 3).

16
14

La concordance des pro&abilités calculées et des fréquen­

12
1

ces observées permet d'accepter l'hypothèse de répartition

8

aléatoire.
6
4
2 aa
o .l---.--�"""T--rL�-+-"""T--r-"""T--r---r--
2 3 4 5 6 7 8 9 10 1 1 12 d %

40 b l oc s
Probabilité de disparition de répétitions.

Si l'on admet que l'on doit abandonner une parcelle

32
3C

lorsque le nombre de plants disparus atteint un certain

5 p l a n ts / p a r c e l l e
28

seuil, on peut calculer pour chaque taille de parcelle la

26

probabilité d'abandon d 'une parcelle. Ce calcul a été fait

24
22

pour des parcelles de 5, 10 , 20 et 40 bananiers en fixant

20

le seuil à 20 p. 100 de disp�rition (tableau 4). Cette pro­

18

babilité est élevée pour les petites parcelles et diminue

16
14

lorsque la taille de la parcelle augmente.

.12
10

De la probabilité de disparition d'une parcelle , on passe

8

à la .probabilité de disparition d'une répétition, c'est-à-dire

6
4

de l'un ou des deux traitements. Elle est bien sûr supérieure

2 d éi
à la probabilité de disparition d'une parcelle et devient très
0 4-----L--..;.....L...,,l--L----------""T"--

forte pour les parcelles de petite taille (tableau 4).

2 3 4 5 6 7 8 9 10 11 1 2 d "/0

Figure 8 - S I M U LAT I O N DE D I S POS I T I F S EN BLOCS

On est donc amené à concevoir une nouvelle notion de

CO M P L ETS A D E U X TRA I T EM E N TS. D I ST R I BUT I ON D ES

risque corresp"ndant à la probabilité d'avoir, en fin d'essai,

'SENS I B I L I T E S ' OBTEN UES S U R 40 T I R AG ES ALE ATO I ­

un nombre donné de répétitions. A titre d'exemple , · en

RES : ( d = moye n n e des sens i b i l i tés obte n u es s u r 4 0 t i ra­

fixant cette probabilité à 0 ,8 (c'est-à-dire que l'on espè're

ges ; a : sensi b i l i té es t i mée à pa r t i r des a b a q u es .

8 fois sur 10 ce résultat), on peut calculer, dans le cas d'un

essai de 400 plants, le nombre de répétitions probable en
RISQUE D E DISPARITION D E PARCELLES
fin d'essai et la sensibilité correspondante (tableau 4).

Un autre problème de l'expérimentation sur culture
à grand développement végétatif, donc à petit nombre
d'individus par parcelle expérimentale , est le risque de
disparition de plants ; il n'est évidemment plus possible
de tenir compte de la moyenne d'une. parcelle lorsque le
nombre d'unités servant à l'établir devient trop faible.
La sensibilité est nettement diminuée particulièrement
pour les plus petites parcelles : l'intérêt des petites parcel­
les se trouve donc diminué. On peut imaginer, en présence
de bordure , la très faible sensibilité obtenue avec des par­
celles de 5 plants seulement.
172 Fruits - vol. 41, rf3, 1986

TABLEAU 3 - P(X) Probabilité de disparition de 0, 1 , 2 . . . plants pour des parcelles de différentes tailles
(loi binomiale p = 0, 1 352).
f(X) Fréquence de disparition observée au cours de 1 00 tirages aléatoires.

5 plants 10 plants 20 plants 40 plants

P(X) f(X) P(X) f(X) P(X) f(X) P(X) f(X)

0 . 484 . 51 . 234 . 19 .. . 055 . 08 . 003 . 02

1 . 378 . 37 . 366 . 38 . 17 1 . 22 . 0 19 . 01
X=

2 . 1 13 . 11 . 254 . 22 . 254 . 17 . 057 . 05

3 . 0 18 . 01 . 107 . 15 . 238 . 24 . 1 13 . 13
4 . 00 1 . 00 . 029 . 05 . 159 . 12 . 164 . 19
5 . 0 . 00 . 006 . 01 . 079 . 09 . 184 . 15
6 . 00 1 .0 . 03 1 . 05 . 168 . 11
7 .0 .0 . 0 10 . 02 . 128 . 12
8 .0 .0 . 002 . 01 . 082 . 08
9 .0 .0 . 00 1 .0 . 046 . 05
10 .0 .0 .0 .0 . 022 . 07
11 .0 .0 . 009 . 02
12 .0 .0 . 004 .0

TABLEAU 4 - Probabilités de disparition des parcelles et de répétitions. Conséquences sur la sensibilité des essais.
Nombre !
Nombre de plants Probabilité de disparition Probabilité de disparition Nombre
Sensibilité espéré de Sensibilité
par parcelle initial de
d'une parcelle d'une répétition (d %) répétitions (d %)
répétitions
(P=0,8)

5 0.33 0.55 40 5,2 16 8,6

10 0.27 0.47 20 5,8 10 8,8
20 0.20 0.36 10 6 ,7 6 9,5
40 0. 12 0.23 5 8,4 4 10,4

APPLICATIONS m' = f( m, P, T)
. m étant lui-même une fonction du nombre de plants par
Pour résumer les chapitres précédents, on peut estimer la
parcelle et de k le nombre total de plants de l'expérimenta­
sensibilité d'une expérimentation en blocs complets à deux
tion (en absence de bordure m =k/n) ;
traitements :
. P, probabilité de disparition d'une répétition, est fonc­
tion de la fréquence de disparition de plants, du pourcen­
d% =
l �O
t (m')
J2v1
tage de disparition que l'on accepte dans une parcelle et du
X m'nb

nombre de plants de ces parcelles .

où :

. V 1 est la variance entre plants ;

. h. un coefficient traduisant le niveau de liaison entre
plant ;
. n le nombre d'individus par parcelles ;
. t(rri; ) la somme des t de STUDENT correspondant aux
risques de 1 ère et 2e espèces et pour m' - 1 degrés de liberté ;
. m' le nombre espéré de répétitions en fin d'essai qui est
une fonction du nombre initial de répétitions ( m ) , de la
probabilité (P) de disparition d'une répétition et du risque
de disparition que l'on accepte (T) ;
Il apparaît clairement que, pour des plantes à grand dé­
veloppement végétatif, la détermination de l'équilibre entre
nombre de répétitions et nombre de plants par parcelle
devient complexe .
Il importe de fixer :
- les risques de 1ère et 2e espèce ;
- la nécessité ou non de bordures et la forme des parcelles
si les bordures sont nécessaires ;
fruits . vol. 41 , n° 3, 1986
. J e p ourc e ntag e d e disparition e ntraînant l'annulation d'un e
p arce lle ;
. J a prob a b·1·
1 1te· d' o b t e nt1011 · e' sou h alt
· d e 1 a sens1·b 1·1 1t · e· e .
Doive nt être connus a priori
. J a variation entre plants ;
. Je nive au d e liaison entr e p l ants ;
. J a fr équ e nc e d e disparition d e p l ants.
L'app lication numériqu e prés e nté e p e rm e t de dégag e r
ce rtai nes règ le s pour l ' e xpérim e ntation agronomique sur
b a n an ier.
Dans le s conditions d e l'étude , il convie nt d'évit e r les trop
grand e s parc e l le s qui conduisent à d e trop faib le s nombr e s
d e répétitions. A l'inverse , les p e tites parce lle s présent e nt
div ers inconvénie nts
. propo rtion trop importante de p lants non uti l es si des
bordure s sont néc e ssair e s ;
. risqu e é le vé d e disparition d e parcelle ;
. nécessité, dans la pratiqu e , d e disposer d e parce lle s assez
grand e s : app l ication de produits, suivi d e l'évo l ution d 'une
variable l orsqu e l a m e sure n e p e ut être répété e sur l e s
mêm e s individus (populations de nêmatodes par e xemple).
Il est donc souhaitab le d 'évit e r les très p e tit e s parcel le s ,
d'autant qu e J e gain obt e nu e n diminuant la taille devie nt
vit e très faib le e t qu'inv e rseme nt l 'augmentation de la taill e
p e ut laiss er espérer un e meil le ure efficacité du dispositif
en bloc.
Concrèt e m e nt, lorsqu e l'on p e ut consacre r 200 à 2 5 0
plants à un trait e ment comm e c 'e st souvent l e cas dans le s
essais m e nés à l'IRFA , il s e mble souhaitable d'adopt e r d e s
BIB LIOGRAPHIE
AASTVEIT (A .H.). 1 982.
Random variation and correlation in agricultural field trials.
Biométrie Pramimétrie, t o me XXII, vo l. 2, p. 91-114.
BAKER (G.A. ) and BURTON (J.H.). 1964.
Uniformity field trials and Monte Carlo simulations.
Hilgardia , vo l. 35, n o 22, Nov. 1964, p. 615-625.
BARGHAVA (P .N.), ASHA SAX SENA, BATRA (P .F.). 1978.
Size and shape of plots in field trials with banana.
The Indian Journal of Horticulture, vol . 35, n ° 1, p. 68-73.
DAGNELIE (P .). 1980 .
Théorie et méthodes statistiques.
Presses agronomiques, ·Gembloux, vo l . 2, 463 p .
- 173
parcelles d e 20 à 3 0 bananiers répétées 8 à 1 2 fois .
L' e xtrapo l ation d e ces résul tats à d'autre s conditions
d' e nvironnem e nt paraît possib le . Le nive au d e variabilité
e ntr e individus, observé dans l'app l ication présentée, est
faib le , mais il a été re ncontré dans des expérimentations
m e né e s au Cameroun, en Côt e d 'Ivoire ou aux Antilles .
Il e st sans doute possible d e l'att e indre dans la plupart des
cas e n apportant le maximum de soin aux différentes techni­
ques cu l turales. Il e st probablement comparable pour les
différents clones util isés habitue llement.
Le coefficie nt b, qui traduit le niveau d e liaison entre
p l ants, ne doit pas, pour d e s densités comparables , s'écarter
beaucoup de l a va leur adopté e .
La fréquenc e d e disparition a été r e trouvée dans la
grand e majorité des expérimentations. El l e n'est modifiée
qu e dans d e s conditions particul ière s : accidents climati­
qu e s , attaques non contrôlées d 'un parasite . . .
I l apparaît donc possib le d 'utiliser ces résultats comme
base de réflexion pour J e choix, dans d 'autr es conditions,
d e l 'équilibre e ntre taille d es parce l le s e t nombre de répéti­
tions.
Par ailleurs, sou lignons qu e ces conclusions s 'appliquent
à des e ssais menés en station e xpérimentale où l a p l ace est
souv e nt limitée mais où J e niveau d e technicité permet un e
sé le ction rigoure use du matérie l de p l antation, un suivi
t e chniqu e optimal, e t une précision ce rtaine des obse rva­
tions (PEARCE , 1 9 5 3 ) . Par contre , lorsque les expérimenta­
tions sont mené e s che z le s producteurs où l es surfac e s sont
moins limité e s mais la technicité p l us faibl e , il convient de
choisir des parce lles él émentaires b e aucoup plus grand e s en
cons e rvant , si possibl e , le mêm e nombre de répétitions.
FAIRFIELD SMITH (H .). 1938.
An empirical law describing heterogeneity in the yields of
agricultural crops.
Joum. Agric. Sei., XXVIII, p. 1-23.
NARAYANA REDDY (M.) and RAMANATHA CHETTY (C.K.). 1982 .
Effect of plot shape on variability in Smith's variance law .
Exp/. Agric., vol. 18, p. 333-338.
PEARCE (S.C.). 1953.
Field experimentàtion with fruit trees and other perennial plants.
Commonwealth Agricultural Bureaux, 131 p.
PHILIPPEAU (G. ) . 1979.
Puissance d'une expérience.
Pub. de l 'Institut technique des Céréales e t Fourrages, 24 p.