Plan dtude Notions lmentaires

- Les dtails, cest ce qui compte -

Paul Zorn

Biologiste rgional Centre de services de lOntario, Parcs Canada

Objectifs :

Le plan dtude De quoi sagit-il? Pourquoi est-ce important? Quand doit-on lutiliser? Comment le reconnatre?
01

Notions aborder : Types de plans dtude Classes de variables Population cible c. population chantillonne c. chantillon Pseudorplication Alation, rplication et contrle Stratgies dchantillonnage Statistiques Hypothses bilatrales (2tailed) c. hypothses unilatrales (1tailed) chelle et autocorrlation Analyse de la puissance, taille de leffet et estimation de la taille de lchantillon chantillonnage prliminaire et squentiel Protocoles dchantillonnage 02

De quoi sagit-il (en gnral) et pourquoi est-ce important?

Plan de ltude

03

De quoi sagit-il? :
Le plan dtude reprsente simplement le processus quil faut entreprendre au moment dlaborer une tude scientifique. tude scientifique = objective, contrle, prcise.

Ltape la plus critique de la mise en oeuvre et de la ralisation dune tude [de surveillance] nest pas la collecte des donnes, la prsentation ou linterprtation, mais plutt le plan. Un plan ralis avec soin permettra daccrotre lefficacit, de rduire les cots et de donner lieu une meilleure interprtation. (Jones, K.B. 1986. The Inventory and Monitoring Process. pp. 1-10 dans A.Y.
Cooperrider, R.J. Boyd et H.R. Stuart (eds.). Inventory and Monitoring of Wildlife Habitat.)

04

Types de plans :

Exprimentations Observation du systme dintrt dans des circonstances contrles Alation, rplication

Quasi-exprimentations tudes dans le cadre desquelles des contrles stricts et lalation ne sont ni possibles ni faisables. Linfrence est alors compromise. Les plus courants en cologie

tudes par observation Aucune tentative de manipuler le systme d intrt. Aucune hypothse a priori nest faite.

05

Pourqoi est-ce important? : En ne portant pas une attention suffisante au plan, vous risquez, au mieux, de perdre votre investissement en temps et en argent sous forme de rsultats non dcisifs. Au pire, vous agirez partir dune information errone et vous ferez plus de tort que de bien.

Contrler le biais dans vos donnes Amliorer la prcision et lexactitude Tenir compte des hypothses biologiques et statistiques

Rduire le risque derreur Fournir une information de meilleure qualit Permettre une gestion adaptative efficace 06

De quoi sagit-il (de faon spcifique) et quels en sont les lments les plus courants?

Plan dtude

07

Notions aborder :

Types de plans dtude Classes de variables Population cible c. population chantillonne c. chantillon Pseudorplication Alation, rplication et contrle Stratgies dchantillonnage

Statistiques Hypothses bilatrales (2-tailed) c. hypothses unilatrales (1-tailed) chelle et autocorrlation Analyse de la puissance, taille de leffet et estimation de la taille de

lchantillon
chantillonnage prliminaire et squentiel Protocoles dchantillonnage 08

Classes de variables : Variables rponses Variables explicatives Variables perturbatrices Variables contrles Variables devant tre sous-entendues ou prvues (ex., abondance des oiseaux forestiers). Variables utilises pour expliquer ou prdire la rponse (ex., type de fort) Variables susceptibles de masquer ou de confondre les relations dintrt (ex., roulement du personnel) Variables utilises dans le plan afin dliminer le biais potentiel, gnralement au moyen de blocage temporel ou spatial (ex., taille de la parcelle forestire, saisonnalit). 09

Population cible et population chantillonne c. chantillon :

Populations statistiques c. populations biologiques

Population cible Total des units de collecte au sujet desquelles vous voulez faire une infrence La mesure de lensemble des units de votre population cible est un recensement.

Population chantillonne Il est frquent que des lments de la population cible ne puissent tre mesurs; un sousensemble est alors mesur. Il sagit l de la population chantillonne.

chantillon Collecte des units (chantillons rpts) lintrieur de la population chantillonne qui sont effectivement mesures.

10

Qui est quoi? - Un exemple :

caducifolie

conifre

Labondance de la salamandre est-elle diffrente entre une fort caducifolie et une fort de conifres? 2 types de fort : 4 parcelles forestires (2 caducifolis., 2 conif.)

6 lopins (3 de chaque type)

Total de 100 salamandres (68 caducifolis, 32 conif.)

Quelle est la taille de la population cible, celle de la population chantillonne et celle de lchantillon?

11

Pseudorplication : Une erreur grave et relativement courante Survient lorsque la taille de lchantillon est incorrectement estime. Survient habituellement lorsque le nombre de valeurs qui constituent un chantillon est utilis comme taille de lchantillon de ltude. [Daprs la diapositive prcdente, lutilisation de 100 (salamandres) au lieu des 6 (looins) comme taille de lchantillon est un exemple de pseudorplication.] La pseudorplication peut tre dsastreuse aux fins du plan dtude et de lanalyse de la puissance.

12

Sujets Aborder : Types de plans dtude Classes de variables Population cible c. population chantillonne c. chantillon Pseudorplication Alation, rplication et contrle Stratgies dchantillonnage

Statistiques Hypothses bilatrales (2-tailed) c. hypothses unilatrales (1-tailed) chelle et autocorrlation Analyse de la puissance, taille de leffet et estimation de la taille de lchantillon chantillonnage prliminaire et squentiel

Protocoles dchantillonnage
13

Alation : La plupart des gens se rappellent que les chantillons alatoires sont importants, mais ne savent pas trop pourquoi. Alatoires par rapport quoi? Pour un grand nombre de personnes, lchantillonnage alatoire des tudes de contrle ne reprsente PAS le plan dtude optimal.
Impacts des empreintes de pas faibles chantillonnage alatoire chantilon non alatoire levs

Ici, lchantillonnage alatoire ne permet pas de dceler les effets de la gamme complte des impacts des empreintes de pas humains.

14

 propos de quoi? :
Nous voulons souvent chantillonner de faon spcifique dans une gamme complte de variations ou de gradients (non alatoire). Nous voulons toujours chantillonner de faon alatoire, toutefois, en ce qui a trait la probabilit de dtection des lments dintrt. En omettant dagir ainsi, on introduit le biais et lerreur.

Sources de biais
habitat moment de la journe moment de lanne temps observateur effort dchantillonnage territorialit espce sexe catgorie dge densit des espces

15

Rplication :

Une fois que les populations cible et dchantillon ont t identifies ainsi que les sries de conditions partir desquelles nous voulons chantillonner, nous pouvons alors rpliquer les chantillons de chaque srie.
La rplication minimise la probabilit que votre rsultat soit bas sur des vnements fortuits. Le nombre dchantillons rpts dont vous avez besoin peut tre dtermin au moyen de lanalyse de la puissance. La rplication peut se faire dans le temps et dans lespace (ex., contrle).

16

Contrle exprimental : Lobjectif vis par la plupart des stratgies dchantillonnage consiste contrler ou normaliser les variables qui sont connexes aux lments dintrt. Les contrles exprimentaux prennent souvent la forme de blocage ou de stratification (ex., chantillonnage alatoire stratifi). Lapplication de contrles exprimentaux rduira les risques derreur et augmentera la prcision. Advenant la collecte de donnes auxiliaires (supplmentaires) sur les variables contrles et perturbatrices, il est possible de dterminer leurs effets au moyen dune analyse (ex., corrlation partielle, analyse des rsidus). 17

Stratgies dchantillonnage :

Stratgies un seul degr Alatoire Systmatique Stratifi

Stratgies plusieurs degrs

Deux degrs

Stratgies mesures rptes

Mesures rptes

Il existe plusieurs autres stratgies. Les stratgies susmentionnes sont parmi les plus courantes et feront lobjet de discussion.

18

chantillonnage alatoire :
Il sagit de la stratgie dchantillonnage la plus simple. Les chantillons sont slectionns sans tenir compte de la structure sous-jacente. On lutilise lorsque la zone dtude est homogne et que le blocage ne rduit pas la variance. galement utilis lorsque la taille des chantillons est grande de sorte que la gamme des conditions renferme probablement suffisamment dchantillons rpts.

19

chantillonnage systmatique :
La structure sous-jacente de la population cible est inconnue. On assume quil y aura une ou des variables perturbatrices, mais on na pas assez dinformation pour crer des blocs (strates). Les chantillons sont tals de faon systmatique et uniforme dans la zone dtude (gnralement avec un point de dpart alatoire) afin de tenter de rpliquer la structure inconnue.

20

chantillonnage stratifi :
La zone dtude est bloque conformment certaines variables contrles. Les chantillons sont prlevs au hasard, ou de faon systmatique dans chaque bloc. Le nombre dchantillons par bloc (strate) devrait tre gal ou trs approchant (plan quilibr). Les strates peuvent tre dfinies au moyen dune variable ou dune combinaison de plusieurs variables. Ce type dchantillonnage rduit les erreurs dchantillonnage et augmente la prcision.

21

chantillonnage deux degrs :

Il sagit dun plan plusieurs degrs dans lequel vous prlevez un chantillon (premier degr); vous prlevez ensuite un sous-chantillon dans lchantillon original (deuxime degr). Utile lorsque vous pouvez prlever des chantillons compliqus et de trs grande taille (ex,. des invertbrs benthiques). Il est possible davoir des chantillons plusieurs degrs. Utile pour les tudes grande chelle.

22

Mesures rptes : On parle dun plan de mesures rptes lorsque les chantillons sont prlevs dans un ordre logique sans alation. Le cas le plus courant est la surveillance; les chantillons sont ordonns en fonction du temps (ex., relevs annuels des parcelles de surveillance long terme). Le plan dtude original mesures rptes peut tre de tout type. Dans un plan de mesures rptes, les observations peuvent ne pas tre indpendantes (autocorreles), auquel cas la taille de votre chantillon efficace pourra tre plus petite que ce que vous pensez (une forme de pseudorplication). [Lautocorrlation sera aborde ultrieurement.]

23

Notions aborder : Statistiques

Types de plans dtude Classes de variables Population cible c. population chantillonne Pseudorplication Alation, rplication et contrle Hypothses bilatrales (2tailed) c. hypothses unilatrales (1-tailed) chelle et autocorrlation Analyse de la puissance, taille de leffet et estimation de la taille de lchantillon chantillonnage prliminaire et squentiel Protocoles dchantillonnage 24

Sratgies dchantillonnage

Statistiques :

Les statistiques reprsentent une part essentielle de tout plan dtude puisquil sagit habituellement de loutil utilis pour rpondre la question. Le choix du type de mthode statistique utiliser est guid par votre question et le plan de votre tude. Les statistiques sont un cours en soi.

Ce sont les hypothses de donnes inhrentes aux mthodes statistiques qui alimentent le dveloppement dun si grand nombre de stratgies dchantillonnage.
La connaissance des statistiques est requise pour aborder les estimations de la taille des chantillons et dterminer le cot des programmes relis aux sciences. 25

Ce quil faut savoir propos des statistiques :

Il est parfois prilleux que dessayer dobtenir des rsultats partir de statistiques. On pourrait mme dire que les stats sont une forme dart. Voici certaines choses surveiller titre de gestionnaire La taille de leffet (magnitude de la relation) est plus importante que les valeurs P . Lerreur de type 2 est souvent plus importante que lerreur de type 1, mais elle est rarement signale. Les niveaux de confiance (ex., 95 %) sont arbitraires et non taille unique . Les gestionnaires sont souvent intresss de faon spcifique par les distributions unilatrales (1-tailed) et non bilatrales (2-tailed). 26

unilatral

bilatral

Unilatral ou bilatral :

Il est assez frquent que lon utilise une hypothse nulle incorrecte dans une tude. On a souvent recours des essais de distributions bilatrales (2-tailed) lorsque ce devrait tre une distribution unilatrale (1tailed).

des fins de gestion (ex., gestion active, valuations des impacts, restauration cologique), nous sommes souvent intresss par la distribution unilatrale (1-tailed).
Ce qui est intressant propos des essais de distributions unilatrales, cest quil ne vous faut que la moiti de la taille dun chantillon pour atteindre la mme puissance quun essai bilatral quivalent. Do la moiti des cots. 27

Sujets aborder :

Types de plans dtude Classes de variables Population cible c. population chantillonne c. chantillon Pseudorplication Alation, rplication et contrle

Statistiques Hypothses bilatrales (2-tailed) c. hypothses unilatrales (1-tailed) chelle et autocorrlation Analyse de la puissance, taille de leffet et estimation de la taille de lchantillon chantillonnage prliminaire et squentiel Protocoles dchantillonnage 28

Stratgies dchantillonnage

chelle :

On fait rfrence la question de lchelle comme au problme central en cologie. Il nexiste en ralit aucune chelle correcte unique selon laquelle on peut tudier quelque chose, et les rsultats que vous obtenez sont fonction de lchelle choisie. Un changement linaire sur le plan de lchelle ne se traduit pas ncessairement par un changement linaire au niveau de la valeur mesure. Les modles qui dpendent de lchelle peuvent tre complexes et non linaires. Comment choisir lchelle approprie pour une tude? 29

Grain et tendue :

chelle spatiale

chelle temporelle

grain grain

tendue tendue

En cologie, lchelle est mesure en termes de grains et dtendue.

30

tendue dune zone dtude : Choisir une tendue en fonction dun intervalle de variation prvu

( partir dun avis dexpert, dune tude de la documentation, et/ou dun chantillonnage prliminaire), de la logistique du projet (ex., accs, cot) et de lintrt en matire de gestion. tendue trop petite

temps

31

Grain dune zone dtude :

Les mesures prises de faon trs rapproche dans lespace ou le temps (grain fin) ont tendance tre plus en corrlation les unes par rapport aux autres que les mesures prises de faon trs loigne. (non indpendantes).

AUTOCORRLATION

32

Autocorrlation :
Autocorrlation temporelle Analyse des sries chronologiques Parcelles ACF
ACF

TOTAL
1.0

.5

Lautocorrlation est une forme de pseudorplication qui vous incite croire que vous avez des chantillons plus indpendants quils ne le sont vraiment. (Les degrs de libert sont rduits.)

0.0

-.5

Confidence Limits

-1.0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Coefficient

Lag Number
Transform s: difference (1)

Lautocorrlation

1.0

surestime la signification statistique de votre rsultat (valeur P) ou vous donne un rsultat qui est simplement erron.

Autocorrlation spatiale Statistiques spatiales Morans I

P 0.05

Morans I

0.0

-1.0

lag distance

33

chantillons de lespacement :

TOTAL
1.0
1.0

P 0.05
.5

Morans I

0.0

0.0

10

50

90

130
ACF

-.5

Confidence Limits

-1.0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Co e fficie n t

-1.0

Distance de retard (m)

Lag Number

Intervalle de temps (mois)

Tra n sfo rm s: d iffere n ce (1 )

Distance de retard (Espace) = 50m

Distance de retard (Intervalle) = 1mois

34

Rduction de lautocorrlation (ou quel moment lignorer )

Sparer ou regrouper les chantillons dans lespace et/ou le temps par la distance de retard o lautocorrlation devient zro.

1month

50m

quel moment cesser de sen faire avec lautocorrlation Si votre analyse dmontre une TRS forte relation (ex., P<0.01) la perte de quelques degrs de libert ne renversera probablement pas votre conclusion. Dans ce cas, lautocorrlation ne vous drangera pas beaucoup.

35

Notions aborder : Statistiques Hypothses bilatrales (2-tailed) c. hypothses unilatrales (1-tailed )

Types de plans dtude

Classes de variables Population cible c. population chantillonne c. chantillon Pseudorplication Alation, rplication et contrle Stratgies dchantillonnage

chelle et autocorrlation
Analyse de la puissance, taille de leffet et estimation de la taille de lchantillon chantillonnage prliminaire et squentiel Protocoles dchantillonnage 36

Analyse de puissance, taille de leffet et estimation de la taille de lchantillon :

Lanalyse de puissance quantifie les relations entre les lments suivants : Taille de leffet : le plus petit changement perceptible
Variation : la quantit de bruit dans les donnes Confiance : probabilit de ne pas lancer de fausse alarme (erreur de type 1) Puissance : probabilit de ne pas rater de changement significatif lorsquil survient (erreur de type 2). Taille de lchantillon: la quantit de donnes dont vous disposez Grce lanalyse de puissance , si vous avez des estimations pour 4 de ces lments, vous tes en mesure de rsoudre le 5e.

37

La courbe de puissance :

high

Efficace et efficiente

B
Sample Power

Efficace mais non efficiente

A
Ni efficace ni efficiente
low small

Sample Size

large

38

chantillonnage prliminaire et squentiel :

O obtenez-vous les estimations aux fins des paramtres de lanalyse de puissance? On a recours lchantillonnage prliminaire (i.e., projets pilotes) avant le dbut officiel dune tude. Cette tape permet la mise lessai de mthodes, lvaluation de leffort et la collecte des paramtres sur lanalyse de puissance afin dtre en mesure de dterminer la solidit de ltude propose. On a recours lchantillonnage squentiel (c--d. surveillance permanente) lorsque les donnes sont analyses au cours de la phase de collecte de donnes dun projet. Lchantillonnage squentiel, lanalyse et lvaluation permettent au gestionnaire de se familiariser avec ltude et ses donnes et de promouvoir la gestion adaptative.

Les donnes recueillies partir de lchantillonnage prliminaire et squentiel peuvent souvent tre appliques ltude globale. Les personnes qui sautent cette tape finissent souvent par gaspiller de largent et non par conomiser.

39

Notions Aborder : Types de plans dtude Classes de variables Population cible c. population chantillonne c. chantillon Pseudorplication Alation, rplication et contrle Stratgies dchantillonnage

Statistiques Hypothses bilatrales (2-tailed) c. hypothses unilatrales (1-tailed) chelle et autocorrlation Analyse de la puissance, taille de leffet et estimation de la taille de lchantillon chantillonnage prlimnaire et squentiel Protocoles dchantillonnage

40

Protocoles dchantillonnage :
Parcelles permanentes, lignes interceptes, compte de points, recapture des marques., etc.

Comment choisir? Les dtails de tous les types de protocoles dchantillonnage reprsentent un cours en soi. Il ne sert rien de rinventer la roue. Familiarisez-vous avec les tudes connexes et utilisez les protocoles prouvs. Quelle doit tre la dimension de mes parcelles? De quelle longueur doivent tre mes transects? De quelle longueur doit tre mon rayon? Il y a gnralement un choix faire entre taille et nombre. Rgle gnrale, choisissez la plus petite taille requise afin de composer avec la taille et le modle de llment dintrt et ensuite rpliquez autant que possible. 41

Notions aborder : Statistiques Hypothses bilatrales (2-tailed) c. hypothses unilatrales (1tailed ) chelle et autocorrlation Analyse de la puissance, taille de leffet et estimation de la taille de lchantillon chantillonnage prliminaire et squentiel Protocoles dchantillonnage 42

Types de plans dtude Classes de variables Population cible c. population chantillonne chantillon Pseudorplication Alation, rplication et contrle Stratgies dchantillonnage

Le plan dtude
Quand doit-on lutiliser?

43

Les fonds sont toujours limits :

ll faut considrer le plan dtude avec soin avant de faire un quelconque investissement en matire de surveillance. Aucune tentative de prestidigitation statistique ne transformera des donnes recueillies partir dun mauvais plan en une information utile. Les plans dtude ne sont pas tous complexes et les sujets que lon aborde aujourdhui ne seront pas toujours pertinents, mais certains le demeureront (ex., chelle, variables perturbatrices- biais). La plupart des problmes de plan dtude auxquels les groupes sont confronts sont gnraliss partout au pays. Si une personne a un problme, il y a de fortes chances pour que quelquun quelque part y ait dj rflchi.

44

Comment le reconnatre?

Le plan dtude

45

1. La question est-elle claire et concise?

Ce quil faut rechercher :

Il nexiste pas de plan dtude unique qui donne toujours de bons rsultats. Aujourdhui, nous avons essay de nous concentrer sur les principes qui jettent la base dun bon plan. Ces principes sont transfrables et doivent tre examins pour toute tude. Lorsque je prends connaissance dun plan dtude de parc pour la premire fois, jexamine tout dabord si

2. Ltude propose peut-elle rpondre la question sur un plan conceptuel? 3. A-t-on dress une liste de variables perturbatrices ventuelles qui risquent de biaiser ltude et a-t-on prvu un plan pour les aborder? 4. Lchelle de ltude est-elle approprie? 5. A-t-on prvu un chantillonnage sur une gamme de variations (y compris lorsque leffet est absent)? 6. A-ton prvu des chantillons rpts pour des combinaisons despace, de temps et/ou de variable(s) de contrle? 7. A-t-on prpar un plan sur la faon dont les donnes doivent tre analyses une fois recueillies? 46

Les grandes ligues du plan dtude :

Bon

Types de plans dtude Classes de variables 19 Population cible c. population chantillonne c. chantillon Alation, rplication et contrle Stratgies dchantillonnage Protocoles dchantillonnage Statistiques 66 Hypothses bilatrales (2-tailed) c. hypothses unilatrales (1-tailed) Analyse de la puissance, taille de leffet et estimation de la taille de lchantillon chantillonnage prliminaire et squentiel 99
Les deux lments susmentionns plus

Les lments susmentionns plus

Un peu mieux

Meilleur

Pseudorplication chelle et autocorrlation

p.j.