Geoscience Reference
In-Depth Information
indicateurs correspondants pour une même période, dite période de calibration. On
calcule alors une relation mathématique entre ces deux ensembles, souvent par
régression linéaire
(
Fig. 95 B
) en considérant que les mesures relatives aux indica-
teurs sont des valeurs d'une variable contrôlée, et que les paramètres climatiques
doivent être considérés comme une variable aléatoire. Par exemple, on peut chercher
une relation entre la taille des individus d'une certaine espèce et la température du
milieu où ils vivent, le but étant d'évaluer la température de ce milieu dans le passé
en mesurant la taille des individus fossiles. Il est clair que cette taille est une variable
que l'on contrôle, alors que la température a le caractère d'une variable aléatoire. La
formule obtenue peut être ainsi utilisée pour calculer, avec une certaine imprécision,
des paramètres paléoclimatiques.
Ce principe peut être adapté en utilisant les diverses méthodes statistiques
permettant de mettre en évidence les liaisons entre une variable climatique et des
indicateurs qui peuvent être nombreux, par exemple la
régression multiple
si l'on
veut calculer des températures océaniques en fonction d'espèces de foraminifères
qui y vivent.
Pour caractériser la liaison entre deux quantités, on peut calculer leur coefficient
de
corrélation linéaire
(
Fig. 96
) dont la valeur, nulle s'il n'y a pas de corrélation,
varie de -1 à +1. Insistons sur le fait qu'une corrélation n'implique pas une relation
de causalité entre deux phénomènes (ils peuvent tous les deux résulter d'une même
cause) et sur le fait qu'une faible valeur du coefficient de corrélation linéaire
n'exclut pas une liaison ou une dépendance entre les deux phénomènes, cette liaison
pouvant être non linéaire. En tout état de cause, il est très recommandable de tracer
des graphiques représentant ces données, plutôt que d'avancer des conclusions sur la
seule base de calculs.
y
y
y
r = 0, 8
r = 0,1
r = 0,1
x
x
x
A
B
C
Fig. 96
- Corrélation linéaire
A : Bonne corrélation linéaire, la liaison entre les variables peut être convenable-
ment représentée par une fonction y = ax + b. B : mauvaise corrélation linéaire. Il
n'y a pas de relation évidente entre les variables, en tout cas, pas sous la forme
y = ax + b. C : mauvaise corrélation linéaire, ce qui n'empêche pas de voir qu'il
existe une claire relation entre les variables ; mais elle n'est pas de la forme
y = ax + b. Le coefficient de corrélation linéaire est r.
