La revue MODULAD, numéro 42, 2010.

Résumé
Cet article est une introduction au domaine de la phylogénie moléculaire et en particulier à la robustesse des arbres phylogénétiques. Nous commençons par une brève présentation historique du domaine avant de passer en revue les méthodes de reconstruction les plus populaires. Nous nous intéressons tout particulièrement à la méthode du maximum de vraisemblance. Cette méthode nécessite de construire un modèle probabiliste d'évolution des macromolécules biologiques mais fournit en contrepartie un cadre statistique propice à quantifier la variabilité de l'arbre estimé. Nous présentons tout d'abord les modèles d'évolution couramment utilisé, puis le calcul de la vraisemblance avant de montrer que la nature discrète de l'arbre rend caducs les outils traditionnels d'étude de la
variabilité. 

Mots clés 
Analyse canonique généralisée, analyse en composantes principales sur variables instrumentales multibloc, analyse des correspondances multiples avec un tableau de référence, discrimination qualitative

Abstract
A new presentation of Multiblock Redundancy Analysis is discussed. This method of analysis aims at predicting a set of variables Y from several blocks of variables (X_1, ..., X_K). It consists in determining, step by step, components in the Y space which are projected upon the spaces spanned by the variables in X_k. At each step, the component is sought in such a way so as to maximize the averaged variance explained by the projections. Thereafter, the method of analysis is applied to the case of categorical variables, each variable being coded by the indicators of its categories. The discrimination and classification is achieved using orthogonal components from the predictive variables. We also outline how the method is related to other qualitative discriminant techniques. The interest of the method is illustrated on the basis of a case study in the field of veterinary epidemiology.

Key words 
Generalized canonical analysis, multiblock redundancy analysis, multiple correspondence analysis with a reference table, discrimination with categorical variables

Article