Boîte à moustaches (box plot)

Une boîte à moustaches (box plot) est une représentation graphique qui montre la distribution d'un jeu de données. Elle se compose d'une boîte allant du premier quartile (Q1) au troisième quartile (Q3), avec une ligne horizontale indiquant la médiane de l'échantillon.

Dernière révision

Point clé

Une boîte à moustaches (box plot) est une représentation graphique qui montre la distribution d'un jeu de données.

Sur cette page
  1. Qu'est-ce qu'une boîte à moustaches ?
  2. Quand utiliser une boîte à moustaches ?
  3. Recommandations pour bien utiliser la boîte à moustaches
  4. Alternatives : quand ne pas utiliser la boîte à moustaches
  5. Exemple de boîte à moustaches
  6. Comment réaliser une boîte à moustaches

Qu'est-ce qu'une boîte à moustaches ?

Une boîte à moustaches (box plot) est une représentation graphique qui montre la distribution d'un jeu de données. Elle se compose d'une boîte allant du premier quartile (Q1) au troisième quartile (Q3), avec une ligne horizontale indiquant la médiane de l'échantillon. L'écart interquartile (IQR) est la différence entre Q1 et Q3. Les moustaches partent de la boîte jusqu'aux points de données les plus extrêmes situés dans l'intervalle de Q1 - 1.5IQR à Q3 + 1.5IQR ; les points situés hors de cet intervalle sont considérés comme des valeurs aberrantes et tracés individuellement. Les boîtes à moustaches sont non paramétriques : elles illustrent la variation de l'échantillon sans supposer de distribution statistique particulière, et donnent les meilleurs résultats avec un effectif d'échantillon d'au moins 20.

Quand utiliser une boîte à moustaches ?

Les boîtes à moustaches sont couramment utilisées en analyse et en visualisation de données, à plusieurs fins. Voici des situations où elles sont particulièrement utiles :

  • Pour montrer la distribution de valeurs numériques, en particulier lorsque vous voulez la comparer entre plusieurs groupes.
  • Comparer des distributions : lorsque vous devez comparer la distribution d'un jeu de données entre différents groupes ou catégories, les boîtes à moustaches offrent une comparaison visuelle claire des médianes, de la variabilité et des valeurs aberrantes.
  • Identifier les valeurs aberrantes : les boîtes à moustaches sont efficaces pour détecter les valeurs aberrantes. Les points tracés au-delà des moustaches signalent des valeurs aberrantes potentielles qui peuvent nécessiter une investigation plus poussée.
  • Résumer de grands jeux de données : pour les grands jeux de données, les boîtes à moustaches offrent un résumé concis de la tendance centrale, de la variabilité et de la distribution globale, sans être encombrées par les points de données individuels.
  • Évaluer la symétrie et l'asymétrie : la position de la ligne de la médiane dans la boîte et la longueur des moustaches permettent d'évaluer rapidement si les données sont symétriques ou asymétriques.
  • Comparer plusieurs jeux de données : lorsque vous disposez de plusieurs jeux de données et voulez comparer leurs distributions côte à côte, les boîtes à moustaches offrent une présentation standardisée, claire et efficace de cette information.
  • Données non paramétriques : les boîtes à moustaches sont utiles lorsque vous ne voulez faire aucune hypothèse sur la distribution statistique sous-jacente des données, car elles sont non paramétriques.
  • Analyse exploratoire des données (EDA) : dans les premières étapes de l'analyse, les boîtes à moustaches aident à comprendre les caractéristiques générales des données, comme la dispersion, la tendance centrale et la présence de valeurs aberrantes.

Recommandations pour bien utiliser la boîte à moustaches

  • Si l'effectif de l'échantillon est trop petit, la boîte à moustaches risque de ne pas montrer de quartiles ni de valeurs aberrantes significatifs.
  • Pour un effectif d'échantillon inférieur à 20, envisagez plutôt un graphique des valeurs individuelles.
  • Les données de l'échantillon doivent être sélectionnées au hasard et servir à faire des inférences sur une population.
  • Une collecte de données non aléatoire peut produire des résultats non représentatifs de la population.

Alternatives : quand ne pas utiliser la boîte à moustaches

  • Histogrammes : les histogrammes conviennent mieux que les boîtes à moustaches lorsque vous avez besoin d'une vue plus détaillée de la distribution, voulez analyser des intervalles ou plages précis, détecter des distributions multimodales, traiter de grands jeux de données ou comprendre l'asymétrie de la distribution.
  • Nuage de points : les nuages de points conviennent mieux que les boîtes à moustaches lorsque vous devez analyser la relation entre deux variables continues, détecter des valeurs aberrantes, identifier des relations non linéaires, révéler une hétéroscédasticité ou détecter des regroupements dans les données.
  • Diagrammes en barres : les diagrammes en barres conviennent mieux que les boîtes à moustaches lorsque vous devez représenter des données qualitatives ou ordinales dont les écarts entre catégories n'ont pas de sens. Ils simplifient la visualisation pour un public non statisticien.

Exemple de boîte à moustaches

Un fabricant d'engrais veut mettre au point une formule qui maximise la croissance en hauteur des plantes. Pour tester différentes formules, un scientifique prépare trois lots de 50 plants identiques : un groupe témoin sans engrais, un groupe traité avec l'engrais du fabricant, appelé GrowFast, et un groupe traité avec l'engrais d'un concurrent, appelé SuperPlant. Après trois mois en serre dans un environnement contrôlé, le scientifique mesure la hauteur des plantes.

Dans le cadre de l'investigation initiale, le scientifique construit une boîte à moustaches représentant la hauteur des plantes des trois groupes. Elle sert à évaluer les différences de croissance entre le groupe sans engrais, le groupe traité avec l'engrais du fabricant et le groupe traité avec l'engrais du concurrent. Les étapes sont les suivantes :

  1. Les données nécessaires ont été recueillies.
  2. Analysez ensuite les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
  3. Pour trouver la boîte à moustaches, choisissez Statistical module> Graphical analysis> Boxplot Chart.
  4. Dans l'outil, saisissez les données ainsi que les autres paramètres comme suit :
  5. Après exécution de l'outil, les résultats obtenus sont les suivants :
Box Plot — figure 1Box Plot — figure 2Box Plot — figure 3

Comment réaliser une boîte à moustaches

La marche à suivre est la suivante :

  1. Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
  2. Sur la page d'accueil, choisissez Statistical Tool> Graphical analysis >Boxplot Chart.
  3. Ensuite, saisissez les données manuellement, ou copiez (Ctrl+C) l'ensemble des données d'une feuille Excel et collez-les (Ctrl+V), ou encore utilisez l'option Load Example pour charger les données d'exemple.
  4. Ensuite, associez les colonnes aux paramètres.
  5. Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.

Dans le tableau de bord de la boîte à moustaches, la fenêtre est divisée en deux parties.

Box Plot — figure 4

La partie gauche contient le Data Pane (volet de données). Dans le Data Pane, chaque ligne constitue un sous-groupe. Les données peuvent être saisies manuellement, ou vous pouvez copier (Ctrl+C) l'ensemble des données d'une feuille Excel et les coller (Ctrl+V) ici.

Load example :  des données d'exemple sont chargées.

Load File: permet de charger directement les données Excel.

La partie droite contient de nombreuses options, décrites ci-dessous :

Y-axis column : représente une variable numérique. Il s'agit souvent d'une mesure ou d'un comptage que vous voulez analyser ou comparer entre différentes catégories ou différents groupes.

X-axis column : représente des variables qualitatives ou des groupes. Ces catégories sont généralement non numériques et correspondent aux différents groupes ou niveaux de vos données que vous voulez comparer.

Color-category column : les catégories sont distinguées par des couleurs.

Points displayed : affiche les points des valeurs aberrantes, des valeurs aberrantes présumées, ou des deux à la fois.

Notched : indique la densité de la partie centrale de vos données.

Discrete color sequence : permet de différencier plusieurs groupes ou catégories, ce qui facilite la comparaison de leurs distributions. La distinction visuelle de chaque groupe améliore la clarté et la lisibilité. Le codage couleur peut aussi mettre en évidence des points de données ou des sous-groupes précis et apporter ainsi une information supplémentaire. Cette approche rend le graphique plus attrayant et facilite une interprétation plus rapide et plus juste.

Label :  ajoute des étiquettes de données ; trois options sont proposées :

  • Outlier: valeurs de données très éloignées des autres, qui peuvent fortement influencer vos résultats.
  • All quartiles: les quartiles sont les valeurs qui divisent un échantillon de données en quatre parties égales. Ils permettent d'évaluer rapidement la dispersion et la tendance centrale d'un jeu de données.
  • Mean: la moyenne dans une boîte à moustaches, qui apporte une information supplémentaire sur la tendance centrale des données.

Choose label : deux options sont proposées :

  • Use Y value labels : étiquette les valeurs Y dans la boîte à moustaches.
  • Use labels from selected column : utilise la colonne sélectionnée comme étiquettes dans la boîte à moustaches.

Interquartile range box : la boîte interquartile représente les 50 % centraux des données. Elle montre la distance entre le premier et le troisième quartile (Q3-Q1).

Range box : elle s'étend de la valeur minimale à la valeur maximale. Également appelée boîte de l'écart interquartile (IQR).

Median Line : les lignes de la médiane sont étiquetées avec les médianes (valeurs y).

Mean Line : fournit des points de référence sur le graphique.

Mean Symbol : représente la moyenne des données.

Median Symbol : représente la médiane des données.

X-axis line(low) : dans une boîte à moustaches, la ligne de l'axe X (basse), ou moustache inférieure, indique la valeur la plus basse située à moins de 1.5 fois l'écart interquartile (IQR) sous le premier quartile (Q1), et aide à repérer les valeurs aberrantes sous ce seuil. Elle renseigne sur la queue inférieure de la distribution et facilite la comparaison de la dispersion des données entre groupes.

X-axis line (low & high) : dans une boîte à moustaches, les lignes de l'axe X (basse et haute) représentent :

  • Low Value : la valeur minimale du jeu de données, hors valeurs aberrantes.
  • High Value : la valeur maximale du jeu de données, hors valeurs aberrantes.

Y-axis line(low) : représente la valeur minimale du jeu de données, hors valeurs aberrantes. Elle permet de visualiser le point le plus bas de la plage normale des données.

Y-axis line (low & high) : les lignes de l'axe Y (basse et haute) représentent l'étendue des données, en indiquant les valeurs minimale et maximale (hors valeurs aberrantes). Elles permettent de visualiser la dispersion et la variabilité du jeu de données et donnent un résumé rapide de sa distribution.

X-axis tick(low) : étiquette l'extrémité basse de l'axe X et donne le contexte de la distribution des points de données dans la plage basse.

Y-axis tick(low) : affiche la valeur minimale du jeu de données et aide à repérer les valeurs aberrantes potentielles en montrant le point de données le plus bas à l'intérieur de la moustache.

X-axis tick labels(low) : indiquent les catégories ou les groupes comparés. Elles assurent une identification claire de chaque catégorie lorsque l'espace est limité et améliorent la lisibilité.

Y-axis tick labels(low) : marquent et affichent les valeurs minimales des jeux de données représentés. Elles aident à repérer les points de données les plus bas dans chaque catégorie ou groupe et donnent une compréhension claire de la distribution des données et des valeurs aberrantes.

Gridlines on X-axis ticks : affiche les lignes de référence aux valeurs X.

Gridlines on Y-axis ticks : affiche les lignes de référence aux valeurs Y.

Download as Excel: affiche le résultat au format Excel ; il peut être facilement modifié puis rechargé pour de nouveaux calculs avec l'option Load File.

Questions fréquentes

Qu'est-ce qu'une boîte à moustaches ?

Une boîte à moustaches (box plot) montre la distribution d'un jeu de données. La boîte va du premier quartile (Q1) au troisième quartile (Q3), avec une ligne à la médiane. Les moustaches s'étendent jusqu'aux points les plus extrêmes situés entre Q1 - 1.5 IQR et Q3 + 1.5 IQR, où IQR vaut Q3 - Q1 ; les points situés au-delà sont tracés individuellement comme valeurs aberrantes.

Comment lire une boîte à moustaches ?

La boîte contient les 50 % centraux des données et la ligne à l'intérieur est la médiane. Plus la boîte et les moustaches sont longues, plus la dispersion est grande. La position de la médiane dans la boîte et la longueur des moustaches indiquent si les données sont symétriques ou asymétriques. Les points au-delà des moustaches sont des valeurs aberrantes potentielles à investiguer.

Combien de points de données faut-il pour une boîte à moustaches ?

Les boîtes à moustaches donnent les meilleurs résultats avec un effectif d'échantillon d'au moins 20. Avec trop peu de points, les quartiles et les valeurs aberrantes risquent de ne pas être significatifs ; pour un échantillon de moins de 20 valeurs, envisagez plutôt un graphique des valeurs individuelles. Les données doivent être sélectionnées au hasard pour que le graphique représente la population.

Quand utiliser un histogramme plutôt qu'une boîte à moustaches ?

Utilisez un histogramme lorsque vous avez besoin d'une vue plus détaillée de la distribution, voulez examiner des intervalles précis ou devez détecter des distributions multimodales. Utilisez un nuage de points pour étudier la relation entre deux variables continues. Les boîtes à moustaches conviennent le mieux pour comparer côte à côte les médianes, la dispersion et les valeurs aberrantes de plusieurs groupes.