Nuage de points 2D (scatter plot)
Un nuage de points 2D (scatter plot) est un type de visualisation de données qui représente la relation entre deux variables continues dans un espace à deux dimensions (2D). Chaque point de données du graphique correspond à un couple ordonné de valeurs des deux variables, tracé sur le plan de coordonnées cartésiennes.
Dernière révision
Point clé
Un nuage de points 2D (scatter plot) est un type de visualisation de données qui représente la relation entre deux variables continues dans un espace à deux dimensions (2D).
Sur cette page
Qu'est-ce qu'un nuage de points 2D ?
Un nuage de points 2D (scatter plot) est un type de visualisation de données qui représente la relation entre deux variables continues dans un espace à deux dimensions (2D). Chaque point de données du graphique correspond à un couple ordonné de valeurs des deux variables, tracé sur le plan de coordonnées cartésiennes. L'axe x représente généralement une variable, tandis que l'axe y représente l'autre. La position de chaque point sur le graphique indique les valeurs précises des deux variables pour ce point de données.
Quand utiliser un nuage de points 2D ?
Voici quelques situations où un nuage de points 2D est particulièrement utile :
- Exploration d'une relation : les nuages de points aident à comprendre la relation entre deux variables. Ils peuvent révéler une corrélation positive ou négative, une relation linéaire ou non linéaire, ou l'absence apparente de toute relation.
- Détection de valeurs aberrantes : les nuages de points peuvent mettre en évidence les valeurs aberrantes des données. Les valeurs aberrantes sont des points de données qui s'écartent nettement du motif général ; elles peuvent apporter des informations précieuses ou signaler des erreurs ou anomalies potentielles dans le jeu de données.
- Identification de regroupements : les nuages de points peuvent révéler la présence de regroupements ou de groupes au sein des données. Si certains points de données tendent à se rassembler, cela suggère qu'ils partagent des caractéristiques similaires ou présentent un comportement similaire.
- Comparaison de groupes : les nuages de points peuvent servir à comparer la distribution ou la relation entre deux variables selon différents groupes ou catégories. En attribuant des couleurs ou des symboles différents à chaque groupe, il devient plus facile d'analyser les différences ou similitudes entre eux.
- Visualisation de tendances : les nuages de points peuvent aider à visualiser des tendances dans le temps ou selon une autre variable continue. En traçant les points de données dans l'ordre chronologique ou séquentiel, on peut identifier des motifs tels que des tendances à la hausse ou à la baisse.
- Distribution des données : les nuages de points donnent un aperçu de la distribution des points de données selon les deux variables. Ils peuvent révéler la concentration ou la dispersion des points de données, ce qui donne une indication de l'étalement et de la densité des données.
Recommandations pour bien utiliser un nuage de points 2D
- Les données d'un graphique efficace doivent se composer d'une ou plusieurs paires de colonnes numériques ou de date/heure.
- Chaque paire de colonnes doit avoir le même nombre de lignes.
- Jusqu'à trois colonnes de données catégorielles peuvent être incluses pour le regroupement.
- L'effectif de l'échantillon doit être moyen à grand pour obtenir des motifs plus nets dans les données.
- Un nuage de points avec une droite de régression ajustée est le plus efficace avec un effectif d'échantillon d'environ 40 ou plus.
- La droite de régression ajustée peut être moins précise si l'effectif de l'échantillon est inférieur à 40.
- Sélectionner les données d'échantillon de façon aléatoire est important pour généraliser à la population.
- Des données collectées de façon non aléatoire peuvent ne pas représenter fidèlement la population.
- Enregistrez les données dans l'ordre où elles sont collectées pour évaluer les motifs liés au temps.
Alternatives : quand ne pas utiliser un nuage de points 2D
- Graphique de série chronologique : un graphique de série chronologique convient lorsque vous avez des données collectées dans l'ordre chronologique à intervalles réguliers et que vous voulez visualiser les données dans le temps.
Exemple de nuage de points 2D
Un chercheur spécialisé dans les études médicales s'intéresse à l'obésité chez les adolescentes. Compte tenu des difficultés et des coûts liés à la mesure directe du pourcentage de masse grasse, il cherche à établir l'efficacité de l'indice de masse corporelle (IMC) comme indicateur fiable du pourcentage de masse grasse. Pour cela, il recueille des données sur l'IMC, le pourcentage de masse grasse et d'autres facteurs personnels auprès d'un groupe de 92 adolescentes. Dans une première étape de l'étude, il construit un nuage de points représentant la corrélation entre le pourcentage de masse grasse et l'IMC, ce qui permet d'évaluer la relation entre ces deux variables. Les étapes sont les suivantes :
- Les données nécessaires ont été rassemblées.

- Analysez maintenant les données dans Zometric Statistical Software à l'adresse https://statsai.zometric.com/.
- Pour trouver Scatter Plot 2D, choisissez Statistical module> Graphical analysis > Scatter Plot 2D.
- Dans l'outil, saisissez les données ainsi que les autres paramètres comme suit :
- Après avoir utilisé l'outil ci-dessus, obtenez les résultats comme suit :


Comment créer un nuage de points 2D
La marche à suivre est la suivante :
- Connectez-vous à Zometric Statistical Software à l'adresse https://statsai.zometric.com/
- Sur la page d'accueil, choisissez Statistical Tool> Graphical analysis >Scatter Plot 2D.
- Ensuite, mettez à jour les données manuellement, ou copiez-les (Ctrl+C) depuis une feuille Excel et collez-les (Ctrl+V), ou encore utilisez l'option Load Example pour charger les données d'exemple.
- Ensuite, vous devez associer les colonnes aux paramètres.
- Enfin, cliquez sur calculate en bas de la page pour obtenir les résultats.
Sur le tableau de bord de Scatter Plot 2D, la fenêtre est divisée en deux parties.

Dans la partie gauche se trouve le Data Pane (volet de données). Dans le Data Pane, chaque ligne constitue un sous-groupe. Les données peuvent être saisies manuellement, ou copiées (Ctrl+C) depuis une feuille Excel puis collées (Ctrl+V) ici.
Load example : des données d'exemple sont chargées.
Load File: permet de charger directement les données Excel.
Dans la partie droite, de nombreuses options sont disponibles :
Trend Line Type : dans un nuage de points 2D, une droite de tendance, aussi appelée droite d'ajustement ou droite de régression, est une ligne qui représente la direction générale ou la tendance des points de données. Elle sert à comprendre la relation entre les deux variables tracées sur le nuage de points.
- OLS : dans le contexte d'un nuage de points, une droite de tendance OLS désigne une droite qui représente le meilleur ajustement des points de données selon la méthode OLS (moindres carrés ordinaires).
- Lowess : la droite de tendance Lowess (Locally Weighted Scatterplot Smoothing, lissage de nuage de points par pondération locale) est une méthode de régression non paramétrique servant à estimer la tendance ou la relation sous-jacente entre deux variables. Contrairement à la droite de tendance OLS, qui suppose une relation linéaire, la droite de tendance Lowess peut saisir des motifs plus complexes et non linéaires dans les données.
- Expanding : dans un nuage de points 2D, une droite de tendance expansive désigne une droite de tendance qui s'ajuste et s'étend à mesure que des points de données sont ajoutés au graphique. Au lieu d'utiliser un jeu fixe de points de données pour calculer la droite de tendance, une droite de tendance expansive prend en compte tous les points de données disponibles jusqu'au point actuellement tracé.
Subplot Distribution : la distribution en sous-graphiques permet de visualiser et de comparer simultanément plusieurs nuages de points, ce qui facilite l'observation de motifs, de relations ou de différences entre différents jeux de données ou variables. Chaque sous-graphique peut représenter un sous-ensemble de données différent ou une combinaison de variables différente, offrant une vue d'ensemble des données sous différents angles.
Discrete color sequence : une séquence de couleurs discrète désigne un ensemble de couleurs distinctes servant à différencier des points de données catégoriels dans un graphique, tel qu'un nuage de points 2D. Cette approche est particulièrement utile pour visualiser des données comportant plusieurs catégories ou groupes, car elle permet de les distinguer clairement et immédiatement.
Color scale : elle permet de mieux visualiser les motifs des données et de mettre en évidence des plages de valeurs précises.
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'un nuage de points 2D ?
Un nuage de points 2D est un graphique qui montre la relation entre deux variables continues. Chaque point est un couple ordonné de valeurs tracé sur le plan cartésien, avec une variable sur l'axe x et l'autre sur l'axe y ; la position du point donne ainsi les valeurs des deux variables pour cette observation.
Que peut montrer un nuage de points ?
Un nuage de points peut révéler une corrélation positive ou négative, des relations linéaires ou non linéaires, ou l'absence apparente de relation. Il met aussi en évidence les valeurs aberrantes qui s'écartent du motif général, les regroupements de points similaires, les différences entre groupes représentés par des couleurs ou des symboles différents, ainsi que l'étalement et la densité des données selon les deux variables.
De combien de points de données a-t-on besoin pour un nuage de points avec droite de régression ?
Un échantillon moyen à grand donne des motifs plus nets. Un nuage de points avec droite de régression ajustée est le plus efficace avec un effectif d'échantillon d'environ 40 ou plus, et la droite ajustée peut être moins précise en dessous de 40. Les données doivent être collectées de façon aléatoire pour généraliser à la population et enregistrées dans l'ordre de collecte pour vérifier les motifs liés au temps.
Quelle est la différence entre les droites de tendance OLS et Lowess ?
Une droite de tendance OLS est la droite qui ajuste le mieux les points par les moindres carrés ordinaires ; elle suppose donc une relation linéaire. Une droite de tendance Lowess (lissage de nuage de points par pondération locale) est une méthode non paramétrique qui peut suivre des motifs plus complexes et non linéaires dans la relation entre les deux variables.
