Présentation

Les parcelles de boîtes, souvent appelées parcelles de boîtes et de bûcherons, sont l'un des outils les plus efficaces pour l'analyse des données exploratoires. Elles compressent un résumé de cinq chiffres (minimum, premier quartile, médiane, troisième quartile, maximum) en un visuel compact qui révèle immédiatement la tendance centrale, la propagation, l'étroitesse et les aberrations. Bien qu'elles aient l'air simples, une mauvaise interprétation d'une parcelle de boîtes est courante, surtout lorsqu'on compare des groupes ou qu'on évalue la forme de distribution.

Qu'est-ce qu'un lot de boîtes ?

Inventé par le statisticien John Tukey dans les années 1970, un graphique de boîte est une façon normalisée d'afficher un ensemble de données basé sur ses quartiles. Il n'exige aucune hypothèse sur la distribution statistique sous-jacente, en faisant un outil non-paramétrique. Le graphique se compose d'un -box rectangulaire et de deux -whiskers , qui s'étendent de la boîte. Interquartile (IQR), qui est la distance entre le premier quartile (Q1) et le troisième quartile (Q3). À l'intérieur de la boîte, une ligne marque la médiane (Q2).

Les moustaches atteignent les points les plus éloignés qui ne sont pas considérés comme aberrants, tandis que les points au-delà des moustaches sont tracés individuellement comme aberrants possibles.

Un graphique bien construit présente plus d'informations qu'un simple écart moyen et standard, surtout lorsque les données sont biaisées ou contiennent des valeurs extrêmes. Il est largement utilisé dans des domaines tels que la finance, la bioinformatique, l'ingénierie, les sciences sociales et l'analyse des affaires.

Composantes clés d'un lot de boîtes

Pour interpréter correctement un box, vous devez comprendre chaque bloc de construction. Laissez-les décomposer en détail.

La boîte : Interquartile Range (IQR)

La case représente le milieu 50% de vos données. Le bord inférieur de la case est le premier quartile (Q1) — le 25e centile — et le bord supérieur est le troisième quartile (Q3) — le 75e centile. La hauteur (ou la largeur, selon l'orientation) de la boîte est le RQI. Une boîte plus grande indique une plus grande variabilité dans la moitié centrale des données, tandis qu'une boîte plus petite suggère que les données sont étroitement regroupées autour de la médiane.

La ligne médiane

La ligne à l'intérieur de la boîte est la médiane (Q2), le 50e centile. La médiane est une mesure robuste de la tendance centrale — elle n'est pas tirée par des valeurs extrêmes comme la moyenne peut être. La position de la médiane dans la boîte vous parle de skewness. Si la médiane est plus proche du bord inférieur de la boîte, les données du milieu 50% sont biaisées à droite (les valeurs plus élevées sont plus étalées). Si elle est plus proche du bord supérieur, les données sont biaisées à gauche.

Une médiane parfaitement centrée suggère une distribution symétrique dans la RQI, mais ne garantit pas une symétrie globale parce que les queues (whiskers) peuvent être inégales.

Les whiskies

Les whiskies s'étendent de la boîte aux valeurs les plus petites et les plus grandes qui entrent dans le champ 1,5 × RQI Plus précisément, le whisker inférieur va au point de données ≥ Q1 – 1,5×IQR, et le whisker supérieur va au point de données ≤ Q3 + 1,5×IQR. Cette règle par défaut (les clôtures Tukey) est standard dans la plupart des bibliothèques de tracé, mais peut être ajustée (par exemple, utiliser 3×IQR pour les valeurs extrêmes aberrantes). Les whiskers montrent la plage de valeurs --typiques - à l'exclusion des valeurs aberrantes suspectées. Si un whisker est très long, cela signifie que les données s'étendent dans cette direction sans points extrêmes; un whisker court indique que les données sont groupées près de la boîte.

Amortisseurs

Tout point qui se trouve au-delà du whiskies est tracé individuellement — souvent comme un point, un cercle ou une étoile. Ce sont des valeurs aberrantes potentielles selon la règle 1.5×IQR. Il est important de se rappeler que -outlier , dans un case , ne signifie pas automatiquement que le point de données est erroné ou devrait être supprimé. Cela signifie simplement qu'il est inhabituel par rapport à la masse des données, et vous devriez étudier plus avant. Certaines variantes de box-plot distinguent également entre -aberrations -minute , au-delà de 1.5×IQR, mais dans 3×IQR et -extreme atermes , au-delà de 3×IQR, en utilisant différents symboles.

Comment interpréter un paquet de boîtes étape par étape

Maintenant que vous connaissez les parties, voici un cadre pratique pour lire n'importe quel graphe de boîte. Suivez ces étapes dans l'ordre.

Étape 1 : Localiser le médian et évaluer la tendance centrale

Trouvez la ligne à l'intérieur de la boîte. C'est la médiane. Comparez les médianes entre les groupes pour voir quel groupe a une valeur typique plus élevée. Parce que la médiane est robuste, elle est souvent plus significative que la moyenne pour les données biaisées. Pour un ensemble de données unique, la médiane vous indique où la moitié des données se trouvent au-dessus et la moitié au-dessous.

Étape 2 : Examiner la case (RQI) pour la propagation

La hauteur de la boîte représente le RQI. Un grand RQI indique une grande variabilité dans le milieu 50% des données. Un petit RQI indique que la plupart des valeurs sont concentrées près de la médiane. Lorsqu'on compare plusieurs parcelles de boîtes, le groupe avec le plus grand RQI a le plus répandu dans sa moitié centrale. Attention cependant que le RQI ne capture pas le comportement de queue — un groupe peut avoir un petit RQI mais a encore des valeurs extrêmes beaucoup plus éloignées.

Étape 3 : Évaluer la position de la femme en utilisant la position médiane et les sifflets

Si la moitié médiane est plus proche de la Q1 (derrière de la case), les données sont biaisées à droite (tache plus longue sur l'extrémité supérieure). Si la moitié médiane est plus proche de la Q3, à gauche. Deuxièmement, comparez les longueurs des moustaches. Un moustaches supérieur plus long (par rapport à la partie inférieure) suggère une broche droite; un moustaches inférieur plus long suggère une broche gauche. La combinaison de ces deux repères donne une impression fiable d'asymétrie même sans calculer les moments.

Étape 4: Identifier et compter les valeurs aberrantes

Les points de données au-delà des whiskies sont des valeurs potentielles aberrantes. Comptez-les et notez leur magnitude. Dans de nombreuses applications, un seul point extrême peut déformer la moyenne et l'écart type, mais un graphique de boîte le rend visible immédiatement. S'il y a beaucoup de valeurs aberrantes d'un côté, la distribution peut avoir des queues lourdes.

Étape 5 : Comparer plusieurs parcelles de boîte côte à côte

Vous pouvez rapidement voir quels groupes ont des médianes plus élevées, qui ont des QR plus larges, qui sont biaisées dans des directions opposées, et qui ont des valeurs extrêmes. Par exemple, dans un essai clinique, vous pouvez comparer des courbes de pression artérielle pour placebo, des groupes à faible dose et à forte dose. La courbe montre instantanément si la médiane diminue avec la dose et si la variabilité change. Faites toujours attention à la taille de l'échantillon — les courbes de la boîte ne montrent pas le nombre d'observations, et un groupe avec un échantillon minuscule peut produire des whiskers d'une largeur trompeuse.

Applications pratiques des emplacements de boîtes

Les parcelles en boîtes sont utilisées dans presque tous les champs de données. Voici plusieurs exemples concrets que vous pouvez rencontrer dans les manuels et les projets réels.

Comparaison des scores d'essai dans les salles de classe

Un enseignant peut créer des diagrammes de résultats d'examen pour différentes sections. La médiane montre quelle classe a le mieux fonctionné au niveau central; la RQI montre la variabilité des performances des élèves; des valeurs aberrantes pourraient indiquer des élèves qui ont lutté ou excédé bien au-delà de leurs pairs.

Identification des valeurs aberrantes dans les mesures scientifiques

Dans les expériences en laboratoire, les mesures contiennent souvent des valeurs perdues en raison d'une erreur d'équipement ou d'une contamination. Les diagrammes de boîtes aident à les identifier automatiquement.

Évaluation de la symmétrie de distribution avant les essais paramétriques

De nombreux tests statistiques (tests t, ANOVA) supposent une normalité ou du moins une symétrie. Un graphique de boîte donne un contrôle visuel rapide. Si la médiane est centrée et que les moustaches sont à peu près égales, les données sont probablement assez symétriques. Sinon, vous pourriez avoir besoin d'une alternative non paramétrique comme le test Mann‐Whitney U.

Distributions de rendement financier

Les analystes de placements utilisent des box placettes pour visualiser la distribution des rendements quotidiens pour les actions ou les portefeuilles sur une période. L'IQR montre la gamme typique des rendements, la médiane révèle la tendance centrale, et les jours de drapeau aberrants avec des gains ou des pertes extrêmes.

Analyse géographique et démographique

Les économistes créent des diagrammes de distribution des revenus entre les régions. Le RQI montre des inégalités (un grand RQI signifie une forte dispersion des revenus), et la médiane donne un meilleur sens du revenu typique que la moyenne lorsque la queue supérieure est longue.

Mauvaises compréhensions et limitations communes

Même les analystes expérimentés interprètent parfois mal les box-lots. Gardez ces pièges à l'esprit.

  • Les parcelles de la case ne montrent pas de modalité. Une parcelle de boîte ne peut pas vous dire si une distribution est bimodale (deux pics) ou unimodale. Deux distributions très différentes peuvent produire des parcelles de boîte identiques. Toujours compléter des parcelles de boîte avec des histogrammes ou des parcelles de densité lors de l'exploration de la forme.
  • Les valeurs aberrantes sont sensibles à la taille de l'échantillon. Avec les petits échantillons, la règle 1.5×IQR tend à indiquer trop de points aberrants; avec de très grands échantillons, même des déviations légères peuvent être signalées. Envisagez d'ajuster le multiplicateur de whisker ou d'utiliser une méthode de détection aberrante différente pour votre contexte.
  • Les whiskers peuvent être trompeurs si les données sont très discrètes. Pour les données entières comportant peu de valeurs distinctes (p. ex., réponses aux enquêtes à une échelle de 1 à 5), le RQI et les quartiles peuvent se chevaucher et le tracé de la boîte peut apparaître bloquant.
  • Les valeurs manquantes ne sont pas affichées. Les diagrammes de cas sont construits à partir de données complètes. Si les données manquantes ne sont pas aléatoires, le diagramme de cas peut donner une image biaisée.
  • La case n'indique pas directement la taille de l'échantillon. Toujours inscrire vos parcelles de boîte avec des valeurs n, car un petit échantillon peut produire une boîte trompeusement propre avec une large variation.

Malgré ces limites, le diagramme de boîte reste l'un des outils les plus efficaces pour un résumé rapide et robuste, surtout lorsque vous comparez de nombreux groupes.

Conclusion

L'interprétation d'un diagramme de boîte est une compétence fondamentale en analyse de données qui rapporte des dividendes dans les disciplines. En se concentrant sur les marqueurs médians, IQR, l'étendue du whisky et les valeurs aberrantes, vous pouvez rapidement évaluer la tendance centrale, la propagation, l'erreur et les valeurs extrêmes. Utilisez la routine étape par étape — médiane, IQR, erreur, aberrations, puis comparaison de groupe — pour éviter les erreurs courantes.

Pour plus de détails, explorez les travaux originaux de John Tukey sur l'analyse des données exploratoires (Tukey, 1977) ou voir comment les outils modernes ggplot2 dans R Un exemple pratique utilisant des données financières réelles peut être trouvé à l'adresse suivante: Guide Investopedia. Pour ceux qui travaillent en Python, Documentation Matplotlib La maîtrise du graphique de boîte va aiguiser votre capacité à communiquer les données clairement et prendre des décisions analytiques plus confiantes.