Les parcelles de boîtes et de whiskers, communément appelées parcelles de boîtes, sont parmi les outils graphiques les plus efficaces pour résumer de grands ensembles de données. Elles fournissent un résumé visuel compact qui révèle la distribution, la tendance centrale, la variabilité et les aberrations potentielles d'un ensemble de données à un seul coup d'oeil.

Qu'est-ce qu'une boîte et un terrain de whiskie?

Un graphique de boîte est une façon normalisée d'afficher un ensemble de données basé sur un résumé de cinq nombres : le minimum, le premier quartile (Q1), la médiane, le troisième quartile (Q3) et le maximum. Il se compose d'une « boîte » rectangulaire qui s'étend sur la plage interquartile (IQR) et le « whiskers » qui s'étendent pour indiquer la plage des données, à l'exclusion des valeurs aberrantes. Les valeurs aberrantes, si elles sont présentes, sont tracées en points individuels au-delà des whiskers. Cette visualisation simple mais puissante permet aux analystes de comparer rapidement les distributions et de repérer des valeurs inhabituelles.

Anatomie d'un lot de boîtes

Pour une interprétation correcte, il est essentiel de comprendre les cinq composantes d'un diagramme de cases. Chaque composante fournit une information précise sur les données.

Le résumé des cinq numéros

  • Minimum: Le point de données le plus petit qui n'est pas considéré comme un aberrant. Dans un graphique standard, le plus bas de la case atteint cette valeur.
  • Premier quartile (Q1): La médiane de la moitié inférieure des données. Vingt-cinq pour cent des données sont inférieures au Q1.
  • Médiane (Q2) : La valeur médiane de l'ensemble des données lorsqu'elle est disposée en ordre ascendant. Elle divise les données en deux moitiés égales.
  • Troisième quartile (Q3): La médiane de la moitié supérieure des données. Soixante-quinze pour cent des données sont inférieures au Q3.
  • Maximum: Le point le plus important de données qui n'est pas un aberrant. Le whisker supérieur se termine à cette valeur.

La gamme interquartile (IQR)

La RQI est la distance entre Q1 et Q3 (RQI = Q3 – Q1). Elle mesure l'écart entre le milieu de 50 % des données et est résistante aux valeurs extrêmes. La case dans une case est tracée de Q1 à Q3, et sa hauteur (ou largeur, selon l'orientation) représente visuellement la RQI. Une case plus grande indique une plus grande variabilité dans la partie centrale des données.

Les whiskies

Les whiskers s'étendent des bords de la boîte jusqu'aux valeurs minimales et maximales qui se trouvent dans les 1,5 fois la RQI des quatiles. Plus précisément, le whisker inférieur va au point de données le plus petit supérieur ou égal à Q1 – 1,5 × RQI; le whisker supérieur va au point de données le plus élevé inférieur ou égal à Q3 + 1,5 × RQI. Tous les points de données situés à l'extérieur de cette plage sont considérés. aberrations et sont tracés individuellement comme des points, des cercles, ou des astérisques.

Comment construire une boîte de placement étape par étape

Construire un graphique de boîte à la main ou en utilisant un logiciel implique un processus simple. Voici une passerelle détaillée à l'aide d'un ensemble de données échantillon.

Étape 1: Organiser les données

Commencez par trier les données en ordre croissant. Par exemple, considérez les 20 valeurs suivantes : 12, 15, 17, 20, 22, 23, 25, 27, 28, 30, 31, 33, 35, 37, 40, 42, 45, 50, 55, 60.

Étape 2: Trouver le médiateur (Q2)

Avec un nombre pair d'observations (n=20), la médiane est la moyenne des 10e et 11e valeurs. La 10e valeur est 30 et la 11e est 31, donc la médiane est 30.5.

Étape 3: Trouver les Q1 et Q3

Q1 est la médiane de la moitié inférieure (premières valeurs) : 12, 15, 17, 20, 22, 23, 25, 27, 28, 30. La médiane de cet ensemble est la moyenne des 5e et 6e valeurs : (22 + 23) / 2 = 22.5. Q3 est la médiane de la moitié supérieure (dernières valeurs) : 31, 33, 35, 37, 40, 42, 45, 50, 55, 60. La moyenne des 5e et 6e valeurs : (40 + 42) / 2 = 41.

Étape 4: Calculer le RQI et déterminer les limites de whiskies

IQR = Q3 – Q1 = 41 – 22.5 = 18.5. La clôture inférieure est Q1 – 1.5 × IQR = 22.5 – 27.75 = -5.25. Puisque le point de données minimum (12) est au-dessus de cette clôture, le whisker inférieur s'étend jusqu'à 12. La clôture supérieure est Q3 + 1.5 × IQR = 41 + 27.75 = 68.75. Le point de données maximum (60) est au-dessous de la clôture, de sorte que le whisker supérieur s'étend jusqu'à 60.

Il n'y a pas de valeurs aberrantes dans cet ensemble de données.

Étape 5: Dessiner le terrain

Dessiner un axe vertical (ou horizontal) à l'échelle des données. Placer une boîte de Q1 (22,5) à Q3 (41) avec une ligne à la médiane (30,5). Dessiner les moustaches de la boîte au minimum (12) et au maximum (60). Ajouter un titre et des étiquettes d'axe au besoin.

Boîte d'interprétation et emplacements de whisker

Une fois construit, un graphique de boîte révèle plusieurs caractéristiques de la distribution des données en un coup d'oeil. Apprendre à lire ces derniers vous indique plus que seulement les cinq chiffres.

Étendue et variabilité

La longueur de la boîte (IQR) indique la propagation de la moitié médiane des données. Les cases plus longues signifient plus de variabilité; les cases plus courtes indiquent que les données sont concentrées autour de la médiane. La plage totale (max–min) montrée par les moustaches donne également une idée de la propagation globale, mais gardez à l'esprit que les moustaches sont limitées par la règle aberrante, si large les moustaches peuvent indiquer la présence de plus aberrantes sur le bord.

Centre et position

Si la médiane est centrée dans la case, les données du milieu sont assez symétriques. Si la médiane est plus proche du bas de la case (c'est-à-dire près de Q1), les données sont égratignées positivement — la plupart des données sont du côté inférieur, avec une longue queue vers le haut. Inversement, si la médiane est près du haut de la case, les données sont égratignées négativement.

Ecrouillage et symmétrie

Au-delà de la position médiane, les longueurs relatives des moustaches indiquent également une fausseté. Un moustachu supérieur plus long que le moustachu inférieur suggère une distribution à droite (porc positif). Un moustachu inférieur plus long suggère une distribution à gauche (porc négatif).

Amortisseurs

Les points tracés au-delà des whiskies sont des valeurs aberrantes potentielles. Ce sont des observations qui tombent de plus de 1,5 IQR des quatiles. Les valeurs aberrantes peuvent indiquer des erreurs de saisie de données, des anomalies expérimentales ou des valeurs vraiment extrêmes qui méritent une étude plus approfondie.

Applications pratiques des emplacements de boîtes

Les parcelles en encadré sont utilisées dans de nombreuses disciplines pour une analyse et une comparaison rapides.

Santé et médecine

Les chercheurs utilisent des diagrammes de boîte pour comparer les résultats des patients dans les groupes de traitement, comme les relevés de pression artérielle avant et après les médicaments.

Financement

Les analystes utilisent des box placettes pour visualiser la distribution des rendements, des risques de portefeuille ou des cotes de crédit. Un box placette de rendements dans différents secteurs peut révéler quels secteurs ont une volatilité plus grande (large IQR) ou sont biaisés vers des pertes.

Éducation

Les résultats des tests réalisés dans différentes classes ou écoles peuvent être comparés côte à côte en utilisant des parcelles de boîtes, ce qui permet de déceler les disparités dans les performances et de détecter les écoles où quelques élèves obtiennent des résultats bien supérieurs ou inférieurs à la norme.

Fabrication et contrôle de la qualité

Par exemple, le diamètre des boulons fabriqués peut être tracé au fil du temps; un changement soudain de la médiane ou de la RQI augmentée indique un changement de processus.

Erreurs courantes à éviter lors de l'utilisation de boîtes

Bien que les parcelles de boîtes soient simples, des interprétations erronées se produisent. Gardez ces pièges à l'esprit.

  • Ignorer la taille de l'échantillon: Les parcelles en encadré ne montrent pas le nombre d'observations, et deux parcelles en encadré avec des résumés identiques de cinq chiffres pourraient avoir des tailles d'échantillons très différentes, ce qui aurait une incidence sur la confiance dans les estimations.
  • En supposant la normalité: Les parcelles de boîtes ne sont pas paramétriques et ne donnent aucune hypothèse sur la forme de la distribution. Cependant, une parcelle de boîtes d'apparence symétrique ne garantit pas une distribution normale — elle ne montre que la médiane et les quartiles.
  • Détermination erronée des valeurs aberrantes sans contexte: Un point en dehors du whiskers est appelé aberrant par la règle 1.5×IQR, mais cela ne signifie pas automatiquement qu'il est erroné. Dans certains domaines, comme la finance, des valeurs extrêmes sont attendues.
  • Comparaison des parcelles de boîtes avec différentes échelles: Lorsque vous comparez plusieurs parcelles de boîtes, assurez-vous que l'échelle de l'axe est cohérente.

Boîte avancée Variations de la parcelle

Plusieurs modifications au diagramme standard existent pour transmettre des informations supplémentaires.

Cases encochées

Les encoches autour de la médiane indiquent un intervalle de confiance (habituellement 95%) pour la médiane. Si les encoches de deux parcelles de boîte ne se chevauchent pas, il existe de fortes preuves que leurs médianes diffèrent.

Lots de boîtes à largeur variable

Dans ces parcelles, la largeur de la boîte est proportionnelle à la racine carrée de la taille de l'échantillon, ce qui indique visuellement la précision des estimations — les cases plus larges indiquent des tailles d'échantillon plus grandes.

Boîtes à points moyens

Certains analystes ajoutent un marqueur (p. ex. un diamant) pour la moyenne à l'intérieur de la boîte, ce qui aide à comparer la moyenne par rapport à la médiane et à évaluer directement l'erreur.

Lots groupés de boîtes

Les parcelles à boîtes multiples sont souvent placées côte à côte sur le même axe pour comparer les distributions entre les catégories. Par exemple, un lot groupé peut afficher les prix de la maison dans différentes villes.

Outils pour créer des boîtes et des patchs de whiskie

Vous n'avez pas besoin de tout calculer à la main. De nombreux outils logiciels et bibliothèques peuvent générer des box lkps rapidement.

  • Feuilles Excel et Google : Les deux offrent des types de diagrammes de diagrammes de boîte intégrés dans les versions récentes. Vous pouvez les créer à partir du menu Insertion de diagramme. Page d'assistance Microsoft vous guide dans le processus.
  • C'est un peu comme ça. La fonction dans la base R et le paquet fournissent une personnalisation étendue. Galerie graphique R offre des exemples.
  • Python : Les Matplotlibs et les Seaborns sont populaires. Documentation Matplotlib explique les paramètres.
  • Outils en ligne: Des sites Web comme Les mathématiques sont amusantes fournir des générateurs interactifs de diagrammes de boîte pour l'apprentissage rapide.
  • Logiciel statistique: SPSS, Stata et Minitab incluent la fonctionnalité de la courbe de boîte avec des menus et des options pour les encoches et les largeurs variables.

Emplacements de boîtes dans les flux de travail modernes de données

Dans les pipelines de données modernes, les box-trimbles sont souvent générés automatiquement dans le cadre du profilage des données avant la modélisation. Ils peuvent être intégrés dans les tableaux de bord et les rapports pour fournir une visibilité en temps réel dans la qualité des données. Directus, les données des API peuvent être transformées et visualisées dans des interfaces analytiques personnalisées qui incluent des diagrammes de boîtes, aidant les parties prenantes non techniques à comprendre les distributions de données sans code d'écriture.

Conclusion

En comprenant le résumé des cinq numéros, IQR, et les règles aberrantes, vous pouvez les construire manuellement ou en utilisant un logiciel et les interpréter pour révéler la propagation, la scepticité et les anomalies. Intégrer les diagrammes de boîte dans votre routine d'analyse des données exploratoires permettra d'approfondir votre compréhension des données et de permettre des décisions plus éclairées. Que vous soyez étudiant, scientifique, analyste d'affaires ou développeur, la maîtrise des diagrammes de boîte est une compétence fondamentale à l'ère des idées d'analyses basées sur les données.