Moustaches à 5 et 95% pour box-plot

[Julie LEGER]

Bonjour,

Je suis biostatisticienne et je découvre R progressivement, principalement ses fonctions graphiques qui me paraissent très puissantes. :D

Je suis en train de faire des box-plots, mais en lisant la documentation avec avec attention, je me suis rendue compte que la longueur des moustaches dépendent de l'intervalle interquartile et du range. Or j'aurais voulu faire des box-plots avec des moustaches représentant les percentiles 5% et 95%.

En parcourant le forum, je n'ai pas vu de solution (peut-être que je n'ai pas bien cherché) donc je me demandais si vous auriez une astuce pour me permettre de faire des box-plots ayant de moustaches à 5 et 95% :?:

Merci par avance pour votre aide.

Julie LEGER

[Logez Maxime]

Bonjour,

Fait attention le boxplot est un type de représentation avec ces codes, je dirai que c'est un graphique standardisé. Chaque élément de ce graphique à un sens et une signification, voir Boxplot.
Le graphique que tu souhaites réaliser pourrait ne pas être bien interprérté ou compris par d'autres personnes les visualisant.
Néanmoins en modifiant un peu les fonctions de base du boxplot c'est possible :

Code : Tout sélectionner

boxplot2 <- function (x, ...) UseMethod("boxplot2")
 
boxplot2.default <- function (x, ..., range = 1.5, width = NULL, varwidth = FALSE,
    notch = FALSE, outline = TRUE, names, plot = TRUE, border = par("fg"),
    col = NULL, log = "", pars = list(boxwex = 0.8, staplewex = 0.5,
        outwex = 0.5), horizontal = FALSE, add = FALSE, at = NULL)
{
    args <- list(x, ...)
    namedargs <- if (!is.null(attributes(args)$names))
        attributes(args)$names != ""
    else rep(FALSE, length.out = length(args))
    groups <- if (is.list(x))
        x
    else args[!namedargs]
    if (0 == (n <- length(groups)))
        stop("invalid first argument")
    if (length(class(groups)))
        groups <- unclass(groups)
    if (!missing(names))
        attr(groups, "names") <- names
    else {
        if (is.null(attr(groups, "names")))
            attr(groups, "names") <- 1:n
        names <- attr(groups, "names")
    }
    cls <- sapply(groups, function(x) class(x)[1])
    cl <- if (all(cls == cls[1]))
        cls[1]
    else NULL
    for (i in 1:n) groups[i] <- list(boxplot2.stats(unclass(groups[[i]]),
        range))
    stats <- matrix(0, nrow = 5, ncol = n)
    conf <- matrix(0, nrow = 2, ncol = n)
    ng <- out <- group <- numeric(0)
    ct <- 1
    for (i in groups) {
        stats[, ct] <- i$stats
        conf[, ct] <- i$conf
        ng <- c(ng, i$n)
        if ((lo <- length(i$out))) {
            out <- c(out, i$out)
            group <- c(group, rep.int(ct, lo))
        }
        ct <- ct + 1
    }
    if (length(cl) && cl != "numeric")
        oldClass(stats) <- cl
    z <- list(stats = stats, n = ng, conf = conf, out = out,
        group = group, names = names)
    if (plot) {
        if (is.null(pars$boxfill) && is.null(args$boxfill))
            pars$boxfill <- col
        do.call("bxp", c(list(z, notch = notch, width = width,
            varwidth = varwidth, log = log, border = border,
            pars = pars, outline = outline, horizontal = horizontal,
            add = add, at = at), args[namedargs]))
        invisible(z)
    }
    else z
}
boxplot2.formula <- function (formula, data = NULL, ..., subset, na.action = NULL)
{
    if (missing(formula) || (length(formula) != 3))
        stop("'formula' missing or incorrect")
    m <- match.call(expand.dots = FALSE)
    if (is.matrix(eval(m$data, parent.frame())))
        m$data <- as.data.frame(data)
    m$... <- NULL
    m$na.action <- na.action
    require(stats, quietly = TRUE)
    m[[1]] <- as.name("model.frame")
    mf <- eval(m, parent.frame())
    response <- attr(attr(mf, "terms"), "response")
    boxplot2(split(mf[[response]], mf[-response]), ...)
}

boxplot2.stats <- function (x, coef = 1.5, do.conf = TRUE, do.out = TRUE)
{
    if (coef < 0)
        stop("'coef' must not be negative")
    nna <- !is.na(x)
    n <- sum(nna)
    stats <- stats::fivenum(x, na.rm = TRUE)
    iqr <- diff(stats[c(2, 4)])
    if (coef == 0)
        do.out <- FALSE
    else {
        out <- if (!is.na(iqr)) {
            x < (stats[2] - coef * iqr) | x > (stats[4] + coef *
                iqr)
        }
        else !is.finite(x)
        if (any(out[nna], na.rm = TRUE))
            stats[c(1, 5)] <- range(x[!out], na.rm = TRUE)
    }
    conf <- if (do.conf)
        stats[3] + c(-1.58, 1.58) * iqr/sqrt(n)
    stats[c(2,4)] <- quantile(x,c(0.05,0.95))
    list(stats = stats, n = n, conf = conf, out = if (do.out) x[out &
        nna] else numeric(0))
}

Un petit exemple :

Code : Tout sélectionner

x <- rnorm(100)
boxplot2(x)
abline(h=quantile(x,c(0.05,0.95)))

Ici l'écart entre les bords des boites et les intervalles n'as plus de trop de sens.


Maxime

[Christophe Genolini]

Je vais a fond dans le sens de Maxime : dans ma fac, certains prof estime que les valeurs adhérentes surpérieures et inférieures, c'est trop compliqué et donc ils "simplifient" en faisant des boites 5% - 25% - 50% - 75% - 95%. Mais ca n'est PLUS des boites a moustache. En particulier, une boite a moustache peut tres bien considérer qu'il n'y a pas de valeur extrêmes (par exemple boxplot(1:20) )Par contre, la "fausse" boite trouvera toujours des valeurs extrêmes, même dans les cas ou toutes les données sont gentiment regroupées...

C.

[Julie LEGER]

Je vous remercie pour vos réponses.
Effectivement, après observation plus approfondie de mes données et quelques box-plot 5%-25%-50%-75%-95%, je me suis rendue compte que cette vision des choses n'était pas la bonne.
En tout cas je vous remercie encore de votre aide.
Ju

[Christophe Genolini]

Je vous remercie pour vos réponses.
Effectivement, après observation plus approfondie de mes données et quelques box-plot 5%-25%-50%-75%-95%, je me suis rendue compte que cette vision des choses n'était pas la bonne.
En tout cas je vous remercie encore de votre aide.
Ju

Tiens, si tu veux plus de détails sur l'art et manière de construire une boite à moustache, j'avais fait un petit tutorial pour mes étudiants : http://christophe.genolini.free.fr/aTel ... oxplot.pdf

[Julie LEGER]

Merci.
Ju

[jean lobry]

Bonjour,

il n'y a bien qu'en France où l'on puisse imaginer que les boîtes à moustaches puissent être normalisées : http://mathazay.free.fr/spip.php?article495. Voir aussi http://mathazay.free.fr/spip.php?action=autoriser&arg=192.

Quand on demandé à John Tukey (l'inventeur du boxplot) pourquoi il utilisait 1.5 fois l'écart inter-quartilles il a répondu quelque chose du genre : ben parce que 1 c'est trop petit et 2 c'est trop grand.

Amicalement,

Jean

[Renaud Lancelot]

J'ai aussi entendu dire que si la variable étudiée a une distribution normale, l'intervalle entre les extrémités des moustaches comporte approximativement 95% des valeurs. Pas eu le courage de vérifier...

Renaud

[Christophe Genolini]

J'ai aussi entendu dire que si la variable étudiée a une distribution normale, l'intervalle entre les extrémités des moustaches comporte approximativement 95% des valeurs.

Intéressant

Pas eu le courage de vérifier...

Tsssss...
;-)

Allez, pour une fois que je peux répondre a un truc facile...

Alors :

Code : Tout sélectionner

### Q1, Q3 et l'espace inter quartile :
Q1 <- qnorm(0.25)
Q3 <- qnorm(0.75)
(intQ3Q1 <- Q3-Q1)
# [1] 1.348980
 
### adhérences inf et sup
(adSup <- Q3+1.5*intQ3Q1)
# [1] 2.697959
(adInf <- Q1-1.5*intQ3Q1)
# [1] -2.697959

### Pourcentage non compris entre adInf et adSup :
(pnorm(adSup)-pnorm(adInf))
# [1] 0.9930234


Sauf erreur de ma part, l'intervalle entre les moustaches contient 99.3% des valeurs.
Perdu :-(
En un sens, c'est dommage, ça aurait été un résultat sympa.

D'un autre côté, heureusement parce que si je ne me trompe pas, les moustaches servent plus ou moins à détecter les aberrations. Or 5% d'aberrations, ça ferait tout de même beaucoup...