Discussion :

[hollowdeadoss]

Bonjour tout le monde,

Je suis en train de faire une analyse multivariée assez classique pour le moment et j'essaye de me représenter sur un même graphique plusieurs boxplot représentant une variable quantitative suivant les modalités d'une variable.
Jusqu'ici rien d'extraordinaire sauf que "beaucoup de données" (environ 100,000 par modalité) et surtout les données sont "brutes" et sont super super étalées mais globalement c'est souvent de cette forme :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
Min.   :   0.5   
 1st Qu.:  20   
 Median :  40   
 Mean   :  60   
 3rd Qu.:  75   
Max.   :4000

Donc forcément la représentation est assez "écrasée" (logique) et j'essaye de trouver un moyen de représenter les données sans les "modifier" ou même sans enlever les valeurs extrêmes (environ une bonne centaine au dessus de 1000 par exemple donc assez important).

En vous remerciant pour toute aide

Cdlt,

Hollow

PS: d'ailleurs je n'arrive pas à avoir un résumé statistique de ma variable quantitative en fonction des modalités de ma variable qualitative, le summary(va.quanti ~ va.quali) ne fonctionne pas ... logique je pense mais si jamais quelqu'un a une idée je suis preneur également

[dev_ggy]

J'essaie de comprendre ta demande,

Dans la fonction boxplot tu as l'exclusion des valeurs extrêmes par un test qui ne semble pas indiqué dans la documentation.

Si tu veux normaliser tes données, tu peux faire (x-mean(x))/sd(x).

Si tu veux exclure les valeurs extrêmes. Il y a un module qui s'appelle outlier avec différents tests de valeurs extrêmes.

La boxplot est juste là pour te donner un élément de dispersion. Tu as aussi "hist" pour avoir une idée de la loi si tu veux savoir quelle règle peut suivre tes données. Mais tout cela dépend aussi de ce que tu veux démontrer.

Je ne suis pas sûr d'avoir répondu à ta demande mais j'espère t'aider.

[hollowdeadoss]

Bonjour et merci pour votre réponse.

En fait je connais ces méthodes mais ma question était plus d'ordre "concept" car justement je voulais savoir comment représenter mes données (en multivariée) sans normaliser et sans enlever les outliers (car pour le coup ces outliers sont super importants dans ma future modélisation!).

En normalisant je me dis que je perds justement de l'information ... mais j'ai peut être tord non?
Et prendre en compte les valeurs extrêmes de façon cohérente c'est pas évident non plus ...

Bref je suis un peu perdu Je pense que je vais normaliser mes données (toutes mes données) puis prendre en compte également - dans un futur proche - le fait que les modalités ne sont pas du tout d'effectif "proche".

Encore merci pour vos remarques ou autres.

PS: pour les outliers vous parler d'un package particulier? Perso j'utiliser box$out en gros puis la fonction which pour les virer

[dev_ggy]

Bonjour Monsieur,

Je ne suis absolument pas spécialiste des données multivariées mais je pense que ade4 permet de les représenter dans un espace défini par les composantes principales de l'ACP (PCA en anglais). En tapant sur google "représentation multivariée", j'ai trouvé quelques idées. Notre vision ne permet de voir qu'en deux ou trois dimensions, l'utilité est forte de faire une ACP pour connaitre les axes principaux. Si vous en avez trop, cela peut être compliqué de faire une représentation graphique sans avoir des graphes dans tout les sens, mais si des axes principaux se dégagent, vous aurez une représentation simple de votre espace.

En normalisant vous ne perdez pas d'information. C'est une fonction bijective.

Définir des valeurs extrêmes peut être compliqué tout court et encore plus dans un espace multivarié. Vous pouvez faire une étude de votre espace après l'ACP et peut-être étudier les résidus d'une régression généralisée multivariée pour définir vos ouliers.



Le package pour les outliers se nomme outliers.

Cordialement.

[hollowdeadoss]

Bonjour,

Encore merci pour l'aide.

Effectivement après tout ça je pensais faire une ACP ou autres (suivant le format de mes variables).
Je n'ai pas trouvé d'autres solutions.

Pour le moment je suis partie sur le package factominer mais ade4 le permet également.

Je vous remercie encore

Hollow