{"id":3200,"date":"2026-10-14T18:00:59","date_gmt":"2026-10-14T18:00:59","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/r-comment-modifier-nombre-classes-histogramme\/"},"modified":"2026-10-14T18:00:59","modified_gmt":"2026-10-14T18:00:59","slug":"r-comment-modifier-nombre-classes-histogramme","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=r-comment-modifier-nombre-classes-histogramme","title":{"rendered":"R : Comment modifier le nombre de classes dans un histogramme"},"content":{"rendered":"

Dans le champ de la psychologie quantitative, des neurosciences cognitives et de la psychom\u00e9trie, l’exploration initiale des donn\u00e9es constitue une \u00e9tape d\u00e9terminante dont d\u00e9pend la validit\u00e9 de l’ensemble de la cha\u00eene inf\u00e9rentielle. Bien souvent, les praticiens et les chercheurs abordent le traitement de leurs distributions empiriques en s’appuyant sur des indicateurs de tendance centrale et de dispersion \u00e9l\u00e9mentaires. Pourtant, ces m\u00e9triques de r\u00e9duction statistique condensent l’information au risque de dissimuler des h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9s sous-jacentes majeures, des effets de seuil exp\u00e9rimentaux ou des anomalies d’\u00e9chantillonnage. La repr\u00e9sentation graphique des distributions au moyen de l’histogramme demeure, depuis son introduction formelle \u00e0 la fin du XIXe si\u00e8cle par Karl Pearson<\/a>, la m\u00e9thode d’inspection visuelle la plus directe et la plus universellement reconnue pour appr\u00e9hender la forme probabiliste d’un ensemble de mesures quantitatives.<\/p>\n

Cependant, l’histogramme poss\u00e8de une vuln\u00e9rabilit\u00e9 th\u00e9orique intrins\u00e8que que beaucoup d’analystes n\u00e9gligent dans leur pratique quotidienne sous le logiciel R : sa topographie visuelle d\u00e9pend de fa\u00e7on critique du nombre et de la largeur des classes, commun\u00e9ment d\u00e9sign\u00e9es sous l’anglicisme bins<\/em>. Une modification, m\u00eame modeste, du d\u00e9coupage des intervalles peut transformer radicalement l’apparence d’une distribution, faisant appara\u00eetre un faux mode de r\u00e9ponse, masquant une asym\u00e9trie clinique cruciale ou effa\u00e7ant la pr\u00e9sence d’une sous-population atypique. L’environnement statistique R offre une panoplie remarquable de fonctions et d’arguments permettant de param\u00e9trer ce partitionnement, allant de la fonction historique hist()<\/em> int\u00e9gr\u00e9e au moteur de base jusqu’aux couches vectorielles sophistiqu\u00e9es du module ggplot2<\/em>. Ma\u00eetriser le r\u00e9glage de ce param\u00e8tre ne rel\u00e8ve donc pas d’une simple coquetterie esth\u00e9tique, mais d’une exigence m\u00e9thodologique imp\u00e9rative garantissant l’int\u00e9grit\u00e9 de l’interpr\u00e9tation empirique.<\/p>\n

Cet article propose une exploration approfondie, exhaustive et rigoureusement document\u00e9e des m\u00e9canismes math\u00e9matiques et programmatiques qui r\u00e9gissent le d\u00e9coupage en classes des histogrammes dans l’\u00e9cosyst\u00e8me R. \u00c0 travers l’analyse d\u00e9taill\u00e9e des algorithmes classiques de Sturges, de Scott et de Freedman-Diaconis, la d\u00e9construction des arguments de syntaxe et l’examen d’\u00e9tudes de cas r\u00e9alistes en psychom\u00e9trie clinique et cognitive, nous fournirons au chercheur les rep\u00e8res n\u00e9cessaires pour choisir, ajuster et justifier scientifiquement ses options de visualisation. Cette d\u00e9marche s’inscrit dans les standards contemporains de la science ouverte et de la reproductibilit\u00e9 computationnelle, en insistant sur la transparence m\u00e9thodologique exig\u00e9e par les revues internationales \u00e0 comit\u00e9 de lecture.<\/p>\n

1. Introduction aux histogrammes dans l’analyse de donn\u00e9es psychologiques avec R<\/h2>\n

1.1 R\u00f4le de la visualisation distributionnelle en psychom\u00e9trie<\/h3>\n

L’\u00e9valuation psychologique moderne repose massivement sur la quantification de construits inobservables, appel\u00e9s variables latentes, tels que l’anxi\u00e9t\u00e9 \u00e9tat, le quotient intellectuel, la m\u00e9moire de travail ou les traits de personnalit\u00e9. Ces entit\u00e9s th\u00e9oriques sont g\u00e9n\u00e9ralement op\u00e9rationnalis\u00e9es au moyen de scores composites issus d’\u00e9chelles de Likert, de batteries d’\u00e9preuves chronom\u00e9tr\u00e9es ou de grilles d’observation comportementale. Lors de la phase de validation ou d’exploitation de ces outils, l’inspection visuelle de la distribution empirique est indispensable. Elle permet de v\u00e9rifier si les donn\u00e9es respectent les hypoth\u00e8ses de normalit\u00e9 univari\u00e9e requises par la majorit\u00e9 des mod\u00e8les lin\u00e9aires, qu’il s’agisse de l’analyse de variance, de la r\u00e9gression multiple ou de la mod\u00e9lisation en \u00e9quations structurelles.<\/p>\n

L’examen des moments d’ordre sup\u00e9rieur, particuli\u00e8rement l’asym\u00e9trie (ou skewness<\/em>) et l’aplatissement (ou kurtosis<\/em>), ne peut se satisfaire d’une simple lecture tabulaire. Un coefficient d’asym\u00e9trie mod\u00e9r\u00e9 peut en r\u00e9alit\u00e9 r\u00e9sulter de quelques valeurs extr\u00eames isol\u00e9es ou, au contraire, d’un glissement syst\u00e9matique de l’ensemble de l’\u00e9chantillon vers une extr\u00e9mit\u00e9 de l’\u00e9chelle. Seule la repr\u00e9sentation graphique permet de trancher avec certitude. De plus, les r\u00e9sum\u00e9s num\u00e9riques stricts tels que la moyenne et l’\u00e9cart-type se r\u00e9v\u00e8lent aveugles face \u00e0 des distributions multimodales : une distribution pr\u00e9sentant deux bosses bien distinctes peut arborer une moyenne parfaitement centr\u00e9e et un \u00e9cart-type en apparence banal, dissimulant le fait que la moyenne statistique correspond pr\u00e9cis\u00e9ment \u00e0 la zone o\u00f9 les observations sont les plus rares.<\/p>\n

Dans les contextes exp\u00e9rimentaux et cliniques, la visualisation graphique constitue \u00e9galement la premi\u00e8re ligne de d\u00e9fense pour identifier les anomalies de mesure. Les effets de plancher, o\u00f9 une proportion excessive de participants obtient le score minimal en raison d’une t\u00e2che trop difficile ou d’une \u00e9chelle inadapt\u00e9e, et les effets de plafond, o\u00f9 les scores s’accumulent artificiellement au sommet de l’intervalle d’\u00e9valuation, se signalent instantan\u00e9ment sur un histogramme par une barre disproportionn\u00e9e \u00e0 l’une des bornes. Ignorer ces patrons distributionnels conduit invariablement \u00e0 des erreurs d’inf\u00e9rence, \u00e0 une att\u00e9nuation fallacieuse des corr\u00e9lations observ\u00e9es et \u00e0 des conclusions erron\u00e9es sur l’efficacit\u00e9 d’une intervention psychologique ou pharmacologique.<\/p>\n

1.2 D\u00e9finition math\u00e9matique et terminologique des classes (bins)<\/h3>\n

D’un point de vue formel, la construction d’un histogramme repose sur le partitionnement de l’ensemble de d\u00e9finition d’une variable quantitative continue en un ensemble fini d’intervalles contigus et mutuellement disjoints. Ces intervalles \u00e9l\u00e9mentaires portent le nom de classes ou de bins<\/em>. Si l’on note l’\u00e9tendue des donn\u00e9es observ\u00e9es sur l’axe r\u00e9el, le partitionnement d\u00e9coupe cet espace en plusieurs segments d\u00e9finis chacun par une borne inf\u00e9rieure et une borne sup\u00e9rieure. Tout point de donn\u00e9es de l’\u00e9chantillon appartient \u00e0 une et une seule classe, garantissant que la somme des effectifs associ\u00e9s \u00e0 chaque classe soit rigoureusement \u00e9gale \u00e0 la taille totale de l’\u00e9chantillon \u00e9tudi\u00e9.<\/p>\n

La largeur d’une classe, fr\u00e9quemment appel\u00e9e largeur de bande ou binwidth<\/em>, entretient une relation g\u00e9om\u00e9trique et arithm\u00e9tique directe avec le nombre total de classes. Lorsque l’on impose une largeur constante \u00e0 travers tout l’espace d’\u00e9chantillonnage, le nombre de classes correspond au rapport entre l’\u00e9tendue globale des scores (la diff\u00e9rence entre le maximum et le minimum) et cette largeur de bande unitaire. Selon l’objectif vis\u00e9 par l’analyste, l’axe vertical de l’histogramme peut repr\u00e9senter soit le comptage des fr\u00e9quences absolues, c’est-\u00e0-dire le d\u00e9nombrement brut des sujets dont le score tombe dans l’intervalle consid\u00e9r\u00e9, soit une estimation de la densit\u00e9 de probabilit\u00e9 relative. Dans ce dernier cas, la surface totale de l’histogramme, obtenue en sommant le produit de la largeur de chaque classe par sa hauteur relative, doit \u00e9galer exactement 1, s’alignant ainsi sur les principes axiomatiques du calcul des probabilit\u00e9s de Kolmogorov.<\/p>\n

Le param\u00e9trage du nombre de classes induit une tension math\u00e9matique fondamentale entre le sous-lissage et le sur-lissage de la distribution empirique. Lorsque les classes sont excessivement nombreuses et \u00e9troites, l’histogramme souffre d’un sous-lissage marqu\u00e9 : la courbe devient bruit\u00e9e, fragment\u00e9e et h\u00e9riss\u00e9e de pics artificiels qui refl\u00e8tent la variabilit\u00e9 d’\u00e9chantillonnage al\u00e9atoire plut\u00f4t que la loi g\u00e9n\u00e9ratrice sous-jacente. Inversement, si le nombre de classes est trop restreint et leur largeur d\u00e9mesur\u00e9e, le sur-lissage efface les caract\u00e9ristiques morphologiques indispensables, telles que les creux de densit\u00e9, les infl\u00e9chissements de pente ou la pr\u00e9sence de sous-groupes cliniques distincts au sein de la cohorte.<\/p>\n

1.3 Pr\u00e9sentation de la fonction de base hist() dans le logiciel R<\/h3>\n

Le langage de programmation R<\/a> int\u00e8gre nativement, au sein de son module graphique de base nomm\u00e9 graphics<\/em>, la commande canonique hist()<\/em>. Cette fonction prend en entr\u00e9e un vecteur num\u00e9rique repr\u00e9sentant la variable continue d’int\u00e9r\u00eat et produit imm\u00e9diatement une figure dans la fen\u00eatre graphique active. D’une grande souplesse, hist()<\/em> accepte une multitude d’arguments permettant de piloter l’apparence du trac\u00e9, notamment main<\/em> pour le titre principal, xlab<\/em> et ylab<\/em> pour les \u00e9tiquettes des axes, col<\/em> pour la teinte de remplissage des barres, et border<\/em> pour le trac\u00e9 de leurs contours g\u00e9om\u00e9triques.<\/p>\n

Le param\u00e8tre central qui contr\u00f4le la granularit\u00e9 du d\u00e9coupage est l’argument breaks<\/em>. Cet argument se distingue par son polymorphisme remarquable : il peut recevoir un vecteur num\u00e9rique \u00e9num\u00e9rant explicitement l’ensemble des points de coupure, un entier scalaire sugg\u00e9rant un nombre approximatif d’intervalles, une cha\u00eene de caract\u00e8res sp\u00e9cifiant le nom d’un algorithme math\u00e9matique reconnu, ou m\u00eame une fonction personnalis\u00e9e programm\u00e9e par l’utilisateur. La ma\u00eetrise de cet argument breaks<\/em> constitue le pivot technique autour duquel s’articule toute manipulation fine de la r\u00e9solution distributionnelle sous R.<\/p>\n

Dans la pratique des sciences sociales, les jeux de donn\u00e9es bruts comportent fr\u00e9quemment des valeurs manquantes, cod\u00e9es par la constante NA<\/em>. Par d\u00e9faut, la fonction hist()<\/em> ne tol\u00e8re pas la pr\u00e9sence de donn\u00e9es non d\u00e9finies et renvoie un message d’erreur bloquant. L’analyste doit imp\u00e9rativement proc\u00e9der \u00e0 un filtrage pr\u00e9alable en utilisant des fonctions d’extraction conditionnelle ou en encapsulant son vecteur dans l’appel na.omit()<\/em>. Ce comportement rigoureux \u00e9vite d’introduire des biais invisibles dans le calcul des coupures et force le chercheur \u00e0 prendre conscience du taux d’attrition pr\u00e9sent dans son \u00e9chantillon psychom\u00e9trique avant toute tentative de repr\u00e9sentation visuelle.<\/p>\n

2. Le comportement par d\u00e9faut de hist() et le calcul via la r\u00e8gle de Sturges<\/h2>\n

2.1 Origine et formulation math\u00e9matique de la r\u00e8gle de Sturges<\/h3>\n

Lorsque la fonction hist()<\/em> est invoqu\u00e9e sans aucune mention explicite de l’argument breaks<\/em>, R ne proc\u00e8de pas \u00e0 un tirage au sort de la largeur des classes. Il applique un protocole d’estimation d\u00e9terministe bas\u00e9 sur la formule logarithmique historique formul\u00e9e en 1926 par le statisticien am\u00e9ricain Herbert Sturges. Con\u00e7ue \u00e0 une \u00e9poque o\u00f9 le calcul manuel imposait des contraintes arithm\u00e9tiques s\u00e9v\u00e8res, la formulation de Sturges visait \u00e0 d\u00e9terminer le nombre optimal de classes pour repr\u00e9senter graphiquement une s\u00e9rie statistique continue en postulant que la distribution sous-jacente se comporte de mani\u00e8re approximativement gaussienne.<\/p>\n

La formule math\u00e9matique s’exprime sous la forme : k = 1 + log2(n)<\/em>, o\u00f9 k<\/em> repr\u00e9sente le nombre th\u00e9orique de classes et n<\/em> l’effectif total de l’\u00e9chantillon. Cette \u00e9quation d\u00e9coule directement du d\u00e9veloppement des coefficients binomiaux issus du triangle de Pascal. En assimilant une distribution normale discr\u00e9tis\u00e9e \u00e0 une loi binomiale sym\u00e9trique de param\u00e8tres n<\/em> et p = 0.5<\/em>, Sturges consid\u00e9rait que le nombre id\u00e9al d’intervalles devait refl\u00e9ter le nombre de termes dans l’expansion binomiale permettant d’\u00e9viter que les queues de distribution ne soient d\u00e9peupl\u00e9es.<\/p>\n

Dans le code source interne du moteur R, cette logique est impl\u00e9ment\u00e9e dans la fonction auxiliaire nclass.Sturges()<\/em>. Si l’on inspecte le corps de cette fonction \u00e9l\u00e9mentaire, on constate qu’elle ex\u00e9cute l’op\u00e9ration arithm\u00e9tique : ceiling(log2(length(x)) + 1)<\/em>, o\u00f9 ceiling()<\/em> assure l’arrondi \u00e0 l’entier sup\u00e9rieur imm\u00e9diat. Cette formule a \u00e9t\u00e9 conserv\u00e9e au fil des d\u00e9cennies dans les versions successives du logiciel R principalement pour des imp\u00e9ratifs de r\u00e9trocompatibilit\u00e9 logicielle et de standardisation des affichages initiaux. Elle offre un compromis acceptable pour les jeux de donn\u00e9es p\u00e9dagogiques de tr\u00e8s faible envergure, mais d\u00e9voile rapidement des failles conceptuelles majeures dans le cadre de la recherche quantitative contemporaine.<\/p>\n

2.2 Application concr\u00e8te sur un \u00e9chantillon psychom\u00e9trique simul\u00e9<\/h3>\n

Pour observer l’op\u00e9rationnalisation pratique de la r\u00e8gle de Sturges, imaginons une exp\u00e9rience standard en psychologie cognitive portant sur l’\u00e9valuation de la m\u00e9moire de travail chez 100 participants adultes. Les scores composites varient de fa\u00e7on continue sur une \u00e9chelle arbitraire centr\u00e9e autour de 50. Si l’on applique la formule analytique de Sturges pour un effectif de n = 100<\/em>, le calcul donne : k = 1 + log2(100) = 1 + 6.643856 = 7.643856<\/em>, ce qui, apr\u00e8s application du plafond arithm\u00e9tique, conduit \u00e0 un total th\u00e9orique attendu de 8 classes.<\/p>\n

Cependant, si l’on ex\u00e9cute la commande hist(scores)<\/em> sans sp\u00e9cification compl\u00e9mentaire, le graphique r\u00e9sultant ne comporte pas n\u00e9cessairement les 8 barres attendues. Bien souvent, R produira un histogramme constitu\u00e9 de 7, 9 ou 10 classes. Cette divergence apparente entre la th\u00e9orie math\u00e9matique de Sturges et le trac\u00e9 effectif s’explique par l’intervention d’un m\u00e9canisme algorithmique interm\u00e9diaire : l’appel \u00e0 la fonction interne pretty()<\/em>. Les concepteurs du moteur graphique de R ont privil\u00e9gi\u00e9 la lisibilit\u00e9 cognitive de l’axe des abscisses pour l’\u0153il humain plut\u00f4t que le respect rigide d’un entier th\u00e9orique.<\/p>\n

La fonction pretty()<\/em> prend en compte l’\u00e9tendue brute des donn\u00e9es et le nombre de classes sugg\u00e9r\u00e9 par Sturges, puis d\u00e9termine une s\u00e9quence de bornes d’intervalles qui correspondent \u00e0 des nombres dits \u00ab \u00e9l\u00e9gants \u00bb ou commodes \u00e0 la lecture, typiquement des multiples de 1, 2, 5 ou 10. Ainsi, les limites de classes r\u00e9elles se trouvent r\u00e9align\u00e9es sur des rep\u00e8res d\u00e9cimaux intuitifs. Ce compromis visuel, bien qu’extr\u00eamement confortable pour une lecture superficielle des donn\u00e9es, introduit une distorsion suppl\u00e9mentaire entre la pr\u00e9conisation formelle de l’algorithme et la g\u00e9om\u00e9trie concr\u00e8te de l’histogramme affich\u00e9 \u00e0 l’\u00e9cran.<\/p>\n

\"\"<\/figure>\n

2.3 Pourquoi la r\u00e8gle par d\u00e9faut \u00e9choue souvent en recherche quantitative<\/h3>\n

L’inad\u00e9quation de la r\u00e8gle de Sturges pour les protocoles de recherche contemporains est aujourd’hui document\u00e9e par l’ensemble des th\u00e9oriciens de la statistique computationnelle. Le premier d\u00e9faut structurel de cette formule r\u00e9side dans sa d\u00e9pendance logarithmique excessivement lente vis-\u00e0-vis de la taille de l’\u00e9chantillon n<\/em>. Alors qu’un \u00e9chantillon de 100 sujets produit environ 8 classes, un \u00e9chantillon de 1 000 sujets n’en produira que 11, et une cohorte \u00e9pid\u00e9miologique massive de 100 000 participants ne g\u00e9n\u00e9rera que 18 classes. D\u00e8s lors que l’effectif d\u00e9passe 200 \u00e0 300 observations, la r\u00e8gle de Sturges sous-estime dramatiquement le nombre d’intervalles requis, entra\u00eenant un sur-lissage s\u00e9v\u00e8re de la distribution.<\/p>\n

Ce sur-lissage syst\u00e9matique neutralise la capacit\u00e9 de d\u00e9tection du chercheur face \u00e0 des structures sous-jacentes complexes. En psychologie clinique, de nombreuses variables ne suivent pas une loi normale univari\u00e9e mais r\u00e9sultent d’un m\u00e9lange probabiliste de plusieurs sous-populations : par exemple, un groupe d’individus sains m\u00e9lang\u00e9 \u00e0 une sous-population manifestant une symptomatologie prodromique d’un trouble psychiatrique. La r\u00e8gle de Sturges regroupe des masses critiques d’observations dans des intervalles si larges qu’elle nivelle m\u00e9caniquement les creux de densit\u00e9. Le chercheur qui observe le trac\u00e9 peut conclure \u00e0 tort \u00e0 l’existence d’une distribution unimodale continue, l\u00e0 o\u00f9 coexistent en r\u00e9alit\u00e9 deux modes parfaitement discernables avec une discr\u00e9tisation plus fine.<\/p>\n

Enfin, l’hypoth\u00e8se de normalit\u00e9 intrins\u00e8que formul\u00e9e par Sturges constitue une p\u00e9tition de principe probl\u00e9matique dans l’analyse exploratoire des donn\u00e9es. L’histogramme est cens\u00e9 \u00eatre un instrument heuristique permettant de d\u00e9couvrir la forme d’une distribution inconnue. Pr\u00e9supposer la normalit\u00e9 de la loi pour calibrer la grille d’observation aboutit \u00e0 forcer artificiellement les donn\u00e9es empiriques \u00e0 ressembler \u00e0 une gaussienne liss\u00e9e. Pour des distributions asym\u00e9triques, leptokurtiques ou tronqu\u00e9es, comme c’est syst\u00e9matiquement le cas des temps de r\u00e9action ou des \u00e9chelles de consommation de substances, l’utilisation aveugle du r\u00e9glage par d\u00e9faut de R constitue une faille m\u00e9thodologique \u00e9vidente.<\/p>\n

3. Technique fondamentale : Forcer un nombre pr\u00e9cis de classes avec seq() et breaks<\/h2>\n

3.1 M\u00e9canisme formel de l’argument breaks dans la fonction hist()<\/h3>\n

Pour s’affranchir des arbitrages automatiques et potentiellement trompeurs du moteur de base, l’analyste dispose d’un levier direct et d\u00e9terministe : la transmission d’un vecteur num\u00e9rique explicite au param\u00e8tre breaks<\/em> de la fonction hist()<\/em>. Lorsqu’un vecteur num\u00e9rique est fourni, l’algorithme interne de R d\u00e9sactive imm\u00e9diatement les modules d’estimation de Sturges ainsi que les ajustements cosm\u00e9tiques de la fonction pretty()<\/em>. Le logiciel ex\u00e9cute fid\u00e8lement le d\u00e9coupage en utilisant les valeurs du vecteur comme bornes d’intervalles strictes.<\/p>\n

Il est indispensable de ma\u00eetriser la relation de dimensionnalit\u00e9 qui r\u00e9git ce param\u00e8tre : pour d\u00e9limiter un nombre k<\/em> de classes contigu\u00ebs, il faut imp\u00e9rativement fournir un vecteur de coupure contenant exactement k + 1<\/em> \u00e9l\u00e9ments num\u00e9riques. Par exemple, pour obtenir 10 classes, le vecteur breaks<\/em> devra contenir 11 valeurs ordonn\u00e9es d\u00e9finissant les extr\u00e9mit\u00e9s de chaque tranche. La confusion entre le nombre de seuils de coupure et le nombre effectif d’intervalles produits repr\u00e9sente l’une des erreurs d’inattention les plus courantes chez les utilisateurs n\u00e9ophytes de R.<\/p>\n

Un autre point de rigueur m\u00e9thodologique concerne la gestion des bornes d’intervalles, pilot\u00e9e par l’argument logique right<\/em>. Par d\u00e9faut, la fonction hist()<\/em> fonctionne avec right = TRUE<\/em>, ce qui implique que les classes sont ferm\u00e9es \u00e0 droite et ouvertes \u00e0 gauche, mod\u00e9lis\u00e9es selon la topologie des intervalles semi-ouverts de la forme (a, b]<\/em>. Une valeur tombant rigoureusement sur la borne sup\u00e9rieure b<\/em> est donc comptabilis\u00e9e dans cet intervalle. Si l’on configure right = FALSE<\/em>, la convention s’inverse : les classes deviennent ferm\u00e9es \u00e0 gauche et ouvertes \u00e0 droite, sous la forme [a, b)<\/em>. Pour garantir que l’observation la plus minimale ne soit pas exclue du premier intervalle lorsque right = TRUE<\/em>, R inclut par d\u00e9faut une tol\u00e9rance automatique via le param\u00e8tre include.lowest = TRUE<\/em>, assurant que l’extr\u00e9mit\u00e9 basse du domaine fasse partie int\u00e9grante de la premi\u00e8re classe.<\/p>\n

3.2 Construction syntaxique rigoureuse avec seq(), min() et max()<\/h3>\n

La formulation la plus \u00e9l\u00e9gante, dynamique et reproductible pour imposer un nombre exact k<\/em> de classes consiste \u00e0 associer la fonction g\u00e9n\u00e9ratrice de s\u00e9quences seq()<\/em> aux fonctions descriptives min()<\/em> et max()<\/em> appliqu\u00e9es au vecteur de scores. La syntaxe canonique s’\u00e9crit : hist(data, breaks = seq(min(data), max(data), length.out = k + 1))<\/em>. Dans cette construction, l’argument length.out<\/em> garantit formellement la production d’un vecteur comportant exactement le nombre requis de d\u00e9limitations pour g\u00e9n\u00e9rer les k<\/em> tranches voulues.<\/p>\n

Toutefois, une telle impl\u00e9mentation litt\u00e9rale peut occasionnellement provoquer l’omission d’une valeur extr\u00eame en raison des arrondis inh\u00e9rents au calcul en virgule flottante sur architecture informatique. Si la borne maximale g\u00e9n\u00e9r\u00e9e par la s\u00e9quence est infinit\u00e9simalement inf\u00e9rieure \u00e0 la valeur maximale r\u00e9elle contenue dans les donn\u00e9es en raison d’une impr\u00e9cision de troncature d\u00e9cimale, R d\u00e9clenchera une erreur fatale stipulant que certains points tombent en dehors des intervalles d\u00e9finis. Pour immuniser son code contre cette d\u00e9faillance, il est d’usage en programmation statistique d’\u00e9largir tr\u00e8s l\u00e9g\u00e8rement l’intervalle d’\u00e9chantillonnage, par exemple en soustrayant une fraction d’unit\u00e9 \u00e0 la borne inf\u00e9rieure et en l’ajoutant \u00e0 la borne sup\u00e9rieure.<\/p>\n

Prenons l’exemple d’une \u00e9chelle d’\u00e9valuation du sentiment d’efficacit\u00e9 personnelle o\u00f9 les participants s’expriment sur un continuum th\u00e9orique born\u00e9 entre 10 et 50. Si le chercheur souhaite analyser la distribution au moyen de 8 classes de taille \u00e9gale, la s\u00e9quence vectorielle sera programm\u00e9e comme suit : les coupures seront d\u00e9finies par seq(from = 10, to = 50, length.out = 9)<\/em>. Les valeurs r\u00e9sultantes seront 10, 15, 20, 25, 30, 35, 40, 45 et 50, partitionnant parfaitement le spectre des r\u00e9ponses en 8 intervalles contigus de 5 unit\u00e9s de large chacun. Cette ma\u00eetrise d\u00e9terministe permet d’aligner la granularit\u00e9 visuelle sur les exigences s\u00e9mantiques de l’instrument de mesure.<\/p>\n

3.3 Pi\u00e8ges courants lors de l’application directe d’un entier scalaire<\/h3>\n

Face \u00e0 la complexit\u00e9 per\u00e7ue de l’\u00e9criture d’un vecteur seq()<\/em>, de nombreux praticiens tentent d’ajuster le d\u00e9coupage en fournissant directement un entier scalaire \u00e0 l’argument, en \u00e9crivant simplement hist(data, breaks = 15)<\/em> avec l’illusion d’obtenir imm\u00e9diatement un graphique \u00e0 15 barres. C’est ici que r\u00e9side l’un des pi\u00e8ges les plus d\u00e9routants de l’environnement R de base. Dans la signature de la fonction hist()<\/em>, l’argument breaks<\/em> n’interpr\u00e8te pas un scalaire unique comme un ordre contraignant, mais comme une simple indication suggestive transmise \u00e0 l’algorithme d’affichage.<\/p>\n

Lorsque R re\u00e7oit un scalaire entier, il prend cette valeur comme un objectif indicatif et la transmet \u00e0 la fonction pretty()<\/em>, qui recalcule imm\u00e9diatement des bornes de coupure arrondies sur des pas d\u00e9cimaux familiers. En cons\u00e9quence, l’ex\u00e9cution de hist(data, breaks = 15)<\/em> se solde presque toujours par l’obtention d’un histogramme comportant 12, 14, 17 ou 20 classes, mais tr\u00e8s rarement exactement 15. Cette absence de d\u00e9terminisme strict d\u00e9concerte fr\u00e9quemment les chercheurs qui tentent d’harmoniser visuellement plusieurs graphiques destin\u00e9s \u00e0 une publication comparative.<\/p>\n

Cette distinction conceptuelle entre suggestion indicative (fournie par un scalaire) et contrainte d\u00e9terministe (impos\u00e9e par un vecteur de coupures num\u00e9riques) doit \u00eatre solidement int\u00e9gr\u00e9e dans les pratiques de laboratoire. D\u00e8s lors qu’une d\u00e9marche m\u00e9thodologique exige un calibrage rigoureux du nombre de tranches ou de leur largeur d’intervalle, l’usage du scalaire unique doit \u00eatre formellement banni au profit de la construction explicite du vecteur de partitionnement. C’est l’unique garantie d’une reproductibilit\u00e9 graphique absolue d’un poste de travail \u00e0 un autre.<\/p>\n

4. Algorithmes alternatifs int\u00e9gr\u00e9s dans R : Scott et Freedman-Diaconis<\/h2>\n

4.1 La r\u00e8gle de Scott bas\u00e9e sur la variance th\u00e9orique<\/h3>\n

Conscient des limites structurelles de la formule de Sturges face \u00e0 des cohortes exp\u00e9rimentales volumineuses, le statisticien David W. Scott a formul\u00e9 en 1979 une r\u00e8gle de partitionnement optimale fond\u00e9e sur des principes de minimisation de l’erreur quadratique int\u00e9gr\u00e9e moyenne (ou MISE<\/em> pour Mean Integrated Squared Error<\/em>). Contrairement \u00e0 Sturges, la r\u00e8gle de Scott int\u00e8gre directement la variabilit\u00e9 statistique des donn\u00e9es empiriques en tenant compte de l’\u00e9cart-type de l’\u00e9chantillon en plus du volume des observations.<\/p>\n

La largeur optimale des classes selon la formule de Scott s’\u00e9tablit selon l’\u00e9quation math\u00e9matique : w = 3.49 * s * n^(-1\/3)<\/em>, o\u00f9 s<\/em> d\u00e9signe l’\u00e9cart-type non biais\u00e9 de l’\u00e9chantillon et n<\/em> la taille de la cohorte. Une fois cette largeur unitaire w<\/em> d\u00e9termin\u00e9e, le nombre de classes se calcule en divisant l’\u00e9tendue des donn\u00e9es par cette valeur. L’environnement R int\u00e8gre cette proc\u00e9dure de fa\u00e7on native : l’analyste peut l’invoquer directement au moyen de l’argument textuel breaks = \u00ab\u00a0Scott\u00a0\u00bb<\/em> ou en appelant la fonction d\u00e9di\u00e9e nclass.scott()<\/em> pour r\u00e9cup\u00e9rer la valeur enti\u00e8re calcul\u00e9e avant de construire son graphique.<\/p>\n

La r\u00e8gle de Scott s’av\u00e8re particuli\u00e8rement performante pour le traitement des variables psychologiques standardis\u00e9es, telles que les scores Z ou les scores d’aptitude issus de mod\u00e8les de r\u00e9ponse \u00e0 l’item (TRI). En exploitant l’\u00e9cart-type empirique, l’algorithme adapte la finesse du grain visuel \u00e0 la dispersion effective des donn\u00e9es : une distribution tr\u00e8s resserr\u00e9e conduira \u00e0 des classes plus \u00e9troites, tandis qu’une dispersion \u00e9tendue \u00e9largira les tranches pour pr\u00e9venir l’apparition d’intervalles vides artificiels. Pour des effectifs mod\u00e9r\u00e9s \u00e0 larges compris entre 200 et 2 000 participants, Scott offre un rendu visuel incomparablement sup\u00e9rieur \u00e0 celui de Sturges.<\/p>\n

\"\"<\/figure>\n

4.2 La r\u00e8gle robuste de Freedman-Diaconis (FD)<\/h3>\n

Bien que la r\u00e8gle de Scott constitue une avanc\u00e9e m\u00e9thodologique ind\u00e9niable, elle partage avec Sturges une d\u00e9pendance critique \u00e0 l’\u00e9gard de l’hypoth\u00e8se de normalit\u00e9 : l’utilisation de l’\u00e9cart-type s<\/em> comme param\u00e8tre d’\u00e9chelle rend la formule extr\u00eamement vuln\u00e9rable \u00e0 l’influence des valeurs aberrantes ou extr\u00eames (les outliers<\/em>). Pour surmonter cette faiblesse, David Freedman et Persi Diaconis ont publi\u00e9 en 1981 une variante non param\u00e9trique et robuste de l’algorithme d’optimisation de l’erreur quadratique int\u00e9gr\u00e9e.<\/p>\n

La r\u00e8gle de Freedman-Diaconis, universellement abr\u00e9g\u00e9e sous le sigle FD<\/em>, substitue l’\u00e9cart-type classique par l’\u00e9cart interquartile (ou IQR<\/em> pour Interquartile Range<\/em>), qui correspond \u00e0 la distance statistique s\u00e9parant le 25e percentile du 75e percentile de la distribution. La largeur optimale de classe s’\u00e9tablit selon la formulation : w = 2 * IQR * n^(-1\/3)<\/em>. Dans l’\u00e9cosyst\u00e8me R, cette m\u00e9thode s’active instantan\u00e9ment au moyen de l’argument breaks = \u00ab\u00a0FD\u00a0\u00bb<\/em> au sein de la fonction hist()<\/em>, ou programm\u00e9e via la fonction sous-jacente nclass.FD()<\/em>.<\/p>\n

Cette approche robuste constitue l’\u00e9talon-or pour l’exploration de nombreuses donn\u00e9es de la psychologie empirique, tout particuli\u00e8rement les mesures de temps de r\u00e9action, les indicateurs psychophysiologiques de conductance cutan\u00e9e ou les indices oculom\u00e9triques de fixation visuelle. Ces variables se caract\u00e9risent fr\u00e9quemment par une asym\u00e9trie positive marqu\u00e9e et la pr\u00e9sence in\u00e9vitable de quelques observations tr\u00e8s dispers\u00e9es refl\u00e9tant des moments de d\u00e9concentration ou des latences motrices exceptionnelles. Alors que la r\u00e8gle de Scott serait d\u00e9form\u00e9e par l’inflation de l’\u00e9cart-type caus\u00e9e par ces valeurs isol\u00e9es, produisant des classes anormalement larges, l’algorithme Freedman-Diaconis isole le c\u0153ur de la distribution et pr\u00e9serve une r\u00e9solution optimale sur les 50 % centraux de l’\u00e9chantillon.<\/p>\n

4.3 Matrice comparative des performances algorithmiques<\/h3>\n

Le choix d’un algorithme de d\u00e9coupage ne doit jamais r\u00e9sulter d’une habitude arbitraire, mais d’une ad\u00e9quation formelle entre les postulats math\u00e9matiques de la m\u00e9thode et les caract\u00e9ristiques distributionnelles de la variable \u00e9tudi\u00e9e. L’impact de ce choix s’accentue \u00e0 mesure que la taille de l’\u00e9chantillon progresse, r\u00e9v\u00e9lant des divergences quantitatives majeures dans la morphologie des graphiques obtenus.<\/p>\n

Afin de structurer la prise de d\u00e9cision de l’analyste, examinons les dynamiques compar\u00e9es de ces algorithmes en fonction de l’effectif et de la forme de la distribution :<\/p>\n