Dans l’arsenal contemporain de la statistique descriptive et de l’analyse exploratoire, le traitement initial des distributions quantitatives constitue une \u00e9tape m\u00e9thodologique fondamentale. Trop souvent, les analystes recourent de mani\u00e8re pr\u00e9matur\u00e9e \u00e0 des m\u00e9triques de synth\u00e8se — telles que la moyenne arithm\u00e9tique et l’\u00e9cart-type — ou \u00e0 des repr\u00e9sentations g\u00e9om\u00e9triques hautement agr\u00e9g\u00e9es \u00e0 l’instar des histogrammes conventionnels. Or, ces d\u00e9marches pr\u00e9coces op\u00e8rent une r\u00e9duction drastique de l’information, dissimulant la granularit\u00e9 sous-jacente des observations individuelles, masquant d’\u00e9ventuelles discontinuit\u00e9s locales et occultant la pr\u00e9sence de micro-structures distributionnelles critiques. Face \u00e0 cet appauvrissement pr\u00e9coce du signal empirique, le diagramme tige et feuilles s’impose comme un instrument d’une remarquable \u00e9l\u00e9gance conceptuelle et d’une rigueur diagnostique in\u00e9gal\u00e9e.<\/p>\n
Con\u00e7u pour concilier la pr\u00e9cision absolue d’un tableau d’ordonnancement num\u00e9rique avec l’imm\u00e9diatet\u00e9 perceptive d’une repr\u00e9sentation graphique spatiale, le diagramme tige et feuilles (connu dans la litt\u00e9rature anglophone sous l’appellation de stem-and-leaf display<\/em>) incarne une d\u00e9marche \u00e9pist\u00e9mologique singuli\u00e8re. Au lieu de substituer des figures g\u00e9om\u00e9triques abstraites aux mesures collect\u00e9es, cette technique utilise les chiffres constitutifs des donn\u00e9es elles-m\u00eames pour \u00e9riger la distribution de fr\u00e9quences. Chaque point de mesure devient ainsi son propre marqueur graphique au sein d’un espace coordonn\u00e9, garantissant une r\u00e9versibilit\u00e9 int\u00e9grale : \u00e0 partir de la seule inspection du graphique, le chercheur demeure en mesure de reconstruire l’int\u00e9gralit\u00e9 du jeu de donn\u00e9es originel sans la moindre incertitude m\u00e9trique.<\/p>\n Cet article propose une exploration exhaustive, th\u00e9orique et op\u00e9rationnelle du diagramme tige et feuilles, en analysant ses fondements historiques, ses protocoles d’\u00e9laboration syst\u00e9matique, ses d\u00e9clinaisons multivari\u00e9es et son application privil\u00e9gi\u00e9e au sein des sciences quantitatives et comportementales. En articulant la description math\u00e9matique formelle avec des cas pratiques d\u00e9taill\u00e9s et des comparaisons critiques vis-\u00e0-vis d’autres formalismes de visualisation, cette contribution entend fournir aux chercheurs, statisticiens et praticiens une r\u00e9f\u00e9rence exhaustive d\u00e9di\u00e9e \u00e0 la valorisation de cet outil cardinal de l’analyse exploratoire des donn\u00e9es<\/a>.<\/p>\n L’\u00e9mergence du diagramme tige et feuilles s’inscrit au cœur d’une r\u00e9volution \u00e9pist\u00e9mologique majeure survenue dans la pens\u00e9e statistique durant la seconde moiti\u00e9 du vingti\u00e8me si\u00e8cle. Historiquement formalis\u00e9 par le math\u00e9maticien et statisticien am\u00e9ricain John Wilder Tukey<\/a> dans les ann\u00e9es 1970, et popularis\u00e9 de mani\u00e8re d\u00e9finitive dans son ouvrage s\u00e9minal paru en 1977, Exploratory Data Analysis<\/em>, cet outil visait \u00e0 bousculer le paradigme dominant de l’\u00e9poque. Jusqu’alors, la pratique statistique acad\u00e9mique \u00e9tait quasi exclusivement inf\u00e9rentielle, subordonn\u00e9e \u00e0 la v\u00e9rification d’hypoth\u00e8ses rigides formul\u00e9es a priori<\/em> et adoss\u00e9e \u00e0 des postulats stricts de normalit\u00e9 distributionnelle. Tukey consid\u00e9rait que cette posture confinait les chercheurs \u00e0 une forme d’aveuglement m\u00e9thodologique, les emp\u00eachant de percevoir les r\u00e9gularit\u00e9s inattendues, les asym\u00e9tries singuli\u00e8res ou les anomalies morphologiques log\u00e9es au sein de leurs donn\u00e9es.<\/p>\n Dans la perspective de Tukey, l’analyse exploratoire des donn\u00e9es (EDA) devait fonctionner \u00e0 la mani\u00e8re d’une enqu\u00eate polici\u00e8re m\u00e9ticuleuse, o\u00f9 le statisticien laisse les donn\u00e9es s’exprimer avant d’imposer un quelconque mod\u00e8le param\u00e9trique contraignant. Le diagramme tige et feuilles a \u00e9t\u00e9 sp\u00e9cifiquement conceptualis\u00e9 pour orchestrer la transition fluide entre les tableaux de fr\u00e9quences classiques — souvent arides et cognititivement fastidieux — et la visualisation directe de donn\u00e9es brutes. Contrairement aux approches computationnelles de l’\u00e9poque qui d\u00e9l\u00e9guaient le traitement \u00e0 des syst\u00e8mes informatiques centralis\u00e9s produisant des sorties standardis\u00e9es opaques, Tukey insistait sur la manipulation tactile et visuelle directe des chiffres par le chercheur, favorisant ainsi une intuition distributionnelle profonde et imm\u00e9diate.<\/p>\n L’apport de Tukey d\u00e9passe ainsi la simple invention d’un nouveau format de restitution graphique. Il s’agit d’un vecteur m\u00e9thodologique d\u00e9terminant dans l’essor de la statistique descriptive moderne appliqu\u00e9e aux sciences quantitatives contemporaines. En conf\u00e9rant une forme g\u00e9om\u00e9trique mesurable \u00e0 l’ensemble ordonn\u00e9 des valeurs sans dissoudre leur identit\u00e9 num\u00e9rique, le diagramme tige et feuilles a permis d’ancrer durablement la pratique du diagnostic graphique pr\u00e9liminaire comme condition indispensable \u00e0 toute inf\u00e9rence probabiliste valide, que ce soit en biologie, en \u00e9conomie ou en psychologie exp\u00e9rimentale.<\/p>\n D’un point de vue structurel, le diagramme tige et feuilles se caract\u00e9rise comme un outil graphique hybride, fr\u00e9quemment qualifi\u00e9 de semi-graphique ou de textuel-graphique, dont l’invariant fondamental repose sur la pr\u00e9servation int\u00e9grale de l’int\u00e9grit\u00e9 num\u00e9rique de chaque observation \u00e9l\u00e9mentaire. Math\u00e9matiquement, pour un \u00e9chantillon de variables quantitatives continues ou discr\u00e8tes, l’outil op\u00e8re une partition univoque de chaque mesure en deux composantes positionnelles distinctes : une composante de poids fort, d\u00e9sign\u00e9e sous le terme de tige<\/em>, et une composante r\u00e9siduelle de poids faible, nomm\u00e9e feuille<\/em>. Cette scission s’effectue en respectant scrupuleusement la base de num\u00e9ration sous-jacente du syst\u00e8me d\u00e9cimal.<\/p>\n Les objectifs analytiques assign\u00e9s \u00e0 cette architecture sont doubles et synchrones. D’une part, le diagramme assure une fonction d’ordonnancement s\u00e9quentiel rigoureux : par construction, les tiges et les feuilles sont dispos\u00e9es selon un ordre strictement croissant, ce qui permet d’identifier instantan\u00e9ment le minimum, le maximum, la m\u00e9diane de l’\u00e9chantillon, ainsi que les rangs percentiles et les quantiles sans recourir \u00e0 des algorithmes de tri informatiques s\u00e9par\u00e9s. D’autre part, la technique remplit une fonction de repr\u00e9sentation de distribution spatiale. En alignant les feuilles horizontalement de fa\u00e7on \u00e9quidistante \u00e0 la suite de chaque tige, la longueur visuelle de la ligne devient directement proportionnelle \u00e0 l’effectif ou \u00e0 la fr\u00e9quence de la classe correspondante, restituant fid\u00e8lement l’allure de la fonction de densit\u00e9 empirique de la variable.<\/p>\n Cette dualit\u00e9 conf\u00e8re au diagramme une pertinence exceptionnelle lors de l’examen pr\u00e9liminaire des distributions d’\u00e9chantillons en recherche empirique. Dans les protocoles cliniques ou les exp\u00e9rimentations comportementales o\u00f9 la taille des cohortes oscille fr\u00e9quemment entre vingt et deux cents observations, le chercheur peut d\u00e9celer au premier coup d’œil l’existence d’une multimodalit\u00e9, un \u00e9talement anormal de la queue de distribution ou un regroupement pathologique de valeurs. Il n’est nullement n\u00e9cessaire d’agr\u00e9ger arbitrairement les mesures sous des seuils pr\u00e9con\u00e7us, \u00e9vitant ainsi les biais de cat\u00e9gorisation susceptibles de compromettre la validit\u00e9 interne des analyses ult\u00e9rieures.<\/p>\n Pour appr\u00e9hender ad\u00e9quatement la valeur heuristique du diagramme tige et feuilles, il convient de situer son positionnement \u00e9pist\u00e9mique vis-\u00e0-vis des autres repr\u00e9sentations univari\u00e9es courantes de la statistique descriptive, singuli\u00e8rement l’histogramme g\u00e9om\u00e9trique et la table de distribution des fr\u00e9quences. La table de donn\u00e9es brutes propose une exhaustivit\u00e9 absolue mais souffre d’un co\u00fbt cognitif prohibitif : l’œil humain s’av\u00e8re incapable d’extraire la forme globale d’une loi de probabilit\u00e9 \u00e0 partir d’une simple \u00e9num\u00e9ration textuelle non structur\u00e9e de plusieurs dizaines de valeurs num\u00e9riques. \u00c0 l’oppos\u00e9, l’histogramme de Pearson traduit la distribution par le biais de barres rectangulaires adjacentes dont les aires refl\u00e8tent les densit\u00e9s de probabilit\u00e9 de classes contigu\u00ebs.<\/p>\n N\u00e9anmoins, l’histogramme paie son efficacit\u00e9 synth\u00e9tique au prix d’un pr\u00e9judice informationnel irr\u00e9versible : l’agr\u00e9gation en classes d’amplitudes d\u00e9termin\u00e9es d\u00e9truit la valeur exacte de chaque donn\u00e9e individuelle. Une fois l’histogramme trac\u00e9, il devient strictement impossible de reconstituer le jeu de donn\u00e9es d’origine, de v\u00e9rifier si les observations au sein d’une classe donn\u00e9e sont uniform\u00e9ment r\u00e9parties, ou si elles s’agglutinent contre l’une des fronti\u00e8res de l’intervalle. Le diagramme tige et feuilles occupe pr\u00e9cis\u00e9ment une position interm\u00e9diaire souveraine. Il int\u00e8gre la morphologie d’un histogramme — orient\u00e9 de mani\u00e8re horizontale — tout en maintenant la tra\u00e7abilit\u00e9 absolue des donn\u00e9es atomiques. Chaque chiffre affich\u00e9 dans le corps du diagramme constitue un datum tangible, observable, et directement exploitable.<\/p>\n De surcro\u00eet, le diagramme tige et feuilles poss\u00e8de l’avantage fonctionnel d’autoriser une inspection visuelle imm\u00e9diate et rapide, sans exiger de calculs computationnels lourds ni de param\u00e9trages logiciels complexes. Alors que le trac\u00e9 d’un histogramme optimal requiert la s\u00e9lection m\u00e9ticuleuse d’une largeur de classe — via des crit\u00e8res formels tels que la r\u00e8gle de Scott ou la formule de Freedman-Diaconis — sous peine d’alt\u00e9rer gravement la perception de la distribution, le diagramme tige et feuilles d\u00e9coule naturellement de la base num\u00e9rique des donn\u00e9es. Il en r\u00e9sulte un outil r\u00e9silient, direct et universellement interpr\u00e9table pour quiconque ma\u00eetrise les principes arithm\u00e9tiques fondamentaux de la d\u00e9composition d\u00e9cimale.<\/p>\n L’armature axiale du diagramme repose sur la d\u00e9termination m\u00e9thodique de la tige<\/em> (ou des tiges). La tige incarne formellement la classe de regroupement structurelle ou l’ordre de grandeur directeur qui pr\u00e9side \u00e0 la structuration macroscopique de l’\u00e9chantillon. Du point de vue algorithmique, l’analyste s\u00e9lectionne la composante de poids fort de la s\u00e9rie de donn\u00e9es en analysant la plage globale des valeurs observ\u00e9es. Selon la magnitude et la dispersion des mesures trait\u00e9es, la tige correspondra aux centaines, aux dizaines, aux unit\u00e9s enti\u00e8res ou, dans le cadre de donn\u00e9es microscopiques, \u00e0 une d\u00e9cimale d’ordre sup\u00e9rieur (telle que le dixi\u00e8me ou le centi\u00e8me de l’unit\u00e9 de mesure).<\/p>\n La r\u00e8gle fondamentale gouvernant l’\u00e9tablissement des tiges r\u00e9side dans leur disposition s\u00e9quentielle verticale rigoureusement ordonn\u00e9e, le plus souvent selon un gradient ascendant s’\u00e9tendant de haut en bas (ou, plus rarement dans certaines conventions didactiques sp\u00e9cifiques, de bas en haut). Il est absolument proscrit d’omettre les tiges pour lesquelles aucune observation n’a \u00e9t\u00e9 recens\u00e9e dans l’\u00e9chantillon. Par exemple, si une distribution de valeurs enti\u00e8res comporte des observations dans les dizaines (10 \u00e0 19), dans les vingtaines (20 \u00e0 29) et dans les quarantaines (40 \u00e0 49), la tige relative aux trentaines (30 \u00e0 39) doit imp\u00e9rativement figurer sur l’axe vertical, m\u00eame si aucune feuille ne lui est subs\u00e9quemment adoss\u00e9e.<\/p>\n Cette exigence de continuit\u00e9 m\u00e9trique constitue la condition sine qua non<\/em> de la fid\u00e9lit\u00e9 g\u00e9om\u00e9trique de la distribution. Si l’analyste omettait une tige vide dans l’intention erron\u00e9e d’\u00e9conomiser de l’espace typographique, l’axe vertical subirait une distorsion non lin\u00e9aire qui fausserait irr\u00e9m\u00e9diablement l’appr\u00e9ciation des distances spatiales entre les points. Les \u00e9ventuelles discontinuit\u00e9s distributionnelles, les zones de vacuit\u00e9 empirique ou les \u00e9carts critiques entre sous-populations seraient instantan\u00e9ment invisibilis\u00e9s, annihilant ainsi la valeur diagnostique intrins\u00e8que du diagramme.<\/p>\n Adjacent \u00e0 la colonne des tiges, l’espace des feuilles<\/em> recueille l’expression r\u00e9siduelle de chaque observation statistique \u00e9l\u00e9mentaire. Une feuille se d\u00e9finit conceptuellement comme le chiffre unique de poids imm\u00e9diatement inf\u00e9rieur \u00e0 celui captur\u00e9 par la tige correspondante. Dans la convention standardis\u00e9e \u00e9dict\u00e9e par Tukey, une contrainte op\u00e9rationnelle stricte s’impose : chaque feuille doit obligatoirement \u00eatre constitu\u00e9e d’un seul et unique chiffre d\u00e9cimal (de 0 \u00e0 9). Une observation ne peut en aucun cas \u00eatre encod\u00e9e par une feuille plurichiffr\u00e9e dans un diagramme conventionnel, car cela d\u00e9truirait l’\u00e9quivalence spatiale sous-jacente.<\/p>\n La r\u00e8gle du chiffre unique garantit que chaque observation \u00e9l\u00e9mentaire occupe exactement la m\u00eame largeur physique sur la rang\u00e9e horizontale. De cette fa\u00e7on, une tige associ\u00e9e \u00e0 cinq observations g\u00e9n\u00e9rera une s\u00e9quence horizontale de cinq chiffres cons\u00e9cutifs, tandis qu’une tige associ\u00e9e \u00e0 quinze observations g\u00e9n\u00e9rera une cha\u00eene trois fois plus longue. L’alignement horizontal \u00e9quidistant des feuilles — id\u00e9alement orchestr\u00e9 par l’emploi d’une police de caract\u00e8res \u00e0 chasse fixe (monospac\u00e9e) dans les restitutions num\u00e9riques traditionnelles ou par une calibration millim\u00e9trique rigoureuse — devient le garant de la proportionnalit\u00e9 visuelle : la longueur g\u00e9om\u00e9trique de la rang\u00e9e de feuilles refl\u00e8te exactement et fid\u00e8lement la fr\u00e9quence d’apparition des donn\u00e9es.<\/p>\n En outre, pour assurer l’int\u00e9grit\u00e9 de la structure analytique, les feuilles associ\u00e9es \u00e0 une tige donn\u00e9e doivent \u00eatre scrupuleusement tri\u00e9es par ordre croissant de gauche \u00e0 droite, depuis l’axe vertical vers la p\u00e9riph\u00e9rie du graphique. Ce double principe — unicit\u00e9 du chiffre par feuille et agencement ascendant syst\u00e9matique — transforme la simple juxtaposition textuelle en une table de contingence implicite, hautement ordonn\u00e9e, pr\u00eate pour le calcul des statistiques de rang et l’identification des modes locaux sans manipulation pr\u00e9alable du corpus brut.<\/p>\n L’interface entre le domaine des tiges et le domaine des feuilles est mat\u00e9rialis\u00e9e par un \u00e9l\u00e9ment graphique cardinal : l’axe s\u00e9parateur. Dans la quasi-totalit\u00e9 des conventions \u00e9ditoriales et acad\u00e9miques, cet axe prend la forme d’une ligne verticale continue et rectiligne, tir\u00e9e de haut en bas sur toute l’amplitude du diagramme. Cet axe vertical joue un r\u00f4le s\u00e9mantique fondamental : il symbolise la fronti\u00e8re positionnelle de la d\u00e9composition d\u00e9cimale choisie pour le jeu de donn\u00e9es et s\u00e9pare clairement l’armature structurelle (la tige \u00e0 gauche) de la r\u00e9alisation empirique (les feuilles \u00e0 droite).<\/p>\n Sur le plan math\u00e9matique, l’axe s\u00e9parateur institue la m\u00e9trique sous-jacente de la repr\u00e9sentation. Il n’est pas un simple ornement calligraphique, mais le point d’ancrage d’un syst\u00e8me de coordonn\u00e9es discr\u00e9tis\u00e9. \u00c0 gauche de la ligne, la coordonn\u00e9e scalaire principale d\u00e9finit l’intervalle de classe ; \u00e0 droite de la ligne, chaque glyphe num\u00e9rique repr\u00e9sente une coordonn\u00e9e unitaire r\u00e9siduelle dont la distance relative par rapport \u00e0 l’axe traduit son appartenance \u00e0 la densit\u00e9 d’\u00e9chantillonnage de la classe. L’ordonnancement de gauche \u00e0 droite garantit que la lecture conserve le sens usuel de progression num\u00e9rique, facilitant l’int\u00e9gration cognitive chez le lecteur.<\/p>\n La conservation absolue de la proportionnalit\u00e9 visuelle exige un respect scrupuleux de l’espacement constant entre l’axe vertical et la premi\u00e8re feuille, ainsi qu’entre chaque feuille successive le long de la ligne. Aucun s\u00e9parateur orthographique tel que la virgule, le tiret ou le point-virgule ne doit \u00eatre ins\u00e9r\u00e9 entre les feuilles. L’adjonction de symboles typographiques parasites alt\u00e9rerait gravement la longueur visible de la cha\u00eene de chiffres, introduisant des distorsions d’illusion optique o\u00f9 deux tiges comportant le m\u00eame effectif sembleraient poss\u00e9der des densit\u00e9s divergentes en raison de variations d’espacement des caract\u00e8res. L’espace blanc uniforme constitue ainsi le seul d\u00e9limiteur valide entre deux feuilles adjacentes.<\/p>\n L’\u00e9laboration d’un diagramme tige et feuilles rigoureux ob\u00e9it \u00e0 un protocole algorithmique d\u00e9terministe en trois phases s\u00e9quentielles. La premi\u00e8re \u00e9tape, incontournable, r\u00e9side dans la pr\u00e9paration et le nettoyage pr\u00e9liminaire du corpus quantitatif. M\u00eame si le diagramme peut th\u00e9oriquement \u00eatre \u00e9rig\u00e9 \u00e0 partir d’un ensemble de mesures non ordonn\u00e9es (en effectuant le tri des feuilles dans un second temps), il est fortement recommand\u00e9, dans le cadre d’un protocole m\u00e9thodologique formel, de proc\u00e9der au tri ascendant initial de l’int\u00e9gralit\u00e9 des observations.<\/p>\n \u00c0 partir de la liste tri\u00e9e, le chercheur proc\u00e8de \u00e0 l’identification de trois grandeurs scalaires directrices : la valeur minimale absolue observ\u00e9e, la valeur maximale absolue observ\u00e9e, et leur diff\u00e9rence arithm\u00e9tique, \u00e0 savoir l’\u00e9tendue globale de l’\u00e9chantillon. Ces trois indicateurs gouvernent directement le choix de l’unit\u00e9 de troncature ou de scission d\u00e9cimale. L’analyste doit r\u00e9pondre \u00e0 la question m\u00e9thodologique suivante : quel rang de puissance de dix constitue la tige la plus adapt\u00e9e pour conf\u00e9rer au diagramme un ratio esth\u00e9tique et informatif optimal ?<\/p>\n Si la partition choisie g\u00e9n\u00e8re trop peu de tiges (par exemple, seulement deux tiges contenant chacune des dizaines d’observations mass\u00e9es en un bloc opaque), la repr\u00e9sentation manquera cruellement de sensibilit\u00e9 distributionnelle. Inversement, si le d\u00e9coupage produit une prolif\u00e9ration d\u00e9mesur\u00e9e de tiges vides (par exemple, une tige par observation s’\u00e9talant sur plusieurs dizaines de lignes sans densit\u00e9), le diagramme perdra sa fonction de condensation visuelle. L’objectif consiste \u00e0 cibler une granularit\u00e9 permettant d’obtenir g\u00e9n\u00e9ralement entre cinq et vingt tiges actives sur l’ensemble de l’\u00e9tendue des donn\u00e9es r\u00e9pertori\u00e9es.<\/p>\n Une fois le seuil de d\u00e9coupage entre tige et feuille formellement arr\u00eat\u00e9, la deuxi\u00e8me phase m\u00e9thodologique consiste \u00e0 tracer l’axe vertical et \u00e0 \u00e9num\u00e9rer de fa\u00e7on exhaustive l’ensemble des tiges n\u00e9cessaires pour recouvrir la totalit\u00e9 de l’\u00e9tendue m\u00e9trique de l’\u00e9chantillon, de la tige minimale jusqu’\u00e0 la tige maximale. Cette disposition s’op\u00e8re sur une colonne unique, align\u00e9e \u00e0 gauche de l’axe vertical s\u00e9parateur.<\/p>\n L’obligation m\u00e9thodologique cardinale de cette \u00e9tape — comme pr\u00e9c\u00e9demment th\u00e9oris\u00e9 — est l’inclusion int\u00e9grale de toutes les tiges interm\u00e9diaires situ\u00e9es entre les deux valeurs extr\u00eames de l’\u00e9chantillon, ind\u00e9pendamment du fait qu’elles soient ou non associ\u00e9es \u00e0 des donn\u00e9es effectives dans le jeu d’observations. Si, par exemple, la valeur minimale d’une s\u00e9rie psychom\u00e9trique correspond \u00e0 un score de 42 (tige 4) et la valeur maximale \u00e0 un score de 97 (tige 9), la colonne de gauche devra imp\u00e9rativement consigner, de mani\u00e8re ininterrompue et s\u00e9quentielle, les entiers 4, 5, 6, 7, 8 et 9.<\/p>\n Le chercheur doit veiller au maintien strict de la coh\u00e9rence dimensionnelle et typographique tout au long de cette colonne. Chaque tige doit \u00eatre centr\u00e9e ou align\u00e9e \u00e0 droite contre l’axe s\u00e9parateur vertical, afin de pr\u00e9server une marge visuelle constante entre le chiffre de la tige et la d\u00e9marcation graphique. Toute h\u00e9sitation ou variation dans l’\u00e9chelle d’interligne vertical d\u00e9truirait l’homog\u00e9n\u00e9it\u00e9 perceptive de la graduation spatiale, risquant d’induire le lecteur en erreur lors de l’estimation visuelle de la forme g\u00e9n\u00e9rale de la fonction de densit\u00e9.<\/p>\n La troisi\u00e8me et derni\u00e8re \u00e9tape op\u00e9rationnelle concerne la distribution, l’enregistrement et l’alignement ordonn\u00e9 des chiffres de feuilles \u00e0 droite de l’axe s\u00e9parateur vertical. Pour chaque valeur composant le jeu d’observations pr\u00e9alablement nettoy\u00e9, l’analyste isole son chiffre de feuille r\u00e9siduel et l’inscrit sur la ligne horizontale correspondant exactement \u00e0 sa tige de rattachement. L’inscription s’effectue horizontalement, de la gauche vers la droite.<\/p>\n Si le tri pr\u00e9alable des donn\u00e9es a \u00e9t\u00e9 scrupuleusement ex\u00e9cut\u00e9 lors de l’\u00e9tape 1, les feuilles viendront se positionner spontan\u00e9ment dans un ordre ascendant rigoureux le long de chaque tige. Dans l’\u00e9ventualit\u00e9 o\u00f9 le relev\u00e9 aurait \u00e9t\u00e9 op\u00e9r\u00e9 \u00e0 partir de donn\u00e9es brutes non tri\u00e9es, une passe de rectification syst\u00e9matique s’av\u00e8re imp\u00e9rative : le praticien doit r\u00e9ordonner les chiffres de chaque ligne de fa\u00e7on croissante. Par exemple, si la tige 6 rassemble les feuilles d\u00e9sordonn\u00e9es issues des mesures 68, 62, 65 et 62, la ligne d\u00e9finitive devra imp\u00e9rativement afficher la s\u00e9quence ordonn\u00e9e 2, 2, 5, 8.<\/p>\n La finalisation de la construction s’ach\u00e8ve obligatoirement par une phase d’audit et de contr\u00f4le de concordance arithm\u00e9tique. Le chercheur proc\u00e8de au d\u00e9nombrement exhaustif de l’int\u00e9gralit\u00e9 des feuilles transcrites sur le diagramme. Ce total cumul\u00e9 doit correspondre rigoureusement \u00e0 l’effectif total N de l’\u00e9chantillon exp\u00e9rimental. Toute divergence num\u00e9rique signale une omission ou un doublon dans la transcription manuelle ou automatis\u00e9e, ce qui compromettrait l’exactitude de tout calcul ult\u00e9rieur de rang, de m\u00e9diane ou de param\u00e8tre de dispersion d\u00e9duit de la lecture directe du diagramme.<\/p>\n Afin de concr\u00e9tiser les principes th\u00e9oriques pr\u00e9c\u00e9demment \u00e9nonc\u00e9s, consid\u00e9rons un jeu de donn\u00e9es empiriques issues d’un protocole en psychom\u00e9trie cognitive. Une cohorte restreinte de douze participants (N = 12) a \u00e9t\u00e9 soumise \u00e0 une \u00e9preuve d’\u00e9valuation des capacit\u00e9s mn\u00e9siques de rappel diff\u00e9r\u00e9. Les scores individuels obtenus, exprim\u00e9s sous forme de valeurs discr\u00e8tes enti\u00e8res comprises th\u00e9oriquement sur une \u00e9chelle allant de 0 \u00e0 60 points, sont consign\u00e9s dans la s\u00e9rie ordonn\u00e9e suivante :<\/p>\n 12, 14, 18, 22, 22, 23, 25, 25, 28, 45, 47, 48.<\/p>\n L’observation imm\u00e9diate de cette s\u00e9rie num\u00e9rique brute r\u00e9v\u00e8le d’embl\u00e9e des caract\u00e9ristiques structurelles singuli\u00e8res. D’une part, la valeur minimale observ\u00e9e s’\u00e9tablit \u00e0 12 points, tandis que la valeur maximale culmine \u00e0 48 points, circonscrivant une \u00e9tendue d’\u00e9chantillonnage de 36 points. D’autre part, une inspection analytique pr\u00e9liminaire signale une discontinuit\u00e9 remarquable : l’\u00e9chantillon pr\u00e9sente une absence absolue d’observations dans l’intervalle des trentaines (de 30 \u00e0 39 inclus), sugg\u00e9rant une dichotomie potentielle ou une distribution bivalente des performances au sein de la cohorte \u00e9tudi\u00e9e.<\/p>\n Pour formaliser la construction du diagramme tige et feuilles adapt\u00e9 \u00e0 cet \u00e9chantillon, la segmentation num\u00e9rique la plus naturelle consiste \u00e0 d\u00e9signer les dizaines comme valeurs de tige et les unit\u00e9s arithm\u00e9tiques comme valeurs de feuille. Par cons\u00e9quent, les tiges requises pour couvrir l’intervalle de 12 \u00e0 48 s’\u00e9tendent de 1 \u00e0 4. Conform\u00e9ment \u00e0 la r\u00e8gle de continuit\u00e9 m\u00e9trique absolue, la tige 3 — correspondant \u00e0 la dizaine comprise entre 30 et 39 — doit imp\u00e9rativement \u00eatre inscrite sur l’axe vertical, en d\u00e9pit de l’absence totale de donn\u00e9es observ\u00e9es dans cette tranche.<\/p>\n La transcription pas \u00e0 pas s’op\u00e8re de la mani\u00e8re suivante. Pour la tige 1, les observations 12, 14 et 18 apportent les feuilles 2, 4 et 8. Pour la tige 2, les observations 22, 22, 23, 25, 25 et 28 g\u00e9n\u00e8rent la s\u00e9quence ordonn\u00e9e de feuilles 2, 2, 3, 5, 5 et 8. Pour la tige 3, aucune observation n’existant dans le jeu de donn\u00e9es, la zone des feuilles demeure totalement vierge d’inscription, mat\u00e9rialisant visuellement le vide m\u00e9trique. Enfin, pour la tige 4, les observations 45, 47 et 48 fournissent les feuilles 5, 7 et 8.<\/p>\n L’agencement final se pr\u00e9sente sous la forme de quatre lignes superpos\u00e9es le long d’un axe vertical s\u00e9parateur. La premi\u00e8re ligne associe la tige 1 aux feuilles 2, 4 et 8. La deuxi\u00e8me ligne r\u00e9unit la tige 2 avec les feuilles 2, 2, 3, 5, 5 et 8. La troisi\u00e8me ligne pr\u00e9sente la tige 3 isol\u00e9e, sans la moindre feuille adjacente. La quatri\u00e8me ligne associe la tige 4 aux feuilles 5, 7 et 8. Un espacement horizontal strictement constant et \u00e9quidistant est maintenu entre chacun des chiffres positionn\u00e9s \u00e0 droite de l’axe.<\/p>\n L’inspection du graphique finalis\u00e9 procure instantan\u00e9ment une lecture clinique et statistique d’une grande clart\u00e9. Sur le plan de la morphologie distributionnelle, l’analyste d\u00e9c\u00e8le imm\u00e9diatement une distribution bimodalement polaris\u00e9e ou, \u00e0 tout le moins, un ph\u00e9nom\u00e8ne d’isolement structurel : une premi\u00e8re composante substantielle, concentrant 75 % de l’\u00e9chantillon global (9 observations sur 12), s’agglutine sur les tiges 1 et 2, avec un sommet de densit\u00e9 particuli\u00e8rement visible sur la tige 2 (qui rassemble \u00e0 elle seule six feuilles). \u00c0 l’oppos\u00e9, une seconde sous-population r\u00e9duite \u00e9merge sur la tige 4 avec trois observations cons\u00e9cutives.<\/p>\n La vacuit\u00e9 totale de la tige 3 agit comme un signal graphique puissant, mat\u00e9rialisant sans ambigu\u00eft\u00e9 une scission nette dans les performances mn\u00e9siques des sujets, sans que cette rupture ne puisse \u00eatre attribu\u00e9e \u00e0 un artefact de d\u00e9coupage arbitraire de classes comme cela aurait pu survenir avec un histogramme mal param\u00e9tr\u00e9. De plus, les param\u00e8tres de tendance centrale et d’occurrence modale s’extraient de mani\u00e8re instantan\u00e9e : la distribution est empiriquement bimodale au niveau \u00e9l\u00e9mentaire avec deux modes ex æquo valant 22 et 25 (chacun apparaissant deux fois au sein de la ligne de la tige 2).<\/p>\n Quant \u00e0 la m\u00e9diane, le d\u00e9nombrement direct de rang sur les feuilles ordonn\u00e9es permet de la localiser imm\u00e9diatement sans calculatrice. L’\u00e9chantillon comptant N = 12 valeurs, la position m\u00e9diane correspond \u00e0 la moyenne arithm\u00e9tique de la sixi\u00e8me et de la septi\u00e8me observation ordonn\u00e9e. En comptant les feuilles depuis le sommet (2, 4, 8, puis 2, 2, 3), la sixi\u00e8me valeur correspond au chiffre 3 rattach\u00e9 \u00e0 la tige 2, soit le score 23. La septi\u00e8me valeur correspond au premier chiffre 5 de la tige 2, soit le score 25. La m\u00e9diane de l’\u00e9chantillon s’\u00e9tablit donc rigoureusement \u00e0 (23 + 25) \/ 2 = 24 points. L’ensemble de ce diagnostic quantitatif et distributionnel a \u00e9t\u00e9 effectu\u00e9 en quelques secondes par simple d\u00e9codage visuel direct du diagramme.<\/p>\n Si l’\u00e9laboration d’un diagramme tige et feuilles s’av\u00e8re particuli\u00e8rement intuitive lorsqu’elle s’applique \u00e0 des nombres entiers naturels, elle soul\u00e8ve des enjeux m\u00e9thodologiques plus subtils face \u00e0 des variables continues issues d’enregistrements instrumentaux de haute pr\u00e9cision. En neurosciences computationnelles et en psychophysique, l’analyse de la chronom\u00e9trie mentale<\/a> mobilise typiquement des temps de r\u00e9action cognitive mesur\u00e9s en secondes ou en millisecondes avec plusieurs d\u00e9cimales significatives. Consid\u00e9rons, \u00e0 titre d’illustration, la s\u00e9rie d’observations exp\u00e9rimentales continues suivante, exprimant la latence motrice de participants face \u00e0 un stimulus visuel complexe :<\/p>\n 3,2 s ; 3,5 s ; 3,8 s ; 4,1 s ; 4,1 s ; 4,4 s ; 4,7 s ; 4,9 s ; 5,2 s ; 5,8 s ; 6,3 s ; 6,7 s.<\/p>\n Dans cette configuration, l’analyste est confront\u00e9 \u00e0 la probl\u00e9matique de la s\u00e9lection de l’unit\u00e9 de d\u00e9coupage appropri\u00e9e afin de respecter la granularit\u00e9 sans saturer la repr\u00e9sentation. Si les valeurs avaient \u00e9t\u00e9 mesur\u00e9es avec trois ou quatre d\u00e9cimales (par exemple 3,214 s), une conservation int\u00e9grale de toutes les fractions num\u00e9riques s’av\u00e9rerait incompatible avec la r\u00e8gle structurale imposant une feuille \u00e0 chiffre unique. D\u00e8s lors, une d\u00e9cision m\u00e9trologique pr\u00e9alable s’impose imp\u00e9rativement : le praticien doit d\u00e9finir la pr\u00e9cision exp\u00e9rimentale pertinente et proc\u00e9der, si n\u00e9cessaire, \u00e0 un arrondi syst\u00e9matique et contr\u00f4l\u00e9 des donn\u00e9es avant d’engager la partition en tiges et en feuilles.<\/p>\n Pour le jeu de donn\u00e9es sous revue, la r\u00e9solution temporelle au dixi\u00e8me de seconde (une seule d\u00e9cimale) autorise une assignation directe et \u00e9l\u00e9gante sans d\u00e9gradation de l’information brute. La composante enti\u00e8re de la mesure chronom\u00e9trique — \u00e0 savoir les unit\u00e9s de secondes — est assign\u00e9e \u00e0 la fonction de tige le long de l’axe vertical. En miroir, la premi\u00e8re d\u00e9cimale fractionnaire (le dixi\u00e8me de seconde) est d\u00e9sign\u00e9e pour occuper la position de feuille repr\u00e9sentative.<\/p>\n Dans des configurations exp\u00e9rimentales impliquant des nombres d\u00e9cimaux plus fins (par exemple des mesures \u00e9tal\u00e9es entre 0,12 et 0,89), deux strat\u00e9gies m\u00e9thodologiques \u00e9quivalentes peuvent \u00eatre mobilis\u00e9es. La premi\u00e8re consiste \u00e0 appliquer un op\u00e9rateur de multiplication scalaire pr\u00e9alable (multiplier l’ensemble des donn\u00e9es par dix ou cent afin de transformer les d\u00e9cimales en entiers manipulables sous une forme canonique). La seconde consiste \u00e0 d\u00e9signer la premi\u00e8re d\u00e9cimale comme tige et la seconde comme feuille. Dans tous les cas de figure, l’arrondi arithm\u00e9tique standard (au plus proche) doit \u00eatre syst\u00e9matiquement pr\u00e9f\u00e9r\u00e9 \u00e0 la troncature brute, cette derni\u00e8re introduisant un biais directionnel syst\u00e9matique vers le bas susceptible de d\u00e9former artificiellement la moyenne et les quantiles de la distribution empirique.<\/p>\n Dans notre cas de temps de r\u00e9action, les tiges n\u00e9cessaires pour encadrer l’intervalle s’\u00e9tendant de 3,2 s \u00e0 6,7 s sont form\u00e9es par les entiers verticaux 3, 4, 5 et 6. \u00c0 la tige 3 sont associ\u00e9es les feuilles 2, 5 et 8 (correspondant \u00e0 3,2, 3,5 et 3,8). \u00c0 la tige 4 sont rattach\u00e9es les feuilles 1, 1, 4, 7 et 9 (refl\u00e9tant 4,1, 4,1, 4,4, 4,7 et 4,9). \u00c0 la tige 5 sont accol\u00e9es les feuilles 2 et 8 (pour 5,2 et 5,8). Enfin, \u00e0 la tige 6 r\u00e9pondent les feuilles 3 et 7 (pour 6,3 et 6,7). Les chiffres sont dispos\u00e9s de mani\u00e8re ascendante et rigoureusement \u00e9quidistante \u00e0 droite de l’axe de d\u00e9marcation vertical.<\/p>\n Le diagramme tige et feuilles ainsi \u00e9labor\u00e9 restitue avec une fid\u00e9lit\u00e9 absolue la dispersion continue de la latence cognitive au sein de l’\u00e9chantillon. Contrairement \u00e0 une restitution cat\u00e9gorielle o\u00f9 des classes larges auraient amalgam\u00e9 les temps de r\u00e9ponse au sein d’intervalles impr\u00e9cis, la dynamique fine de la variabilit\u00e9 interindividuelle demeure int\u00e9gralement pr\u00e9serv\u00e9e. L’analyste constate que la densit\u00e9 des observations culmine nettement autour de la tige 4 (entre 4,0 et 4,9 secondes), rassemblant cinq des douze mesures enregistr\u00e9es.<\/p>\n On observe \u00e9galement que le comportement temporel des sujets ne pr\u00e9sente aucun saut discontinu franc, mais plut\u00f4t un \u00e9talement progressif vers les valeurs \u00e9lev\u00e9es, sugg\u00e9rant une asym\u00e9trie distributionnelle mod\u00e9r\u00e9e vers la droite (ph\u00e9nom\u00e8ne physiologique classique et hautement document\u00e9 en chronom\u00e9trie humaine, o\u00f9 les temps de r\u00e9ponse planchers sont physiologiquement contraints par la vitesse de conduction axonale, tandis que les temps longs sont soumis \u00e0 des fluctuations d’attention fluctuantes). La fid\u00e9lit\u00e9 m\u00e9trique assur\u00e9e par ce mode d’affichage valide l’enti\u00e8re conformit\u00e9 du diagramme aux standards les plus exigeants de la communication scientifique, autorisant les pairs \u00e0 recalculer instantan\u00e9ment les statistiques de robustesse (telles que les estimateurs de position M de Huber ou la m\u00e9diane des \u00e9carts absolus MAD) directement \u00e0 partir de la figure publi\u00e9e.<\/p>\n L’un des pr\u00e9requis m\u00e9thodologiques les plus cruciaux — et paradoxalement l’un des plus fr\u00e9quemment n\u00e9glig\u00e9s dans la pratique profane — r\u00e9side dans l’int\u00e9gration obligatoire d’une cl\u00e9 de lecture<\/em> standardis\u00e9e (souvent d\u00e9nomm\u00e9e l\u00e9gende explicative). Sur le plan formel, la cl\u00e9 de lecture \u00e9tablit l’\u00e9quivalence math\u00e9matique univoque existant entre une cha\u00eene de symboles extraite du diagramme et sa v\u00e9ritable grandeur physique dans l’univers de mesure de r\u00e9f\u00e9rence. Elle prend conventionnellement la forme explicite : Tige | Feuille = Valeur physique r\u00e9elle (avec son unit\u00e9 de mesure)<\/em>.<\/p>\n Par exemple, pour l’\u00e9chantillon chronom\u00e9trique pr\u00e9c\u00e9demment d\u00e9velopp\u00e9, la formulation de la cl\u00e9 prendra rigoureusement la formulation suivante : \u00ab 4 | 1 = 4,1 secondes \u00bb. Pour un \u00e9chantillon de masse corporelle mesur\u00e9 au kilogramme pr\u00e8s, la cl\u00e9 indiquera par exemple : \u00ab 7 | 4 = 74 kg \u00bb. La structure standardis\u00e9e doit imp\u00e9rativement comporter les trois composantes incontournables : l’illustration concr\u00e8te d’une association tige-s\u00e9parateur-feuille, la valeur arithm\u00e9tique correspondante et, de mani\u00e8re imp\u00e9rative, l’unit\u00e9 m\u00e9trique associ\u00e9e au mesurande (qu’il s’agisse de millisecondes, de degr\u00e9s Celsius, de scores sur une \u00e9chelle psychom\u00e9trique standardis\u00e9e ou de pourcentages).<\/p>\n L’inclusion d’une telle cl\u00e9 n’est pas une option d’ornementation stylistique : elle rel\u00e8ve d’une obligation d\u00e9ontologique au sein de toute publication acad\u00e9mique, de tout m\u00e9moire doctoral ou de tout rapport d’\u00e9valuation clinique. Un diagramme tige et feuilles d\u00e9muni de cl\u00e9 de lecture s’av\u00e8re m\u00e9thodologiquement incomplet et scientifiquement caduc, privant la communaut\u00e9 scientifique du r\u00e9f\u00e9rentiel scalaire n\u00e9cessaire \u00e0 l’interpr\u00e9tation des donn\u00e9es publi\u00e9es.<\/p>\n L’utilit\u00e9 primordiale de la cl\u00e9 de lecture se manifeste dans l’\u00e9limination absolue de toute ambigu\u00eft\u00e9 relative \u00e0 l’ordre de grandeur r\u00e9el des donn\u00e9es consign\u00e9es. Consid\u00e9rons, \u00e0 titre de d\u00e9monstration \u00e9pist\u00e9mologique, un diagramme tige et feuilles affichant une ligne textuelle telle que la tige \u00ab 2 \u00bb adoss\u00e9e \u00e0 une feuille \u00ab 5 \u00bb, transcrite sous la forme syntaxique \u00e9l\u00e9mentaire : 2 | 5. Sans l’adjonction d’une cl\u00e9 explicite, il est mat\u00e9riellement impossible pour l’observateur de d\u00e9terminer la valeur exacte repr\u00e9sent\u00e9e par cette combinaison symbolique.<\/p>\n L’expression 2 | 5 peut en effet d\u00e9signer rigoureusement :<\/p>\n L’ambigu\u00eft\u00e9 devient encore plus critique lors de l’application de transformations math\u00e9matiques aux variables — par exemple des transformations logarithmiques d\u00e9cimales ou n\u00e9p\u00e9riennes, des normalisations par scores standardis\u00e9s Z, ou des inversions polynomiales — couramment mobilis\u00e9es pour stabiliser la variance ou lin\u00e9ariser des relations bivari\u00e9es. Dans ces contextes avanc\u00e9s, la cl\u00e9 de lecture constitue le seul vecteur textuel permettant de r\u00e9tablir la connexion ontologique directe entre la m\u00e9trique d’analyse abstraite et la r\u00e9alit\u00e9 empirique sous-jacente mesur\u00e9e sur le terrain.<\/p>\n Les cons\u00e9quences d’une cl\u00e9 de lecture manquante ou \u00e9quivoque d\u00e9passent le simple cadre de l’inconfort de lecture : elles portent une atteinte frontale \u00e0 la validit\u00e9 scientifique et \u00e0 la reproductibilit\u00e9 des protocoles de recherche. Dans le cadre de m\u00e9ta-analyses contemporaines cherchant \u00e0 extraire les donn\u00e9es brutes ou les micro-indices statistiques \u00e0 partir de graphiques publi\u00e9s dans la litt\u00e9rature historique pour agr\u00e9ger les tailles d’effet, l’omission d’une cl\u00e9 dimensionnelle invalide totalement l’extraction des donn\u00e9es, conduisant \u00e0 l’\u00e9viction pure et simple de l’\u00e9tude correspondante des synth\u00e8ses syst\u00e9matiques internationales.<\/p>\n De surcro\u00eet, une mauvaise interpr\u00e9tation d’\u00e9chelle d\u00e9coulant d’une l\u00e9gende elliptique peut induire des erreurs dramatiques d’inf\u00e9rence statistique lors des \u00e9valuations de s\u00e9curit\u00e9 clinique ou de pharmacovigilance. Une erreur d’un facteur dix — confondant par exemple une clairance r\u00e9nale de 3,5 ml\/min avec une mesure de 35 ml\/min en raison d’une tige non document\u00e9e — peut d\u00e9naturer l’appr\u00e9ciation globale du profil toxicologique d’une mol\u00e9cule th\u00e9rapeutique en phase d’essai pr\u00e9liminaire. Les normes internationales de diffusion scientifique exigent par cons\u00e9quent que chaque figure descriptive soit strictement autonome et auto-suffisante, ce qui impose au diagramme tige et feuilles une rigueur de documentation scalaire absolue.<\/p>\n L’une des extensions m\u00e9thodologiques les plus puissantes con\u00e7ues par John Tukey r\u00e9side dans l’architecture du diagramme tige et feuilles dos-\u00e0-dos, fr\u00e9quemment d\u00e9sign\u00e9 dans la litt\u00e9rature sous le vocable technique de diagramme bilat\u00e9ral ou back-to-back stem-and-leaf display<\/em>. Cette variante structurelle a \u00e9t\u00e9 sp\u00e9cifiquement con\u00e7ue pour permettre la comparaison morphologique synchrone de deux distributions ind\u00e9pendantes ou appari\u00e9es mesur\u00e9es sur une m\u00e9trique rigoureusement identique.<\/p>\n L’architecture spatiale du dispositif s’articule autour d’une colonne centrale unique de tiges, d\u00e9limit\u00e9e de part et d’autre par deux axes s\u00e9parateurs verticaux parall\u00e8les. Cette colonne pivotale est partag\u00e9e par les deux distributions \u00e0 comparer. Les feuilles de la premi\u00e8re condition exp\u00e9rimentale (par exemple le Groupe A) sont projet\u00e9es horizontalement vers la gauche de la tige centrale, tandis que les feuilles de la seconde condition exp\u00e9rimentale (le Groupe B) sont projet\u00e9es de mani\u00e8re conventionnelle vers la droite.<\/p>\n Cette configuration impose une convention de lecture fondamentale qu’il convient de ma\u00eetriser imp\u00e9rativement : pour la distribution orient\u00e9e vers la gauche, l’ordre de tri croissant s’effectue obligatoirement de droite \u00e0 gauche, c’est-\u00e0-dire en s’\u00e9loignant de la colonne centrale des tiges vers la bordure externe gauche du graphique. Les valeurs les plus basses de chaque classe se situent imm\u00e9diatement contre l’axe vertical central, tandis que les valeurs les plus \u00e9lev\u00e9es de la m\u00eame classe occupent la p\u00e9riph\u00e9rie gauche extr\u00eame. \u00c0 l’inverse, pour le groupe d\u00e9ploy\u00e9 vers la droite, la lecture conserve son orientation naturelle ascendante de gauche \u00e0 droite. Cette sym\u00e9trie axiale permet une superposition perceptive imm\u00e9diate des deux profils de distribution.<\/p>\n En pratique exp\u00e9rimentale, le diagramme dos-\u00e0-dos constitue une alternative remarquablement robuste aux traditionnelles comparaisons par diagrammes en barres des moyennes munis de barres d’erreur (ces derniers \u00e9tant fr\u00e9quemment critiqu\u00e9s pour leur propension \u00e0 masquer l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 sous-jacente des distributions et l’existence d’observations d\u00e9viantes). La confrontation imm\u00e9diate d’un groupe exp\u00e9rimental recevant une intervention active face \u00e0 un groupe t\u00e9moin recevant un placebo ou une intervention de contr\u00f4le devient d’une nettet\u00e9 absolue.<\/p>\n Le chercheur est en mesure d’\u00e9valuer visuellement et simultan\u00e9ment plusieurs dimensions analytiques sans proc\u00e9der au moindre calcul param\u00e9trique pr\u00e9liminaire :<\/p>\n Consid\u00e9rons, pour illustrer l’immense int\u00e9r\u00eat clinique du diagramme dos-\u00e0-dos, l’\u00e9valuation de l’efficacit\u00e9 d’une psychoth\u00e9rapie cognitive et comportementale br\u00e8ve appliqu\u00e9e \u00e0 la prise en charge des troubles anxieux g\u00e9n\u00e9ralis\u00e9s. Une cohorte de patients a \u00e9t\u00e9 \u00e9valu\u00e9e \u00e0 l’aide de l’\u00e9chelle d’anxi\u00e9t\u00e9 de Hamilton avant la th\u00e9rapie (phase pr\u00e9-intervention) et \u00e0 l’issue de huit semaines de protocole th\u00e9rapeutique standardis\u00e9 (phase post-intervention). Les scores observ\u00e9s sont compris sur un continuum clinique o\u00f9 les valeurs \u00e9lev\u00e9es signent une intensit\u00e9 psychopathologique s\u00e9v\u00e8re.<\/p>\n Le diagramme tige et feuilles dos-\u00e0-dos partageant la colonne axiale des tiges (gradu\u00e9e par exemple de 0 \u00e0 4 pour les dizaines de points) va imm\u00e9diatement faire \u00e9clater aux yeux des cliniciens l’impact transformationnel du soin. \u00c0 gauche de la colonne centrale, les scores pr\u00e9-th\u00e9rapie s’accumuleront massivement le long des tiges sup\u00e9rieures (les tiges 3 et 4), mat\u00e9rialisant des scores individuels oscillant majoritairement entre 32 et 48 points, illustrant un \u00e9tat de d\u00e9tresse psychologique aigu chez la quasi-totalit\u00e9 des participants.<\/p>\n \u00c0 droite de la colonne centrale, la projection des scores post-th\u00e9rapie r\u00e9v\u00e9lera un glissement spectaculaire de l’ensemble de la distribution vers les tiges inf\u00e9rieures (les tiges 0, 1 et 2), les feuilles s’agr\u00e9geant d\u00e9sormais massivement autour de scores compris entre 6 et 18 points. Ce basculement spatial direct fournit une preuve visuelle incontestable de l’efficacit\u00e9 de l’intervention. Mieux encore, la pr\u00e9sence d’une ou deux feuilles isol\u00e9es demeurant sur la tige 3 dans le groupe post-th\u00e9rapie permet au clinicien d’isoler instantan\u00e9ment les sujets r\u00e9fractaires au traitement, orientant directement les d\u00e9cisions th\u00e9rapeutiques secondaires sans que ces trajectoires singuli\u00e8res n’aient \u00e9t\u00e9 dissoutes dans une moyenne de groupe artificiellement apaisante.<\/p>\n L’une des contraintes op\u00e9rationnelles majeures rencontr\u00e9es lors de l’application standard du diagramme tige et feuilles r\u00e9side dans le risque de congestion visuelle lorsque la taille de l’\u00e9chantillon s’accro\u00eet mod\u00e9r\u00e9ment ou lorsque les donn\u00e9es pr\u00e9sentent une variabilit\u00e9 restreinte concentr\u00e9e sur un nombre trop t\u00e9nu d’ordres de grandeur. Dans une telle conjoncture, les feuilles s’accumulent de mani\u00e8re disproportionn\u00e9e sur une ou deux tiges seulement, g\u00e9n\u00e9rant de tr\u00e8s longues lignes de chiffres qui perdent leur valeur informative et saturent l’espace horizontal. Pour rem\u00e9dier \u00e0 cette hypertrophie locale, John Tukey a formalis\u00e9 la technique rigoureuse du d\u00e9doublement des tiges<\/em> (ou split stems<\/em>).<\/p>\n Le principe fondamental du d\u00e9doublement binaire consiste \u00e0 allouer exactement deux lignes horizontales distinctes \u00e0 chaque valeur de tige d\u00e9cimale. La premi\u00e8re ligne de la tige d\u00e9doubl\u00e9e accueille exclusivement les feuilles de valeur basse, canoniquement restreintes aux chiffres 0, 1, 2, 3 et 4. La seconde ligne de la m\u00eame tige accueille quant \u00e0 elle les feuilles de valeur haute, regroupant les chiffres 5, 6, 7, 8 et 9. Dans les conventions de codification acad\u00e9mique, la premi\u00e8re ligne peut \u00eatre annot\u00e9e d’un ast\u00e9risque ou d’un symbole distinctif, ou plus couramment, la valeur num\u00e9rique de la tige est simplement r\u00e9p\u00e9t\u00e9e deux fois successivement sur l’axe vertical.<\/p>\n Lorsque la densit\u00e9 des donn\u00e9es exige une r\u00e9solution encore plus fine, Tukey pr\u00e9conise l’extension de cette logique par une division en cinq segments par tige (division quint\u00e9simale). Chaque ordre de grandeur est alors fractionn\u00e9 en cinq intervalles d’amplitude \u00e9gale \u00e0 deux unit\u00e9s :<\/p>\n Cette expansion contr\u00f4l\u00e9e de l’axe vertical permet de restaurer instantan\u00e9ment la lisibilit\u00e9 morphologique de distributions denses sans jamais alt\u00e9rer la structure sous-jacente du mesurande.<\/p>\n \u00c0 l’inverse de la congestion locale, le statisticien peut \u00eatre confront\u00e9 \u00e0 des jeux de donn\u00e9es pr\u00e9sentant une dispersion ph\u00e9nom\u00e9nale au regard de la taille restreinte de l’\u00e9chantillon. Si des donn\u00e9es discr\u00e8tes ou continues sont r\u00e9parties de mani\u00e8re clairsem\u00e9e sur plusieurs centaines d’unit\u00e9s de mesure (par exemple quelques observations s’\u00e9tendant de 12 \u00e0 950 avec une quinzaine d’individus seulement), l’application de la r\u00e8gle conventionnelle produirait pr\u00e8s d’une centaine de tiges verticales pour n’accueillir qu’une quinzaine de feuilles dispers\u00e9es, cr\u00e9ant un diagramme d’une longueur vertigineuse majoritairement compos\u00e9 de lignes vides.<\/p>\n Dans ce sc\u00e9nario, la m\u00e9thodologie pr\u00e9voit la technique inverse de compression ou de regroupement des tiges<\/em>. L’analyste modifie la granularit\u00e9 scalaire en fusionnant plusieurs ordres de grandeur au sein d’une tige composite unique, ou en op\u00e9rant une division de la m\u00e9trique originale par un facteur scalaire constant (par exemple dix, cent ou mille). Dans certains cas exceptionnels de compression textuelle, on autorise l’inscription de feuilles constitu\u00e9es de deux chiffres cons\u00e9cutifs s\u00e9par\u00e9s par un intervalle standardis\u00e9, bien que cette pratique d\u00e9roge \u00e0 la r\u00e8gle de Tukey et doive \u00eatre strictement document\u00e9e au niveau de la l\u00e9gende.<\/p>\n L’enjeu m\u00e9thodologique majeur de la compression r\u00e9side dans le maintien d’un subtil \u00e9quilibre entre la synth\u00e8se globale de l’\u00e9chantillon et la pr\u00e9servation de la sensibilit\u00e9 locale. Si la compression s’av\u00e8re trop agressive, le diagramme se r\u00e9tracte en un agr\u00e9gat compact qui \u00e9touffe les d\u00e9tails morphologiques essentiels, reproduisant les travers des histogrammes hyper-agr\u00e9g\u00e9s. L’analyste doit ainsi tester it\u00e9rativement plusieurs \u00e9chelles de compression afin d’identifier la configuration g\u00e9om\u00e9trique optimale stabilisant la lisibilit\u00e9 distributionnelle.<\/p>\n La d\u00e9cision formelle de d\u00e9doubler, subdiviser ou comprimer l’armature axiale des tiges ne doit pas r\u00e9sulter d’une simple appr\u00e9ciation esth\u00e9tique subjective, mais s’adosser \u00e0 des crit\u00e8res quantitatifs reconnus en statistique exploratoire. L’analyste peut s’appuyer sur des analogies rigoureuses tir\u00e9es des r\u00e8gles de calcul du nombre optimal de classes dans les distributions de fr\u00e9quences, notamment la formule de Sturges<\/a> ou l’\u00e9quation de Doane.<\/p>\n Selon l’heuristique de Sturges, pour un \u00e9chantillon de taille N, le nombre th\u00e9orique optimal de classes (et par extension de tiges actives) k est approximativement donn\u00e9 par la fonction logarithmique : \u00c0 l’inverse, si la d\u00e9composition primaire produit plus de vingt tiges pour un \u00e9chantillon de taille modeste, l’analyste fait face \u00e0 un ph\u00e9nom\u00e8ne d’\u00e9parpillement excessif<\/em>, o\u00f9 le bruit \u00e9chantillonnal prend le pas sur le signal distributionnel. La r\u00e8gle directrice consiste \u00e0 ajuster le d\u00e9coupage de telle sorte que le diagramme tienne id\u00e9alement sur une seule page ou un seul champ de vision, tout en assurant que la tige modale comporte suffisamment de feuilles pour former une cr\u00eate perceptivement indiscutable.<\/p>\n L’exploitation analytique approfondie d’un diagramme tige et feuilles d\u00e9bute invariablement par un exercice de perception spatiale simple mais remarquablement f\u00e9cond : la rotation mentale \u00e0 90 degr\u00e9s<\/em> dans le sens antihoraire (vers la gauche). En op\u00e9rant cette bascule mentale, l’axe vertical des tiges se meut instantan\u00e9ment en un axe horizontal classique d’abscisses orient\u00e9 de gauche \u00e0 droite, tandis que les lignes horizontales de feuilles se transforment en colonnes verticales de fr\u00e9quences \u00e9rig\u00e9es vers le haut. La silhouette globale d\u00e9limit\u00e9e par l’extr\u00e9mit\u00e9 des feuilles dessine alors fid\u00e8lement la courbe de la fonction de densit\u00e9 empirique de probabilit\u00e9.<\/p>\n Cette perspective permet d’\u00e9valuer imm\u00e9diatement la morphologie de la distribution :<\/p>\n Cette lecture morphologique permet \u00e9galement de poser un diagnostic pr\u00e9liminaire de normalit\u00e9 empirique (d\u00e9tectant la conformit\u00e9 visuelle avec une loi de Gauss) ou de d\u00e9celer l’existence d’une plurimodalit\u00e9 significative, r\u00e9v\u00e9latrice de sous-populations h\u00e9t\u00e9rog\u00e8nes amalgam\u00e9es au sein du m\u00eame \u00e9chantillon d’\u00e9tude.<\/p>\n L’un des attributs les plus puissants du diagramme tige et feuilles r\u00e9side dans sa capacit\u00e9 \u00e0 autoriser la d\u00e9rivation exacte et instantan\u00e9e de l’ensemble des statistiques d’ordre<\/a> sans qu’il soit n\u00e9cessaire de manipuler le fichier de donn\u00e9es brut initial. Dans la mesure o\u00f9 chaque observation est tri\u00e9e, chaque feuille correspond rigoureusement \u00e0 un rang statistique unique au sein de la s\u00e9rie ordonn\u00e9e de taille N.<\/p>\n La m\u00e9diane s’obtient ainsi par un simple comptage de position s\u00e9quentiel. Pour un \u00e9chantillon de taille impaire, l’observation m\u00e9diane correspond rigoureusement \u00e0 la feuille situ\u00e9e au rang exact (N + 1) \/ 2. Pour un effectif pair, la m\u00e9diane se calcule instantan\u00e9ment en faisant la moyenne arithm\u00e9tique des deux feuilles occupant respectivement les rangs N \/ 2 et (N \/ 2) + 1. Le chercheur \u00e9gr\u00e8ne simplement les feuilles du regard depuis le sommet gauche du graphique pour isoler le point central en quelques secondes.<\/p>\n La m\u00eame d\u00e9marche algorithmique directe s’applique \u00e0 la d\u00e9termination des quartiles inf\u00e9rieur (Q1, \u00e0 25 % de l’effectif) et sup\u00e9rieur (Q3, \u00e0 75 % de l’effectif), ainsi qu’aux charni\u00e8res de Tukey (hinges<\/em>). En identifiant visuellement ces balises, l’analyste d\u00e9duit instantan\u00e9ment l’\u00e9cart interquartile (IQR = Q3 − Q1), qui mesure la dispersion robuste de l’\u00e9chantillon, affranchie de toute influence exerc\u00e9e par les observations extr\u00eames. La compacit\u00e9 de la distribution s’\u00e9value ainsi par la distance verticale s\u00e9parant les tiges h\u00e9bergeant les premier et troisi\u00e8me quartiles, conf\u00e9rant au diagramme une valeur de calcul direct sup\u00e9rieure \u00e0 celle de l’histogramme.<\/p>\n L’identification robuste des valeurs aberrantes ou atypiques (couramment d\u00e9sign\u00e9es sous l’anglicisme d’outliers<\/em>) constitue un volet majeur du diagnostic distributionnel dans lequel le diagramme tige et feuilles excelle particuli\u00e8rement. Dans une repr\u00e9sentation classique, une observation aberrante se signale visuellement par un isolement spatial flagrant : une feuille unique ou un groupe marginal de deux ou trois feuilles se trouvant s\u00e9par\u00e9 de la masse principale du diagramme par une s\u00e9rie ininterrompue de tiges interm\u00e9diaires totalement vierges.<\/p>\n Cette vacuit\u00e9 centrale mat\u00e9rialise graphiquement le franchissement des cl\u00f4tures statistiques d\u00e9finies par Tukey. Pour rappel, une valeur est formellement suspect\u00e9e d’atypicit\u00e9 si elle se situe au-del\u00e0 des cl\u00f4tures internes de dispersion, fix\u00e9es \u00e0 : L’inspection du diagramme autorise alors une analyse qualitative de ces anomalies. Le chercheur peut imm\u00e9diatement juger si l’observation extr\u00eame d\u00e9coule d’une erreur de saisie typographique flagrante (par exemple un score de 220 encod\u00e9 sur la tige 22 au milieu d’observations plafonnant \u00e0 la tige 4) ou si elle repr\u00e9sente une manifestation authentique d’une variabilit\u00e9 biologique ou comportementale extr\u00eame m\u00e9ritant une investigation clinique approfondie. La pr\u00e9servation de la valeur exacte sur la feuille permet de tracer instantan\u00e9ment l’identifiant du sujet dans la base matricielle sans la moindre ambigu\u00eft\u00e9.<\/p>\n La confrontation m\u00e9thodologique entre le diagramme tige et feuilles et l’histogramme conventionnel<\/a> de Pearson r\u00e9v\u00e8le des divergences fondamentales touchant \u00e0 l’int\u00e9grit\u00e9 de l’information statistique. L’avantage absolu et ind\u00e9passable du diagramme r\u00e9side dans le maintien ind\u00e9fectible du contact avec la donn\u00e9e unitaire : alors que l’histogramme regroupe les effectifs dans des barres pleines opaques qui effacent les singularit\u00e9s internes de chaque classe, le diagramme tige et feuilles affiche l’architecture atomique m\u00eame de chaque mesure empirique.<\/p>\n Sur le plan de l’efficacit\u00e9 g\u00e9om\u00e9trique, les deux outils partagent la m\u00eame propri\u00e9t\u00e9 : la longueur des rang\u00e9es du diagramme est math\u00e9matiquement proportionnelle aux aires des barres de l’histogramme, fournissant une approximation \u00e9quivalente de la fonction de densit\u00e9 de probabilit\u00e9. Cependant, l’histogramme surclasse le diagramme d\u00e8s que la volum\u00e9trie de l’\u00e9chantillon devient massive. Au-del\u00e0 d’un effectif critique d’environ deux cents \u00e0 trois cents observations (N > 300), le diagramme tige et feuilles subit une saturation textuelle aigu\u00eb : l’amoncellement de centaines de chiffres sur les lignes provoque une pollution visuelle intense qui an\u00e9antit la lisibilit\u00e9 globale du graphique.<\/p>\n Dans ces conditions de volum\u00e9trie \u00e9lev\u00e9e ou de m\u00e9gadonn\u00e9es (big data<\/em>), l’histogramme redevient souverain gr\u00e2ce \u00e0 sa capacit\u00e9 d’abstraction g\u00e9om\u00e9trique vectorielle. Le diagramme tige et feuilles s’affirme donc prioritairement comme l’instrument par excellence des \u00e9chantillons de taille petite \u00e0 mod\u00e9r\u00e9e (typiquement compris entre 15 et 200 sujets), configuration qui correspond pr\u00e9cis\u00e9ment au cadre standard de la grande majorit\u00e9 des recherches biom\u00e9dicales exp\u00e9rimentales et des protocoles de psychologie cognitive contemporains.<\/p>\n Le diagramme tige et feuilles entretient une relation de compl\u00e9mentarit\u00e9 symbiotique particuli\u00e8rement f\u00e9conde avec une autre innovation majeure de John Tukey : le diagramme en bo\u00eete<\/a> (ou bo\u00eete \u00e0 moustaches, box-and-whisker plot<\/em>). Le boxplot constitue un instrument de condensation sup\u00e9rieur pour r\u00e9sumer les param\u00e8tres d’ordre fondamentaux, formalis\u00e9s sous l’appellation canonique du r\u00e9sum\u00e9 \u00e0 cinq nombres<\/em> (minimum, premier quartile, m\u00e9diane, troisi\u00e8me quartile et maximum) et pour objectiver la pr\u00e9sence d’outliers selon des cl\u00f4tures probabilistes strictes.<\/p>\n Toutefois, le diagramme en bo\u00eete souffre d’une c\u00e9cit\u00e9 morphologique critique que le diagramme tige et feuilles permet de corriger imm\u00e9diatement : le boxplot est incapable de r\u00e9v\u00e9ler la multimodalit\u00e9 ou les discontinuit\u00e9s au sein de la bo\u00eete centrale. Une distribution parfaitement bimodale (compos\u00e9e de deux groupes distincts accumul\u00e9s aux extr\u00e9mit\u00e9s et d’un vide total au centre) peut produire une bo\u00eete \u00e0 moustaches rigoureusement identique \u00e0 celle g\u00e9n\u00e9r\u00e9e par une distribution uniforme ou gaussienne unimodale, la m\u00e9diane se positionnant au centre de la zone vide.<\/p>\n En associant l’inspection conjointe du diagramme tige et feuilles et du diagramme en bo\u00eete dans les protocoles d’exploration rigoureuse des donn\u00e9es (EDA), le chercheur s’assure une s\u00e9curit\u00e9 diagnostique absolue. Le premier r\u00e9v\u00e8le sans faille les creux, les agr\u00e9gats discrets, les micro-structures et la finesse du signal num\u00e9rique, tandis que le second offre une synth\u00e8se synth\u00e9tique standardis\u00e9e id\u00e9ale pour les comparaisons multivari\u00e9es simultan\u00e9es impliquant un grand nombre de strates ou de facteurs exp\u00e9rimentaux.<\/p>\n Afin de guider le choix m\u00e9thodologique du statisticien dans la pratique analytique quotidienne, il est opportun de formaliser une matrice d\u00e9cisionnelle discriminante articul\u00e9e autour de trois crit\u00e8res directeurs : le volume de l’\u00e9chantillon, la finalit\u00e9 communicationnelle et la nature de la variable observ\u00e9e.<\/p>\n Le diagramme tige et feuilles est \u00e0 privil\u00e9gier prioritairement dans les circonstances suivantes :<\/p>\n L’histogramme s’imposera d\u00e8s lors que l’effectif d\u00e9passe quelques centaines d’observations ou que l’on cherche \u00e0 ajuster visuellement une loi de probabilit\u00e9 th\u00e9orique continue (loi normale, loi exponentielle). Enfin, la bo\u00eete \u00e0 moustaches sera r\u00e9serv\u00e9e pr\u00e9f\u00e9rentiellement aux comparaisons inter-groupes complexes impliquant plus de trois sous-populations synchrones ou aux rapports de synth\u00e8se n\u00e9cessitant un encombrement typographique minimal.<\/p>\n Les sciences psychologiques et les neurosciences comportementales constituent des domaines d’application privil\u00e9gi\u00e9s au sein desquels le diagramme tige et feuilles d\u00e9ploie toute sa pertinence empirique. Dans les paradigmes classiques de chronom\u00e9trie cognitive — tels que les t\u00e2ches de Stroop, les \u00e9preuves de d\u00e9tection de signaux de Sternberg ou les t\u00e2ches d’indi\u00e7age spatial de Posner — la distribution des temps de r\u00e9action (TR) n’est presque jamais normale : elle pr\u00e9sente une asym\u00e9trie droite universellement document\u00e9e que l’on mod\u00e9lise couramment par des lois ex-gaussiennes ou de Weibull.<\/p>\n Le recours au diagramme tige et feuilles permet au neuroscientifique de cartographier instantan\u00e9ment cette cin\u00e9tique motrice fine. D’un seul regard, l’analyste rep\u00e8re la coupure inf\u00e9rieure abrupte correspondant au temps de latence physiologique plancher incompressible (environ 150 \u00e0 200 millisecondes, li\u00e9 aux d\u00e9lais synaptiques et de conduction nerveuse). La pr\u00e9sence de feuilles isol\u00e9es en dessous de ce seuil signale sans ambigu\u00eft\u00e9 des r\u00e9ponses anticipatoires pr\u00e9matur\u00e9es (sujets ayant d\u00e9clench\u00e9 la r\u00e9ponse motrice avant l’int\u00e9gration perceptive du signal), qui doivent \u00eatre expurg\u00e9es de la base d’analyse.<\/p>\n De m\u00eame, l’examen de l’\u00e9talement des feuilles vers les tiges inf\u00e9rieures r\u00e9v\u00e8le le niveau de vigilance soutenue du sujet. Un participant pr\u00e9sentant une accumulation de feuilles \u00e9parpill\u00e9es sur les tiges de valeurs temporelles \u00e9lev\u00e9es manifeste des fluctuations attentionnelles transitoires (attentional lapses<\/em>). Le diagramme permet de comparer visuellement ces signatures attentionnelles individuelles sous diff\u00e9rentes conditions de charge cognitive, offrant une granularit\u00e9 descriptive bien plus instructive que de simples moyennes pollu\u00e9es par des valeurs extr\u00eames.<\/p>\n Dans les d\u00e9marches de d\u00e9veloppement, d’adaptation transculturelle et d’\u00e9talonnage standardis\u00e9 d’outils de mesure psychom\u00e9trique (questionnaires de personnalit\u00e9 du Big Five, \u00e9chelles d’anxi\u00e9t\u00e9 de Beck, inventaires de d\u00e9pression ou tests d’intelligence de Wechsler), le diagramme tige et feuilles intervient comme un outil d’inspection incontournable des propri\u00e9t\u00e9s distributionnelles des items agr\u00e9g\u00e9s.<\/p>\n La d\u00e9tection des effets de plancher (floor effect<\/em>) et de plafond (ceiling effect<\/em>) y est particuli\u00e8rement limpide. Un effet de plancher massif se traduit visuellement par un agglutinement spectaculaire de la quasi-totalit\u00e9 des feuilles sur la toute premi\u00e8re tige du diagramme, r\u00e9v\u00e9lant que l’instrument clinique sous examen s’av\u00e8re incapable de discriminer les degr\u00e9s de s\u00e9v\u00e9rit\u00e9 chez les individus pr\u00e9sentant une symptomatologie modeste. R\u00e9ciproquement, un \u00e9crasement des donn\u00e9es contre la tige maximale signe un test dont la saturation emp\u00eache de hi\u00e9rarchiser les comp\u00e9tences des sujets les plus performants.<\/p>\n De surcro\u00eet, lors des phases de standardisation de tests normatifs o\u00f9 les scores bruts doivent \u00eatre transform\u00e9s en rangs percentiles ou en notes \u00e9talonn\u00e9es (telles que les notes T ou les stanines), le diagramme fournit un support d’audit imm\u00e9diat. L’analyste s’assure visuellement de la densit\u00e9 continue de l’\u00e9talonnage et v\u00e9rifie l’absence de micro-vides artificiels (gaps<\/em>) entre deux scores successifs qui trahiraient une mauvaise calibration m\u00e9trologique de la pond\u00e9ration des items constitutifs de l’\u00e9chelle.<\/p>\n L’un des d\u00e9fis m\u00e9thodologiques les plus ardus en neuropsychologie clinique, en psychiatrie et en \u00e9ducation sp\u00e9cialis\u00e9e r\u00e9side dans l’analyse des plans exp\u00e9rimentaux \u00e0 sujet unique (dits protocoles en N = 1, ou single-case experimental designs<\/em>). Dans ces designs hautement individualis\u00e9s o\u00f9 un patient unique est suivi de mani\u00e8re longitudinale \u00e0 travers des phases successives (par exemple une phase de ligne de base A, suivie d’une phase d’intervention B), le recours aux tests statistiques inf\u00e9rentiels param\u00e9triques traditionnels est souvent prohib\u00e9 en raison de l’autocorr\u00e9lation s\u00e9rielle et de la petite taille des \u00e9chantillons de mesures.<\/p>\n Dans ce contexte pr\u00e9cis, le diagramme tige et feuilles s’impose comme un outil graphique et analytique d’une souverainet\u00e9 absolue. En tra\u00e7ant des diagrammes tige et feuilles distincts — ou id\u00e9alement un diagramme bilat\u00e9ral dos-\u00e0-dos — pour consigner les fr\u00e9quences quotidiennes d’un comportement cible (par exemple la survenue de crises d’angoisse ou d’\u00e9pisodes de st\u00e9r\u00e9otypie motrice) relev\u00e9es en phase de base versus en phase th\u00e9rapeutique, le praticien dispose d’un enregistrement complet et non d\u00e9form\u00e9 de l’\u00e9volution du patient.<\/p>\n La comparaison permet de valider le changement de niveau de base ainsi que la r\u00e9duction de la variabilit\u00e9 comportementale au fil des jours. L’absence totale d’artifice math\u00e9matique complexe rend ce support graphique imm\u00e9diatement partageable avec le patient, son entourage familial ou l’\u00e9quipe soignante multidisciplinaire, facilitant l’adh\u00e9sion th\u00e9rapeutique et objectivant l’efficacit\u00e9 clinique sans jamais ali\u00e9ner la r\u00e9alit\u00e9 concr\u00e8te des observations quotidiennes.<\/p>\n En d\u00e9pit de son apparente simplicit\u00e9 op\u00e9ratoire, la construction manuelle d’un diagramme tige et feuilles est jalonn\u00e9e de chausse-trapes m\u00e9thodologiques susceptibles de vicier totalement la validit\u00e9 de la repr\u00e9sentation. L’erreur la plus pernicieuse et la plus fr\u00e9quemment r\u00e9pertori\u00e9e dans la pratique consiste dans l’omission d\u00e9lib\u00e9r\u00e9e des tiges vides<\/em>. Confront\u00e9 \u00e0 un \u00e9chantillon pr\u00e9sentant un saut m\u00e9trique important — par exemple des valeurs s’\u00e9tirant de 10 \u00e0 25, puis aucune valeur jusqu’\u00e0 65 —, le praticien inattentif est tent\u00e9 de faire succ\u00e9der imm\u00e9diatement la tige 2 et la tige 6 sur l’axe vertical, \u00e9ludant les tiges 3, 4 et 5 au pr\u00e9texte qu’elles ne portent aucune feuille.<\/p>\n Cette omission d\u00e9truit instantan\u00e9ment l’\u00e9chelle d’intervalle continue du graphique : la distance visuelle s\u00e9parant le score de 25 de celui de 65 devient visuellement identique \u00e0 celle s\u00e9parant le score de 10 de celui de 20, occultant radicalement la b\u00e9ance m\u00e9trique r\u00e9elle. L’observateur est alors victime d’une illusion cognitive majeure, incapable de percevoir le gouffre qui singularise la structure distributionnelle de l’\u00e9chantillon.<\/p>\n Le second \u00e9cueil r\u00e9current r\u00e9side dans le non-respect de l’espacement horizontal uniforme des chiffres de feuilles. L’insertion de s\u00e9parateurs textuels parasites (tels que des virgules ou des tirets) ou la variation al\u00e9atoire de la largeur des caract\u00e8res due \u00e0 l’emploi d’une police proportionnelle non monospac\u00e9e engendre des distorsions d’illusion d’optique o\u00f9 une ligne regroupant quatre chiffres larges para\u00eet plus \u00e9tal\u00e9e qu’une ligne h\u00e9bergeant cinq chiffres \u00e9troits. Enfin, l’oubli du tri croissant interne des feuilles le long de chaque tige compromet l’extraction s\u00e9quentielle des rangs et de la m\u00e9diane, transformant un outil de calcul direct en une simple liste d\u00e9sordonn\u00e9e.<\/p>\n Au-del\u00e0 des erreurs humaines de construction, le diagramme tige et feuilles se heurte \u00e0 des limites structurelles intrins\u00e8ques directement conditionn\u00e9es par la nature et le volume des corpus trait\u00e9s. La premi\u00e8re limite concerne l’effet d’\u00e9chelle : l’outil devient structurellement illisible lorsque l’effectif N d\u00e9passe plusieurs centaines d’unit\u00e9s. Une tige h\u00e9bergeant \u00e0 elle seule cent cinquante chiffres forme une ligne kilom\u00e9trique qui d\u00e9passe les capacit\u00e9s d’affichage standard d’une page imprim\u00e9e ou d’un \u00e9cran d’ordinateur, exigeant des retours \u00e0 la ligne arbitraires qui d\u00e9truisent la fid\u00e9lit\u00e9 de l’histogramme implicite.<\/p>\n La seconde limite majeure tient au niveau de mesure des variables. Le diagramme tige et feuilles est exclusivement applicable aux variables quantitatives num\u00e9riques continues ou discr\u00e8tes dont la m\u00e9trique autorise une d\u00e9composition positionnelle en base d\u00e9cimale. Il est totalement inop\u00e9rant face \u00e0 des variables qualitatives nominales (telles que le statut marital, la nationalit\u00e9 ou le groupe sanguin) et s’av\u00e8re d\u00e9pourvu de pertinence statistique face \u00e0 des variables ordinales pures comportant un nombre tr\u00e8s restreint d’\u00e9chelons ordonn\u00e9s (par exemple des \u00e9chelles de Likert en 3 ou 5 points), o\u00f9 une simple table de fr\u00e9quences cumul\u00e9es surpasse largement le diagramme.<\/p>\n Enfin, l’outil perd une grande part de son attrait lorsque les donn\u00e9es s’\u00e9parpillent simultan\u00e9ment sur un tr\u00e8s grand nombre d’ordres de grandeur sans densit\u00e9 locale (par exemple un \u00e9chantillon h\u00e9t\u00e9roclite associant des valeurs valant 0,05, 12,4, 340 et 8 900). Dans ces cas extr\u00eames de variabilit\u00e9 multi-\u00e9chelles, seule une transformation logarithmique pr\u00e9alable ou le recours \u00e0 un trac\u00e9 en bo\u00eete permet de r\u00e9tablir une intelligibilit\u00e9 comparative globale.<\/p>\n Face aux limites du trac\u00e9 manuel, la majorit\u00e9 des environnements computationnels et logiciels statistiques majeurs contemporains int\u00e8grent des modules automatis\u00e9s hautement optimis\u00e9s pour la production rigoureuse de diagrammes tige et feuilles, ex\u00e9cutant les partitionnements optimaux et les compressions scalaires en une fraction de seconde.<\/p>\n Sous l’environnement statistique de programmation scientifique open-source R<\/a>, la g\u00e9n\u00e9ration d’un diagramme tige et feuilles s’effectue via la fonction native canonique : Dans l’environnement commercial standard IBM SPSS Statistics, le diagramme tige et feuilles est g\u00e9n\u00e9r\u00e9 de fa\u00e7on native au sein de la proc\u00e9dure d’exploration descriptive univari\u00e9e via le menu Analyse > Statistiques descriptives > Explorer<\/em>, ou via la commande de syntaxe EXAMINE VARIABLES = x \/PLOT STEMLEAF<\/em>. Le moteur de calcul de SPSS produit alors une sortie standardis\u00e9e remarquable : \u00e0 gauche des tiges, le logiciel ins\u00e8re une colonne d’effectifs partiels d\u00e9nomm\u00e9e Frequency<\/em>, suivie de l’axe vertical des tiges (Stem<\/em>), puis des feuilles (Leaf<\/em>). SPSS int\u00e8gre de surcro\u00eet un traitement automatis\u00e9 sophistiqu\u00e9 des valeurs aberrantes : les observations situ\u00e9es au-del\u00e0 des cl\u00f4tures de Tukey sont extraites du corps principal du diagramme et r\u00e9pertori\u00e9es dans des lignes sp\u00e9ciales d\u00e9di\u00e9es \u00e9tiquet\u00e9es Extremes<\/em>, situ\u00e9es au sommet et \u00e0 la base de la distribution.<\/p>\n Enfin, sous l’\u00e9cosyst\u00e8me Python orient\u00e9 vers la science des donn\u00e9es, bien que la biblioth\u00e8que de base Matplotlib ne dispose pas d’une commande native \u00e9l\u00e9mentaire d\u00e9di\u00e9e aux tiges et feuilles, des modules sp\u00e9cialis\u00e9s de haut niveau — tels que le paquetage stemgraphic<\/em> — permettent de g\u00e9n\u00e9rer des diagrammes vectoriels haute r\u00e9solution de qualit\u00e9 \u00e9ditoriale. Ces outils contemporains combinent la rigueur conceptuelle de John Tukey avec les avanc\u00e9es de la s\u00e9miologie graphique moderne, proposant des cartes thermiques de densit\u00e9 colorim\u00e9trique superpos\u00e9es directement sur les chiffres des feuilles, r\u00e9affirmant ainsi la p\u00e9rennit\u00e9 et la vitalit\u00e9 m\u00e9thodologique exceptionnelle de cet outil dans le paysage quantitatif du vingt-et-uni\u00e8me si\u00e8cle.<\/p>\n Guide acad\u00e9mique complet sur le diagramme tige et feuilles : d\u00e9finitions, m\u00e9thode de construction pas \u00e0 pas, variantes et exemples en analyse de donn\u00e9es.<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"closed","template":"","categories":[304,359],"tags":[2040,5534,16,2069,2041],"class_list":["post-6579","psych_stat","type-psych_stat","status-publish","hentry","category-methodologie-de-recherche","category-statistiques-appliquees","tag-analyse-exploratoire","tag-diagramme-tige-et-feuilles","tag-psychometrie","tag-statistique-descriptive","tag-visualisation-de-donnees"],"_links":{"self":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat\/6579","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat"}],"about":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/types\/psych_stat"}],"author":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=6579"}],"version-history":[{"count":0,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=\/wp\/v2\/psych_stat\/6579\/revisions"}],"wp:attachment":[{"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=6579"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=6579"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/french.arabpsychology.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=6579"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}1. Introduction et fondements conceptuels du diagramme tige et feuilles<\/h2>\n
1.1 Origine historique et apport de John Tukey<\/h3>\n
1.2 D\u00e9finition formelle et objectifs analytiques<\/h3>\n
1.3 Place du diagramme parmi les repr\u00e9sentations graphiques univari\u00e9es<\/h3>\n
2. Anatomie et principes structurels de la tige et de la feuille<\/h2>\n
2.1 D\u00e9finition et attribution de la tige<\/h3>\n
2.2 D\u00e9finition et alignement des feuilles<\/h3>\n
2.3 L’axe s\u00e9parateur et la m\u00e9trique sous-jacente<\/h3>\n
3. M\u00e9thodologie de construction syst\u00e9matique pas \u00e0 pas<\/h2>\n
3.1 \u00c9tape 1 : Pr\u00e9paration et ordonnancement du jeu de donn\u00e9es<\/h3>\n
3.2 \u00c9tape 2 : \u00c9tablissement de l’axe vertical des tiges<\/h3>\n
3.3 \u00c9tape 3 : Distribution et enregistrement ordonn\u00e9 des feuilles<\/h3>\n
4. Exemple pratique 1 : Analyse de donn\u00e9es discr\u00e8tes simples<\/h2>\n
4.1 Pr\u00e9sentation du jeu de donn\u00e9es exp\u00e9rimental<\/h3>\n
4.2 Application pas \u00e0 pas de la segmentation num\u00e9rique<\/h3>\n
4.3 Diagnostic visuel et lecture empirique du graphique<\/h3>\n
5. Exemple pratique 2 : Traitement des donn\u00e9es continues et d\u00e9cimales<\/h2>\n
5.1 Probl\u00e9matique des valeurs d\u00e9cimales fines<\/h3>\n
5.2 Proc\u00e9dure d’assignation des parties enti\u00e8res et fractionnaires<\/h3>\n
5.3 Rendu final et analyse comparative de pr\u00e9cision<\/h3>\n
6. R\u00f4le fondamental de la cl\u00e9 de lecture (l\u00e9gende)<\/h2>\n
6.1 D\u00e9finition et structure standardis\u00e9e de la cl\u00e9<\/h3>\n
6.2 R\u00e9solution des ambigu\u00eft\u00e9s d’\u00e9chelle et d’ordre de grandeur<\/h3>\n
\n
6.3 Impact de l’absence de l\u00e9gende sur la validit\u00e9 scientifique<\/h3>\n
7. Variantes avanc\u00e9es : Diagrammes tige et feuilles dos-\u00e0-dos<\/h2>\n
7.1 Architecture du diagramme bilat\u00e9ral (back-to-back)<\/h3>\n
7.2 Comparaison de groupes exp\u00e9rimentaux et contr\u00f4les<\/h3>\n
\n
7.3 \u00c9tude de cas : Comparaison de scores d’anxi\u00e9t\u00e9 pr\u00e9 et post-th\u00e9rapie<\/h3>\n
8. Gestion des jeux de donn\u00e9es denses : D\u00e9coupage et compression des tiges<\/h2>\n
8.1 Technique de d\u00e9doublement des tiges (Split Stems)<\/h3>\n
\n
8.2 Technique de regroupement et compression de tiges<\/h3>\n
8.3 Optimisation du ratio tige\/feuille selon la taille d’\u00e9chantillon<\/h3>\n
\n
\nk = 1 + log2(N) ≈ 1 + 3,322 × log10(N)<\/em>.
\n
\nAinsi, pour un \u00e9chantillon typique de 30 observations, le nombre souhaitable de tiges oscille autour de 6 \u00e0 8. Si la d\u00e9composition naturelle du jeu de donn\u00e9es brut ne g\u00e9n\u00e8re que 2 ou 3 tiges, le recours au d\u00e9doublement binaire ou \u00e0 la division en cinq lignes devient math\u00e9matiquement imp\u00e9ratif pour \u00e9viter le ph\u00e9nom\u00e8ne d\u00e9l\u00e9t\u00e8re de sur-lissage<\/em> (qui dissoudrait les asym\u00e9tries et la bimodalit\u00e9).<\/p>\n9. Interpr\u00e9tation statistique : Forme, tendance centrale et valeurs extr\u00eames<\/h2>\n
9.1 \u00c9valuation de la sym\u00e9trie et de l’asym\u00e9trie de la distribution<\/h3>\n
\n
9.2 Localisation visuelle directe des param\u00e8tres de position<\/h3>\n
9.3 D\u00e9tection et traitement qualitatif des valeurs aberrantes (outliers)<\/h3>\n
\n
\nCl\u00f4ture inf\u00e9rieure = Q1 − (1,5 × IQR)<\/em>
\n
\nCl\u00f4ture sup\u00e9rieure = Q3 + (1,5 × IQR)<\/em>.
\n
\nDans le diagramme tige et feuilles, le statisticien n’a pas besoin d’ex\u00e9cuter formellement cette formule math\u00e9matique pour suspecter une valeur pathologique : le \u00ab gouffre \u00bb de tiges vides mat\u00e9rialise imm\u00e9diatement la discontinuit\u00e9 probabiliste.<\/p>\n10. Comparaison m\u00e9thodologique : Diagramme tige et feuilles, histogramme et bo\u00eete \u00e0 moustaches<\/h2>\n
10.1 Confrontation directe avec l’histogramme<\/h3>\n
10.2 Compl\u00e9mentarit\u00e9 avec le diagramme en bo\u00eete (Boxplot)<\/h3>\n
10.3 Matrice d\u00e9cisionnelle pour le choix de l’outil graphique<\/h3>\n
\n
11. Applications sp\u00e9cifiques en sciences psychologiques et comportementales<\/h2>\n
11.1 Analyse de chronom\u00e9trie mentale et temps de r\u00e9action<\/h3>\n
11.2 Validation d’\u00e9chelles et \u00e9talonnage psychom\u00e9trique<\/h3>\n
11.3 Suivi longitudinal et \u00e9tudes de cas uniques en clinique<\/h3>\n
12. Limites op\u00e9rationnelles, erreurs courantes et impl\u00e9mentation logicielle<\/h2>\n
12.1 Pi\u00e8ges fr\u00e9quents lors de l’\u00e9laboration manuelle<\/h3>\n
12.2 Limites intrins\u00e8ques li\u00e9es \u00e0 la volum\u00e9trie des donn\u00e9es<\/h3>\n
12.3 Impl\u00e9mentation automatis\u00e9e dans les logiciels statistiques majeurs<\/h3>\n
\n
\nstem(x, scale = 1, width = 80)<\/em>
\n
\nL’argument scale<\/em> permet de contr\u00f4ler l’expansion ou la compression axiale des tiges : en fixant scale = 2<\/em>, l’utilisateur ordonne \u00e0 R de d\u00e9doubler automatiquement les tiges pour d\u00e9plier une distribution trop dense, tandis qu’une valeur inf\u00e9rieure \u00e0 1 comprime l’axe. L’argument width<\/em> r\u00e9gule la largeur maximale de la ligne de feuilles avant troncature textuelle sous la console de commande.<\/p>\nR\u00e9f\u00e9rences<\/h2>\n
\n