Méthodologie statistiqueProgrammation R

Comment tracer une distribution log-normale dans R

Guide académique complet pour modéliser et tracer une distribution log-normale sous R appliquée aux sciences psychologiques et cognitives.

PUBLIÉ

L’analyse statistique des processus cognitifs et comportementaux repose fondamentalement sur la modélisation rigoureuse de variables aléatoires continues dont les propriétés morphologiques s’écartent fréquemment des idéaux gaussiens. En psychologie expérimentale, en neurosciences cognitives et dans les sciences du comportement au sens large, les données quantitatives collectées — qu’il s’agisse de chronométrie mentale, de durées de fixation oculaire ou de scores de latence psychophysiologique — manifestent une asymétrie positive persistante et une contrainte stricte de positivité. Face à ces architectures empiriques, l’application machinale du modèle linéaire général fondé sur la loi normale introduit des distorsions préjudiciables à la validité interne des conclusions scientifiques. La distribution log-normale s’impose alors comme un paradigme formel élégant et mathématiquement robuste, permettant d’appréhender adéquatement les dynamiques sous-jacentes à la variabilité humaine.

Le langage de programmation et environnement de calcul statistique R constitue le standard international pour la modélisation probabiliste et la visualisation graphique de ces distributions asymétriques. Grâce à son architecture computationnelle native et à la richesse de son écosystème d’extensions graphiques, R permet non seulement d’évaluer la densité théorique d’une variable log-normale, mais également de confronter visuellement ces projections théoriques aux distributions empiriques issues du laboratoire. Cet article propose une exploration exhaustive, théorique et appliquée, des méthodologies de représentation graphique de la loi log-normale dans R, en articulant les principes fondamentaux de la modélisation statistique aux exigences contemporaines de reproductibilité scientifique.

À travers une progression didactique rigoureuse, nous détaillerons les propriétés mathématiques cardinales qui gouvernent cette loi de probabilité et justifient son omniprésence en psychologie cognitive, avant d’analyser le comportement algorithmique des fonctions spécialisées du moteur de base de R. Nous aborderons ensuite la construction de représentations visuelles hautement personnalisées, depuis les tracés élémentaires jusqu’aux visualisations avancées avec la bibliothèque ggplot2, sans omettre les procédures d’évaluation diagnostique, les transformations d’échelles et l’implémentation complète d’un cas d’étude empirique respectant scrupuleusement les normes de publication académique.

Table of Contents

1. Fondements théoriques de la distribution log-normale et pertinence en psychologie

1.1 Définition mathématique et propriétés fondamentales

D’un point de vue formel, une variable aléatoire continue $X$ est dite suivre une loi log-normale, notée conventionnellement $\mathcal{LN}(\mu, \sigma^2)$, si et seulement si sa transformation logarithmique népérienne $Y = ln(X)$ est distribuée selon une loi normale standard $\mathcal{N}(\mu, \sigma^2)$. Cette relation bijective fondamentale implique que le support de la variable originale $X$ est rigoureusement restreint au demi-axe réel positif, soit $x in ]0, +\infty[$. Contrairement à la courbe en cloche gaussienne dont le domaine s’étend de façon symétrique sur l’ensemble de la droite réelle, la distribution log-normale présente une borne inférieure stricte en zéro, éliminant de facto toute possibilité théorique de générer des valeurs négatives, ce qui constitue une propriété indispensable pour modéliser des grandeurs physiques réelles non nulles.

La fonction de densité de probabilité (PDF) d’une variable log-normale s’exprime mathématiquement pour tout $x > 0$ par l’équation suivante :

$$f(x; \mu, \sigma) = \frac{1}{x \sigma \sqrt{2\pi}} \exp\left( -\frac{(\ln x – \mu)^2}{2\sigma^2} \right)$$

Dans cette formulation, le paramètre $\mu$ représente le paramètre d’échelle sur l’axe exponentiel (ou la moyenne arithmétique de la variable transformée $ln X$), tandis que $\sigma > 0$ constitue le paramètre de forme, régissant l’étirement, la dispersion relative et l’intensité de l’asymétrie de la distribution originale. Une modification de $\sigma$ altère profondément la courbure et l’aplatissement de la densité, conférant à la courbe son profil asymétrique positif caractéristique, marqué par une montée abrupte vers un mode précoce suivie d’une décroissance asymptotique prolongée vers les valeurs élevées.

Une conséquence majeure de cette asymétrie réside dans la dissociation nette des mesures de tendance centrale. Contrairement à la distribution gaussienne où moyenne, médiane et mode coïncident parfaitement, la loi log-normale impose une hiérarchie stricte et ordonnée. Le mode, point culminant de la densité où la probabilité locale est maximale, s’établit à $\exp(\mu – \sigma^2)$. La médiane, qui sépare la distribution en deux moitiés d’égale probabilité, équivaut exactement à la moyenne géométrique $\exp(\mu)$. Enfin, l’espérance mathématique arithmétique $E(X)$ est déportée vers la droite sous l’effet du poids des valeurs extrêmes de la queue de distribution et s’écrit $E(X) = \exp(\mu + \sigma^2/2)$. La variance de la distribution, quant à elle, dépend conjointement des deux paramètres selon l’expression $\text{Var}(X) = [\exp(\sigma^2) – 1]\exp(2\mu + \sigma^2)$. Cette interdépendance fonctionnelle entre la moyenne arithmétique et la variance illustre l’hétéroscédasticité inhérente aux processus log-normaux.

1.2 Phénomènes psychologiques régis par une dynamique log-normale

En psychologie expérimentale et en ergonomie cognitive, la chronométrie mentale étudie la vitesse de traitement de l’information à travers la mesure des temps de réaction (TR). Depuis les travaux pionniers de Franciscus Donders, il est empiriquement constaté que les latences de réponse ne se conforment jamais à une distribution gaussienne symétrique. Un participant effectuant une tâche de décision lexicale ou un paradigme de Stroop ne peut physiquement pas répondre sous un certain seuil incompressible, imposé par la transduction sensorielle et la conduction neuromusculaire (environ 100 à 150 millisecondes). La distribution des temps de réaction présente ainsi une concentration massive d’observations rapides à proximité de ce plancher physiologique, suivie d’un étalement substantiel de réponses ralenties dues à des fluctuations attentionnelles momentanées, dessinant une silhouette log-normale exemplaire.

L’oculométrie cognitive constitue un second domaine d’application privilégié. L’analyse des mouvements oculaires lors de la lecture de textes complexes ou de l’exploration de scènes visuelles démontre que la durée des fixations visuelles individuelles obéit également à une cinétique asymétrique. Les micro-fixations d’orientation rapide s’agglomèrent autour de 200 millisecondes, tandis que des fixations prolongées, révélatrices d’une charge cognitive accrue, d’un réexamen syntaxique ou d’une indécision sémantique, étirent continuellement la queue droite de la distribution. Tenter d’ajuster une loi normale sur de telles métriques oculaires introduit un biais systématique dans l’estimation de l’effort cognitif sous-jacent.

Au niveau théorique, cette émergence spontanée de la log-normalité s’explique avec élégance par les propriétés du théorème central limite appliqué aux systèmes multiplicatifs. Si la loi normale découle de l’addition d’une multitude d’effets stochastiques infinitésimaux et indépendants, la distribution log-normale émerge naturellement lorsque les étapes d’un processus psychologique interagissent de manière multiplicative. Dans les modèles de diffusion cognitive, la résolution d’une tâche complexe requiert la cascade séquentielle de multiples sous-systèmes : encodage perceptif, récupération en mémoire à long terme, délibération décisionnelle et programmation motrice. Chaque étape agit comme un facteur de ralentissement ou d’accélération proportionnel sur la latence globale, générant inéluctablement une distribution asymétrique log-normale à l’échelle macroscopique.

1.3 Comparaison critique avec la loi normale standard

L’adhésion non critique au postulat de normalité pour des données de latence temporelle engendre de sévères distorsions méthodologiques. En premier lieu, la distribution normale affecte une probabilité non nulle aux valeurs strictement inférieures à zéro. Si l’écart-type empirique d’une série de temps de réaction est volumineux par rapport à sa moyenne arithmétique, le modèle gaussien prédit théoriquement l’occurrence de latences négatives, ce qui constitue une absurdité physique manifeste. Par ailleurs, la symétrie imposée par la loi de Gauss conduit à sous-estimer la fréquence réelle des événements rares situés dans la queue longue, tout en surévaluant la dispersion au voisinage immédiat de la moyenne.

Face à cette incompatibilité, une pratique historiquement ancrée dans les laboratoires de psychologie consiste à appliquer une transformation logarithmique préalable aux données brutes ($Y = ln(X)$) afin de rétablir artificiellement la symétrie, permettant l’utilisation subséquente de tests paramétriques conventionnels tels que l’analyse de variance (ANOVA) ou le test t de Student. Bien que mathématiquement valide pour stabiliser les variances et corriger l’asymétrie, cette approche obscurcit fréquemment l’interprétabilité des paramètres. Les inférences formulées sur l’échelle transformée ne se transposent pas directement sur l’échelle métrique naturelle des millisecondes : la moyenne des logarithmes correspond en réalité au logarithme de la moyenne géométrique, et non à l’espérance arithmétique originale du phénomène étudié.

Enfin, le recours abusif à l’élagage des données extrêmes (le « trimming »), consistant à supprimer arbitrairement les observations situées au-delà de deux ou trois écarts-types au-dessus de la moyenne pour forcer la normalité, introduit un biais d’échantillonnage délétère. Ces temps de latence excessivement longs ne constituent pas systématiquement du bruit expérimental ou des artéfacts techniques ; ils véhiculent une information psychologique fondamentale concernant l’épuisement des ressources attentionnelles, les lapsus cognitifs ou les stratégies de contrôle exécutif. La modélisation directe au moyen de la distribution log-normale permet d’intégrer pleinement cette asymétrie intrinsèque sans mutiler le jeu de données empirique.

2. L’écosystème fonctionnel de la loi log-normale dans R

2.1 Analyse détaillée du quatuor fonctionnel de base

L’architecture logicielle de R intègre nativement une approche modulaire cohérente pour le traitement des lois de probabilité. À l’instar des autres distributions reconnues par le système (comme norm, beta, ou gamma), la loi log-normale est implémentée au travers d’un quatuor de fonctions complémentaires, préfixées par les lettres conventionnelles d, p, q et r, associées au radical lnorm. Chacune de ces fonctions répond à un objectif algorithmique précis dans la chaîne de traitement statistique.

La fonction de densité de probabilité, appelée via dlnorm(x, meanlog = 0, sdlog = 1, log = FALSE), calcule la hauteur mathématique de la courbe de densité pour une valeur ou un vecteur de valeurs $x$ données. Lorsque l’argument logique log est activé, la fonction renvoie le logarithme népérien de la densité, ce qui s’avère indispensable lors des procédures d’optimisation numérique pour l’estimation par le maximum de vraisemblance, évitant ainsi les erreurs d’invalidation de calcul dues au sous-dépassement arithmétique (underflow).

Pour le calcul des probabilités cumulées, R propose la fonction plnorm(q, meanlog = 0, sdlog = 1, lower.tail = TRUE, log.p = FALSE). Cette fonction évalue l’intégrale de la densité depuis la borne inférieure zéro jusqu’au quantile $q$, correspondant à $P(X le q)$. L’argument lower.tail, lorsqu’il est basculé sur FALSE, calcule directement la probabilité de survie complémentaire $P(X > q)$, garantissant une précision numérique considérablement supérieure pour l’exploration des valeurs extrêmes de la queue droite.

La fonction réciproque des quantiles, qlnorm(p, meanlog = 0, sdlog = 1, lower.tail = TRUE, log.p = FALSE), détermine la valeur de la variable aléatoire associée à une probabilité cumulative $p$ donnée. Elle résout numériquement l’équation $F(x) = p$ et s’avère déterminante pour calculer des intervalles de confiance théoriques ou établir des percentiles psychométriques normatifs. Enfin, la fonction rlnorm(n, meanlog = 0, sdlog = 1) assure la génération de $n$ réalisations pseudo-aléatoires stochastiques issues de la distribution ciblée, reposant sur l’inversion ou la transformation exponentielle d’un tirage gaussien produit par le générateur de nombres aléatoires sous-jacent.

2.2 Interprétation rigoureuse des arguments meanlog et sdlog

Une incompréhension récurrente chez les utilisateurs novices de R réside dans l’attribution erronée de la moyenne arithmétique et de l’écart-type de l’échantillon brut aux paramètres formels meanlog et sdlog. Il est impératif de souligner avec insistance que meanlog ($\mu$) ne correspond en aucun cas à la moyenne arithmétique $E(X)$ des données observées, tout comme sdlog ($\sigma$) ne reflète pas la variance empirique brute. Ces paramètres représentent exclusivement la moyenne et l’écart-type de la distribution gaussienne latente obtenue après transformation logarithmique népérienne de la variable.

Pour convertir les paramètres de l’échelle logarithmique sous-jacente vers les moments arithmétiques de la variable brute, les relations analytiques formelles suivantes doivent être appliquées avec une grande rigueur :

  • Espérance arithmétique : $E(X) = \exp\left(\mu + \frac{\sigma^2}{2}\right)$
  • Variance arithmétique : $\text{Var}(X) = \left[\exp(\sigma^2) – 1\right] \exp(2\mu + \sigma^2)$
  • Médiane géométrique : $\text{Med}(X) = \exp(\mu)$
  • Mode théorique : $\text{Mod}(X) = \exp(\mu – \sigma^2)$

Réciproquement, si un chercheur dispose d’une moyenne arithmétique observée empiriquement notée $m$ et d’un écart-type empirique brut noté $s$, l’inférence des arguments théoriques meanlog et sdlog requis par R s’effectue via les transformations d’inversion non linéaires :

$$\sigma^2 = \ln\left(1 + \frac{s^2}{m^2}\right) implies texttt{sd\log} = \sqrt{\ln\left(1 + \frac{s^2}{m^2}\right)}$$

$$\mu = \ln(m) – \frac{1}{2}\sigma^2 implies texttt{mean\log} = \ln(m) – \frac{1}{2}\ln\left(1 + \frac{s^2}{m^2}\right)$$

Injecter directement les valeurs brutes $m$ et $s$ dans dlnorm() sans cette conversion préliminaire produit une distribution théorique totalement déconnectée des données expérimentales réelles, engendrant une sous-estimation systématique de l’asymétrie et un déplacement erratique du centre de masse de la distribution.

2.3 Comportement par défaut et gestion des valeurs hors limites

Par défaut, l’environnement R assigne les valeurs paramétriques $\mu = 0$ et $\sigma = 1$ aux arguments optionnels meanlog et sdlog. Cette configuration engendre la distribution log-normale standard, dont la médiane géométrique s’établit exactement à $exp(0) = 1$, le mode théorique à $\exp(-1) \approx 0{,}368$, et la moyenne arithmétique à $\exp(0{,}5) \approx 1{,}649$. Ce comportement par défaut constitue un point d’ancrage exploratoire utile, bien qu’inadapté aux contextes psychométriques réels où les grandeurs temporelles s’expriment en centaines de millisecondes.

L’évaluation des fonctions log-normales face à des valeurs non conformes à son domaine de définition fait l’objet d’un contrôle strict au niveau de la couche computationnelle en langage C de R. Puisque la fonction logarithmique $ln(x)$ n’est pas définie sur les réels négatifs ou nuls, l’exécution de dlnorm() pour toute valeur $x < 0$ renvoie formellement la valeur numérique $0$, traduisant l'impossibilité d'observer une densité positive en dehors du support défini. À l'origine exacte $x = 0$, la fonction retourne rigoureusement $0$, le terme pré-exponentiel $1/(x\sigma\sqrt{2\pi})$ tendant vers l'infini tandis que le terme exponentiel décroît plus rapidement vers zéro.

En matière de stabilité algorithmique, l’évaluation de la queue de distribution requiert des précautions particulières. Pour des valeurs de $x$ considérablement élevées par rapport aux paramètres spécifiés, l’évaluation directe de la densité ou de la probabilité cumulée peut générer des annulations catastrophiques dues aux limitations de la précision flottante 64 bits (norme IEEE 754). L’utilisation de l’argument log = TRUE dans dlnorm() ou log.p = TRUE combiné à lower.tail = FALSE dans plnorm() permet de contourner ces limitations en maintenant les calculs sur l’échelle logarithmique, préservant ainsi la précision des représentations asymptotiques sans risque de saturation machine.

3. Tracé élémentaire de la densité théorique avec les fonctions de base

3.1 Implémentation minimale à l’aide de curve() et dlnorm()

Le moteur graphique natif de R offre des fonctionnalités d’une grande sobriété syntaxique pour visualiser instantanément la trajectoire mathématique d’une fonction continue. La commande fondamentale curve() est expressément conçue pour tracer une expression analytique sur un intervalle d’abscisses prédéterminé, sans nécessiter la création préalable et explicite de vecteurs de coordonnées dans l’espace de travail global.

Pour matérialiser la densité théorique d’une distribution log-normale standard, l’association de l’expression vectorielle dlnorm(x) aux paramètres d’étendue spatiale permet un rendu immédiat. Le symbole x doit impérativement être employé tel quel au sein de la chaîne d’évaluation, car la fonction curve() substitue dynamiquement ce symbole par une séquence régulière de points d’interpolation compris entre les bornes from et to.

Log normal distribution plot in R
Log normal distribution plot in R

L’exécution de la commande minimale curve(dlnorm(x, meanlog = 0, sdlog = 0.5), from = 0, to = 5) génère instantanément sur le périphérique actif un tracé vectoriel fluide. Sur le plan sémiologique, le graphique obtenu met en lumière l’absence absolue de masse de probabilité avant l’origine, une phase ascensionnelle fulgurante culminant au mode, suivie d’une concavité tournée vers le haut qui s’effile progressivement vers l’abscisse maximale. Ce premier aperçu permet d’apprécier la morphologie singulière de la distribution sans subir la lourdeur d’une déclaration matricielle complexe.

3.2 Contrôle algorithmique de la résolution du tracé

L’aspect visuel de la courbe tracée par la commande curve() repose sur un algorithme d’interpolation linéaire par segments reliant un nombre discret de points d’évaluation. Par défaut, le paramètre interne d’échantillonnage est initialisé à n = 101 points équidistants répartis entre les bornes inférieure et supérieure spécifiées. Si cette résolution par défaut s’avère satisfaisante pour des fonctions linéaires ou trigonométriques douces, elle se révèle fréquemment déficiente pour des distributions log-normales présentant une forte asymétrie.

Lorsque le paramètre de forme sdlog assume une valeur restreinte (par exemple $\sigma le 0{,}25$), la distribution se resserre considérablement et présente un pic de densité extrêmement abrupt combiné à des courbures locales d’un rayon très faible. Avec une allocation restreinte de 101 points, le mode de la distribution peut tomber fortuitement dans l’intervalle séparant deux points d’échantillonnage consécutifs. Ce phénomène engendre des artéfacts perceptifs manifestes, tels qu’un sommet tronqué artificiellement plat ou des discontinuités angulaires inesthétiques le long des pentes raides de la courbe.

Afin de garantir une fidélité géométrique irréprochable pour la diffusion scientifique, il convient d’accroître substantiellement la résolution en paramétrant l’argument n à des valeurs plus substantielles, typiquement n = 1000 ou n = 2000. Ce suréchantillonnage garantit un lissage mathématique continu de la trajectoire, assurant que le point sommital du mode théorique soit capturé avec une déviation infinitésimale. Le coût computationnel de cette opération demeure totalement imperceptible pour les processeurs contemporains, tout en éliminant définitivement les biais de crénelage visuel lors du rendu haute définition.

4. Personnalisation esthétique avancée avec le moteur graphique de base

4.1 Typographie, annotations et libellés d’axes

La transmission efficace d’un message scientifique à travers un graphique statistique requiert une contextualisation typographique sans ambiguïté. Les sorties standardisées générées par défaut dans R recourent à des libellés techniques automatisés (tels que l’expression textuelle de la commande elle-même en guise de titre vertical), lesquels s’avèrent impropres à la publication académique. Le perfectionnement d’une figure implique une redéfinition explicite de chaque composant textuel.

Les paramètres graphiques fondamentaux main, sub, xlab et ylab permettent de structurer la hiérarchie informative du tracé. Le titre principal (main) doit synthétiser formellement l’objet de la représentation, tandis que les axes d’abscisses (xlab) et d’ordonnées (ylab) doivent documenter précisément la nature de la variable observée ainsi que ses unités de mesure respectives (par exemple, « Temps de réponse (ms) » et « Densité de probabilité »).

Log normal distribution plot with title in R
Log normal distribution plot with title in R

Pour incorporer des notations mathématiques rigoureuses incluant des lettres grecques, des exposants ou des fractions, il est préconisé d’exploiter la puissance syntaxique du moteur typographique interne au moyen de la fonction expression(). En écrivant xlab = expression(paste("Temps de latence ", italic(X), " (ms)")) ou en spécifiant les valeurs exactes des paramètres sous forme analytique via expression(paste("Densité ", italic(f)(x), " pour ", mu == 0, " et ", sigma == 0.5)), l’utilisateur produit un document d’une qualité formelle irréprochable. L’ajustement proportionnel de la taille des polices de caractères est quant à lui gouverné par les scalaires multiplicatifs cex.main, cex.lab et cex.axis, garantissant une lisibilité optimale après réduction dimensionnelle pour l’impression typographique.

4.2 Stylisation graphique de la courbe de densité

Au-delà de la contextualisation textuelle, la mise en valeur du signal graphique dépend de l’ajustement minutieux des attributs de tracé vectoriel. L’épaisseur du trait est régie par l’argument numérique lwd (line width). La valeur par défaut unitaire (lwd = 1) produit un trait excessivement ténu qui tend à disparaître lors de la réduction de la figure dans un manuscrit ou lors de sa projection sur écran. L’application systématique d’une épaisseur substantielle, typiquement lwd = 2 voire lwd = 3, assure une visibilité robuste et une distinction immédiate de la trajectoire mathématique.

Le choix chromatique relève à la fois de l’esthétique et de l’accessibilité scientifique. L’argument col accepte une variété d’identifiants, allant des chaînes nominales standardisées (telles que "navyblue", "firebrick", ou "darkcyan") aux codes hexadécimaux précis garantissant la conformité aux chartes graphiques éditoriales (par exemple, "#2C3E50"). Il convient de privilégier des palettes perceptuellement uniformes et contrastées, préservant la transmission de l’information pour les lecteurs présentant un déficit de la vision des couleurs (daltonisme) ou dans le cadre d’impressions documentaires monochromes.

La différentiation structurale s’opère également au moyen de l’argument de style de trait lty (line type). En attribuant des valeurs entières ou des chaînes spécifiques (lty = 1 pour un trait plein, lty = 2 pour un tireté court, lty = 3 pour une ligne pointillée), le chercheur peut délimiter sans équivoque plusieurs régimes théoriques sans dépendre exclusivement du canal chromatique. Enfin, l’encadrement spatial strict imposé par xlim = c(0, max_x) et ylim = c(0, max_y) permet d’ancrer fermement le repère cartésien à l’origine théorique nulle, évitant ainsi le flottement visuel souvent généré par l’ajustement automatique des échelles.

4.3 Coloration zonale et remplissage sous la courbe

La visualisation de la masse probabiliste gagne en clarté lorsqu’elle est matérialisée par un ombrage zonal sous la courbe de densité. Cette technique s’avère particulièrement éloquente pour délimiter graphiquement des intervalles de confiance théoriques, des seuils d’exclusion psychométriques ou des zones de rejet de l’hypothèse nulle correspondant à des valeurs critiques spécifiques (telles que le centile 95 ou le centile 99).

Dans le système graphique de base de R, cette coloration surfacique est accomplie par l’adjonction de la primitive polygon() sur un tracé préalablement ouvert. Pour concevoir ce polygone géométrique, il est nécessaire de calculer vectoriellement une séquence ordonnée de coordonnées cartésiennes. On génère d’abord une séquence fine de valeurs d’abscisses restreintes au sous-ensemble d’intérêt, par exemple $x_{poly}$ s’étendant de la borne critique au quantile supérieur souhaité. Les ordonnées correspondantes $y_{poly}$ sont obtenues via dlnorm(x_poly, meanlog, sdlog).

Le polygone est ensuite refermé de manière étanche en juxtaposant les points extrêmes projetés sur l’axe des abscisses : on concatène les coordonnées $x$ au moyen de c(x_poly[1], x_poly, rev(x_poly)[1]) et les coordonnées $y$ correspondantes via c(0, y_poly, 0). L’argument de coloration surfacique col dans polygon() doit être harmonisé avec l’utilisation de la fonction adjustcolor(), laquelle permet de moduler précisément l’opacité alpha du remplissage (par exemple, col = adjustcolor("steelblue", alpha.f = 0.3)). Ce contrôle de la transparence autorise la superposition élégante de zones critiques ombrées sans masquer le quadrillage sous-jacent ni les lignes directrices des axes.

5. Superposition comparative de multiples distributions log-normales

5.1 Visualisation de l’effet du paramètre de forme sdlog

L’exploration pédagogique ou diagnostique de la famille des lois log-normales requiert fréquemment l’analyse de sensibilité de la densité face aux variations continues de ses hyperparamètres. La superposition comparative de multiples trajectoires au sein d’une même fenêtre graphique constitue la méthode privilégiée pour illustrer visuellement comment le paramètre de forme sdlog ($\sigma$) infléchit radicalement la silhouette de la distribution lorsque la médiane géométrique demeure constante.

Pour superposer plusieurs tracés dans le moteur graphique de base sans écraser le canevas initial, il est indispensable de faire appel à l’argument logique add = TRUE à partir de la seconde invocation de la commande curve(). Lors du tracé de la courbe inaugurale, il importe d’anticiper la dimension maximale de l’axe des ordonnées au moyen de l’argument ylim, sous peine de voir les sommets des courbes subséquentes tronqués par la délimitation de la première fenêtre d’affichage.

Multiple log normal density functions in one plot in R
Multiple log normal density functions in one plot in R

En fixant arbitrairement meanlog = 0 (médiane invariable égale à $1$) et en faisant varier séquentiellement sdlog à travers les valeurs discrètes $0{,}25$, $0{,}50$, $0{,}75$ et $1{,}00$, un phénomène visuel saisissant se manifeste. Pour des valeurs faibles de $\sigma$, la densité se présente sous une forme leptokurtique très étanche, symétrique en apparence et concentrée étroitement autour de $1$. Au fur et à mesure que $\sigma$ augmente, la hauteur du mode s’effondre drastiquement tandis que sa position latérale migre vers la gauche ($x_{\text{mode}} = \exp(-\sigma^2) < 1$). Simultanément, la queue de distribution s'épaissit et s'étire profondément vers les valeurs élevées, démontrant empiriquement comment une variabilité accrue accentue l'asymétrie positive.

5.2 Visualisation de l’effet du paramètre d’échelle meanlog

L’analyse orthogonale consiste à neutraliser l’effet de forme en fixant rigoureusement le paramètre sdlog (par exemple $\sigma = 0{,}5$) afin d’observer isolément les conséquences du décalage induit par le paramètre d’échelle meanlog ($\mu$). En psychologie cognitive, cette manipulation graphique correspond fidèlement à la comparaison de différentes conditions expérimentales induisant une charge cognitive différentielle dans une tâche de temps de réaction.

Lorsque $\mu$ progresse (par exemple à travers les paliers successifs $\mu = 0{,}0$, $\mu = 0{,}5$, $\mu = 1{,}0$ et $\mu = 1{,}5$), la courbe de densité glisse latéralement vers la droite le long de l’axe des abscisses. La médiane géométrique, localisée à $\exp(\mu)$, subit une translation exponentielle rapide, déplaçant le barycentre de la distribution. Toutefois, contrairement à ce qui s’observe lors d’une translation gaussienne pure où la courbe conserve une morphologie rigoureusement rigide, la translation log-normale sur l’échelle naturelle s’accompagne d’un aplatissement mécanique progressif.

Cette covariation entre la position centrale et la dispersion découle directement des propriétés mathématiques de la variance arithmétique formulée précédemment : celle-ci est modulée par le terme multiplicatif $\exp(2\mu)$. Par conséquent, plus la réponse cognitive globale d’un individu ou d’un groupe expérimental se ralentit, plus la variabilité inter-essais et intra-individuelle s’accroît spontanément. La visualisation simultanée de ces courbes apporte une justification graphique évidente à la classique violation de l’hypothèse d’homogénéité des variances (homoscédasticité) observée systématiquement lors de l’analyse directe des latences chronométriques brutes.

5.3 Construction d’une légende scientifique rigoureuse

Une figure scientifique agrégeant plusieurs distributions superposées s’avère illisible en l’absence d’une légende rigoureusement calibrée. L’environnement graphique natif de R pourvoit à ce besoin via la fonction legend(), laquelle doit être invoquée de manière post-opératoire une fois que l’ensemble des couches vectorielles a été imprimé sur le dispositif d’affichage.

L’argument spatial initial de legend() permet de positionner l’encart d’information en utilisant des coordonnées cartésiennes explicites ou, de manière beaucoup plus robuste et adaptative, des descripteurs toponymiques standardisés tels que "topright", "topleft", ou "bottomright". Pour une distribution log-normale standard dont la masse principale est concentrée à gauche et la queue effilée à droite, le cadran supérieur droit ("topright") offre généralement un espace vierge idéal pour implanter la légende sans entrer en collision avec le tracé des densités.

La précision éditoriale impose une synchronisation parfaite entre les attributs stylistiques déclarés dans les commandes de tracé et ceux renseignés dans legend(). Le vecteur de chaînes de caractères affecté à l’argument legend doit détailler analytiquement la paramétrisation de chaque courbe, de préférence via des expressions mathématiques vectorisées : expression(mu == 0 ~~~ sigma == 0.25, mu == 0 ~~~ sigma == 0.50). Les arguments d’appariement vectoriel col, lwd et lty doivent refléter rigoureusement la palette et les styles assignés antérieurement. L’adjonction de paramètres de finition comme bty = "n" pour éliminer un encadrement rectangulaire superflu ou inset = 0.05 pour décoller subtilement l’encart des bordures extérieures confère à la figure une esthétique professionnelle conforme aux exigences des périodiques internationaux.

6. Représentation de la fonction de répartition cumulative

6.1 Tracé de la probabilité cumulée via plnorm()

Tandis que la fonction de densité de probabilité met en lumière la fréquence relative des observations au voisinage immédiat d’une valeur singulière, la fonction de répartition cumulative (notée usuellement $F(x)$) documente la probabilité totale qu’une variable aléatoire continue assume une valeur inférieure ou égale à un seuil critique $x$ : $F(x) = P(X le x)$. Dans l’écosystème statistique de R, la représentation graphique de cette grandeur est assurée par l’exécution de la fonction curve() couplée à la primitive plnorm().

Sur le plan topologique, la courbe de probabilité cumulée d’une distribution log-normale se matérialise sous la forme d’une courbe sigmoïde hautement asymétrique. À l’origine ($x = 0$), la fonction s’ancre strictement au niveau ordonné zéro ($F(0) = 0$). Dès l’amorce des premières valeurs positives du support, la pente de la courbe s’infléchit de façon abrupte vers le haut, correspondant à la zone de concentration dense des observations précoces. Une fois le point d’inflexion franchi (qui coïncide géométriquement avec le mode de la distribution de densité), la courbe ralentit son ascension et converge de façon asymptotique et particulièrement paresseuse vers l’ordonnée maximale $1{,}0$.

Cette formulation visuelle s’avère particulièrement éclairante pour les psychométriciens et cliniciens procédant à l’étalonnage de tests normatifs. En adjoignant des segments horizontaux et verticaux discontinus (via la commande segments() ou abline()) coupant la sigmoïde aux hauteurs d’ordonnées clés $y = 0{,}25$, $y = 0{,}50$ et $y = 0{,}75$, il devient possible d’identifier visuellement d’un seul coup d’œil les quantiles correspondants (respectivement le premier quartile, la médiane géométrique et le troisième quartile), facilitant ainsi le diagnostic rapide du positionnement d’un individu au sein d’une cohorte clinique de référence.

6.2 Illustration des fonctions de survie et de risque

Dans l’analyse des durées de vie ou des temps de latence cognitive prolongés, il est souvent plus instructif d’adopter une perspective complémentaire en modélisant la probabilité de non-résolution d’une tâche après un intervalle de temps $t$. Cette grandeur est formalisée par la fonction de survie $S(t) = 1 – F(t) = P(X > t)$. Dans R, le tracé de la fonction de survie log-normale s’exécute de manière élégante et numériquement stable en invoquant curve(plnorm(x, meanlog, sdlog, lower.tail = FALSE), from = 0, to = max_t).

Une métrique encore plus incisive en psychologie cognitive concerne la fonction de taux de hasard ou taux d’aléa instantané, conventionnellement désignée par la lettre $h(t)$. Elle quantifie la probabilité conditionnelle qu’un événement (par exemple le déclenchement de la réponse motrice ou l’abandon volontaire d’une tâche de recherche visuelle infructueuse) survienne dans l’intervalle infinitésimal $[t, t + dt]$, sachant que cet événement ne s’est pas produit avant l’instant $t$. Mathématiquement, ce taux correspond au ratio structurel :

$$h(t) = \frac{f(t)}{S(t)} = \frac{texttt{dlnorm}(t, \mu, \sigma)}{texttt{plnorm}(t, \mu, \sigma, texttt{lower.tail = FALSE})}$$

Le tracé graphique de ce ratio dans R via l’instruction fonctionnelle curve(dlnorm(x, m, s) / plnorm(x, m, s, lower.tail = FALSE), from = 0.01, to = max_t) dévoile une dynamique évolutive remarquable et contre-intuitive, constitutive de la loi log-normale. Le taux de défaillance instantané commence à zéro, connaît une phase ascendante rapide traduisant une accumulation de probabilité décisionnelle, atteint un sommet culminant, puis décline continuellement et lentement vers zéro lorsque le temps s’étire indéfiniment. En psychologie cognitive, cette décroissance asymptotique tardive du taux de hasard modélise avec acuité le phénomène de distraction ou d’épuisement exécutif : si un sujet n’a pas répondu dans la fenêtre temporelle normale, la probabilité qu’il finalise sa décision dans la milliseconde suivante s’effondre progressivement.

7. Visualisation moderne de la loi log-normale avec ggplot2

7.1 Tracé fonctionnel avec stat_function()

Si le système graphique de base de R excelle par sa vélocité d’exécution, la bibliothèque ggplot2, développée selon les préceptes théoriques de The Grammar of Graphics de Leland Wilkinson, représente l’étalon contemporain pour la visualisation statistique complexe et publiable. L’approche déclarative de ggplot2 permet de superposer des couches analytiques en dissociant rigoureusement la structure des données, la géométrie des marques et l’environnement esthétique.

Pour tracer la fonction de densité log-normale théorique sous ggplot2 sans injecter artificiellement de volumineux tableaux d’échantillons aléatoires, on exploite la puissance de la couche spécialisée stat_function(). Le processus débute par l’initialisation d’un canevas vierge défini sur l’intervalle spatial d’intérêt via ggplot(data.frame(x = c(0, limite_sup)), aes(x = x)). La couche de calcul fonctionnel y est greffée en déclarant la fonction cible fun = dlnorm et en lui fournissant la liste paramétrique associée au moyen de l’argument args = list(meanlog = mu, sdlog = sigma).

Cette méthodologie génère automatiquement un maillage d’interpolation d’une finesse chirurgicale, entièrement intégré au système de coordonnées vectorielles de ggplot2. L’esthétique de la ligne (teinte chromatique, calibre du trait, typologie discontinue) se configure de façon intuitive à l’intérieur de la couche fonctionnelle ou via des mappages esthétiques explicites, offrant une base structurale modulable qui se prête remarquablement à l’adjonction ultérieure d’autres composantes visuelles.

7.2 Comparaison élégante de groupes par facettage

L’un des apports majeurs de l’écosystème ggplot2 réside dans sa capacité native à segmenter un problème de visualisation complexe en sous-ensembles graphiques homogènes ordonnés, un concept opératoire désigné sous le terme de « treillis » ou « facettage ». En psychologie expérimentale, cette approche s’avère exceptionnelle pour comparer simultanément la distribution des latences entre divers groupes cliniques (par exemple, témoins sains vs patients souffrant de trouble du déficit de l’attention) croisés avec des conditions expérimentales de charge cognitive.

Pour orchestrer cette représentation, on élabore en amont un cadre de données matriciel (data.frame) contenant une grille de valeurs de $x$ répétée pour chaque modalité expérimentale, à laquelle on associe les valeurs théoriques calculées de dlnorm() ou les densités observées empiriquement. L’application subséquente de la fonction de partitionnement spatial facet_wrap(~ Condition) ou facet_grid(Groupe ~ Difficulte) ordonne instantanément l’affichage d’une matrice de sous-graphiques partageant une échelle métrique strictement unifiée.

L’intégration de la palette scientifique viridis via la directive scale_color_viridis_d() ou scale_fill_viridis_d() garantit que la lecture comparative des différentes strates demeure exempte de biais perceptifs tout en restant parfaitement discriminable lors d’impressions en noir et blanc ou pour des individus présentant une dyschromatopsie. Cette modularité graphique simplifie de manière spectaculaire la mise en page de panels expérimentaux hautement sophistiqués.

7.3 Personnalisation fine selon les normes de l’APA

Les périodiques savants en psychologie affiliés à l’American Psychological Association (APA, 7e édition) imposent des normes esthétiques d’une sévérité absolue concernant la mise en forme des figures scientifiques. Les fonds colorés par défaut, les grilles de coordonnées intrusives et les bordures saturées générées par certains moteurs logiciels doivent être rigoureusement éliminés pour maximiser le ratio d’encre utile et privilégier l’intelligibilité pure de la donnée.

Pour conformer un tracé ggplot2 aux exigences explicites de l’APA, l’application du thème dépouillé theme_classic() constitue l’étape liminaire fondamentale. Ce thème supprime instantanément la trame de fond grise et le quadrillage structural secondaire, n’inscrivant que deux lignes de repère orthogonales noires d’une épaisseur modérée le long des axes $X$ et $Y$. Il convient ensuite de surcharger finement les paramètres via la commande theme() pour ajuster la typographie institutionnelle (généralement Arial ou Times New Roman), positionner la légende à l’intérieur d’un quadrant vierge ou la loger discrètement au sommet du tracé, et éliminer le titre conventionnel de la légende pour n’en conserver que les descripteurs de modalités.

Enfin, l’exportation du fichier graphique doit garantir une absence totale de compression destructrice. L’utilisation de la fonction dédiée ggsave() permet de sceller ces propriétés vectorielles. L’enregistrement au format PDF vectoriel (device = "pdf") assure un redimensionnement infinitésimal sans perte de netteté pour la mise en page éditoriale. Pour les formats matriciels requis par certains éditeurs, une configuration explicite d’une résolution minimale de 300 points par pouce (dpi = 300) associée aux dimensions physiques exactes de la colonne du périodique (typiquement width = 6.5, height = 4.5, units = "in") certifie une fidélité de reproduction irréprochable.

8. Confrontation entre données empiriques psychologiques et modèle théorique

8.1 Superposition d’un histogramme empirique et d’une densité théorique

La validation empirique d’un modèle log-normal face à des données réelles nécessite une confrontation directe entre la distribution de fréquences observée sur un échantillon expérimental et la fonction de densité de probabilité continue théorique. Lors de cette opération de juxtaposition, un écueil méthodologique classique guette les praticiens : l’inadéquation structurelle des unités verticales.

Un histogramme brut calcule spontanément le décompte absolu des occurrences (l’effectif) au sein de chaque classe dimensionnelle, atteignant des ordonnées chiffrées en dizaines ou centaines d’unités. À l’opposé, la fonction mathématique de densité de probabilité dlnorm() est calibrée de telle sorte que l’aire intégrale sous la courbe soit rigoureusement égale à $1$, affichant des valeurs d’ordonnées généralement infinitésimales (souvent situées entre 0 et 0{,}005 pour des temps exprimés en millisecondes). Superposer directement une courbe de densité sur un histogramme non corrigé conduit à un aplatissement invisible de la courbe théorique sur la ligne de base.

Pour réconcilier ces deux ordres de grandeur sous ggplot2, il est impératif de contraindre géométriquement l’histogramme à projeter une surface totale normalisée à l’unité au moyen de la directive esthétique aes(y = after_stat(density)) au sein de geom_histogram(). Par ailleurs, la fixation de la largeur des intervalles (argument binwidth) ne doit pas être abandonnée aux routines heuristiques automatisées : un découpage temporel trop grossier masque le pic modal asymétrique, tandis qu’un découpage trop fin pulvérise l’histogramme en un nuage fragmenté et erratique. Une fois cette normalisation assurée, la courbe théorique tracée via stat_function() ou calculée à partir des paramètres empiriques vient se draper harmonieusement sur les barres de l’échantillon, révélant la fidélité de l’ajustement global.

8.2 Estimation des paramètres par le maximum de vraisemblance

L’application rigoureuse d’une loi théorique sur un jeu de données chronométriques requiert une estimation formelle de ses hyperparamètres de population $\mu$ et $\sigma$. Si les estimateurs analytiques s’obtiennent aisément par la moyenne et l’écart-type de l’échantillon préalablement transformé en logarithmes ($\hat{\mu} = \frac{1}{n}\sum \ln x_i$ et $\hat{\sigma} = \sqrt{\frac{1}{n-1}\sum (\ln x_i – \hat{\mu})^2}$), le recours à la méthode formelle du Maximum de Vraisemblance (MLE) offre un cadre inférentiel considérablement plus riche.

La bibliothèque de référence MASS met à disposition la fonction d’optimisation universelle fitdistr(). En lui confiant un vecteur de mesures empiriques strictement positives et en assignant l’argument densfun = "lognormal", la fonction résout la maximisation de la log-vraisemblance et extrait les estimateurs ponctuels associés à leur matrice de variance-covariance asymptotique. Cette dérivation livre simultanément les erreurs-types de chaque paramètre, renseignant le chercheur sur le degré de précision de l’ajustement structurel.

Sur le plan de la visualisation, la détention de ces matrices d’erreurs autorise la construction de bandes d’incertitude théoriques. En intégrant l’incertitude jointe sur $\hat{\mu}$ et $\hat{\sigma}$, on peut calculer par simulation de Monte-Carlo ou par la méthode delta les bornes supérieure et inférieure de la fonction de densité à chaque instant $t$. La projection de ces bornes sous forme d’un ruban ombré semi-transparent (geom_ribbon() dans ggplot2) entourant la courbe de densité théorique ajustée procure une représentation graphique honnête et d’une remarquable puissance inférentielle, illustrant comment l’imprécision d’échantillonnage se dilate le long de la queue asymétrique.

8.3 Estimation non paramétrique de la densité par noyau

Bien que le modèle log-normal constitue une approximation théorique commode, les données comportementales réelles issues de protocoles expérimentaux complexes présentent fréquemment des idiosyncrasies locales que la loi mathématique paramétrique est incapable de capter : de légères bimodalisations liées à des stratégies alternatives de réponse, des contaminations d’inattention ou des tronquages physiologiques moteurs.

Pour diagnostiquer visuellement ces déviations, il est d’une grande pertinence méthodologique de superposer à la courbe paramétrique une estimation non paramétrique de la densité par noyau de lissage (Kernel Density Estimation, KDE). Dans l’écosystème graphique de R, cette estimation s’active nativement au moyen de la couche geom_density() sous ggplot2 ou de la fonction density() dans le moteur de base.

Le paramétrage du noyau requiert toutefois une attention vigilante aux effets de bordure. L’application d’un lissage gaussien conventionnel sur des données contraintes de façon stricte par un plancher physique en zéro a tendance à « diffuser » artificiellement de la masse de probabilité en dessous de l’origine positive réelle, abaissant fictivement l’amplitude du pic de densité initial. L’ajustement délibéré de la largeur de fenêtre de lissage (l’argument adjust ou bw) permet d’optimiser le compromis fondamental entre le biais de lissage et la variance d’échantillonnage, fournissant un tracé empirique souple qui expose sans complaisance les zones de friction morphologique entre le modèle théorique pur et les observations concrètes.

9. Diagnostic graphique de l’adéquation au modèle log-normal

9.1 Construction et interprétation des diagrammes Quantile-Quantile

L’évaluation de la conformité d’un échantillon expérimental à une distribution théorique postulée ne saurait reposer exclusivement sur l’inspection visuelle directe d’un histogramme superposé, notre système perceptif se montrant particulièrement vulnérable aux illusions d’optique sur les zones à forte courbure. Le diagramme Quantile-Quantile (couramment désigné sous l’acronyme Q-Q plot) représente le dispositif de diagnostic graphique le plus robuste et le plus sensible pour expertiser la qualité d’ajustement statistique.

Le principe du diagramme Q-Q log-normal consiste à apparier directement les quantiles observés empiriquement au sein de l’échantillon ordonné aux quantiles correspondants calculés analytiquement à partir de la fonction qlnorm() paramétrée avec les estimateurs empiriques. Si le modèle théorique prédit fidèlement la réalité de la distribution empirique, le nuage de points résultant de cette mise en correspondance bivariée s’alignera de manière rigoureusement rectiligne le long de la diagonale d’identité à 45 degrés ($y = x$).

Une implémentation alternative et particulièrement élégante en programmation consiste à opérer une transformation logarithmique népérienne sur l’échantillon brut ($y_i = \ln x_i$), puis à exploiter le moteur standard de diagnostic gaussien via les commandes de base qqnorm(y) et qqline(y), ou leurs pendants modernisés geom_qq() et geom_qq_line() sous ggplot2. La lecture sémiologique des déviations locales le long de la droite de référence livre des enseignements critiques : une courbure systématique vers le haut ou vers le bas dans les segments extrêmes du graphique trahit des queues empiriques plus lourdes ou plus légères que celles prédites par le modèle théorique, isolant avec une précision clinique les réponses anormalement lentes imputables à des lapsus attentionnels ou, au contraire, une accumulation pathologique de réponses ultra-rapides générées par des comportements d’anticipation motrice prématurés.

9.2 Diagrammes de dispersion P-P et fonctions de répartition empiriques

En complément structurel du diagramme Q-Q qui focalise son pouvoir de résolution sélectif sur les queues extrêmes de la distribution, le diagramme Probabilité-Probabilité (P-P plot) offre une sensibilité diagnostique maximale sur le centre de gravité et le mode de la loi statistique. Il confronte visuellement la fonction de répartition cumulative théorique $F(x) = texttt{plnorm}(x, \hat{\mu}, \hat{\sigma})$ à la probabilité cumulative observée empiriquement dans l’échantillon expérimental ordonné.

Pour construire ce dispositif, on associe à chaque valeur ordonnée $x_{(i)}$ d’un échantillon de taille $n$ son rang de probabilité cumulée empirique, traditionnellement ajusté par des formules de tracé de consensus (par exemple la formule de Hazen $(i – 0{,}5)/n$ ou celle de Blom $(i – 3/8)/(n + 1/4)$). L’affichage de ces coordonnées face aux probabilités théoriques délivre un tracé unitaire borné dans l’espace $[0, 1] \times [0, 1]$. Toute ondulation en forme de vaguelette ou de « S » autour de la diagonale idéale révèle une distorsion locale dans l’ajustement du mode théorique ou une hétérogénéité de variance inattendue.

Une modalité visuelle intimement liée repose sur la représentation directe de la Fonction de Répartition Empirique en marches d’escalier via la fonction native de R ecdf() (Empirical Cumulative Distribution Function). En superposant sur la courbe de degrés discontinus produite par plot(ecdf(data)) la courbe sigmoïde continue calculée par curve(plnorm(x, meanlog, sdlog), add = TRUE), l’expérimentateur quantifie spatialement la déviation verticale maximale séparant les deux trajectoires. Cette distance maximale correspond rigoureusement à la statistique géométrique $D$ formalisée dans le cadre du test de conformité non paramétrique de Kolmogorov-Smirnov.

9.3 Intégration d’enveloppes de confiance par bootstrap

L’évaluation subjective de l’alignement d’un diagramme Q-Q ou d’une fonction de répartition empirique est fréquemment parasitée par la variabilité intrinsèque liée à l’échantillonnage fini. Même un échantillon parfaitement tiré d’une population parente log-normale présentera inévitablement des ondulations résiduelles mineures dues aux fluctuations stochastiques d’échantillonnage, confrontant le chercheur au risque de sur-interpréter du bruit statistique comme une violation formelle du modèle théorique.

L’intégration d’enveloppes ou de bandes de confiance simulées permet d’objectiver mathématiquement le jugement perceptif. La méthodologie repose sur l’exécution d’un algorithme de bootstrap paramétrique. Le protocole computationnel consiste à simuler séquentiellement plusieurs centaines ou milliers d’échantillons synthétiques de taille identique $n$ à l’aide de la fonction génératrice rlnorm(n, hat{mu}, hat{sigma}). Pour chaque itération stochastique, les quantiles théoriques ordonnés sont calculés et conservés en mémoire matricielle.

À partir de cette matrice de trajectoires simulées, on extrait ponctuellement à chaque niveau d’évaluation les percentiles $2{,}5,%$ et $97{,}5,%$, matérialisant un corridor de confiance statistique bilatéral à $95,%$. Ce fuseau asymptotique est alors intégré à la figure finale au moyen de polygones ombrés entourant la droite de référence (comme le propose le package car au travers de la fonction qqPlot()). Tant que le nuage de points empiriques demeure confiné à l’intérieur de ces enveloppes dynamiques de confiance, le chercheur dispose d’une garantie statistique rigoureuse attestant que les fluctuations visuelles observées ne dérogent pas aux lois de l’échantillonnage aléatoire d’une distribution log-normale parente.

10. Gestion des échelles et représentations sur axe logarithmique

10.1 Tracé de la distribution sur échelle d’abscisse logarithmique

Une propriété mathématique fascinante de la distribution log-normale réside dans sa dualité projective en fonction du système de projection cartésien sélectionné. Lorsque l’axe des abscisses est transmuté d’une échelle arithmétique linéaire continue vers une échelle géométrique logarithmique, la morphologie asymétrique de la loi s’annule pour épouser parfaitement la silhouette symétrique et équilibrée d’une courbe de Gauss conventionnelle.

Dans l’environnement graphique natif de base de R, cette transformation d’espace vectoriel s’opère de façon immédiate grâce à l’adjonction de l’argument structural log = "x" à l’intérieur de la commande plot() ou curve(). Le système recalcule dynamiquement le positionnement spatial des graduations le long de l’axe horizontal, espaçant proportionnellement les faibles valeurs tout en compressant les grandeurs élevées de manière exponentielle.

Sous ggplot2, ce changement dimensionnel s’orchestre via la directive d’échelle scale_x_log10() ou scale_x_continuous(trans = "log"). Toutefois, une précaution analytique impérative doit être soulignée lors de la représentation de la fonction de densité : le simple étirement spatial d’un axe ne s’accompagne pas automatiquement de la compensation requise par le déterminant jacobien de la transformation de variable. Pour que la densité de probabilité intégrale conserve sa normalisation unitaire sur l’axe transformé, il ne faut plus tracer $texttt{dlnorm}(x, \mu, \sigma)$ mais directement la loi normale équivalente $\mathcal{N}(\mu, \sigma^2)$ évaluée sur la variable transformée $ln(x)$. Cette manipulation s’avère particulièrement puissante sur le plan didactique pour démontrer visuellement à un auditoire comment une dynamique multiplicative se convertit en une distribution additive classique.

10.2 Formatage typographique des graduations logarithmiques

L’affichage d’un repère logarithmique impose une rigueur typographique et sémiotique particulière afin de prévenir les contresens de décodage visuel chez les lecteurs non familiers avec ces transformations géométriques. La présentation brute des valeurs transformées (affichant par exemple 2, 4, 6 sur l’axe pour signifier $ln(x)$) doit être formellement bannie, car elle détache l’observateur des unités physiques naturelles de l’expérimentation.

Il convient de maintenir l’affichage des valeurs réelles d’origine (en millisecondes brutes, telles que 100, 200, 500, 1000, 2000 ms) tout en adoptant un espacement proportionnel logarithmique, ou de recourir à une indexation normalisée sous forme de puissances de dix formelles ($10^2, 10^3, 10^4$). Dans le cadre de l’écosystème moderne de R, cette élégance éditoriale est rendue triviale par l’adjonction de la bibliothèque spécialisée scales.

En couplant scale_x_log10(breaks = trans_breaks("log10", function(x) 10^x), labels = trans_format("log10", math_format(10^.x))), on programme un étiquetage typographique automatique respectant les plus hauts standards de composition mathématique. De surcroît, l’incorporation de graduations mineures non uniformes au moyen de la directive annotation_logticks(sides = "b") matérialise le long de la ligne de base les tirets décroissants caractéristiques des échelles logarithmiques traditionnelles, signalant sans équivoque la compression perspective du repère et guidant le lecteur dans la lecture quantitative des données chronométriques.

11. Étude de cas empirique : Analyse de temps de réaction en psychologie cognitive

11.1 Préparation et nettoyage des données chronométriques

Pour ancrer de manière pragmatique les développements conceptuels précédents, considérons un paradigme expérimental classique de chronométrie mentale : une tâche d’interférence attentionnelle de type Stroop couleur-mot administrée à une cohorte de participants adultes. Dans ce protocole, deux conditions expérimentales contrastées sont analysées : une condition dite congruente (où la couleur de l’encre typographique coïncide avec le mot, par exemple le mot « VERT » imprimé en encre verte) et une condition conflictuelle incongruente (par exemple le mot « ROUGE » imprimé en encre bleue, induisant une compétition exécutive et un ralentissement de latence).

Avant d’engager toute modélisation probabiliste ou restitution graphique, les données brutes issues de l’expérimentation logicielle requièrent un assainissement préliminaire transparent et reproductible. Les essais sanctionnés par des erreurs de réponse motrice sont exclus afin de ne modéliser que la cinétique des réponses correctes. Par ailleurs, des bornes de troncature physiologiques minimales doivent être appliquées pour écarter les artéfacts moteurs involontaires : les réponses présentant une latence inférieure à 150 millisecondes sont écartées en tant qu’anticipations non cognitives.

À l’inverse de la pratique traditionnelle consistant à élaguer arbitrairement la queue supérieure au-delà de quelques déviations standard au-dessus de la moyenne, l’ensemble des réponses lentes et étirées au-delà de 1500 ou 2000 millisecondes est scrupuleusement préservé. Ce jeu de données nettoyé est structuré selon un format rectangulaire « long » conventionnel (conforme aux normes du tidy data), où chaque ligne unique documente l’identifiant du sujet, l’appartenance à la condition expérimentale (congruente vs incongruente) et la variable quantitative continue de latence exprimée en millisecondes.

11.2 Script complet pas-à-pas de modélisation et tracé comparatif

Le traitement analytique et la synthèse graphique du paradigme expérimental s’exécutent au moyen d’un pipeline de commandes R articulant manipulation vectorielle et visualisation moderne sous ggplot2. Le script méthodologique ci-après structure l’ensemble de la démarche opérationnelle :

On procède d’abord à l’extraction des sous-vecteurs de latence conditionnels à partir du jeu de données expurgé. Pour chacune des deux conditions (congruente et incongruente), les estimateurs formels de log-vraisemblance sont dérivés via l’application systématique de mean(log(RT)) et sd(log(RT)), fixant les paires de paramètres $(\hat{\mu}_C, \hat{\sigma}_C)$ et $(\hat{\mu}_I, \hat{\sigma}_I)$. On calcule conjointement les médianes géométriques correspondantes en évaluant l’exponentielle de chaque paramètre d’échelle.

Le canevas graphique bivarié est ensuite initialisé en intégrant simultanément l’histogramme empirique et la couche fonctionnelle théorique. L’histogramme est subdivisé par condition via un canal chromatique distinct pour chaque modalité. L’appel séquentiel de deux couches stat_function() — configurées respectivement avec les estimateurs empiriques de la condition congruente puis de la condition incongruente — superpose avec netteté les profils théoriques ajustés sur la distribution des données réelles.

Afin de marquer immédiatement l’impact expérimental sur le centre de masse de chaque distribution, des marqueurs géométriques verticaux discontinus (geom_vline()) sont projetés aux abscisses exactes des médianes conditionnelles estimées. La structure de la figure est complétée par l’application d’un habillage dépouillé respectant scrupuleusement les exigences APA (theme_classic(), palette chromatique sobre et contrastée, libellés explicites documentant les millisecondes et la densité). L’ensemble de cette chaîne opérationnelle produit un document graphique autosuffisant, articulant avec une transparence parfaite le niveau descriptif de l’observation brute et le niveau modélisé de la loi statistique théorique.

11.3 Rédaction standardisée des résultats selon le format académique

Dans un rapport de recherche ou un article empirique soumis à évaluation par les pairs, la présentation visuelle d’une figure doit être complétée par une verbalisation standardisée et précise dans le corps du texte. L’adhésion aux normes typographiques et rédactionnelles de l’APA proscrit les descriptions vagues ou tautologiques au profit d’un exposé chiffré des paramètres distributionnels d’intérêt.

Un modèle canonique de rédaction scientifique peut s’énoncer ainsi dans la section Résultats du manuscrit : « L’analyse chronométrique des latences de réponse a révélé une asymétrie positive marquée, incompatible avec l’hypothèse de normalité paramétrique. Les distributions empiriques ont par conséquent été modélisées au moyen de lois log-normales ajustées par le maximum de vraisemblance. En condition congruente, les paramètres estimés s’établissent à $\hat{\mu} = 6{,}21$ ($SE = 0{,}015$) et $\hat{\sigma} = 0{,}28$ ($SE = 0{,}011$), correspondant à une médiane géométrique de $497{,}7$ ms. En condition incongruente, une altération significative des temps de latence est observée, avec $\hat{\mu} = 6{,}45$ ($SE = 0{,}017$) et $\hat{\sigma} = 0{,}34$ ($SE = 0{,}012$), matérialisant une médiane géométrique déportée à $632{,}7$ ms. L’effet d’interférence Stroop s’exprime ainsi non seulement par une élévation de la latence médiane ($\Delta = 135{,}0$ ms), mais également par un étirement structurel de la variance et de la queue de distribution sous l’effet de la charge exécutive (Figure 1). »

La légende de la figure sous-jacente doit quant à elle être formulée de façon strictement autonome : « Figure 1. Densité de probabilité et distributions empiriques des temps de réaction dans la tâche d’interférence de Stroop. Les histogrammes à barres normalisées illustrent les distributions observées pour les conditions congruente (en bleu) et incongruente (en rouge). Les courbes continues superposées représentent les densités théoriques log-normales ajustées par maximum de vraisemblance. Les lignes verticales pointillées indiquent la position relative des médianes géométriques conditionnelles. »

12. Pièges statistiques fréquents, limites du modèle et alternatives

12.1 Confusions conceptuelles et erreurs courantes dans R

L’implémentation pratique de la loi log-normale au sein de scripts computationnels dans R recèle plusieurs chausse-trapes logiques et algorithmiques qui polluent fréquemment les analyses préliminaires de nombreux chercheurs. Le premier écueil — et de loin le plus dévastateur — consiste à instancier dlnorm(x, mean(data), sd(data)) en renseignant la moyenne arithmétique brute et l’écart-type brut de l’échantillon métrique sans transformation préalable. Comme nous l’avons théoriquement démontré à la section 2.2, cette erreur monumentale déforme intégralement la distribution, projette le mode théorique à des distances aberrantes et aboutit à des conclusions méthodologiques totalement erronées.

Une seconde confusion récurrente concerne la nature mathématique de l’ordonnée générée par la fonction dlnorm(). De nombreux analystes interprètent à tort la hauteur ponctuelle de la courbe comme une probabilité absolue discrète, affirmant péremptoirement qu’un temps de réaction $t$ a par exemple « 0,004 % de chance de se produire ». Pour toute variable aléatoire continue, la probabilité d’occurrence d’une valeur ponctuelle isolée est rigoureusement nulle ($P(X = t) = 0$). La valeur retournée par dlnorm() constitue exclusivement une densité locale différentielle, dont seule l’intégrale sur un intervalle temporel fini $[t_1, t_2]$ livre une véritable probabilité physique unitaire mesurable.

Enfin, le calibrage défaillant de l’axe spatial d’abscisse dans la commande curve() engendre souvent un écrasement perceptif de la courbure. Initialiser un graphique par la directive curve(..., from = 1, to = 5000) alors que $99,%$ des observations chronométriques sont agrégées sous le seuil des 800 millisecondes conduit à compresser la masse utile de la distribution en une bande filiforme indéchiffrable collée à la marge gauche, tout en consacrant les quatre cinquièmes de la surface visuelle au vide asymptotique. Il est impératif de calibrer soigneusement les bornes from et to en cohérence avec les quantiles pertinents de l’échantillon observé (par exemple du centile 0,5 au centile 99,5) pour révéler sans artéfact la complexité interne du profil asymétrique.

12.2 Limites de la loi log-normale face à la distribution ex-gaussienne

Bien que la distribution log-normale offre une approximation incomparablement supérieure à la loi normale pour modéliser des variables asymétriques bornées à gauche, elle ne constitue pas la seule réponse théorique aux énigmes posées par la chronométrie mentale. La loi ex-gaussienne (ou distribution gaussienne modifiée exponentiellement) s’affirme comme une rivale épistémologique et statistique majeure dans la littérature contemporaine en psychologie cognitive.

La distribution ex-gaussienne modélise le temps de réponse comme la convolution formelle d’une composante gaussienne symétrique latente (caractérisée par les paramètres $\mu_{\text{gauss}}$ et $\sigma_{\text{gauss}}$) et d’une composante exponentielle unilatérale (caractérisée par le paramètre d’échelle $tau$). Sur le plan de la psychologie théorique, cette dichotomie mathématique reçoit une interprétation cognitive séduisante : la composante gaussienne refléterait la durée d’encodage sensoriel et de prise de décision motrice centrale, tandis que la queue exponentielle ($tau$) traduirait les interruptions attentionnelles momentanées ou les instabilités de contrôle exécutif.

Pour arbitrer objectivement entre un ajustement log-normal et un ajustement ex-gaussien face à un jeu de données empirique spécifique, il est préconisé de s’en remettre aux critères informationnels pénalisés formels que sont le Critère d’Information d’Akaike (AIC) et le Critère d’Information Bayésien (BIC). L’estimation conjointe des deux modèles via des packages spécialisés (tels que gamlss ou retimes dans R) permet de comparer directement leurs métriques de vraisemblance pénalisée. Si la distribution log-normale s’avère particulièrement économe avec seulement deux hyperparamètres fondamentaux ($\mu, \sigma$), l’ex-gaussienne requiert l’estimation de trois paramètres ($\mu, \sigma, \tau$), une complexité additionnelle qui ne se justifie empiriquement que si le différentiel d’information ($\Delta \text{AIC} > 2$) atteste formellement d’une supériorité explicative tangible.

12.3 Bonnes pratiques pour la reproductibilité et l’Open Science

L’intégrité de la recherche contemporaine repose sur l’adoption des principes de la science ouverte (principes FAIR : Facile à trouver, Accessible, Interopérable et Réutilisable). La génération de tracés statistiques et la publication de modélisations probabilistes ne sauraient échapper à cette exigence impérieuse de transparence méthodologique.

Lorsqu’un protocole graphique incorpore des processus de génération pseudo-aléatoires ou de ré-échantillonnage par bootstrap stochastique (par exemple lors de l’utilisation de rlnorm() pour simuler des enveloppes de confiance diagnostiques), il est d’une nécessité absolue d’ancrer le générateur de nombres aléatoires au moyen de l’instruction déterministe set.seed() (en documentant formellement l’entier arbitraire choisi). Cette précaution garantit qu’un re-calcul ultérieur du script à l’identique produira exactement les mêmes tracés vectoriels et les mêmes intervalles de confiance à l’échelle de l’atome graphique.

Enfin, l’environnement logiciel complet doit faire l’objet d’un archivage transparent. L’inclusion systématique de l’appel sessionInfo() au terme des scripts d’analyse documente sans équivoque les versions exactes du système d’exploitation, de la version pivot de R et des packages graphiques et mathématiques mobilisés (tels que ggplot2, MASS, ou scales). La mise à disposition publique et pérenne de ces scripts consolidés au sein d’entrepôts de données ouverts (comme le Center for Open Science / OSF ou Zenodo) assure la pérennité documentaire, autorise la réplication immédiate par la communauté internationale et protège les conclusions scientifiques contre l’épreuve du temps.

Références

Citer cet article

memjavad (2026, septembre 4). Comment tracer une distribution log-normale dans R. Base de données de psychologie en français. https://fr.arabpsychology.com/statistics/comment-tracer-distribution-log-normale-r/
memjavad. “Comment tracer une distribution log-normale dans R.” Base de données de psychologie en français, 4 septembre 2026, https://fr.arabpsychology.com/statistics/comment-tracer-distribution-log-normale-r/.
memjavad. “Comment tracer une distribution log-normale dans R.” Base de données de psychologie en français. septembre 4, 2026. https://fr.arabpsychology.com/statistics/comment-tracer-distribution-log-normale-r/.