Ένα διάγραμμα διασποράς είναι μια γραφική αναπαράσταση στην οποία η συσχέτιση που υπάρχει μεταξύ δύο μεταβλητών μπορεί να γίνει γνωστή χρησιμοποιώντας το επίπεδο Καρτεσιανό, όντας πολύ χρήσιμο για τον προσδιορισμό και την αναπαράσταση της συσχέτισης που υπάρχει μεταξύ των δεδομένων δύο μεταβλητών της μελέτης, όπως η σχέση μεταξύ αιτία και αποτέλεσμα.
Το Scatterplots είναι α αναπαράσταση μεταβλητών στο καρτεσιανό επίπεδο με χρήση ποσοτικών δεδομένων.
Σε αυτό το άρθρο θα βρείτε:
Τι είναι το scatterplot και σε τι χρησιμεύει;
Το scatterplot είναι ένας τύπος γραφικής αναπαράστασης στην οποία είναι δυνατόν να γνωρίζουμε τη συσχέτιση που υπάρχει μεταξύ δύο μεταβλητών κάνοντας χρήση του καρτεσιανού επιπέδου, για αυτό οι τιμές ή τα δεδομένα των μεταβλητών αντιστοιχίζονται στο άξονες (X, Y) και κάθε τομή μεταξύ των δύο μεταβλητών αντιπροσωπεύει ένα σημείο στο γράφημα του διαμέρισμα.
Διαφημίσεις
Αυτά τα σημεία μαζί εμφανίζονται ως σύννεφο σημείων, τα οποία αντιπροσωπεύουν το διάγραμμα διασποράς.
Διαφημίσεις
Σε τι χρησιμεύει το scatterplot; Αυτό το διάγραμμα διασποράς είναι πολύ χρήσιμο για να μπορούμε να προσδιορίσουμε και να αναπαραστήσουμε τη συσχέτιση που υπάρχει μεταξύ των δεδομένων δύο μεταβλητών της μελέτης, όπως π.χ. σχέσεις μεταξύ αιτίας και αποτελέσματος ή σχέσεις μεταξύ αιτιών.
Αυτό το είδος διαγράμματος Εφαρμόζεται ευρέως σε εφαρμοσμένες στατιστικές, όπως στα οικονομικά και επίσης στο μάρκετινγκ, αφού βοηθά τις εταιρείες να κατανοήσουν σημαντικά δεδομένα της αγοράς, αν και το πεδίο εφαρμογής του μπορεί να είναι πολύ διαφορετικό.
Διαφημίσεις
Βήματα για να φτιάξετε ένα scatterplot
Αν και η δημιουργία ενός scatterplot είναι μια απλή διαδικασία, πρέπει να λάβουμε υπόψη τα ακόλουθα βήματα:
- Καθορίστε την κατάσταση της οποίας οι ορίζοντες θέλετε να αναπαραστήσετε στο διάγραμμα.
- Συλλέξτε τα δεδομένα αυτών των παραγόντων, τα δεδομένα πρέπει να είναι αντιπροσωπευτικά της κατάστασης, στην οποία και οι δύο μεταβλητές πρέπει να έχουν τον ίδιο αριθμό δειγματοληπτικών δεδομένων.
- Προσδιορίστε τις μεταβλητές, στον άξονα (Y) την εξαρτημένη μεταβλητή, αυτή αντιπροσωπεύει τον παράγοντα του οποίου η συμπεριφορά επηρεάζεται από την άλλη μεταβλητή, αυτή η άλλη είναι η ανεξάρτητη μεταβλητή που αναπαρίσταται στον άξονα (Χ).
- Αντιπροσωπεύστε τις τιμές κάθε μεταβλητής στο γράφημα και σημειώστε με μια τελεία την τομή των δεδομένων στον άξονα (Y) με αυτά στον άξονα (X).
- Υπάρχει ανάλυση των δεδομένων διασποράς που αναπαριστώνται στο γράφημα για τον προσδιορισμό της συσχέτισης.
Γραμμική συσχέτιση στην ανάλυση διαγραμμάτων διασποράς
γραμμικές συσχετίσεις σε οικόπεδα διασποράς επιτρέψτε μας να ερμηνεύσουμε την ένταση με την οποία και οι δύο μεταβλητές σχετίζονται μεταξύ τους, Υπό αυτή την έννοια, μια συσχέτιση μπορεί να είναι:
Διαφημίσεις
- θετική συσχέτιση: αντιπροσωπεύει ότι και οι δύο μεταβλητές έχουν αυξανόμενη συμπεριφορά, εάν η μία αυξάνει και την άλλη.
-
Αρνητική συσχέτιση: σε αυτήν την αναπαράσταση καθώς η μία μεταβλητή αυξάνεται, η άλλη μειώνεται.
μηδενική συσχέτιση: δεν υπάρχει συσχέτιση μεταξύ των δύο μεταβλητών.
Παρ 'όλα αυτά, ένας συσχετισμός είναι ιδανικός ή τέλειος καθώς οι συσχετίσεις μεταξύ των δύο μεταβλητών έχουν εξίσου ανάλογη συμπεριφορά, με α συντελεστής συσχέτισης ίσος με ένα.
Διαφημίσεις
αν θέλουμε προσδιορίστε με ακρίβεια τον συντελεστή συσχέτισης, σε Προέχω μπορώ προσθέστε τους τύπους Προκαθορισμένο “=COEFF.DE.CORREL(…,..)” Απλώς πρέπει να εισαγάγετε τον τύπο, να σύρετε τα δεδομένα από την πρώτη μεταβλητή, να βάλετε κόμμα σε αυτήν, να σύρετε τα δεδομένα από τη δεύτερη μεταβλητή και τέλος.
1. Παράδειγμα σχεδίου διασποράς
Σε αυτό το παράδειγμα, μια εταιρεία θέλει να μάθει το σχέση μεταξύ του αριθμού των ωρών εργασίας και του αριθμού των ελαττωματικών προϊόντων, για αυτό η εταιρεία πραγματοποίησε α μελέτη για 20 εβδομάδες, η εν λόγω παρακολούθηση έδωσε τα ακόλουθα δεδομένα:
Αφού εντοπιστούν τα απαραίτητα δεδομένα, προχωράμε στη γραφική αναπαράσταση.Για αυτό, είναι απαραίτητο να προσδιοριστεί ποιος από τους παράγοντες αντιπροσωπεύει την εξαρτημένη μεταβλητή και ποιος την ανεξάρτητη μεταβλητή.
Μπορούμε να αναγνωρίσουμε ότι το Οι ώρες εργασίας είναι η ανεξάρτητη μεταβλητή παριστάνεται στον άξονα (Χ) και τα ελαττωματικά προϊόντα τα εξαρτημένα που αντανακλάται πάντα στον άξονα (y).
Βλέπουμε τα δεδομένα που απεικονίζονται στο γράφημα:
Όπως φαίνεται στο γράφημα, οι σχέσεις μεταξύ τα δεδομένα που συλλέγονται αντικατοπτρίζονται με διάσπαρτες μπλε κουκκίδες, κάθε σημείο αντιπροσωπεύει τη σχέση των ωρών εργασίας και των ελαττωματικών προϊόντων που παρουσιάζονται ανά εβδομάδα.
Στο προσθέστε μια γραμμή τάσης στο γράφημα μπορούμε να το ορίσουμε Σε αυτό το γράφημα υπάρχει θετική συσχέτιση, γιατί όσο αυξάνονται οι ώρες εργασίας αυξάνεται και το ποσοστό των ελαττωματικών προϊόντων.
Αυτή η γραμμή τάσης αντιπροσωπεύει α συντελεστής συσχέτισης 0,91.
2. Παράδειγμα σχεδίου διασποράς
Σε αυτή την περίπτωση, αναζητούμε να μάθουμε εάν υπάρχει α σχέση βάρους και ύψους 18 τυχαία επιλεγμένων ατόμων σε μια δεδομένη τοποθεσία, θα πρέπει να σημειωθεί ότι Όσο περισσότερα δεδομένα συλλέγονται, τόσο πιο αντιπροσωπευτικό είναι το δείγμα των συνθηκών του συνολικού πληθυσμού· Ας δούμε τα δεδομένα:
Ας δούμε την αναπαράσταση στο scatterplot:
Όπως φαίνεται στο διάγραμμα, υπάρχει μια ενδιάμεση θετική συσχέτιση, γιατί το ύψος, αν και επηρεάζει το βάρος, η επίπτωσή του δεν είναι πολύ υψηλή, του οποίου ο συντελεστής συσχέτισης είναι 0,59.
Για την επεξεργασία του διαγράμματος μπορούμε να χρησιμοποιήσουμε ως εργαλείο το Microsoft Office Excel, απλώς πηγαίνουμε στη γραμμή εργαλείων του Excel και εισάγουμε το scatterplot και προσθέτουμε τα απαραίτητα δεδομένα σε αυτό.
