▷ 2 Esimerkkejä sirontakaaviosta

Sirontadiagrammi on graafinen esitys, jossa kahden muuttujan välinen korrelaatio voidaan tietää tason avulla karteesinen, koska se on erittäin hyödyllinen määrittämään ja edustamaan kahden tutkimusmuuttujan tietojen välillä vallitsevaa korrelaatiota, kuten syy ja seuraus.

Sirontakaaviot on a muuttujien esitys suorakulmaisessa tasossa kvantitatiivisten tietojen avulla.

Mikä on sirontakaavio ja mihin se on hyödyllinen?

Sirontakaavio on eräänlainen graafinen esitys, jossa on mahdollista tietää kahden muuttujan välinen korrelaatio käyttämällä karteesista tasoa, tätä varten muuttujien arvot tai tiedot on määritetty akselit (X, Y) ja jokainen molempien muuttujien leikkauspiste edustaa pistettä muuttujan kaaviossa. tasainen.

Nämä pisteet yhdessä näytetään pisteiden pilvenä, jotka edustavat sirontadiagrammia.

Mihin sirontakaaviosta on hyötyä? Tämä hajontakaavio on erittäin hyödyllinen, jotta voidaan määrittää ja esittää kahden tutkimusmuuttujan tietojen välinen korrelaatio, kuten esim. syyn ja seurauksen väliset suhteet tai syiden väliset suhteet.

Tämän tyyppinen kaavio Se on laajalti käytössä sovelletussa tilastossa, kuten taloustieteessä ja myös markkinoinnissa, koska se auttaa yrityksiä ymmärtämään tärkeitä markkinatietoja, vaikka sen käyttöalue voi olla hyvin monipuolinen.

Vaiheet sirontakaavion tekemiseen

Vaikka sirontakaavion tekeminen on yksinkertainen prosessi, meidän on otettava huomioon seuraavat vaiheet:

1. Määrittele tilanne, jonka determinantteja haluat esittää kaaviossa.
2. Kerää näiden tekijöiden tiedot, tietojen tulee edustaa tilannetta, jossa molemmilla muuttujilla on oltava sama määrä otosdataa.
3. Tunnista muuttujat, (Y)-akselilla riippuva muuttuja, tämä edustaa tekijää, jonka käyttäytyminen toinen muuttuja vaikuttaa, tämä toinen on riippumaton muuttuja, joka on esitetty (X)-akselilla.
4. Esitä kunkin muuttujan arvot kaaviossa ja merkitse pisteellä (Y)-akselin ja (X)-akselin tietojen leikkauspiste.
5. Kuvaajassa esitettyjen hajontatietojen analyysi korrelaation määrittämiseksi on olemassa.

Lineaarinen korrelaatio sirontakaavioiden analyysissä

lineaariset korrelaatiot hajakuvioilla antaa meille mahdollisuuden tulkita intensiteettiä, jolla molemmat muuttujat liittyvät toisiinsa, Tässä mielessä korrelaatio voi olla:

• positiivinen korrelaatio: edustaa, että molemmilla muuttujilla on kasvava käyttäytyminen, jos toinen lisää myös toista.
• Negatiivinen korrelaatio: tässä esityksessä yhden muuttujan kasvaessa toinen pienenee.
  nollakorrelaatio: molempien muuttujien välillä ei ole korrelaatiota.

Tästä huolimatta, korrelaatio on ihanteellinen tai täydellinen koska molempien muuttujien välisillä korrelaatioilla on yhtä verrannollinen käyttäytyminen, a korrelaatiokerroin yhtä suuri kuin yksi.

jos haluamme määrittää tarkasti korrelaatiokertoimen, sisään Excel voi lisää kaavat oletuksena "=COEFF.DE.CORREL(…,..)" Sinun tarvitsee vain lisätä kaava, vetää tiedot ensimmäisestä muuttujasta, laittaa siihen pilkku, vetää tiedot toisesta muuttujasta ja siinä kaikki.

1. Esimerkki sirontakaaviosta

Tässä esimerkissä yritys haluaa tietää työtuntien määrän ja viallisten tuotteiden määrän välinen suhde, tätä varten yritys toteutti a opiskella 20 viikkoa, mainittu seuranta tuotti seuraavat tiedot:

Kun tarvittavat tiedot on tunnistettu, siirrymme graafiseen esitykseen.Tätä varten on tarpeen tunnistaa, mikä tekijöistä edustaa riippuvaa muuttujaa ja mikä edustaa riippumatonta muuttujaa.

Voimme tunnistaa, että työtunnit ovat riippumaton muuttuja esitetään (X)-akselilla ja vialliset tuotteet riippuvainen joka heijastuu aina (y)-akselille.

Näemme kaaviossa esitetyt tiedot:

Kuten kaaviosta näkyy, väliset suhteet kerätyt tiedot näkyvät hajallaan sinisin pistein, jokainen piste edustaa työtuntien ja viallisten tuotteiden suhdetta viikossa.

Kohteeseen lisää trendiviiva kaavioon voimme määritellä sen Tässä kaaviossa on positiivinen korrelaatio, koska työajan kasvaessa myös viallisten tuotteiden osuus kasvaa.

Tämä trendiviiva edustaa a korrelaatiokerroin 0,91.

2. Esimerkki sirontakaaviosta

Tässä tapauksessa pyrimme tietämään, onko olemassa a 18 satunnaisesti valitun ihmisen painon ja pituuden välinen suhde tietyllä paikkakunnalla, on huomattava, että Mitä enemmän tietoa kerätään, sitä edustavampi otos on koko väestön olosuhteista; Katsotaanpa dataa:

Katsotaanpa esitystä sirontakaaviossa:

Kuten kaaviosta näkyy, on välissä positiivinen korrelaatio, koska pituus, vaikka se vaikuttaa painoon, sen esiintyvyys ei ole kovin korkea, jonka korrelaatiokerroin on 0,59.

Kaavion laatimiseen voimme käyttää Microsoft Office Exceliä työkaluna, menemme vain Excelin työkalupalkkiin ja lisäämme hajontakaavion ja lisäämme siihen tarvittavat tiedot.