Dijagram raspršenosti je grafički prikaz u kojem se korelacija koja postoji između dvije varijable može znati pomoću ravnine Kartezijanski, vrlo je koristan za određivanje i predstavljanje korelacije koja postoji između podataka dviju proučavanih varijabli, kao što je odnos između uzrok i posljedica.
Scatterplots je a prikaz varijabli u kartezijanskoj ravnini pomoću kvantitativnih podataka.
U ovom ćete članku pronaći:
Što je scatterplot i za što je koristan?
Raspršeni dijagram je vrsta grafičkog prikaza u kojem moguće je znati korelaciju koja postoji između dvije varijable koristeći kartezijansku ravninu, za to se vrijednosti ili podaci varijabli dodjeljuju osi (X, Y) i svako sjecište između obje varijable predstavlja točku na grafikonu ravan.
Oglasi
Ove točke zajedno prikazane su kao oblak točaka, koje predstavljaju dijagram raspršenosti.
Oglasi
Za što je koristan dijagram raspršenosti? Ovaj dijagram disperzije vrlo je koristan kako bi se moglo odrediti i prikazati korelaciju koja postoji između podataka dviju varijabli studije, kao što je odnosi između uzroka i posljedice ili odnosi između uzroka.
Ova vrsta dijagrama Široko se primjenjuje u primijenjenoj statistici, kao u ekonomiji, ali iu marketingu, budući da pomaže tvrtkama u razumijevanju važnih tržišnih podataka, iako područje njegove primjene može biti vrlo raznoliko.
Oglasi
Koraci za izradu dijagrama raspršenja
Iako je izrada dijagrama raspršenja jednostavan proces, moramo uzeti u obzir sljedeće korake:
- Definirajte situaciju čije determinante želite prikazati u dijagramu.
- Prikupite podatke o tim čimbenicima, podaci moraju biti reprezentativni za situaciju, u kojoj obje varijable moraju imati istu količinu uzorkovanih podataka.
- Identificirajte varijable, na (Y) osi zavisnu varijablu, to predstavlja faktor čije ponašanje je pod utjecajem druge varijable, a ova druga je nezavisna varijabla koja je predstavljena na (X) osi.
- Predstavite vrijednosti svake varijable na grafikonu i označite točkom sjecište podataka na (Y) osi s onima na (X) osi.
- Postoji analiza disperzijskih podataka prikazanih na grafikonu kako bi se odredila korelacija.
Linearna korelacija u analizi dijagrama raspršenja
linearne korelacije na dijagramima raspršivanja omogućuju nam tumačenje intenziteta s kojim su obje varijable povezane jedna s drugom, U tom smislu, korelacija može biti:
Oglasi
- pozitivna korelacija: predstavlja da obje varijable imaju rastuće ponašanje, ako jedna povećava i drugu.
-
Negativna korelacija: u ovom prikazu kako jedna varijabla raste, druga se smanjuje.
nulta korelacija: ne postoji korelacija između obje varijable.
Štoviše, korelacija je idealna ili savršena budući da korelacije između obje varijable imaju jednako proporcionalno ponašanje, s a koeficijent korelacije jednak jedan.
Oglasi
ako želimo točno odrediti koeficijent korelacije, u Excel limenka dodajte formule zadano “=COEFF.DE.CORREL(…,..)” Treba samo ubaciti formulu, povući podatke iz prve varijable, staviti zarez, povući podatke iz druge varijable i to je to.
1. Primjer dijagrama raspršenosti
U ovom primjeru, tvrtka želi znati odnos između broja radnih sati i broja neispravnih proizvoda, za to je tvrtka izvršila a studirati 20 tjedana, navedenim praćenjem dobiveni su sljedeći podaci:
Nakon što smo identificirali potrebne podatke, prelazimo na grafički prikaz.Za to je potrebno identificirati koji od faktora predstavlja zavisnu, a koji predstavlja nezavisnu varijablu.
Možemo identificirati da odrađeni sati nezavisna su varijabla prikazan na (X) osi i neispravni proizvodi ovisni koja se uvijek odražava na (y) osi.
Vidimo podatke predstavljene na grafikonu:
Kao što je prikazano na grafikonu, odnosi između prikupljeni podaci odražavaju se raspršenim plavim točkama, svaka točka predstavlja odnos radnih sati i neispravnih proizvoda prikazanih po tjednu.
Prema dodajte liniju trenda na grafikon možemo to definirati U ovom grafikonu postoji pozitivna korelacija, jer s povećanjem radnog vremena raste i postotak neispravnih proizvoda.
Ova linija trenda predstavlja a koeficijent korelacije 0,91.
2. Primjer dijagrama raspršenosti
U ovom slučaju, želimo znati postoji li odnos između težine i visine 18 nasumično odabranih ljudi u određenom lokalitetu, treba napomenuti da što je više podataka prikupljeno, uzorak je reprezentativniji uvjeta ukupnog stanovništva; Pogledajmo podatke:
Pogledajmo prikaz na dijagramu raspršenosti:
Kao što se vidi na dijagramu, postoji srednja pozitivna korelacija, jer visina, iako utječe na težinu, nije jako visoka, čiji koeficijent korelacije iznosi 0,59.
Za izradu dijagrama kao alat možemo koristiti Microsoft Office Excel, samo idemo na alatnu traku programa Excel i umetnemo dijagram raspršenja i dodamo mu potrebne podatke.
