A szórásdiagram egy grafikus ábrázolás, amelyben a két változó között fennálló korrelációt a sík segítségével ismerhetjük meg. Descartes, nagyon hasznos annak a korrelációnak a meghatározására és ábrázolására, amely két vizsgálati változó adatai között létezik, mint például a ok és okozat.
A szórásdiagramok a változók ábrázolása a derékszögű síkban kvantitatív adatok felhasználásával.
Ebben a cikkben a következőket találja:
Mi az a szórásdiagram és mire jó?
A szórásdiagram a grafikus ábrázolás egyik fajtája, amelyben lehet tudni, hogy két változó között milyen összefüggés van a derékszögű síkot felhasználva ehhez a változók értékeit vagy adatait hozzárendeljük a tengelyek (X, Y) és a két változó közötti metszéspontok egy pontot jelentenek a grafikonon. lakás.
Reklámok
Ezek a pontok együtt pontfelhőként jelennek meg, amelyek a szórást ábrázolják.
Reklámok
Mire hasznos a szórásdiagram? Ez a diszperziós diagram nagyon hasznos ahhoz, hogy meghatározzuk és ábrázoljuk azt a korrelációt, amely két vizsgálati változó adatai között létezik, mint pl. az ok és okozat közötti kapcsolatok vagy az okok közötti kapcsolatok.
Ez a fajta diagram Széles körben alkalmazzák az alkalmazott statisztikában, így a közgazdaságtanban és a marketingben is, hiszen segíti a cégeket a fontos piaci adatok megértésében, bár alkalmazási területe igen változatos lehet.
Reklámok
A szórásdiagram készítésének lépései
Bár a szórásdiagram készítése egyszerű folyamat, a következő lépéseket kell figyelembe vennünk:
- Határozza meg azt a helyzetet, amelynek meghatározó tényezőit ábrázolni kívánja a diagramon.
- Gyűjtsük össze ezen tényezők adatait, az adatoknak reprezentatívnak kell lenniük arra a helyzetre, amelyben mindkét változónak ugyanannyi mintaadattal kell rendelkeznie.
- Határozzuk meg a változókat, az (Y) tengelyen a függő változót, ez jelenti azt a tényezőt, amelynek viselkedése befolyásolja a másik változó, ez a másik az (X) tengelyen ábrázolt független változó.
- Az egyes változók értékeit ábrázolja a grafikonon, és ponttal jelölje meg az (Y) tengelyen lévő adatok metszéspontját az (X) tengelyen lévőkkel.
- A grafikonon ábrázolt diszperziós adatok elemzése a korreláció meghatározásához létezik.
Lineáris korreláció a szórásdiagramok elemzésében
lineáris korrelációk szórástáblákon lehetővé teszi számunkra, hogy értelmezzük, hogy a két változó milyen intenzitással kapcsolódik egymáshoz, Ebben az értelemben a korreláció a következő lehet:
Reklámok
- pozitív korreláció: azt jelenti, hogy mindkét változó növekvő viselkedésű, ha az egyik növeli a másikat is.
-
Negatív korreláció: ebben az ábrázolásban ahogy az egyik változó növekszik, a másik csökken.
null korreláció: nincs összefüggés a két változó között.
Mindazonáltal, a korreláció ideális vagy tökéletes mivel a két változó közötti összefüggések egyformán arányos viselkedésűek, a korrelációs együttható egyenlő eggyel.
Reklámok
ha akarjuk pontosan meghatározza a korrelációs együtthatót, ban ben Excel tud add hozzá a képleteket alapértelmezett "=COEFF.DE.CORREL(…,..)" Csak be kell illeszteni a képletet, húzni az adatokat az első változóból, vesszőt tenni rá, áthúzni az adatokat a második változóból és kész.
1. Scatter Plot Példa
Ebben a példában egy vállalat szeretné tudni a kapcsolat a ledolgozott órák száma és a hibás termékek száma között, ehhez a cég a 20 hétig tanulni, az említett nyomon követés a következő adatokat eredményezte:
A szükséges adatok azonosítása után folytatjuk a grafikus ábrázolást.Ehhez meg kell határozni, hogy a tényezők közül melyik reprezentálja a függő változót és melyik a független változót.
Megállapíthatjuk, hogy a a ledolgozott órák a független változó az (X) tengelyen ábrázolva és a hibás termékek az eltartott ami mindig az (y) tengelyen tükröződik.
A grafikonon ábrázolt adatokat látjuk:
Amint a grafikonon látható, az közötti kapcsolatok az összegyűjtött adatokat elszórt kék pontok tükrözik, minden pont a ledolgozott munkaórák és a heti bemutatott hibás termékek viszonyát jelenti.
Hoz trendvonal hozzáadása a grafikonhoz ezt tudjuk meghatározni Ezen a grafikonon pozitív korreláció van, mert a munkaidő növekedésével a hibás termékek aránya is nő.
Ez a trendvonal a korrelációs együttható 0,91.
2. Scatter Plot Példa
Ebben az esetben azt szeretnénk tudni, hogy van-e a 18 véletlenszerűen kiválasztott személy súlya és magassága közötti összefüggés adott helységben meg kell jegyezni, hogy minél több adatot gyűjtenek össze, annál reprezentatívabb a minta a teljes népesség viszonyairól; Lássuk az adatokat:
Nézzük a szóródási diagram ábrázolását:
Ahogy a diagramon látható, van egy köztes pozitív korreláció, mert a magasság, bár befolyásolja a súlyt, előfordulása nem túl magas, melynek korrelációs együtthatója 0,59.
A diagram elkészítéséhez a Microsoft Office Excelt használhatjuk eszközként, csak az Excel eszköztárra lépünk, és beillesztjük a szórást, és hozzáadjuk a szükséges adatokat.
