▷ 2 სკატერის ნაკვეთის მაგალითები

სკატერის დიაგრამა არის გრაფიკული წარმოდგენა, რომელშიც ორ ცვლადს შორის არსებული კორელაცია შეიძლება ცნობილი იყოს სიბრტყის გამოყენებით. დეკარტიული, ძალიან სასარგებლოა ორი კვლევის ცვლადის მონაცემებს შორის არსებული კორელაციის დასადგენად და წარმოსაჩენად, როგორიცაა ურთიერთობა მიზეზი და ეფექტი.

Scatterplots არის ა ცვლადების წარმოდგენა დეკარტის სიბრტყეში რაოდენობრივი მონაცემების გამოყენებით.

რა არის scatterplot და რისთვის არის ის სასარგებლო?

Scatterplot არის გრაფიკული წარმოდგენის ტიპი, რომელშიც შესაძლებელია ვიცოდეთ ორ ცვლადს შორის არსებული კორელაცია დეკარტის სიბრტყის გამოყენებით, ამისათვის ცვლადების მნიშვნელობები ან მონაცემები ენიჭება ღერძები (X, Y) და თითოეული კვეთა ორივე ცვლადს შორის წარმოადგენს წერტილს გრაფიკზე ბინა.

ეს წერტილები ერთად ნაჩვენებია, როგორც წერტილების ღრუბელი, რომელიც წარმოადგენს სკატერს.

რისთვის არის გამოსადეგი scatterplot? ეს დისპერსიული დიაგრამა ძალიან სასარგებლოა იმისთვის, რომ შეძლოს დადგინდეს და წარმოადგინოს კორელაცია, რომელიც არსებობს ორი კვლევის ცვლადის მონაცემებს შორის, როგორიცაა მიზეზსა და შედეგს შორის ურთიერთობა ან მიზეზებს შორის ურთიერთობა.

ამ ტიპის დიაგრამა იგი ფართოდ გამოიყენება გამოყენებით სტატისტიკაში, როგორც ეკონომიკაში, ასევე მარკეტინგში, ვინაიდან ის ეხმარება კომპანიებს ბაზრის მნიშვნელოვანი მონაცემების გაგებაში, თუმცა მისი გამოყენების სფერო შეიძლება ძალიან მრავალფეროვანი იყოს.

ნაბიჯები სკატერსპლოტის შესაქმნელად

მიუხედავად იმისა, რომ სკატერის დამზადება მარტივი პროცესია, ჩვენ უნდა გავითვალისწინოთ შემდეგი ნაბიჯები:

1. განსაზღვრეთ სიტუაცია, რომლის განმსაზღვრელიც გსურთ გამოსახოთ დიაგრამაზე.
2. შეაგროვეთ ამ ფაქტორების მონაცემები, მონაცემები უნდა იყოს სიტუაციის წარმომადგენლობითი, რომელშიც ორივე ცვლადს უნდა ჰქონდეს ნიმუშის მონაცემების იგივე რაოდენობა.
3. ცვლადების იდენტიფიცირება, (Y) ღერძზე დამოკიდებული ცვლადი, ეს წარმოადგენს იმ ფაქტორს, რომლის ქცევაც გავლენას ახდენს სხვა ცვლადი, ეს მეორე არის დამოუკიდებელი ცვლადი, რომელიც წარმოდგენილია (X) ღერძზე.
4. წარმოადგინეთ თითოეული ცვლადის მნიშვნელობები გრაფიკზე და წერტილით მონიშნეთ (Y) ღერძზე არსებული მონაცემების გადაკვეთა (X) ღერძზე.
5. არსებობს დიაგრამაში წარმოდგენილი დისპერსიული მონაცემების ანალიზი კორელაციის დასადგენად.

წრფივი კორელაცია სკატერპლატების ანალიზში

წრფივი კორელაციები გაფანტულ ნაკვეთებზე საშუალებას გვაძლევს ინტერპრეტაცია გავუკეთოთ იმ ინტენსივობას, რომლითაც ორივე ცვლადი ერთმანეთთან არის დაკავშირებული, ამ თვალსაზრისით, კორელაცია შეიძლება იყოს:

• დადებითი კორელაცია: წარმოადგენს, რომ ორივე ცვლადს აქვს მზარდი ქცევა, თუ ერთი ზრდის მეორესაც.
• უარყოფითი კორელაცია: ამ წარმოდგენაში, როგორც ერთი ცვლადი იზრდება, მეორე მცირდება.
  ნულოვანი კორელაცია: არ არსებობს კორელაცია ორივე ცვლადს შორის.

მიუხედავად ამისა, კორელაცია იდეალურია ან სრულყოფილი რადგან ორივე ცვლადს შორის კორელაციას აქვს თანაბრად პროპორციული ქცევა, ა კორელაციის კოეფიციენტი ერთის ტოლია.

თუ გვინდა ზუსტად განსაზღვრავს კორელაციის კოეფიციენტს, in Excel შეუძლია დაამატეთ ფორმულები ნაგულისხმევი “=COEFF.DE.CORREL(…,..)” თქვენ უბრალოდ უნდა ჩასვათ ფორმულა, გადაათრიოთ მონაცემები პირველი ცვლადიდან, დაადოთ მძიმით, გადაათრიოთ მონაცემები მეორე ცვლადიდან და ეს არის ის.

1. Scatter Plot მაგალითი

ამ მაგალითში კომპანიას სურს იცოდეს ურთიერთობა სამუშაო საათების რაოდენობასა და დეფექტური პროდუქტების რაოდენობას შორის, ამისთვის კომპანიამ განახორციელა ა სწავლა 20 კვირის განმავლობაში, მითითებულმა შემდგომმა დაკვირვებამ გამოიღო შემდეგი მონაცემები:

საჭირო მონაცემების დადგენის შემდეგ გადავდივართ გრაფიკულ წარმოდგენაზე.ამისთვის საჭიროა განისაზღვროს, რომელი ფაქტორი წარმოადგენს დამოკიდებულ ცვლადს და რომელი წარმოადგენს დამოუკიდებელ ცვლადს.

ჩვენ შეგვიძლია დავადგინოთ, რომ სამუშაო საათები დამოუკიდებელი ცვლადია წარმოდგენილია (X) ღერძზე და დეფექტური პროდუქტები დამოკიდებული რომელიც ყოველთვის აისახება (y) ღერძზე.

ჩვენ ვხედავთ დიაგრამაში გამოსახულ მონაცემებს:

როგორც გრაფიკზეა ნაჩვენები, შორის ურთიერთობები შეგროვებული მონაცემები აისახება მიმოფანტული ლურჯი წერტილებით, თითოეული წერტილი წარმოადგენს სამუშაო საათებისა და კვირაში წარმოდგენილი დეფექტური პროდუქტების ურთიერთკავშირს.

რომ დაამატეთ ტენდენციის ხაზი გრაფიკს ჩვენ შეგვიძლია განვსაზღვროთ ეს ამ გრაფიკში არის დადებითი კორელაცია, რადგან სამუშაო საათების მატებასთან ერთად იზრდება დეფექტური პროდუქტების პროცენტიც.

ტენდენციის ეს ხაზი წარმოადგენს ა კორელაციის კოეფიციენტი 0,91.

2. Scatter Plot მაგალითი

ამ შემთხვევაში, ჩვენ ვცდილობთ გავიგოთ, არის თუ არა ა 18 შემთხვევით შერჩეული ადამიანის წონასა და სიმაღლეს შორის ურთიერთობა მოცემულ ადგილას, უნდა აღინიშნოს, რომ რაც უფრო მეტი მონაცემია შეგროვებული, მით უფრო წარმომადგენლობითია ნიმუში მთლიანი მოსახლეობის პირობების შესახებ; ვნახოთ მონაცემები:

მოდით შევხედოთ წარმოდგენას scatterplot-ში:

როგორც დიაგრამაზე ჩანს, არის შუალედური დადებითი კორელაცია, რადგან სიმაღლე, თუმცა ეს გავლენას ახდენს წონაზე, მისი სიხშირე არც თუ ისე მაღალია, რომლის კორელაციის კოეფიციენტი არის 0,59.

დიაგრამის შემუშავებისთვის ჩვენ შეგვიძლია გამოვიყენოთ Microsoft Office Excel როგორც ინსტრუმენტი, უბრალოდ გადავდივართ Excel-ის ხელსაწყოთა ზოლში და ჩავსვით scatterplot და ვამატებთ მას საჭირო მონაცემებს.