Et spredningsdiagram er en grafisk representasjon der korrelasjonen som eksisterer mellom to variabler kan kjennes ved hjelp av planet Kartesisk, som er veldig nyttig for å bestemme og representere korrelasjonen som eksisterer mellom dataene til to studievariabler, for eksempel forholdet mellom årsak og virkning.
Scatterplots er en representasjon av variabler i det kartesiske planet ved bruk av kvantitative data.
I denne artikkelen finner du:
Hva er et scatterplot og hva er det nyttig for?
Et scatterplot er en type grafisk representasjon der det er mulig å vite korrelasjonen som eksisterer mellom to variabler ved å bruke det kartesiske planet, for dette er verdiene eller dataene til variablene tilordnet til akser (X, Y) og hvert skjæringspunkt mellom begge variablene representerer et punkt på grafen til flat.
Annonser
Disse punktene vises sammen som en sky av punkter, som representerer spredningsdiagrammet.
Annonser
Hva er et scatterplot nyttig for? Dette spredningsdiagrammet er veldig nyttig for å kunne bestemme og representere korrelasjonen som eksisterer mellom dataene til to studievariabler, som f.eks. forhold mellom årsak og virkning eller forhold mellom årsaker.
Denne typen diagram Det er mye implementert i anvendt statistikk, som i økonomi og også i markedsføring, siden det hjelper bedrifter å forstå viktige markedsdata, selv om bruksområdet kan være svært variert.
Annonser
Fremgangsmåte for å lage et scatterplot
Selv om det er en enkel prosess å lage et scatterplot, må vi ta hensyn til følgende trinn:
- Definer situasjonen hvis determinanter du vil representere i diagrammet.
- Samle inn dataene til disse faktorene, dataene må være representative for situasjonen, der begge variablene må ha samme mengde utvalgsdata.
- Identifiser variablene, på (Y)-aksen den avhengige variabelen, dette representerer faktoren hvis oppførsel er påvirket av den andre variabelen, denne andre er den uavhengige variabelen som er representert på (X)-aksen.
- Representer verdiene til hver variabel på grafen og merk med en prikk skjæringspunktet mellom dataene på (Y)-aksen og de på (X)-aksen.
- Analyse av spredningsdataene representert i grafen for å bestemme korrelasjonen eksisterer.
Lineær korrelasjon i analyse av spredningsplott
lineære korrelasjoner på scatterplotter tillate oss å tolke intensiteten som begge variablene er relatert til hverandre, I denne forstand kan en korrelasjon være:
Annonser
- positiv korrelasjon: representerer at begge variablene har en økende atferd, hvis den ene øker den andre også.
-
Negativ korrelasjon: i denne representasjonen når en variabel øker, minker den andre.
null korrelasjon: det er ingen sammenheng mellom begge variablene.
Likevel, en korrelasjon er ideell eller perfekt ettersom korrelasjonene mellom begge variablene har en like proporsjonal oppførsel, med en korrelasjonskoeffisient lik én.
Annonser
hvis vi vil bestemme korrelasjonskoeffisienten nøyaktig, i utmerke kan legg til formlene misligholde “=COEFF.DE.CORREL(…,..)” Du trenger bare å sette inn formelen, dra dataene fra den første variabelen, sette et komma på den, dra dataene fra den andre variabelen og det er det.
1. Eksempel på spredningsplott
I dette eksemplet ønsker et selskap å vite forholdet mellom antall arbeidstimer og antall defekte produkter, for dette gjennomførte selskapet en studere i 20 uker, nevnte oppfølging ga følgende data:
Når de nødvendige dataene er identifisert, går vi videre til den grafiske representasjonen.For dette er det nødvendig å identifisere hvilken av faktorene som representerer den avhengige variabelen og hvilken som representerer den uavhengige variabelen.
Vi kan identifisere at arbeidstimer er den uavhengige variabelen representert på (X)-aksen og de defekte produktene de avhengige som alltid reflekteres i (y)-aksen.
Vi ser dataene representert i grafen:
Som vist i grafen er sammenhengene mellom de innsamlede dataene reflekteres med spredte blå prikker, hvert punkt representerer forholdet mellom utførte timer og de defekte produktene som presenteres per uke.
Til legg til en trendlinje i grafen det kan vi definere I denne grafen er det en positiv korrelasjon, fordi når arbeidstiden øker, øker også prosentandelen av defekte produkter.
Denne trendlinjen representerer en korrelasjonskoeffisient på 0,91.
2. Eksempel på spredningsplott
I dette tilfellet søker vi å vite om det er en forhold mellom vekt og høyde på 18 tilfeldig utvalgte personer på en gitt lokalitet bør det bemerkes at jo mer data som samles inn, jo mer representativt er utvalget av forholdene til den totale befolkningen; La oss se dataene:
La oss se på representasjonen i scatterplotten:
Som vist i diagrammet, det er en mellomliggende positiv korrelasjon, fordi høyden, selv om den påvirker vekten, er forekomsten ikke veldig høy, hvis korrelasjonskoeffisient er 0,59.
For utarbeiding av diagrammet kan vi bruke Microsoft Office Excel som verktøy, går vi bare til Excel-verktøylinjen og setter inn spredningsplottet og legger til de nødvendige dataene til det.
