Diagram punktowy to graficzna reprezentacja, w której za pomocą płaszczyzny można poznać korelację istniejącą między dwiema zmiennymi Kartezjański, ponieważ jest bardzo przydatny do określania i przedstawiania korelacji, która istnieje między danymi dwóch zmiennych badawczych, takich jak związek między przyczyna i skutek.
Wykresy rozrzutu to a reprezentacja zmiennych na płaszczyźnie kartezjańskiej z wykorzystaniem danych ilościowych.
W tym artykule znajdziesz:
Co to jest wykres rozrzutu i do czego jest przydatny?
Wykres rozrzutu to rodzaj reprezentacji graficznej, w której możliwe jest poznanie korelacji istniejącej między dwiema zmiennymi korzystając z płaszczyzny kartezjańskiej, w tym celu wartości lub dane zmiennych są przypisywane do osie (X, Y), a każde przecięcie między obiema zmiennymi reprezentuje punkt na wykresie płaski.
reklamy
Te punkty razem są wyświetlane jako chmura punktów, które reprezentują wykres rozrzutu.
reklamy
Do czego przydatny jest wykres rozrzutu? Ten diagram dyspersji jest bardzo przydatny, aby móc określić i przedstawić korelację istniejącą między danymi dwóch zmiennych badania, takich jak związki między przyczyną a skutkiem lub związki między przyczynami.
Ten typ diagramu Jest szeroko stosowany w statystyce stosowanej, jak w ekonomii, a także w marketingu, ponieważ pomaga firmom zrozumieć ważne dane rynkowe, chociaż zakres jego zastosowania może być bardzo zróżnicowany.
reklamy
Kroki tworzenia wykresu rozrzutu
Chociaż tworzenie wykresu rozrzutu jest prostym procesem, musimy wziąć pod uwagę następujące kroki:
- Zdefiniuj sytuację, której wyznaczniki chcesz przedstawić na diagramie.
- Zbierz dane tych czynników, dane muszą być reprezentatywne dla sytuacji, w której obie zmienne muszą mieć taką samą ilość danych z próby.
- Zidentyfikuj zmienne, na osi (Y) zmienną zależną, która reprezentuje czynnik, którego zachowanie ma wpływ inna zmienna, ta druga jest zmienną niezależną, która jest reprezentowana na osi (X).
- Przedstaw wartości każdej zmiennej na wykresie i zaznacz kropką przecięcie danych na osi (Y) z danymi na osi (X).
- Analiza danych dotyczących dyspersji przedstawionych na wykresie w celu ustalenia, czy istnieje korelacja.
Korelacja liniowa w analizie wykresów rozrzutu
korelacje liniowe na wykresach rozrzutu pozwalają zinterpretować intensywność, z jaką obie zmienne są ze sobą powiązane, W tym sensie korelacja może być:
reklamy
- pozytywna korelacja: oznacza, że obie zmienne zachowują się rosnąco, jeśli jedna zwiększa również drugą.
-
Ujemna korelacja: w tej reprezentacji, gdy jedna zmienna rośnie, druga maleje.
zerowa korelacja: nie ma korelacji między obiema zmiennymi.
Niemniej jednak, korelacja jest idealna lub doskonała ponieważ korelacje między obiema zmiennymi mają równie proporcjonalne zachowanie, z a współczynnik korelacji równy jeden.
reklamy
Jeśli chcemy dokładnie określić współczynnik korelacji, W Przewyższać Móc dodaj formuły domyślny „=WSPÓŁCZYNNIK.DE.KORREL(…,..)” Wystarczy wstawić formułę, przeciągnąć dane z pierwszej zmiennej, postawić na niej przecinek, przeciągnąć dane z drugiej zmiennej i gotowe.
1. Przykład wykresu punktowego
W tym przykładzie firma chce poznać zależności między liczbą przepracowanych godzin a liczbą wadliwych produktów, w tym celu firma przeprowadziła m.in uczyć się przez 20 tygodni, wspomniane działania następcze przyniosły następujące dane:
Po zidentyfikowaniu niezbędnych danych przystępujemy do przedstawienia graficznego.W tym celu konieczne jest określenie, który z czynników reprezentuje zmienną zależną, a który zmienną niezależną.
Możemy stwierdzić, że przepracowane godziny są zmienną niezależną reprezentowane na osi (X) i wadliwe produkty zależne co jest zawsze odzwierciedlone na osi (y).
Widzimy dane przedstawione na wykresie:
Jak pokazano na wykresie, relacje między zebrane dane są odzwierciedlone w postaci rozproszonych niebieskich kropek, każdy punkt reprezentuje stosunek liczby przepracowanych godzin do przedstawionych produktów wadliwych w ciągu tygodnia.
Do dodać linię trendu do wykresu możemy to określić Na tym wykresie występuje dodatnia korelacja, ponieważ wraz ze wzrostem godzin pracy wzrasta również odsetek wadliwych produktów.
Ta linia trendu reprezentuje współczynnik korelacji 0,91.
2. Przykład wykresu punktowego
W tym przypadku staramy się wiedzieć, czy istnieje związek między wagą a wzrostem 18 losowo wybranych osób w danej miejscowości należy zauważyć, że im więcej zebranych danych, tym bardziej reprezentatywna jest próba warunków ogółu ludności; Zobaczmy dane:
Spójrzmy na reprezentację na wykresie rozrzutu:
Jak widać na diagramie, istnieje pośrednia dodatnia korelacja, ponieważ wzrost, choć wpływa na wagę, to częstość jego występowania nie jest bardzo duża, a współczynnik korelacji wynosi 0,59.
Do opracowania diagramu możemy użyć jako narzędzia programu Microsoft Office Excel, wystarczy przejść do paska narzędzi programu Excel i wstawić wykres rozrzutu oraz dodać do niego niezbędne dane.
