Kas yra „Scatterplot“ grafikas statistikoje?

Vienas iš statistikos tikslų yra duomenų tvarkymas ir rodymas. Daug kartų vienas iš būdų tai padaryti yra naudoti a grafikas, lentelė ar lentelė. Kai dirbate su suporuoti duomenys, naudingas grafiko tipas yra paskirstomoji dalis. Šio tipo diagramos leidžia mums lengvai ir efektyviai tyrinėti mūsų duomenis tiriant taškų išsibarstymą plokštumoje.

Verta pabrėžti, kad scatterplot yra tam tikros rūšies grafikas, kuris naudojamas suporuotiems duomenims. Tai yra duomenų rinkinio tipas, kuriame kiekvienas iš mūsų duomenų taškų yra susietas dviem skaičiais. Įprasti tokių porų pavyzdžiai:

• Matavimas prieš ir po gydymo. Tai gali būti studento pasirodymas prieš bandymą, vėliau - vėliau.
• Atitiktų porų eksperimentinis dizainas. Čia vienas asmuo yra kontrolinėje grupėje, o kitas panašus asmuo - gydymo grupėje.
• Du to paties asmens matavimai. Pavyzdžiui, galime užregistruoti 100 žmonių svorį ir ūgį.

Tuščia drobė, kurią mes pradėsime savo skiauteriui, yra Dekarto koordinačių sistema. Tai dar vadinama stačiakampio koordinačių sistema dėl to, kad kiekvienas taškas gali būti išdėstytas nubrėžus tam tikrą stačiakampį. Stačiakampę koordinačių sistemą galima nustatyti:

1. Pradedant horizontalia skaičių linija. Tai vadinama x-aksis.
2. Pridėkite vertikalią skaičių eilutę. Sankryžoje x-ašį taip, kad nulinis taškas iš abiejų linijų susikertų. Ši antroji skaičių eilutė vadinama y-aksis.
3. Taškas, kuriame susikerta mūsų skaičių linijos nuliai, vadinamas kilme.

Dabar galime nubraižyti savo duomenų taškus. Pirmasis numeris poroje yra x-koordinuoti. Tai yra horizontalus atstumas nuo y ašies, taigi ir kilmė. Mes judame į dešinę link teigiamų x o kairėje pusėje - neigiamos vertės x.

Antrasis numeris mūsų poroje yra y-koordinuoti. Tai yra vertikalus atstumas nuo x ašies. Pradedant nuo pradinio taško x-axis, judėkite aukštyn, kad būtų teigiamos y ir žemyn, jei neigiamos vertės yra y.

Tada vieta mūsų grafike yra pažymėta tašku. Šį procesą kartojame kiekvienam duomenų rinkinio taškui. Rezultatas yra taškų išsibarstymas, kuris scatterplot'ui suteikia pavadinimą.

Vienas svarbus likęs nurodymas yra būti atsargiems, kuris kintamasis yra ant kurios ašies. Jei mūsų suporuoti duomenys susideda iš paaiškinimas ir atsakymas susiejimas, tada aiškinamasis kintamasis rodomas ant x ašies. Jei abu kintamieji laikomi aiškinamaisiais, tada galime pasirinkti, kuris iš jų bus pažymėtas x ašyje, o kuris - y-aksis.

Yra keli svarbūs „scatterplot“ bruožai. Identifikuodami šiuos požymius galime sužinoti daugiau informacijos apie savo duomenų rinkinį. Šios funkcijos apima:

• Bendra tendencija tarp mūsų kintamųjų. Kaip mes skaitome iš kairės į dešinę, koks yra didelis vaizdas? Aukštyn, žemyn ar cikliškai?
• Bet kokie pokalbiai su bendra tendencija. Ar tai pašaliniai duomenys iš kitų mūsų duomenų, ar jie yra įtakingi taškai?
• Bet kokios tendencijos forma. Ar tai tiesinė, eksponentinė, logaritminė ar kažkas kita?
• Bet kokios tendencijos stiprybė. Ar tiksliai duomenys atitinka bendrą mūsų nustatytą modelį?

Scatterblotai, kurie rodo tiesinę tendenciją, gali būti analizuojami statistiniais metodaistiesinė regresija ir koreliacija. Regresija gali būti atliekama kitoms netiesinių tendencijų rūšims.