散点图是七种基本质量工具之一，但许多专业人员发现它是一个困难的概念。
其他图表使用行或栏来显示数据，而散点图使用点。这可能是令人困惑的，但它通常更容易理解线条和酒吧。
在这个博文章中，我将解释散点图。
散点图
散点图，散点图和相关图是散点图的其他名称。
我们用两个变量绘制这个图表。第一个变量是独立的，第二变量取决于第一变量。
该图用于在这两个变量之间找到相关性，它们是如何相关的。在确定相关后，您可以基于独立变量的度量来预测从属变量的行为。
当一个变量是可测量的，另一个变量不是，散点图很有用。
根据PMBOK指南第6版，一个散点bob手机客户端图是“一个图表，显示了两个变量之间的关系。散点图可以显示一个轴上的过程，环境或活动的任何元素之间的关系，以及另一个轴上的质量缺陷。“
例子
您正在高速公路上分析事故模式。您选择两个变量，电机速度和事故数量，并绘制图表。
一旦图表完成，您就会注意到由于车辆的速度增加，事故数量上升。这显示了两者之间的关系。
由于此图表显示了变量之间的相关性，因此许多专家称之为相关图表。
在大多数情况下，独立变量沿水平轴（X轴）绘制，并且在垂直轴（Y轴）上绘制相关变量。独立变量是控制参数，因为它会影响因变量的行为。
没有必要具有控制参数来绘制散点图。它可以有两个独立的变量。在这种情况下，您可以使用任何变量的任何轴。
我见过很多专业人士认为散点图就像一个鱼骨图因为百分比有两个参数：原因和效果。
请注意，这两种图表是不同的。鱼骨图显示了原因的效果，但它没有显示这两个之间的关系。散点图可帮助您分析两个变量之间的关系。
但是，Ishikawa图可以帮助您绘制散点图;例如，您可以找到两个变量（原因和效果），然后绘制散点图以分析它们之间的关系。
散点图类型
您可以在许多方面对散点图进行分类;我将根据相关和趋势的相关性和坡度讨论两者最受欢迎。它们涵盖了项目管理中使用的几乎所有类型的散点图。
根据相关性，您可以将散点图划分为以下类别：
- 散点图没有相关性
- 散点图，具有中等相关性
- 散点图具有强相关性
散点图没有相关性
该图也称为“具有零相关程度的散点图”。
在这里，数据点扩展是如此随机，您无法通过它们绘制一条线。
因此，您可以说这些变量没有相关性。
散点图，具有中等相关性
该图也称为“具有低相关程度的散点图”。
在这里，数据点稍微更近，您可以看到这些变量之间存在某种关系。
散点图具有强相关性
该图也称为“具有高相关性的散点图”。
在此图中，数据点彼此靠近，您可以按照其模式绘制一条线。
在这种情况下，您说这些变量密切相关。
如前所述，您可以根据数据点的斜率或趋势对散点图进行分类：
- 散点图具有强正相关性
- 散点图，弱正相关性
- 散点图具有强负相关性
- 散点图，弱负相关
- 散点图与最弱（或否）相关性
强大的正相关意味着从左到右的可见向上趋势;强的负相关意味着从左到右的可见向下趋势。弱相关意味着趋势不太清楚。从左到右的扁平线是最弱的相关性，因为它既不是积极也不是负面的。没有相关的散点图表明独立变量不会影响从属变量。
散点图具有强正相关性
该图也称为具有正倾斜的散点图。
在正倾斜中，相关性是正的，即，随着x的值增加，Y的值将增加。您可以说沿数据点绘制的直线的斜率将上升。模式类似于直线。
例如，如果天气变得越来越热，冷饮销售将上升。
散点图，弱正相关性
随着x的值增加，Y的值也会增加，但图案不会类似于直线。
散点图具有强负相关性
该图也称为具有负倾斜的散点图。
在负斜率中，相关性是负的，即，随着x的值增加，Y的值将减少。沿着数据点绘制的直线的斜率将下降。
例如，如果温度上升，冬季外套的销售将下降。
散点图，弱负相关
随着x的值增加，Y的值将减少，但图案尚不清楚。
散点图没有相关性
两个变量之间没有任何关系。它可能只是一系列没有明显趋势的点，或者它可能是一个直的平坦的点。在任何一种情况下，独立变量对第二个变量没有影响;它不依赖。
散点图的限制
以下是散点图的一些限制：
- 散点图不能为您提供相关的相应程度。
- 散点图不会显示变量之间关系的定量测量。它仅显示定量变化的定量表达。
- 此图表不会显示两个以上变量的关系。
散点图的好处
以下是散点图的一些优点：
- 它显示了两个变量之间的关系。
- 它是向您展示非线性模式的最佳方法。
- 可以确定数据流量的范围，即最大值和最小值。
- 观察和阅读很简单。
- 绘制图表很容易。
概括
散点图可用于确定两个变量之间的关系。这种关系可以在两个原因之间，或原因和效果等。它根本可以是正的，负面或没有关系。第一个变量是独立的，第二个变量取决于第一变量。要分析关系模式，请更改独立变量并监视因变量中的更改。散点图可以具有两个独立的变量。
您在项目中使用散点图吗？如果是，请在评论部分分享您的经验。
进一步阅读：什么是散点图还是
解释有用，谢谢!!
谢谢法赫德
欢迎你阿里。
散点图可以有两个独立的变量（根据上述摘要） - 这是可能的？它应该有一个独立的变量和一个依赖变量知道吗？
在某些情况下，散点图可以具有两个独立的变量。
这有助于我
我是一个地理学生和这些例子，那个局限性和福利有助于我，谢谢......
欢迎您欢迎拉胡尔。
早上好.. PLZ说在哪本书中参考。我需要紧急要求竞争考试的答案
PMP参考书和互联网搜索。
非常有用的艺术和一个非常有用的语言，可以理解。
谢谢imran的访问。
做得好。清除并简明初学者所需的一切，以了解散点图。
谢谢斯蒂芬为你的评论。
谢谢你的信息;非常清晰，精确。
谢谢Brian的评论和访问。
惊人的。谢谢Farhad。
欢迎您Khalilullah。
多谢
欢迎你是朱德德。
容易理解
谢谢拉努尔。
优秀。
有点偏离这个话题......我一直在想知道是否有许多项目经理，那些一直是钢材制造和焊接的人作为他们的基础职业？对不起。我希望这是有道理的。谢谢
谢谢你这么多帮了
欢迎你森林。
尼斯先生很棒...... amplz显示一个例子
您好Randiv，当我将更新帖子时，我会尝试使用数据添加一些图表。
什么是相关图表
它是散点图的另一个名称。
漂亮的艺术
谢谢pramod。
问候Farhad，
PM志愿者的好的和帮助主题，我也想加起来更多的行。
散射图是相关性，并且它们可以是正的或负的并且由回归线表示，并且通常在QC找到变量时使用，并且可能不会被控制和系统地在另一个变量中更改并改变。
沿水平线轴绘制独立变量，而相关变量沿垂直轴绘制。
谢谢和最好的问候
https://tiemchart.com/
感谢Almesh分享您的想法。
你可以......发布与散点图相关的一些解决的问题？
你好Humna，这次我太忙于其他活动，所以不能满足你的要求。我建议您推荐任何良好的PMP考试参考书在本文中找到问题。
非常丰富的......谢谢你这么多
欢迎你垂直。
良好的工作
谢谢joran。
为什么2个点位于其他地方？
散点图由数百个图组成，其中一些可能位于其他人的顶部。你必须看到这些模式。
散点图图表图的数值数据对，每个轴上有一个变量，要查找它们之间的关系。如果变量相关，则该点将沿线或曲线落下。相关性越好，点越紧凑地将拥抱这条线。
谢谢你对我来说很有用。
欢迎您欢迎Hermenegildo。
谢谢你是最好的吗？
谢谢Arshley为您的评论。
谢谢真的很好的解释。
请你解释“决策树”吗？
再次感谢
当然，很快我会在它上写一个博客帖子。
风险评估：如果在过时的话，如果它们仍然有效或可以关闭，您可以在此处评估当前风险。
风险审计：它涉及风险反应的有效性以及风险管理过程的有效性。
你好
请您解释风险审计与风险评估的差异如何控制风险。
谢谢
非常感谢您。所以有用
欢迎你迈克。
谢谢福哈。我一直在通过你的所有帖子，他们确实非常乐于助人。
请尽量帮助PMP与博客这样的志愿者。
再次感谢！！！
欢迎你是丽皮。
我真的很喜欢你上面制作的解释。谢谢
你是贝尔山欢迎。
我没有理解精确的差异b / w两种类型的散点图：相关性的类型趋势曲线斜率，两种类型都显示相同的东西。我的困惑扔了一些亮点。
注意点的传播。它显示了它们有多紧密相关。
非常好的文章先生
您是Pradeep。
非常好的文章和非常明确的解释。真的很欣赏努力。
谢谢raj。
asalaam-o-alaikum！
你解释每个主题的方式是奇妙的。谢谢你。
您能解释资源优化技术和影响图吗？
好的。
我已经注意到了，很快你就会在这个主题上看到一个帖子。
谢谢你的好文章。
请注意，有一个错字，它应该是“依赖的”变量绘制在垂直轴（y轴）上。
“通常沿水平轴（X轴）绘制独立变量，并且在垂直轴（Y轴）上绘制独立变量”
感谢您的评论Vijay。
错误纠正。
好文章。非常感谢。
您是宾馆毕业生。
谢谢..我真的很了解。谢谢你。
你是欢迎穆罕默德。
第一个变量是独立的，第二个变量依赖于第一变量
正确的。
非常感谢你
欢迎您欢迎Sundarishanmugam。