散点图是其中之一七个基本的质量工具许多专业人士挣扎着。许多专业人士挣扎着。
其他图表使用行或栏来显示数据;散点图使用点。这可能是令人困惑的,但它通常更容易理解。
在这篇博文中,我将解释散点图。
散点图
散点图也称为散点图、散点图或相关图。
我们用两个变量绘制一个散点图。第一变量是独立的,第二变量取决于第一变量。
散点图是研究这些变量之间相关性的最简单的方法。在确定它们之间的关系之后,就可以根据自变量来预测因变量的行为。
当一个变量可测量时,散点图很有用,而另一个变量不是。
根据PMBOK指南,散点图是“显示bob手机客户端两个变量之间关系的图形。散点图可以在一个轴上的过程,环境或活动的任何元素之间显示关系,以及另一个轴上的质量缺陷。“
散点图示例
你在分析高速公路上的事故模式。你选择两个变量,电机速度和事故数量,并绘制图表。
一旦完成,您就会注意到,随着车辆的速度增加,事故数量上升。这显示了两者之间的相关性。
在大多数情况下,自变量沿水平方向(x轴)绘制,因变量沿垂直方向(y轴)绘制。自变量是控制参数,因为它影响因变量的行为。
不需要有控制参数来绘制散点图。也可以有两个独立变量。在这种情况下,您可以为任何变量使用任何轴。
我知道很多专业人士认为散点图就像钓鱼骨图因为胖的有两个参数:因果关系。
请注意,这两个图表是不同的。鱼骨图向您展示了一个原因的结果,但没有显示关系。散点图可以帮助你分析这两个变量之间的相关性。
然而,鱼骨图或石川图可以帮助你绘制散点图;例如,您可以找到两个变量(原因和结果),然后使用散点图来分析它们的关系。
散点图的类型
您可以用许多方法对散点图进行分类;我将根据相关性和趋势斜率讨论两种最流行的方法。这些是项目管理中最常见的。
根据相关性,可以将散点图划分为以下类别:
- 无相关性散点图
- 散点图具有中等相关性
- 强相关散点图
无相关性散点图
这个图也被称为“零关联度散点图”。
在这里,数据点的分布是如此随机,以至于你无法通过它们画一条线。
因此,你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”。
这里,数据点更接近一些你可以看到,这些变量之间存在某种关系。
强相关散点图
这个图也被称为“高度相关的散点图”。
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,你说这些变量是紧密相关的。
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,负相关弱
- 散点图,最弱(或否)相关性
强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。具有不相关的散点图显示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。
在正斜度中,相关性是正的,即随着X值的增加,Y值也会增加。你可以说沿着数据点画的直线的斜率是上升的。图案像一条直线。
例如,如果天气变热,冷饮的销量就会上升。
散点图,弱正相关性
当X的值增加时,Y的值也增加,但模式不像一条直线。
散点图具有强负相关性
这个图也被称为负倾斜散点图。
在负斜中,相关性是负的,即随着X值的增加,Y值会减少。沿着数据点画的直线的斜率是下降的。
例如,如果气温上升,冬衣的销量就会下降。
散点图,负相关弱
随着x的值增加,Y的值将减少,但图案尚不清楚。
无相关性散点图
这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,也可能是一排直线平坦的点。在这两种情况下,自变量对第二个变量没有影响;它不是依赖的。
散点图的限制
- 散点图不能为您提供相关的相关程度。
- 散点图不会显示变量之间关系的定量测量。它只显示了定量变化的定量表达。
- 这个图表并没有显示两个以上变量之间的关系。
散点图的好处
- 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。
- 可以确定数据流程,如最大值和最小值。
- 模式很容易观察。
- 绘制图表很简单。
概括
散点图可用于确定两个变量之间的关系。这种关系可以是两种原因,或原因和效果。它可以是正,阴性的,或根本没有相关性。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,可以更改独立变量并监视依赖于依赖的变量。散点图可以具有两个独立的变量。
散点图是PMP考试观点的重要概念。请理解它。
您在项目中使用散点图吗?如果是,请在评论区分享你的经验。
我们的教授要求使用散点图来看看这些关系,例如总开发成本和年产量,但数据将绘图只有一个,所以我们如何看待关系。我希望你能帮助我们。
这个解释很有帮助,谢谢!
谢谢法赫德
不客气,阿里。
散点图可以有两个独立变量(如上所述)——这是怎么可能的?它应该有一个自变量和一个因变量?
在某些情况下,散点图可以有两个独立变量。
这有助于我很多
我是一名地理专业的学生,这些例子,这些限制和好处帮助了我很多,谢谢……
欢迎你,拉胡尔。
早上好. .请告诉我你是在哪本书里引用的。我急需为竞争激烈的考试索取答案
PMP参考书和互联网搜索。
非常有用的艺术和在一个非常esay语言中,可以理解。
谢谢imran的访问。
做得很好。清晰、简洁地描述了初学者理解散点图所需要的一切。
谢谢斯蒂芬为你的评论。
谢谢你的信息;非常明确和精确。
谢谢Brian的评论和访问。
惊人的。谢谢Farhad。
欢迎你,哈利卢拉。
多谢
你是朱德德欢迎。
容易理解
谢谢拉努尔。
优秀。
有点跑题了……我一直在想,对于那些以钢制造和焊接为职业基础的人来说,作为项目经理是否有很多机会?对不起。我希望这是有意义的。谢谢
谢谢你帮了我很大的忙
欢迎你森林。
很好,先生,太棒了....请用数据举例说明
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字。
不错的文章
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。
散点图是一种相关关系,它们可以是正的或负的,用回归线表示,通常用于QC发现的变量,可能是不受控制的和系统的,并在另一个变量中变化。
自变量沿水平线轴绘制而因变量沿垂直轴绘制。
谢谢和最好的问候
https://tiemchart.com/
感谢Almesh分享您的想法。
你能不能在......上发布一些关于散点图的问题?
Humna你好,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。
非常有用的…非常感谢
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?
一个散点图由数百个图组成,其中一些图可能在其他图的顶部。你必须了解其中的规律。
散点图是一组数字数据,每个轴上有一个变量,以寻找它们之间的关系。如果变量是相关的,这些点将沿着一条直线或曲线落下来。相关性越好,这些点就会紧挨着这条线。
谢谢你,这对我很有用。
欢迎您是Hermenegildo。
谢谢你是最好的?
感谢Arshley的评论。
谢谢你的解释。
你能解释一下“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,您可以评估当前风险。
风险审计:它处理风险应对的有效性以及风险管理过程的有效性。
嗨
请您解释一下风险审计和风险评估在控制风险方面的区别。
谢谢你!
非常感谢您。所以有用
欢迎你迈克。
谢谢Fahad。我一直在完成所有帖子,他们确实非常乐于助人。
请继续使用博客这样的PMP志愿者。
再次感谢! !
欢迎您丽皮。
我真的很喜欢你上面的解释。谢谢你!
欢迎您毕业山。
我没有理解精确的差异b / w两种散点图:相关性趋势的曲线斜率,两种类型都显示相同的东西。我的混乱扔了一些亮点。
注意点的分布。这表明了它们是多么的密切相关。
非常好的文章先生
你是帕德佩的欢迎。
非常好的文章和非常清晰的解释。非常感谢你的努力。
谢谢拉吉。
asalaam-o-alaikum!
你解释每个主题的方式是奇妙的。谢谢你。
请解释一下资源优化技术和影响图。
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,应该是“依赖”变量在垂直轴(y轴)上绘制。
自变量通常在横轴(x轴)上,在纵轴(y轴)上。
感谢您的评论Vijay。
错误纠正。
篇好文章。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,第二个变量是依赖于第一个变量的
正确的。
非常感谢。超级
欢迎你。