散点图(相关图):示例指南

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。