散点图是其中之一质量的七个基本工具很多专业人士都在努力。很多专业人士都在努力。
其他图表使用直线或条形图显示数据;散点图使用点。这可能会令人困惑,但通常更容易理解。
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。
我们画一个有两个变量的散点图。第一个变量是独立的,第二个变量依赖于第一个变量。
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。
当一个变量是可测量的,而另一个是不可测量的时,散点图是有用的。
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表”。散点图可以显示一个轴上的过程、环境或活动的任何元素与另一个轴上的质量缺陷之间的关系。”
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。
一旦它完成,你会注意到随着车速的增加,事故的数量也在增加。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,可以将散点图分为以下几类:
- 无相关性散点图
- 相关性适中的散点图
- 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。
相关性适中的散点图
这个图也被称为“低关联度散点图”。
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”。
在这个图中,数据点彼此很接近,您可以按照它们的模式画一条线。
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:
- 强正相关散点图
- 弱正相关散点图
- 强负相关散点图
- 弱负相关散点图
- 相关性最弱(或没有)的散点图
强正相关表示从左到右有明显上升趋势;强负相关表示从左到右有明显的下降趋势。弱相关性意味着趋势不太明显。一条从左到右的平线是最弱的相关性,因为它既不积极也不消极。没有相关性的散点图表明自变量不影响因变量。
强正相关散点图
这个图也被称为正倾斜散点图。
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。
弱正相关散点图
当X的值增加时,Y的值也增加,但模式不像一条直线。
强负相关散点图
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。
弱负相关散点图
随着X值的增加,Y值会减少,但规律不清楚。
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。
散点图的局限性
- 散点图不能给你确切的关联程度。
- 散点图没有显示变量之间关系的定量测量。它只显示了量变的量值表达。
- 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。
- 这是向您展示非线性模式的最佳方法。
- 可以确定数据流的范围,如最大值和最小值。
- 模式很容易观察。
- 绘制图表很简单。
总结
散点图在确定两个变量之间的关系时很有用。这种关系可以是两个原因,或者一个原因和一个结果之间的关系。它可以是正的,负的,或者根本没有相关性。第一个变量是独立的,第二个变量依赖于第一个变量。要分析这种关系的模式,您需要改变自变量并监控因变量的变化。散点图可以有两个独立变量。
从PMP考试的观点来看,散点图是一个重要的概念。请理解。
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。
我们的教授要求用散点图来看出关系,例如,总开发成本和年产值,但绘图的数据只有一个,所以我们如何看到关系。我希望你能帮助我们。
这个解释很有帮助,谢谢!
由于法赫德
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。
这对我帮助很大
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参考书和网络搜索。
用通俗易懂的语言写一篇有用的文章。
谢谢伊姆兰的来访。
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Stephen的评论。
感谢您提供的信息;非常清晰和精确。
感谢Brian的评论和访问。
太棒了。谢谢你Farhad。
欢迎你,哈利卢拉。
非常感谢
欢迎你,朱奈德。
容易理解的
谢谢拉胡尔。
太好了。
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
不客气,仙美。
很好,先生,太棒了....请用数据举例说明
你好,Randiv,当我将更新这篇文章时,我会尝试添加一些数据图表。
什么是相关图表
它是散点图的另一个名字。
不错的文章
谢谢帕拉。
问候Farhad,
对总理候选人来说,这个话题很好,很有帮助,我还想多说几句。
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。
谢谢和最诚挚的问候
https://tiemchart.com/
感谢Almesh分享你的想法。
你能不能在......上发布一些关于散点图的问题?
你好Humna,这次我忙于其他活动,无法满足你的要求。我建议你查阅任何好的PMP考试参考书来找到关于这篇文章的问题。
非常有用的…非常感谢
不客气,胡姆娜。
良好的工作
谢谢Joran。
为什么两个点一个在另一个上面?
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。
欢迎你,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,很快我会写一篇关于它的博客文章。
风险评估:在这里您评估当前风险是否仍然有效,或者如果过时可以关闭。
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。所以有用
不客气,迈克。
谢谢法赫德。我已经浏览了你的所有帖子,它们确实非常有帮助。
请继续用你的博客帮助像我这样的PMP有志者。
再次感谢! !
不客气,丽蒂卡。
我真的很喜欢你上面的解释。谢谢你!
欢迎你,比尔山。
我不明白两种散点图的确切区别:相关性类型和趋势斜率,因为这两种散点图显示的是同一件事。请把我的困惑解释清楚。
注意点的分布。这表明了它们是多么的密切相关。
很好的文章,先生
别客气,普拉迪普。
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 !
你解释每个话题的方式都很棒。谢谢你!
请解释一下资源优化技术和影响图。
好吧。
我已经注意到了,很快你就会看到一个关于这个主题的帖子。
谢谢你的好文章。
请注意,这里有一个拼写错误,它应该是“因变量”是绘制在垂直轴(y轴)。
自变量通常在横轴(x轴)上,在纵轴(y轴)上。
谢谢你的评论,维贾伊。
错误纠正。
篇好文章。非常感谢。
不客气,比乔伊。
谢谢你!真的,我很理解。谢谢你。
欢迎你,穆辛。
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。