{"id":615,"date":"2022-01-26T01:51:37","date_gmt":"2022-01-26T01:51:37","guid":{"rendered":"https:\/\/www.cybermedian.com\/pl\/?p=615"},"modified":"2025-02-14T14:34:14","modified_gmt":"2025-02-14T06:34:14","slug":"scatter-diagram-tutorial","status":"publish","type":"post","link":"https:\/\/www.cybermedian.com\/pl\/scatter-diagram-tutorial\/","title":{"rendered":"Samouczek wykresu rozrzutu"},"content":{"rendered":"
\n
\n
\n

Wykres rozrzutu (znany r\u00f3wnie\u017c jako wykres rozrzutu i wykres korelacji) jest narz\u0119dziem do analizy zwi\u0105zku mi\u0119dzy dwiema zmiennymi, u\u017cywanym do okre\u015blenia stopnia korelacji mi\u0119dzy dwiema zmiennymi.<\/p>\n

Jedna zmienna jest przedstawiana na osi poziomej, a druga na osi pionowej. Wz\u00f3r ich punkt\u00f3w przeci\u0119cia graficznie przedstawia wz\u00f3r relacyjny. Jest to jedno z Siedmiu Podstawowych Narz\u0119dzi Jako\u015bci.<\/p>\n

Zmienna kodowa<\/h4>\n

Je\u015bli punkt jest kodowany (kolor \/ kszta\u0142t \/ rozmiar), mo\u017cna wy\u015bwietli\u0107 dodatkow\u0105 zmienn\u0105. Dane s\u0105 wy\u015bwietlane jako zbi\u00f3r punkt\u00f3w. Dla ka\u017cdego punktu warto\u015b\u0107 jednej zmiennej okre\u015bla pozycj\u0119 na osi poziomej, a warto\u015b\u0107 drugiej zmiennej okre\u015bla pozycj\u0119 na osi pionowej.<\/p>\n

<\/figure>\n

Edytuj ten diagram<\/a><\/p>\n

Najcz\u0119\u015bciej wykresy rozrzutu s\u0105 u\u017cywane do udowadniania lub obalania przyczynowo\u015bci. Chocia\u017c wykres pokazuje zwi\u0105zek, nie dowodzi, \u017ce jedna zmienna prowadzi do drugiej. Dlatego mo\u017cemy u\u017cy\u0107 diagramu rozrzutu do zbadania teorii przyczynowo\u015bci i znalezienia przyczyny zidentyfikowanego problemu.<\/p>\n

Na przyk\u0142ad mo\u017cemy analizowa\u0107 wzory wypadk\u00f3w motocyklowych na autostradach. Wybierasz dwie zmienne: pr\u0119dko\u015b\u0107 motocykla i liczb\u0119 wypadk\u00f3w, a nast\u0119pnie rysujesz wykres. Gdy wykres jest uko\u0144czony, zauwa\u017cysz, \u017ce liczba wypadk\u00f3w wzrasta wraz ze wzrostem pr\u0119dko\u015bci pojazdu. To pokazuje, \u017ce istnieje pewien zwi\u0105zek mi\u0119dzy pr\u0119dko\u015bci\u0105 a wyst\u0119powaniem wypadk\u00f3w drogowych na autostradzie.<\/p>\n

Kiedy nale\u017cy u\u017cywa\u0107 wykres\u00f3w rozrzutu<\/h4>\n

G\u0142\u00f3wnym zastosowaniem wykres\u00f3w rozrzutu jest obserwacja i wy\u015bwietlanie zwi\u0105zku mi\u0119dzy dwiema zmiennymi numerycznymi. Chcemy zobaczy\u0107, jak dobrze mo\u017cemy przewidzie\u0107 warto\u015b\u0107 pionow\u0105, je\u015bli uzyskamy okre\u015blon\u0105 warto\u015b\u0107 poziom\u0105.<\/p>\n

Cz\u0119sto zobaczysz zmienne na osi poziomej przedstawione jako zmienne niezale\u017cne, a zmienne na osi pionowej jako zmienne zale\u017cne. Identyfikacja korelacji mi\u0119dzy zmiennymi mo\u017ce by\u0107 opisana jako pozytywna lub negatywna, silna lub s\u0142aba, liniowa lub nieliniowa.<\/p>\n

Wz\u00f3r korelacji wykresu rozrzutu<\/h4>\n

Stopie\u0144 korelacji mi\u0119dzy zmiennymi zale\u017cy od tego, jak rozproszone s\u0105 punkty na wykresie. Im wi\u0119cej punkt\u00f3w narysujesz na wykresie, tym mniej skorelowane s\u0105 zmienne. Im bli\u017cej punkty s\u0105 narysowane do prostej linii, tym wy\u017csza jest korelacja. Stopie\u0144 korelacji oznaczany jest liter\u0105 \u201eR\u201d.<\/p>\n

Poni\u017csze typy wykres\u00f3w rozrzutu przedstawione w tabeli ilustruj\u0105 stopie\u0144 korelacji mi\u0119dzy zmienn\u0105 X a zmienn\u0105 Y.<\/p>\n

<\/figure>\n

Silna dodatnia korelacja<\/strong><\/p>\n

<\/figure>\n

Edytuj ten diagram<\/a><\/p>\n

Silna ujemna korelacja<\/strong><\/p>\n

<\/figure>\n

Edytuj ten diagram<\/a><\/p>\n

S\u0142aba dodatnia korelacja<\/strong><\/p>\n

<\/figure>\n

Edytuj ten diagram<\/a><\/p>\n

Z\u0142o\u017cona korelacja<\/strong><\/p>\n

<\/figure>\n

Edytuj ten diagram<\/a><\/p>\n

Brak korelacji<\/strong><\/p>\n

<\/figure>\n

Edytuj ten diagram<\/a><\/p>\n

Przyk\u0142ad wykresu rozrzutu: D\u0142ugo\u015b\u0107 ramienia w klasie 11<\/h3>\n

Wykres rozrzutu pokazuje informacje o wzro\u015bcie i d\u0142ugo\u015bci ramienia ka\u017cdego z 8 uczni\u00f3w w klasie 11. Je\u015bli zauwa\u017cymy, \u017ce korelacja mi\u0119dzy wzrostem ucznia a d\u0142ugo\u015bci\u0105 ramienia wykazuje trend, mo\u017cemy oszacowa\u0107 d\u0142ugo\u015b\u0107 ramienia ucznia o danej warto\u015bci wzrostu i odwrotnie. Wykres powy\u017cej pokazuje, \u017ce istnieje dodatnia korelacja mi\u0119dzy d\u0142ugo\u015bci\u0105 ramienia a wzrostem.<\/p>\n

<\/figure>\n

Edytuj ten diagram<\/a><\/p>\n

Po okre\u015bleniu korelacji mi\u0119dzy zmiennymi, mo\u017cesz przewidzie\u0107 zachowanie zmiennej zale\u017cnej na podstawie pomiaru zmiennej niezale\u017cnej. Ten wykres jest bardzo przydatny, gdy jedna zmienna jest \u0142atwa do zmierzenia, a druga nie. Na przyk\u0142ad ucze\u0144 w klasie 11 ma wzrost 148 cm, mo\u017cemy oszacowa\u0107, \u017ce d\u0142ugo\u015b\u0107 ramienia tego ucznia wynosi oko\u0142o 84 cm.<\/p>\n<\/div>\n<\/div>\n<\/section>\n

\n
\n
\n<\/div>\n
\n
\n

Jak stworzy\u0107 i opublikowa\u0107 sw\u00f3j wykres rozrzutu online<\/h4>\n

U\u017cywaj\u0105c Visual Paradigm online<\/a>\u00a0edytora arkuszy kalkulacyjnych<\/a>, mo\u017cesz szybko i \u0142atwo wizualizowa\u0107 dane i statystyki. Jest bardzo \u0142atwy w u\u017cyciu i dzia\u0142a w 99,9% przypadk\u00f3w tak, jak w Microsoft Excel.<\/p>\n

<\/figure>\n

Visual Paradigm Online u\u0142atwia wprowadzanie informacji i przekszta\u0142canie ich w niesamowite diagramy rozrzutu. Mo\u017cesz tworzy\u0107 wykresy online, zaczynaj\u0105c projekt od gotowego szablonu wykresu rozrzutu. Zr\u00f3b to, dodaj\u0105c w\u0142asne dane do wykresu, dostosowuj\u0105c kolory i inne ustawienia, aby pasowa\u0142y do twojej marki lub tematu.<\/p>\n

Pi\u0119kne szablony wykres\u00f3w rozrzutu<\/h4>\n
<\/figure>\n