散布图 scatter plot
转自：http://www.gztaiyou.com/html/201292710143.html
什么是散布图？
散布图是用非数学的方式来辨认某现象的测量值与可能原因因素之间的关系. 这种图示方式具有快捷，易于交流, 和易于理解的特点。用来绘制散布图的数据必须是成对的(X,Y)。通常用垂直轴表示现象测量值Y ，用水平轴表示可能有关系的原因因素X。
散布图又叫相关图，它是将两个可能相关的变数资料用点画在坐标图上，用成对的资料之间是否有相关性。
散布图的分类
1、强正相关（如容量和附料重量）
2、强负相关（油的粘度与温度）
3、弱正相关（身高和体重）
4、弱负相关（温度与步伐）
5、不相关（气压与气温）
6、曲线相关
散布图的构成
散布图是由一直角坐标，其横轴表示X变量的测定值，纵轴表示Y变量的测定值，将各组X测定值与Y测定值之交点全部绘出，即成为散布图。
散布图的特色
(1)从散布图可简单容易判断X与Y两个变量间:
•是否有相关关系。
•相关关系的強弱。
•是正相关或者負相关。
•是直线相关或是曲线相关。
(2)从散布图上可简单容易判断数据是否有异常趋势或是有沒有必要作层別分析。
散布图的用途
(1)验证两个变量间的相关关系。
(2)掌握要因对特性的影响程度。
散布图的作法
1、收集X与Y两个变量足够之对应数据。
2、计算X变量测定值的平均值，计算Y变量测定值的平均值。
3、在直角横坐标X轴上划出X值的刻度(刻度在轴的内侧，数字标示在轴的外侧)，并且以最小值当起点，刻度间表示均为同等值。纵坐标Y轴上划出Y值的刻度(刻度在轴的内侧，数字标示在轴的外侧)，并且以最小值当起点，刻度间表示均为同等值。
4、X轴与Y轴之交点处不可标示0数字，并且X轴的全宽度与Y轴的全宽度最好相等。
5、将各組之数据的点绘于坐标上：
(1)如有2点重复时以⊙表示。
(2)如有3点重复时以⊙表示。
制作散布图时，应注意以下事项：
1、两组变量的对应数至少在30个以上，最好50个，100个最佳。
2、找出X、Y轴的最大值与最小值，并以X、Y的最大值及最小值建立X－Y坐标。
3、通常横坐标用来表示原因或自变量，纵坐标表示效果或因变量。
4、散布图绘制后，分析散布图应谨慎，因为散布图是用来理解一个变量与另一个变量之间可能存在的关系，这种关系需要进一步的分析，最好作进一步的调查。
散布图的看法----相关关系的判定法
1、完全相同
a.完全正相关---X变量增加时Y的变量随着增加，点子逐渐上升成一斜线 （下图所示）
b.完全负相关---X变量增加时Y的变量却减少，点子逐渐下降成一斜线 （下图所示）
2、正相关
正相关---X变量增加时，Y变量亦增加，点子有逐渐上升趋势谓之正相关 (下图所示)
3、负相关
负相关---X变量增加时，Y变量却减少，点子有逐渐下降趋势谓之负相关 (下图所示)
4、无相关
无相关---当X变量增加时，Y的变量并未随之增加，点子没有上升或下降之趋势，谓之无相关 (下图所示)
5、曲线相关
曲线相关---X变量与Y的变量之间没有直线相关关系，但知有曲线关系存在，谓之曲线相关 (下图所示)
散布图案例分析
2002年某工厂温度(X)与瞬间停机台数(Y)之调查結果如下
查检表：(X:温度;Y:停机台数)
绘制散布图：
結论:
1、(Ⅰ+Ⅲ)>(Ⅱ+Ⅳ)=(5+9)>(1+5)
可初步判断温度与停机台数有正相关系
2、即溫度升高停机台数相对增加。
散布图 scatter plot相关推荐
- Python使用matplotlib可视化散点图、使用seaborn中的lmplot函数可视化不同分组散点图的最优线性回归拟合曲线（Scatter plot with regression line)
Python使用matplotlib可视化散点图.使用seaborn中的lmplot函数可视化不同分组散点图的最优线性回归拟合曲线(Scatter plot with linear regressio ...
- R语言ggplot2可视化散点图（scatter plot）、并在可视化图像的顶部和右边添加边缘直方图（Marginal Histogram）、使用geom_smooth函数基于lm方法拟合数据点之间
R语言ggplot2可视化散点图(scatter plot).并在可视化图像的顶部和右边添加边缘直方图(Marginal Histogram).使用geom_smooth函数基于lm方法拟合数据点之间 ...
- Python使用matplotlib可视化散点图、可视化两个数值变量之间的关系（Scatter plot）
Python使用matplotlib可视化散点图.可视化两个数值变量之间的关系(Scatter plot) 目录 Python使用matplotlib可视化散点图.可视化两个数值变量之间的关系(Sca
- Seaborn使用lmplot函数可视化散点图并添加回归曲线、移除默认的回归曲线置信区间（Scatter plot with regression line、Remove CI band）
Seaborn使用lmplot函数可视化散点图并添加回归曲线.移除默认的回归曲线置信区间(Scatter plot with regression line.Remove CI band) 目录
- R语言可视化散点图（scatter plot）图、为图中的部分数据点添加标签、ggrepel包来帮忙
R语言可视化散点图(scatter plot)图.为图中的部分数据点添加标签.ggrepel包来帮忙 目录
- R语言可视化散点图（scatter plot）、并在散点图中叠加回归曲线、叠加lowess拟合曲线(linear and lowess fit lines)、使用plot、line、abline函数
R语言可视化散点图(scatter plot).并在散点图中叠加回归曲线.叠加lowess拟合曲线(linear and lowess fit lines).使用plot函数.line函数和ablin ...
- R语言使用car包的scatter3d函数可视化可以交互旋转的3D散点图(Spinning 3D scatter plot by the scatter3d() function of car)
R语言使用car包的scatter3d函数可视化可以交互旋转的3D散点图(Spinning 3D scatter plot produced by the scatter3d() function i ...
- Seaborn使用regplot函数可视化散点图并添加回归曲线以及回归线对应的置信区间（Scatter plot with regression line）
Seaborn使用regplot函数可视化散点图并添加回归曲线以及回归线对应的置信区间(Scatter plot with regression line) 目录
- R语言ggplot2可视化使用ggplotly(plotly version of R)可视化散点图（scatter plot）
R语言ggplot2可视化使用ggplotly(plotly version of R)可视化散点图(scatter plot) 目录 R语言ggplot2可视化使用ggplotly(plotly v ...
最新文章
- 三星6.0系统手机最简单激活XPOSED框架的教程
- ubuntun_11.04安装
- html dvi如何设置置顶不能空白位置,[html]关于html标签的一些总结
- 低能量社交时代，我们都成了小心翼翼的「舔狗」
- 解决tensorflow在训练的时候权重是nan问题
- python观察日志(part23)--更改图片尺寸并保存
- android textview动态设置,android – 如何动态设置文本到TextView？
- Vue 2.0 入门系列（15）学习 Vue.js 需要掌握的 es6 (2)
- 201521123057 《Java程序设计》第12周学习总结
- c语言中创建一个整数数组_VBA中动态数组的创建及利用方法
- 0224 2101循环笔记
- CTF之文件包含的猥琐思路
- 实战VEEAM BR 10针对物理AD服务器备份与APP感知还原
- php调用shell的方法
- 代码有多干净和直观?
- java中文件下载的思路（参考：孤傲苍狼）
- UE5 IK重定向并修改人物姿势
- python发微博头条文章_Python脚本实现自动发带图的微博
- android遥控器管理,Android 遥控器适配
- STM32——时钟系统RCC详细介绍