Un grafico a dispersione è uno strumento per le relazioni tra le variabili più esigenti . Si utilizza un diagramma a dispersione quando si sospetta una relazione, ma non siete sicuri di ciò che il rapporto è . Ad esempio, si potrebbe pensare che ci sia un legame tra la quantità di pioggia mensile e il numero di noci di cocco per albero. Così ci si raccolgono coppie di dati : pioggia in un luogo e numero di noci di cocco per albero. Poi il trucco è quello di interpretare le data.Things che ti serviranno

Insieme di punti dati appaiati

grafico carta o grafica del programma

Mostra Altre istruzioni

1

Plot i punti nel set di dati . Posizionare ogni punto all’intersezione della posizione della variabile indipendente sull’asse orizzontale e la posizione variabili dipendenti sull’asse verticale . Per l’esempio di cocco , precipitazioni sarebbe lungo l’asse orizzontale e il numero di noci di cocco sarebbe sull’asse verticale .

2

cercare un modello che implica una certa connessione tra le variabili . Il modello sarà evidente negli spazi del grafico che si affollano con i punti ed i luoghi che hanno pochi o nessun punto .

3

Identificare i punti periferici e rimuoverli se giustificato . Se quasi tutti i punti sono raggruppati insieme in qualche modello , con solo uno o due situata al di fuori del gruppo , potrebbe essere motivo di ignorare i punti periferici . Ad esempio , si potrebbe scoprire che una delle palme da cocco è proprio accanto a un fiume che alimenta con acqua supplementare . Si potrebbe quindi giustificare buttare quel punto fuori perché quel bosco non è tipico .

4

Esaminare il grafico di una relazione lineare . Se i punti sono strettamente stessi raggruppati da sinistra verso il basso a destra , per esempio , vi è una forte correlazione inversa tra le variabili : cioè , come variabile indipendente diventa più grande , il carico si riduce. È quindi possibile utilizzare la regressione lineare per determinare la forma esatta del rapporto .

5

Cercare un modello non lineare . Forse vi è un gruppo stretto di testa da basso a sinistra fino ad un picco nel mezzo , poi trend giù in basso a destra . Ciò indicare le variabili sono correlate , ma non con una semplice relazione lineare . Un’analisi di regressione lineare vi darà la forma matematica della relazione .

6

cercare le prove di casualità . Se non c’è motivo i dati, si può essere costretti a concludere che il rapporto si sospetta non esiste. Dovrete applicare le proprie competenze per vedere se ci potrebbero essere altri fattori che oscurano il rapporto . Ad esempio , gli alberi di cocco possono essere in crescita in diversi tipi di terreno . Forse all’interno di ogni tipo di terreno del rapporto tra precipitazioni e la produzione potrebbe essere forte .