كيفية تفسير مؤامرة مبعثر

مؤلف: Lewis Jackson
تاريخ الخلق: 9 قد 2021
تاريخ التحديث: 1 ديسمبر 2024
Anonim
Seaborn pairplot | How to make a pairplot in Python and the Seaborn pairplot interpretation
فيديو: Seaborn pairplot | How to make a pairplot in Python and the Seaborn pairplot interpretation

المحتوى

مؤامرة التشتت هي أداة تشخيصية مهمة في ترسانة الإحصائي ، تم الحصول عليها من خلال بناء الرسم البياني ثنائي المتغير وصياغة فرضية وظيفية حول علاقتها. لهذا السبب ، يتم تصميمها عادة قبل إجراء تحليل الانحدار. يقوم الإحصائي بعد ذلك باختبار الفرضية باستخدام تحليل الانحدار وتحديد العلامة الدقيقة وحجم العلاقة. بالإضافة إلى ذلك ، يساعد الرسم البياني الانحدار في تحديد البيانات المتعارضة - وهي قيم بعيدة بشكل غير طبيعي عن معظم بيانات العينة. يساعد التخلص من البيانات المتعارضة في تحسين نموذج الانحدار.


الاتجاهات

مؤامرة مبعثر يظهر العلاقة بين اثنين من المتغيرات (NA / AbleStock.com / غيتي إيماجز)
  1. ابحث عن علاقة سلبية بين المتغيرين في مخطط الانتثار. إذا كانت القيم المنخفضة للمتغير الأول تتوافق مع القيم العالية للمتغير الثاني ، فهناك علاقة سلبية. في هذه الحالة ، سيكون للخط المرسوم عبر البيانات ميل سالب.

  2. فحص المخطط للحصول على علاقة إيجابية بين المتغيرات. إذا كانت القيم المنخفضة للمتغير الأول تتوافق مع القيم المنخفضة للمتغير الثاني ، وكانت القيم العالية للمتغير الأول تتوافق بشكل مماثل مع القيم العالية للمتغير الثاني ، فإن المتغيرات لها علاقة إيجابية. في هذه الحالة ، سيكون للخط المرسوم عبر البيانات ميل إيجابي.

  3. فحص مؤامرة مبعثر لتحديد ما إذا كان هناك أي علاقة بين المتغيرات. إذا تم توزيع البيانات في الرسم البياني بشكل عشوائي ، مع عدم وجود علاقة واضحة بين المتغيرات ، فلن يكون لها أي ارتباط ، أو علاقة صغيرة وغير ذات دلالة إحصائية. في هذه الحالة ، يكون الخط المرسوم عبر البيانات أفقيًا ، مع ميل يساوي الصفر.


  4. قم بإنشاء خط انحدار خلال البيانات ، وفحص شكله ، وتقييم طبيعة العلاقة بين المتغيرين. يتم تفسير الخط المستقيم بعلاقة خطية ، ويشير الشكل المنحني إلى علاقة من الدرجة الثانية ، ويتم تفسير الخط الذي يبدأ بشكل مسطح نسبيًا قبل الارتفاع أو السقوط فجأة على أنه علاقة أسية.

  5. ابحث عن بيانات متباينة في المخطط. القيم البعيدة بشكل غير طبيعي عن مجموعة البيانات. الاختلافات تباعد العلاقة بين المتغيرات. قم بإزالتها ، ولكن فقط إذا كان وجودها لا يؤثر على تحليل العلاقة بين المتغيرين.