Beispill vun enger Diskussiounsfro iwwer Scatter Diagrams oder Scatter Diagrams

Beispill vun enger Diskussiounsfro fir e Streudiagramm

E Streudiagramm, och bekannt als Streudiagramm, ass e wesentlecht Instrument an der Datenanalyse a Statistik. Et hëlleft eis d'Bezéiung tëscht zwou numeresche Variablen ze verstoen andeems Datenpunkten an enger zweedimensionaler Ebene duergestallt ginn. Dësen Artikel behandelt Beispiller an Diskussioune vu Streudiagrammer.

Wat ass e Scatterplot?

E Streudiagramm ass eng visuell Duerstellung vun der Bezéiung tëscht zwou Sätz vun numereschen Daten. All Punkt um Streudiagramm representéiert e Wäertpaar fir zwou verschidde Variabelen. Zum Beispill, wa mir d'Bezéiung tëscht Léierstonnen an Examensresultater analyséiere wëllen, kéinte Léierstonnen duerch d'X-Achs duergestallt ginn, während Examensresultater duerch d'Y-Achs.

Virdeeler vu Streudiagrammer

1. Mustere identifizéieren: Scatterplots kënnen eis hëllefen, Mustere oder Trends an Daten z'identifizéieren. Dës Mustere kënne linear, net-linear oder souguer guer kee Muster hunn.
2. Korrelatioun bestëmmen: Mat engem Streudiagramm kënne mir feststellen, ob et eng Korrelatioun tëscht zwou Variabelen gëtt. D'Korrelatioun kann positiv, negativ oder null (keng Korrelatioun) sinn.
3. Ausreißerdetektioun: Scatterplots maachen et och méi einfach, Ausreißer ze erkennen, dat sinn Datenpunkten, déi wäit vum Rescht vum Datensaz ewech sinn.

Beispillfroen an Diskussioun

Beispillfro 1: Erstelle vun engem Streudiagramm

Fro:
Mat de folgende Donnéeën iwwer d'Léierstonnen (X) an d'Examensresultater (Y) vu fënnef Studenten:

| Studenten | Léierstonnen (X) | Examensresultat (Y) |
|——-|——————|——————–|
| Eng | 2 | 70 |
| B | 3 | 75 |
| C | 1 | 65 |
| D | 4 | 80 |
| E | 5 | 85 |

Erstellt e Streudiagramm mat den uewe genannten Donnéeën.

Diskussioun:
Fir e Streudiagramm ze erstellen, kënnen déi folgend Schrëtt gemaach ginn:

1. Bestëmmt d'X- an d'Y-Achs: Wielt d'Variabel fir d'Studienstonnen fir d'X-Achs an d'Examensresultater fir d'Y-Achs.
2. Datenpunkten opstellen: All Puer (X, Y) an e Graf opstellen.

Hei ass eng Grafik vun den Donnéeën:

| X-Achs (Studienstonnen) | Y-Achs (Examensresultat) |
|————————–|—————————–|
| 2 | 70 |
| 3 | 75 |
| 1 | 65 |
| 4 | 80 |
| 5 | 85 |

Beispillfro 2: Bestëmmung vum Typ vun der Korrelatioun

Fro:
Baséierend op den Donnéeën, déi an der Beispillfro 1 opgezeechent sinn, bestëmmt d'Aart vun der Korrelatioun tëscht Léierstonnen an Examenresultater.

Diskussioun:
Fir d'Aart vun der Korrelatioun ze bestëmmen, musse mir op d'Muster oppassen, dat vun den Datenpunkten um Streudiagramm geformt gëtt.

D'Diagramm weist, datt mat der Erhéijung vun de Studiestonnen och d'Testresultater eropgoen. Dëst weist eng positiv Korrelatioun tëscht de Studiestonnen an den Testresultater. Dës Korrelatioun gëllt als positiv, well béid Variabelen sech an déiselwecht Richtung beweegen.

Beispill 3: Berechnung vum Pearson-Korrelatiounskoeffizient

Fro:
Berechent de Pearson-Korrelatiounskoeffizient aus den Donnéeën am Beispillproblem 1.

Diskussioun:
De Pearson-Korrelatiounskoeffizient (r) moosst d'Stäerkt an d'Richtung vun der linearer Bezéiung tëscht zwou Variablen. D'Formel fir r ass:

[ r = \frac{n(\sum XY) – (\sum X)(\sum Y)}{\sqrt{[n\sum X^2 – (\sum

Wou:
– \(n \) ass d'Zuel vun den Datenpairen.
– \( \sum XY \) ass d'Zomm vun de Produkter vun X an Y.
– \( \sum X \) ass d'Zomm vun alle Wäerter vun X.
– \( \sum Y \) ass d'Zomm vun alle Y-Wäerter.
– \( \sum X^2 \) ass d'Zomm vun de Quadraten vun alle Wäerter vun X.
– \( \sum Y^2 \) ass d'Zomm vun de Quadraten vun allen Y-Wäerter.

Als éischt, loosst eis déi néideg Wäerter berechnen:

[\sum X = 2 + 3 + 1 + 4 + 5 = 15 \]
[\sum Y = 70 + 75 + 65 + 80 + 85 = 375 \]
\[ \sum
\[ \sum
[\sum Y^2 = 70^2 + 75^2 + 65^2 + 80^2 + 85^2 = 4900 + 5625 + 4225 + 6400 + 7225 = 28375 \]

Dann, ersetzt an d'Formel:

[ r = \frac{5(1175) – (15)(375)}{\sqrt{[5(55) – (15)^2][5(28375) – (375)^2]}} \]
[ r = \frac{5875 – 5625}{\sqrt{[275 – 225][141875 – 140625]}} \]
[ r = \frac{250}{\sqrt{50 1250}} \]
[ r = \frac{250}{\sqrt{62500}} \]
[ r = \frac{250}{250} \]
\[r = 1 \]

Also ass de Pearson-Korrelatiounskoeffizient vun den uewe genannten Donnéeën 1, wat op eng perfekt positiv linear Bezéiung hiweist.

Beispillfro 4: Ausreißer erkennen

Fro:
Aus den Donnéeën aus Beispillfro 1, bestëmmt ob et Ausreißer am Streckdiagramm gëtt.

Diskussioun:
En Ausreißer ass en Datenpunkt, deen wäit vum Rescht vum Datesaz ewech ass. Aus den Donnéeën:

| X-Achs (Studienstonnen) | Y-Achs (Examensresultat) |
|————————–|—————————–|
| 2 | 70 |
| 3 | 75 |
| 1 | 65 |
| 4 | 80 |
| 5 | 85 |

All d'Datepunkte schéngen ze konvergéieren, an keen ënnerscheet sech signifikant vun den aneren. Dofir kënne mir schléissen, datt dësen Datesaz keng Ausreißer enthält.

Conclusioun

E Streudiagramm ass e ganz nëtzlecht visuellt Instrument an der Datenanalyse fir d'Bezéiung tëscht zwou numeresche Variablen ze bestëmmen. Duerch déi uewe genannte Beispiller kënne mir verstoen, wéi een e Streudiagramm erstellt, d'Aart vun der Korrelatioun bestëmmt, de Pearson-Korrelatiounskoeffizient berechent an Ausreißer erkennt. D'Verständnis vun dëse Konzepter ass entscheedend fir d'Daten z'analyséieren an informéiert Entscheedungen op Basis vun där Analyse ze treffen.

Sou hëllefen d'Streudiagrammer net nëmmen, d'Donnéeën méi am Detail ze verstoen, mä maachen och de Wee fir weider statistesch Analysen fräi.

E Kommentar hannerloossen