كيفية تفسير مؤامرة مبعثر

Posted on
مؤلف: Randy Alexander
تاريخ الخلق: 2 أبريل 2021
تاريخ التحديث: 21 أبريل 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

مؤامرة التشتت هي أداة تشخيصية مهمة في ترسانة أخصائي الإحصاء ، تم الحصول عليها عن طريق رسم بياني لمتغيرين ضد بعضهما البعض. إنه يسمح للإحصائي بمراجعة المتغيرات وتشكيل فرضية عاملة حول علاقتهما. لهذا السبب ، يتم رسمها عادة قبل إجراء تحليل الانحدار. يقوم الإحصائي لاحقًا باختبار الفرضية باستخدام تحليل الانحدار وتحديد العلامة والحجم الدقيق للعلاقة. علاوة على ذلك ، تساعد الحبكة المبعثرة في تحديد القيم المتطرفة - وهي قيم بعيدة بشكل غير طبيعي عن معظم البيانات الموجودة في العينة. يساعد التخلص من القيم المتطرفة في تحسين نموذج الانحدار.


    تحقق من وجود 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 ، يكون للسطر المرسوم عبر نقاط البيانات ميل سالب.

    دراسة مؤامرة مبعثر لعلاقة إيجابية بين المتغيرات. إذا كانت القيم المنخفضة للمتغير الأول في المخطط المبعثر تتوافق مع القيم المنخفضة للثاني ، وكانت القيم الأولى للقيمة الأولى تتوافق مع القيم العالية للثاني ، فإن المتغيرات لها علاقة إيجابية. في هذه الحالة ، يكون للسطر المرسوم عبر نقاط البيانات ميلًا إيجابيًا.

    فحص مؤامرة مبعثر لعدم وجود علاقة بين المتغيرات. إذا تم توزيع نقاط البيانات في المخطط المبعثر بشكل عشوائي دون وجود علاقة واضحة بين الاثنين ، فلن يكون هناك أي ارتباط أو علاقة صغيرة غير ذات دلالة إحصائية. في هذه الحالة ، يكون الخط المرسوم عبر نقاط البيانات أفقيًا مع ميل يساوي الصفر.

    ضع خطًا بين نقاط البيانات وفحص شكله لقياس طبيعة العلاقة بين المتغيرين. يتم تفسير الخط المستقيم على أنه علاقة خطية ، ويشير الشكل المنحني إلى علاقة من الدرجة الثانية ، ويتم تفسير الخط المستقيم نسبيًا قبل التصويب المفاجئ لأعلى أو لأسفل على أنه علاقة أسية.


    دراسة مؤامرة مبعثر عن القيم المتطرفة ، والقيم التي تقع بشكل غير طبيعي بعيدا عن مجموعة من نقاط البيانات. القيم المتطرفة تشوه العلاقة بين المتغيرات. القضاء عليهم ، ولكن فقط إذا كان غيابهم لا يؤثر على تحليل العلاقة بين المتغيرين.