各种图图表的作用和用法

1、1上海华普汽车图表的作用和用法2上海华普汽车一.散点图 检查两个变量之间的关系 检查有无异常值 使用不规则的依赖时间变化的数据创建时间序列图数据说明一家健康评估公司的研究小组正在寻找一种预测一个人的身体脂肪百分比的方法。直接进行健康测量很困难也很昂贵。该小组希望在他们的模型中包括一个易于测量的预测变量，并且他们正在考虑使用“体重指数 (BMI)”。解释：BMI 和脂肪数据的散点图显示了两个变量之间的强度很大的正线性关系。体重指数 (BMI) 可能是身体脂肪百分比的一个好的预测变量。3上海华普汽车使用散点图评估两个变量之间的关系的方向、强度和线性： 同时趋向于上升的数据值指示正相关性。 如果随着

2、一个数据值的降低而另一个数据值升高，则指示负的相关性。 关系强度越大，所生成的数据点聚类就越紧密。 异常值将落于远离主要点组处。可以直观地确定关系是直线还是曲线。如果关系是曲线，则您可能需要包括高次项以准确地对弯曲程度建模（请参见多项式回归 ）。当依赖时间变化的数据不是按时间顺序排列，或数据采集区间不规则时，应使用散点图而不是时间序列图。4上海华普汽车典型的矩阵图包含下列元素： 散点图 的矩阵 矩阵的行和列，每一行和每一列都代表一个单独的变量 每个散点图的一个内部 x 和 y 轴尺度使用矩阵图同时评估多个变量对之间的关系。这一概要可帮助您决定要将哪些变量包括在模型中，以及如何对这些变量建模。查

3、看散点图的阵列，确定哪些变量显示为相互关联。如果一个预测变量与响应变量不相关，您可能希望从模型中排除该预测变量。如果关系是曲线，则您可能需要包括高次项以准确地对弯曲进行建模矩阵图矩阵图解释：BMI 和脂肪数据的散点图显示了两个变量之间的强度很大的正线性关系。此外，数据点形成了一条紧密的直线，说明简单线性模型与数据拟合良好。“体重指数 (BMI)”可能是应包括在模型中的一个很好的变量。另一方面，由加速度计测量的活动没有显示出与身体脂肪百分比的相互关联性。您可能决定从模型中排除“活动”。5上海华普汽车边际图边际图使用边际图可以： 图解两个变量之间的关系 评估两个变量的分布 检查有无异常值 边际图是

4、在 x 和 y 轴的边际中带有直方图、箱线图或点图的散点图。通过将散点图与这些其他图形之一合并，边际图可以提供比单个图形所能提供更多的信息。散点图突出显示两个变量之间的关系，而边际中的图形突出显示每个变量的分布。数据说明：由于目标客户在身高和体重方面的变化，一家服装制造商正在考虑更改对服装尺寸的测量方法以及每种尺寸生产的比例。作为其初步研究的一部分，他们测量了 79 名十岁以下女孩（重要客户群）的身高（米）和体重（千克）。典型的边际图包含下列元素： 一个散点图 在 x 和 y 轴边际中的直方图、箱线图或点图通过将散点图与这些其他图形之一合并，边际图可以提供比单个图形更多的信息。观察散点图以检查

5、两个变量之间关系的方向、强度和线性。边际中的图形突出显示每个变量的分布在身高和体重数据中，散点图显示两个变量之间有略微弯曲的正关系。身高直方图显示此分布以 1.5 米为中心并且对称。体重直方图显示此分布的众数在大约 45 千克处，并且正向偏斜。6上海华普汽车直方图直方图使用直方图可以： 突出显示数据的中心趋势 强调数据的变异性 确定样本分布是对称的还是偏斜的 直方图可帮助您直观地表示样本数据的分布。Minitab 使用竖条图示观测值落入每个箱体（区间）的频率。一家薯片制造商正在研究薯片破碎的问题。作为初始调查的一部分，该制造商随机选取了 100 袋薯条，并计算了每一袋中折断薯条的数量。典型的直

6、方图包含下列元素： 针对变量的观测值将 x 轴分成多个箱体（区间） y 轴表示观测值落入每个箱体的频率 竖条表示频率 叠加的拟合分布 （可选）使用直方图直观地表示样本数据的分布。观察分布的中心趋势 、变异 和整体形状。在分析前或分析过程中可以创建直方图，以帮助确认假设并指导进一步的分析。为绘制直方图，Minitab 将样本值分成多个区间（称作箱体）。条形表示落入每个箱体的观测值的数量（箱体的频率）。由于每个条形表示许多观测值，因此直方图在有大量数据时最有用。您可以编辑箱体的数量和每个箱体所覆盖的区间。更改这些设置可以改变直方图的外观以及从中得出的结论。7上海华普汽车此直方图显示分布以每袋 9

7、到 10 片破碎的薯片为中心，并且其形状是对称的。值的范围是每袋有 4 到 14 片破碎的薯片。此外，比较直方图与拟合的正态分布 后说明其拟合良好，这说明这些数据满足需要其的检验的正态性假设。正态性检验将更严格地检验此假设。8上海华普汽车点图点图典型的点图包含下列元素： 针对变量的观测值将 x 轴分成多个箱体（区间） 表示观测值落入每个箱体的频率的点高度 同一图形上垂直堆叠的多个类别（可选）点图帮助您直观地表示样本数据的形状和展开，且在比较分布时尤其有用： 观察最高的点群以确定最常观测的值所处的位置。 数据是否从众数 开始对称地递减直至消失，数据是否偏斜 ？ 计算尖峰的数量。多个尖峰可能表示数据来自多个总体。 通过观察最小箱体和最大箱体之间的距离确定数据的变异性 。 异常值 落于远离主要点群处。可以在分析之前或结合分析一起创建点图，以帮助确认假设并指导进一步的分析。为绘制点图，Minitab 在 x 轴上将样本值分为许多区间（称作箱体）。落入每个箱体的数据值由点表示。如果可能，Minitab 对每个观测值都显示一个点。否则，一个点将表示多个观测值，并带有脚注以指示每个点所表示的最大观测值数量。钙质训练数据的点图显示两组的分布似乎不同： 对照组以平均每日摄入钙质