Diagramma di dispersione, a nuvola di punti

anche "a bolle"


INDICE ANALITICO GENERALE

tutte le voci del sito

Vedi anche:

Diagrammi

Osservazione quali quantitativa

Determinanti: il concetto di causalità

Analisi mono, bi e multivariata

Diagramma di Ishikawa

 

 

Un diagramma di dispersione (scatter diagram, scatter plot) aiuta a studiare la relazione tra due variabili quantitative (o semi quantitative) rilevate sulle stesse unità di osservazione, per individuare la presenza di legami tra di loro. Infatti dall'analisi del diagramma a dispersione è spesso possibile avere una rappresentazione intuitiva del tipo di relazione che le lega. (analisi bi variata)

Va osservato che la presenza di correlazione tra due variabili non significa necessariamente che l’una delle due variabili sia causa dell’altra. Le due variabili potrebbero avere una concausa comune oppure il loro variare insieme potrebbe essere del tutto casuale (correlazione spuria). (vedi: I determinanti: il concetto di causalità)

Nello studio delle probabilità attraverso la statistica si dice che due variabili X e Y sono correlate quando i valori di una variabile tendono a seguire quelli dell'altra variabile con una certa regolarità. La relazione che si osserva rappresenta la capacità di una variabile di cambiare in funzione dell'altra, cioè di variare insieme (regressione, correlazione, covarianza).

Per studiare la relazione si individua la prima variabile X, logicamente antecedente, come indipendente (anche “esplicativa”, o “causa”) e, al mutare dei suoi valori, si verifica come si muove la cosiddetta varabile dipendente Y (anche “risposta” o “effetto”). Cioè si cerca di descrivere dati che cambiano insieme con l’obiettivo di valutare come si comporta una variabile al variare dell’altra:

Diagramma di dispersione

Per evidenziare il tipo di relazione si utilizza un riferimento cartesiano in cui i valori di una variabile compaiono sull’asse orizzontale (x) e quelli dell’altra variabile sull’asse verticale (y) inserendo i  relativi dati come un punto di coordinate.

E' la stessa logica utilizzata nella composizione delle osservazioni quantitative e qualitative.

https://scienzepolitiche.unical.it/bacheca/archivio/materiale/1837/covarianza%20e%20correlazione.pdf

Esempio: X reddito, Y salute:

https://www.health.state.mn.us/communities/practice/resources/phqitoolbox/scatterplot.html






Si può aggiungere una terza dimensione (asse z) utilizzando una forma tridimensionale:
https://it.m.wikibooks.org/wiki/File:Cartesian_coordinates.png

Diagramma a bolle

Nel caso si desiderasse rappresentare intuitivamente tre dimensioni (X,Y,Z), la terza può essere traformata, attraverso un artifizio grafico, in una superficie circolare proporzionale (bolla).

Esempio:

X concentrazione dei redditi (indice di Gini), Y reddito medio familiare, Z numerosità dei gruppi sociali.

https://www.istat.it/it/files//2017/05/RA2017_cap2.pdf

Approfondimenti

ASQ, WHAT IS A SCATTER DIAGRAM?

https://asq.org/quality-resources/scatter-diagram

Barbieri M., Il diagramma di dispersione, 2006

http://www.futura94.org/futura94/images/rassegnastampa/rassegnastampa/correlazione.pdf

IMP Statistical discovery, Grafico a dispersione

https://www.jmp.com/it_it/statistics-knowledge-portal/exploratory-data-analysis/scatter-plot.html

MN Departmen of health, Scatter plot

https://www.health.state.mn.us/communities/practice/resources/phqitoolbox/scatterplot.html

Università Studi Bicocca, Associazione tra due variabili quantitative

https://elearning.unimib.it/pluginfile.php/665236/mod_resource/content/1/correlazione%20e%20regressione.pdf

Tutti gli aggiornamenti del sito sulla

PAGINA FACEBOOK

“Mi piace” per avere le notifiche. Suggeriscilo ai tuoi amici





Giorgio Merlo maggio 2023