2.10
考虑有关房屋价格及其相应地面面积的定量数据。这种具有两个变量的定量数据称为双变量数据。
充当原因的变量称为自变量,而显示响应的另一个变量称为因变量。
可以使用散点图来可视化一个变量对另一个变量的这种依赖性。在这里,自变量 (地面面积) 沿 X 轴表示,因变量 (房屋价格) 沿 Y 轴表示。
标记与地面区域对应的价格。然后,绘制最佳拟合线,使这条线的上方和下方的点数几乎相等。这些点共同构成了标识两个变量之间相关性的模式。
请注意,地面面积的增加会导致房屋价格的上涨。这种增长趋势表示正相关。
相反,如果观察到下降趋势,则表明负相关。没有趋势意味着没有相关性。
如果要显示两个变量 x 和 y 之间关系,其中最常见、最简单的方法就是散点图。散点图能够用来表示变量之间发生变化的趋势。当出现以下任一情况时,就会出现明确的方向:
我们可以通过观察散点图中的每个点与直线、幂函数、指数函数或某种其他类型函数的接近程度来确定其关系的强度。对于线性关系来说,其中有一种特殊情况。假设有一个所有点都落在同一条水平线上的散点图,并使其“完美贴合”。事实上,这条水平线并没有表现出任何关系。
在观察散点图时,必须注意整体模式和其中的任何偏差(如有)。
考虑有关房屋价格及其相应地面面积的定量数据。这种具有两个变量的定量数据称为双变量数据。
充当原因的变量称为自变量,而显示响应的另一个变量称为因变量。
可以使用散点图来可视化一个变量对另一个变量的这种依赖性。在这里,自变量 (地面面积) 沿 X 轴表示,因变量 (房屋价格) 沿 Y 轴表示。
标记与地面区域对应的价格。然后,绘制最佳拟合线,使这条线的上方和下方的点数几乎相等。这些点共同构成了标识两个变量之间相关性的模式。
请注意,地面面积的增加会导致房屋价格的上涨。这种增长趋势表示正相关。
相反,如果观察到下降趋势,则表明负相关。没有趋势意味着没有相关性。
From Chapter 2:
Now Playing
总结和可视化数据
8.9K Views
总结和可视化数据
9.8K Views
总结和可视化数据
20.8K Views
总结和可视化数据
10.3K Views
总结和可视化数据
10.1K Views
总结和可视化数据
65.0K Views
总结和可视化数据
6.9K Views
总结和可视化数据
5.3K Views
总结和可视化数据
14.0K Views
总结和可视化数据
4.9K Views
总结和可视化数据
4.0K Views
总结和可视化数据
17.7K Views
总结和可视化数据
6.6K Views
总结和可视化数据
6.1K Views
总结和可视化数据
13.3K Views