简单图表分析（1/2）

频率分布分析：

频率分布主要用直方图进行分析（连续数据，离散数据使用散点图），直方图是一种显示数据分布情况的柱形图，即不同数据出现的频率。通过这些高度不同的柱形，可以直观、快速地观察数据的分散程度和中心趋势。

直方图适用于连续数据的分析，因此对数据量有一定的要求。如果数据量很少时，可以直接使用散点图进行展示。

 

上图：数据是否正态分布

上图：数据左倾还是右倾

上图：数据是否围绕某个值紧密聚集

上图：数据是否位于设定的限制中

相关性及数据分布分析：

对于相关性及数据分布分析，我们一般使用散点图进行分析。散点图是用来判断两个变量之间的相互关系的工具，一般情况下，散点图用两组数据构成多个坐标点，通过观察坐标点的分布，判断变量间是否存在关联关系，以及相关关系的强度。如果不存在相关关系，可以使用散点图总结特征点的分布模式，即矩阵图（象限图）。

1、相关关系分析

需要注意的是，相关关系不同于因果关系，相关性表示两个变量同时变化，而因果关系是一个变量导致另一个变量变化。散点图只是一种数据的初步分析工具，能够直观的观察两组数据间可能存在什么关系，在分析的时候如果找到变量间可能存在的关系，则需要进一步确认是否存在因果关系，使用更多的统计分析工具进行分析。

进行相关关系分析时的时候，应该使用连续数据，一般在X轴（横轴）上放置自变量，Y轴（纵轴）上放置因变量，在坐标系上绘制出相应的点。散点图的形状可能表现为变量间的线性关系、指数关系或对数关系等，以线性关系为例，散点图一般会包括如下几种典型形状。

·正相关 ：自变量为X变大的时候，因变量Y随之变大。

·负相关：自变量X变大的时候，因变量Y随之变小。

·不相关：因变量Y不随自变量X的变化而变化。

 

上图：正相关

 

上图：负相关

上图：不相关

 

2、矩阵分析

矩阵分析分为二维矩阵，和多维矩阵，二维就是两个可以数据化的标尺的考量，适用于于数据比较少的连续数据，和不可连续的离散数据。一般用于查看集中程度，和筛选限定条件的数据。它也是数据表达最灵活的方式之一。

 

差异分析

差异分析也就是对比分析，就是将两个或两个以上的数据进行比较，分析它们之间的差异，从而揭示这些数据所代表的发展变化情况和规律。通过对比，可以很直观看出事物在某方面的差距，并且可以准确、量化地表示出差距的多少。

对比的分类

根据对比的对象和方式，可以将其区分为横向和纵向比较。

横向比较是指在同一时间条件下，对不同总体指标的比较，例如华南、华中、华北等的销售业绩比较。

上图：横向比较

纵向比较就是指在同一总体条件下，对不同时期指标数据的比较。例如，与上季度比较、与上年同期比较、与活动前比较、与计划比较。

 

上图：纵向比较

 

上图：堆积图横向对比

上图：对称条形图，用于两组数据的多个维度对比

 

对比分析的注意事项。

指标的口径范围、计算方法、计量单位必须一致。

对比的对象要具有可比性。

对比的指标类型必须一致。无论绝对数指标、相对数指标、平均数指标，还是其他类型的指标，在进行对比时双方必须同一，长度与宽度是无法进行比较的。

 

___________________________________________________________________

写字不易，且读且珍惜，转载请注明出处：SimonK @http://www.cnblogs.com/simonk/

更博时间：

周一到周五每天一更，时间22:00-23:40之间

周六/周日/法定节假日 不定期

欢迎订阅！

下节预报：简单图表分析之算数平均分析、趋势分析、漏斗分析

___________________________________________________________________

 

转载于:https://www.cnblogs.com/simonk/p/3778941.html