O gráfico de disperção é uma ferramenta estatística que organiza os dados e permite visualizar a relação entre duas variáveis quantitativas(numéricas).
A dispersão nos mostra quantos os dados estão espalhados em relação uma média por exemplo tendo como a variância e desvio padrão as medidas de dispersão mais comuns.
Auxiliar na demonstração e identificação de padrões como por exemplo correlação, clusters, outliers, relações lineares e não lineares, disperção da média entre outros.
Auxliar na análise do fenômeno durante a melhoria de processos.
Necessiade de uma ferramenta que forneça suporte visual com aparência simples e completa, que possa ser usado com variáveis dependentes ou independentes, que seja fácil de interpretar e possibilite comunicar os resultados com eficiência.
Conforme Korteling, Brouwer, and Toet (2018), o cerebro humano funciona de forma altamente associativa buscando por correlações e relações causais o tempo todo e essa característica confere ao ser humano uma capacidade inigualavel de reconhecer padrões regulares e ordenados e tendo dificuldade em lidar com aleatoriedade, imprevisibilidade e caos. Nestas situações, o gráfico de dispersão pode ser muito útil organizando e apresentados dados de uma forma que simplifica o trabalho para o cerebro humano.
Neste exemplo temos um gráfico de correlação negativa ou seja, no eixo X tenos a variável HP e quanto mais HP menor será a milhagem por galão de combustível representada no eixo Y.
library(tidyverse)
library(modeldata)
library(scales)
library(ggpubr)
mtcars |>
ggplot(aes(x = hp, y = mpg))+
geom_point()+
geom_smooth(method = "lm")+
labs(title = "Correlação negativa quanto mais HP menor as milhas por galão",
y = "Milhas por galão")
Neste exemplo temos um gráfico que mostra uma relação não linear entre a localização e o preço, onde a variável longitude que é uma das medidas de posicionamento ou localização do imóvel está representado no eixo X enquanto a variável preço, está representada no eixo Y.
ames |>
ggplot(aes(x = Longitude, y = Sale_Price))+
geom_point()+
geom_smooth(method = "loess", formula = y ~ x)+
scale_y_continuous(labels = label_number(scale_cut = cut_short_scale()))+
labs(title = "Relação não linear entre o preço do imóvel e a longitude",
y = "Preço do imóvel")
Neste exemplo temos um gráfico que nos mostra um gap entre os períodos de 1990 até 1992.
library(tidyverse)
library(ggpubr)
data_crime <-
read.csv("https://raw.githubusercontent.com/dspiegel29/ArtofStatistics/master/00-1-age-and-year-of-deathofharold-shipmans-victims/00-1-shipman-confirmed-victims-x.csv") %>%
janitor::clean_names()
#plot3 using ggpubr
data_crime |>
ggscatterhist(x = "fractional_death_year",
y = "age",
color = "gender2",
margin.plot = "histogram",
margin.ggtheme = theme_void(),
palette = "uchicago",
xlab = "Ano",
ylab = "Idade das vítimas")
No ciclo PDCA o gráfico de dispersão é utilizado principalmente na investigação das características específicas com visão ampla e sobre diversos pontos de vista. Após esta estapa, a próxima é descobrir as causas fundamentais.
Para decisões intermediárias durante a melhoria de process dando suporte a intuições iniciais a respeito do fenômeno e servindo de guia para alocação de esforços para investigações posteriores. No exemplo apresentado em Spiegelhalter and Schlesinger (2022), o gráfico de dispersão possibilidade visualizar um gap no número de crimes com determinadas características justamente no período em que o criminoso estava fora de ação.
Apresentar, analisar e comunicar dados de forma eficiente possibilitando a identificação de padrões nos dados e investigação de fenômenos sob diversos pontos de vista.
Facilidade na leitura e interpretação dos resultados melhorando a compreensão de todos em relação ao problema ou fenômeno.
Por ser uma ferramenta comum, possibilita a reprodutibilidade e uso em praticamente todas as áreas e lugares e por todos os tipos de profissionais que buscam melhorar seus processos.