基本解释

 定义

　　散布图是用来表示一组成对的数据之间是否有相关性的一种图表。这种成对的数据或许是[特性—要因]、[特性—特性]、[要因—要因]的关系。

　　散布图(scatter diagram)

　　目的: 为辨认一个品质特征和一个可能原因因素之间的联系

　　散布图: 散布图是用非数学(既图示)的方式来辨认某现象的测量值与可能原因因素之间的关系. 这种图示方式具有快捷, 易于交流, 和易于理解的特点. 下面图1是一种常见的散布图. 用来绘制散布图的数据必须是成对的(X,Y). 通常用垂直轴表示现象测量值Y , 用水平轴表示可能有关系的原因因素X. 推荐两轴的交点采用两个数据集(现象测量值集, 原因因素集)的平均值. 收集现象测量值时要排除其他可能影响该现象的因素. 例如, 测量机器制产品的表面品质时,也要考虑到其它可能影响表面品质的因素, 如进给速度, 刀具状态等。

　　散布图又叫相关图，它是将两个可能相关的变数资料用点画在座标图上，用成对的资料之间是否有相关性。这种成对的资料或许是特性一原因，特性一特性一原因的关系。通过对其观察分析，来判断两个变数之间的相关关系。这种生产中也是常见的，例如热处理时淬火温度与工件硬度之间的关系，某种元素在材料中的含量与材料强度的关系等。这种关系虽然存在，但又难以用精确的公式或函示，在这种情况下用相关图来分析就是很方便的。假定有一对变数x 和y,x影响因素，y 表示某一质量特徵值，通过实验或收集到的x 和y 的资料，上用点表示出来，根据点的分布特点，就可以判断x和y 的相关情况。在我们的生活及工作中，许多现象和原因，有些呈规则的关连，有些呈不规则连。我们要了解它，就可借助散布图统计手法来判断它们之间的相关关系。

详细解释

 　　一、定义

　　散布图是用来表示一组成对的数据之间是否有相关性的一种图表。这种成对的数据或许是[特性—要因]、[特性—特性]、[要因—要因]的关系。

　　散布图(scatter diagram)

　　目的: 为辨认一个品质特征和一个可能原因因素之间的联系

　　散布图: 散布图是用非数学(既图示)的方式来辨认某现象的测量值与可能原因因素之间的关系. 这种图示方式具有快捷, 易于交流, 和易于理解的特点. 下面图1是一种常见的散布图. 用来绘制散布图的数据必须是成对的(X,Y). 通常用垂直轴表示现象测量值Y , 用水平轴表示可能有关系的原因因素X. 推荐两轴的交点采用两个数据集(现象测量值集, 原因因素集)的平均值. 收集现象测量值时要排除其他可能影响该现象的因素. 例如, 测量机器制产品的表面品质时,也要考虑到其它可能影响表面品质的因素, 如进给速度, 刀具状态等。

　　散布图又叫相关图，它是将两个可能相关的变数资料用点画在座标图上，用成对的资料之间是否有相关性。这种成对的资料或许是特性一原因，特性一特性一原因的关系。通过对其观察分析，来判断两个变数之间的相关关系。这种生产中也是常见的，例如热处理时淬火温度与工件硬度之间的关系，某种元素在材料中的含量与材料强度的关系等。这种关系虽然存在，但又难以用精确的公式或函示，在这种情况下用相关图来分析就是很方便的。假定有一对变数x 和y,x影响因素，y 表示某一质量特徵值，通过实验或收集到的x 和y 的资料，上用点表示出来，根据点的分布特点，就可以判断x和y 的相关情况。在我们的生活及工作中，许多现象和原因，有些呈规则的关连，有些呈不规则连。我们要了解它，就可借助散布图统计手法来判断它们之间的相关关系。

　　二、散布图的分类

　　1.正相关(如容量和附料重量)

　　2.负相关(油的粘度与温度)

　　3.不相关(气压与气温)

　　4.弱正相关(身高和体重)

　　5.弱负相关(温度与步伐)

　　三、散布图的绘制程序

　　1.收集资料(至少三十组以上)

　　2.找出数据中的最大值与最小值;

　　3.准备座标纸，画出纵轴、横轴的刻度，计算组距。通常用纵轴代表结果，横轴代表原因。组距的计算以数据中的最大值减最小值再除以所需设定的组数求得。是否一定需分组?

　　4.将各组对应数标示在座标上;

　　5.填上资料的收集地点、时间、测定方法、制作者等项目。

　　四、散布图的应用

　　当不知道两个因素之间的关系或两个因素之间关系在认识上比较模糊而需要对这两个因素之间的关系进行调查和确认时，可以通过散布图来确认二者之间的关系。实际上是一种实验的方法。

　　需要强调的是，在使用散布图调查两个因素之间的关系时，应尽可能固定对这两个因素有影响的其他因素，才能使通过散布图得到的结果比较准确。