Κεφάλαιο 2 Οργάνωση και Γραφική Απεικόνιση Μεταβλητών.

Παρουσίαση με θέμα: "Κεφάλαιο 2 Οργάνωση και Γραφική Απεικόνιση Μεταβλητών."— Μεταγράφημα παρουσίασης:

1 Κεφάλαιο 2 Οργάνωση και Γραφική Απεικόνιση Μεταβλητών

2 Στόχοι Σε αυτό το κεφάλαιο μαθαίνετε:
Μεθόδους για την οργάνωση μεταβλητών. Μεθόδους για την γραφική απεικόνιση των μεταβλητών. Μεθόδους για την οργάνωση ή την γραφική απεικόνιση περισσοτέρων της μιας μεταβλητής ταυτόχρονα. Αρχές για κατάλληλες γραφικές απεικονίσεις.

3 Τα Κατηγορικά Δεδομένα Οργανώνονται με την Χρήση Πινάκων
DCOVA Κατηγορικά Δεδομένα Καταγραφή δεδομένων Πίνακας Συχνοτήτων Μία Κατηγορική Μεταβλητή Δύο Κατηγορικές Μεταβλητές Πίνακας Συνάφειας

4 Οργάνωση Κατηγορικών Δεδομένων: Πίνακας Συχνοτήτων
DCOVA Ένας πίνακας συχνοτήτων καταγράφει τις συχνότητες ή τα ποσοστά των στοιχείων σε ένα σύνολο κατηγοριών έτσι ώστε να μπορείτε να διακρίνετε τις διαφορές μεταξύ των κατηγοριών. Κύριοι Λόγοι που οι Νεαροί Ενήλικες Κάνουν Αγορές Διαδικτυακά Κύριος λόγος για Αγορές στο Διαδίκτυο Ποσοστό Καλύτερες Τιμές 37% Αποφυγή του πλήθους και της ταλαιπωρίας 29% Ευκολία 18% Μεγαλύτερη Ποικιλία 13% Άμεση Αποστολή 3% Πηγή: “Main Reason Young Adults Shop Online?” USA Today, December 5, 2012, p. 1A.

5 Ένας Πίνακας Συνάφειας Βοηθά στην Οργάνωση Δύο ή Περισσοτέρων Κατηγορικών Μεταβλητών
DCOVA Χρησιμοποιείται για τη μελέτη μοτίβων που μπορεί να υπάρχουν μεταξύ των απαντήσεων δύο ή περισσοτέρων κατηγορικών μεταβλητών Δημιουργεί πίνακες με διασταυρώσεις ή καταγράφει τις από κοινού απαντήσεις μιας κατηγορικής μεταβλητής Για δύο μεταβλητές οι καταγραφές της μιας μεταβλητής τοποθετούνται στις γραμμές και οι καταγραφές για την δεύτερη μεταβλητή τοποθετούνται στις στήλες

6 Πίνακας Συνάφειας - Παράδειγμα
DCOVA Παίρνετε ένα δείγμα 400 τιμολογίων. Κάθε τιμολόγιο κατηγοριοποιείται ως μικρό, μεσαίο ή μεγάλο ποσό. Κάθε τιμολόγιο εξετάζεται επίσης για να διαπιστωθεί αν υπάρχουν λάθη. Αυτά τα δεδομένα οργανώνονται στον πίνακα συνάφειας στα δεξιά. Πίνακας Συνάφειας που δείχνει την Συχνότητα των Τιμολογίων κατηγοριοποιημένα ανά μέγεθος και την παρουσία λαθών Χωρίς Λάθη Με Λάθη Σύνολο Μικρό Ποσό 170 20 190 Μεσαίο Ποσό 100 40 140 Μεγάλο 65 5 70 335 400

7 Πίνακας συνάφειας με βάση το ποσοστό του γενικού συνόλου
DCOVA Χωρίς Λάθη Με Λάθη Σύνολο Μικρό Ποσό 170 20 190 Μεσαίο 100 40 140 Μεγάλο 65 5 70 335 400 42.50% = 170 / 400 25.00% = 100 / 400 16.25% = 65 / 400 Χωρίς Λάθη Με Λάθη Σύνολο Μικρό Ποσό 42.50% 5.00% 47.50% Μεσαίο 25.00% 10.00% 35.00% Μεγάλο 16.25% 1.25% 17.50% 83.75% 100.0% Το 83.75% των τιμολογίων που συμπεριλαμβάνονται στο δείγμα δεν έχει λάθη και το 47.50% των τιμολογίων του δείγματος είναι για μικρά ποσά.

8 Πίνακας συνάφειας βάσει του ποσοστού των συνόλων της γραμμής
DCOVA Χωρίς Λάθη Με Λάθη Σύνολο Μικρό Ποσό 170 20 190 Μεσαίο 100 40 140 Μεγάλο 65 5 70 335 400 89.47% = 170 / 190 71.43% = 100 / 140 92.86% = 65 / 70 Χωρίς Λάθη Με Λάθη Σύνολο Μικρό Ποσό 89.47% 10.53% 100.0% Μεσαίο 71.43% 28.57% Μεγάλο 92.86% 7.14% 83.75% 16.25% Τα μεσαία τιμολόγια έχουν μεγαλύτερη πιθανότητα (28.57%) να έχουν λάθη από οτι τα μικρά (10.53%) ή τα μεγάλα (7.14%) τιμολόγια.

9 Πίνακας συνάφειας βάσει του ποσοστού των συνόλων της στήλης
DCOVA Χωρίς Λάθη Με Λάθη Σύνολο Μικρό Ποσό 170 20 190 Μεσαίο 100 40 140 Μεγάλο 65 5 70 335 400 50.75% = 170 / 335 30.77% = 20 / 65 Χωρίς Λάθη Με Λάθη Σύνολο Μικρό Ποσό 50.75% 30.77% 47.50% Μεσαίο 29.85% 61.54% 35.00% Μεγάλο 19.40% 7.69% 17.50% 100.0% Υπάρχει πιθανότητα 61.54% ότι τα τιμολόγια με λάθη είναι μεσαίου μεγέθους.

10 Χρήση Πινάκων Για Την Οργάνωση Αριθμητικών Δεδομένων
Χρήση Πινάκων Για Την Οργάνωση Αριθμητικών Δεδομένων DCOVA Αριθμητικά Δεδομένα Σειρά Διάταξης Αθροιστική Ποσοστιαία Κατανομή Συχνότητας

11 Οργάνωση Αριθμητικών Δεδομένων: Σειρά Διάταξης
Οργάνωση Αριθμητικών Δεδομένων: Σειρά Διάταξης DCOVA Μια σειρά διάταξης είναι μια ακολουθία δεδομένων, σε ταξινομημένη σειρά, από τη μικρότερη προς την μεγαλύτερη τιμή. Δείχνει εύρος (μικρότερη τιμή προς μεγαλύτερη τιμή) Μπορεί να βοηθήσει στην αναγνώριση των ακραίων (παρεκκλινουσών) τιμών (ασυνήθιστες παρατηρήσεις) Ηλικία των φοιτητών του Κολεγίου Πρωινοί Φοιτητές 16 17 18 19 20 21 22 25 27 32 38 42 Απογευματινοί Φοιτητές 23 28 33 41 45

12 Οργάνωση Αριθμητικών Δεδομένων: Κατανομή Συχνότητας
Οργάνωση Αριθμητικών Δεδομένων: Κατανομή Συχνότητας DCOVA Η κατανομή συχνότητας είναι ένας πίνακας συχνοτήτων στον οποίο τα δεδομένα κατατάσσονται σε αριθμητικά ταξινομημένες κλάσεις. Πρέπει να δώσετε προσοχή στην επιλογή του κατάλληλου αριθμού ομαδοποίησης κλάσεων για τον πίνακα, προσδιορίζοντας ένα κατάλληλο πλάτος μιας ομαδοποίησης κλάσεων και καθορίζοντας τα όρια κάθε ομαδοποίησης κλάσεων, για να αποφευχθεί η επικάλυψη. Ο αριθμός των κλάσεων εξαρτάται από τον αριθμό των τιμών των δεδομένων . Με μεγαλύτερο αριθμό τιμών συνήθως υπάρχουν περισσότερες κλάσεις. Γενικότερα, η κατανομή συχνότητας θα έπρεπε να έχει τουλάχιστον 5 αλλά όχι περισσότερες από 15 κλάσεις. Για να προσδιορίσετε το πλάτος διαστήματος κλάσης, διαιρείτε το εύρος (Υψηλότερη τιμή–Χαμηλότερη τιμή) των δεδομένων με τον αριθμό των επιθυμητών ομαδοποιήσεων κλάσεων.

13 Οργάνωση Αριθμητικών Δεδομένων: Παράδειγμα Κατανομής Συχνότητας
Οργάνωση Αριθμητικών Δεδομένων: Παράδειγμα Κατανομής Συχνότητας DCOVA Παράδειγμα: Ένας κατασκευαστής μονώσεων επιλέγει τυχαία 20 χειμερινές ημέρες και καταγράφει την καθημερινή υψηλότερη θερμοκρασία 24, 35, 17, 21, 24, 37, 26, 46, 58, 30, 32, 13, 12, 38, 41, 43, 44, 27, 53, 27

14 Οργάνωση Αριθμητικών Δεδομένων: Παράδειγμα Κατανομής Συχνότητας
Οργάνωση Αριθμητικών Δεδομένων: Παράδειγμα Κατανομής Συχνότητας DCOVA Ταξινομείτε τα δεδομένα της γραμμής σε αύξουσα σειρά: 12, 13, 17, 21, 24, 24, 26, 27, 27, 30, 32, 35, 37, 38, 41, 43, 44, 46, 53, 58 Βρίσκετε το εύρος: = 46 Επιλέγετε τον αριθμό των κλάσεων: 5 (συνήθως μεταξύ 5 και 15) Υπολογίζετε το διάστημα κλάσης (πλάτος): 10 (46/5 μετά στρογγυλοποιείτε) Προσδιορίζετε τα όρια κάθε κλάσης (όρια): Κλάση 1: 10 αλλά λιγότερο από 20 Κλάση 2: 20 αλλά λιγότερο από 30 Κλάση 3: 30 αλλά λιγότερο από 40 Κλάση 4: 40 αλλά λιγότερο από 50 Κλάση 5: 50 αλλά λιγότερο από 60 Υπολογίζετε τις κεντρικές τιμές (ή μεσαίες τιμές) κάθε κλάσης: 15, 25, 35, 45, 55 Καταμετρήστε τις παρατηρήσεις & αντιστοιχίστε στις κλάσεις

15 Οργάνωση Αριθμητικών Δεδομένων: Παράδειγμα Κατανομής Συχνότητας
DCOVA Δεδομένα σε σειρά διάταξης: 12, 13, 17, 21, 24, 24, 26, 27, 27, 30, 32, 35, 37, 38, 41, 43, 44, 46, 53, 58 Κλάση Κεντρικές τιμές Συχνότητα 10 αλλά λιγότερο από 20 αλλά λιγότερο από 30 αλλά λιγότερο από 40 αλλά λιγότερο από 50 αλλά λιγότερο από Σύνολο

16 DCOVA Κλάση Συχνότητα Ποσοστό
Οργάνωση Αριθμητικών Δεδομένων: Παράδειγμα Σχετικής & Ποσοστιαίας Κατανομής Συχνότητας DCOVA Κλάση Συχνότητα 10 αλλά λιγότερο από % 20 αλλά λιγότερο από % 30 αλλά λιγότερο από % 40 αλλά λιγότερο από % 50 αλλά λιγότερο από % Σύνολο % Σχετική Συχνότητα Ποσοστό Σχετική Συχνότητα = Συχνότητα / Σύνολο, π.χ = 2 / 20

17 Οργάνωση Αριθμητικών Δεδομένων: Παράδειγμα Αθροιστικής Κατανομής Συχνότητας
DCOVA Αθροιστική Συχνότητα Αθροιστικό Ποσοστό Κλάση Συχνότητα Ποσοστό 10 αλλά λιγότερο από % % 20 αλλά λιγότερο από % % 30 αλλά λιγότερο από % % 40 αλλά λιγότερο από % % 50 αλλά λιγότερο από % % Σύνολο % Αθροιστικό Ποσοστό = Αθροιστική Συχνότητα / Σύνολο * π.χ. 45% = 100*9/20

18 Γιατί χρησιμοποιείται η κατανομή συχνότητας;
DCOVA Συμπυκνώνει τα ανεπεξέργαστα δεδομένα σε μια πιο χρήσιμη μορφή Επιτρέπει μια γρήγορη απεικονιστική ερμηνεία των δεδομένων Επιτρέπει τον προσδιορισμό των κυριότερων χαρακτηριστικών του συνόλου των δεδομένων, συμπεριλαμβανομένου το που συγκεντρώνονται / ομαδοποιούνται τα δεδομένα

19 Κατανομές Συχνότητας: Μερικές Συμβουλές
DCOVA Διαφορετικά όρια κλάσης μπορούν να παρέχουν διαφορετικές εικόνες για τα ίδια δεδομένα (ειδικά για μικρότερα σύνολα δεδομένων) Μεταβολές στη συγκέντρωση δεδομένων μπορούν να εμφανιστούν όταν επιλέγονται διαφορετικά όρια κλάσης Καθώς αυξάνεται το μέγεθος του συνόλου δεδομένων, οι επιπτώσεις των αλλαγών στην επιλογή των ορίων της κλάσης μειώνονται σημαντικά Όταν συγκρίνετε δύο ή περισσότερες ομάδες με διαφορετικά μεγέθη δείγματος, πρέπει να χρησιμοποιήσετε είτε σχετική συχνότητα είτε ποσοστιαία κατανομή

20 Απεικόνιση Κατηγορικών Δεδομένων Μέσω Γραφικών Απεικονίσεων
DCOVA Κατηγορικά Δεδομένα Γραφική Απεικόνιση Δεδομένων Ραβδό-γραμμα Πίνακας Συχνοτήτων Για Μια Μεταβλητή Πίνακας Συνάφειας Για Δύο Μεταβλητές Πολλαπλό Ραβδόγραμμα Κυκλικό Διάγραμμα Διάγραμμα Pareto

21 Γραφική Απεικόνιση Κατηγορικών Δεδομένων: Το Ραβδόγραμμα
Γραφική Απεικόνιση Κατηγορικών Δεδομένων: Το Ραβδόγραμμα DCOVA Το ραβδόγραμμα απεικονίζει μια κατηγορική μεταβλητή σαν μια σειρά ράβδων. Το μήκος κάθε ράβδου αντιπροσωπεύει είτε την συχνότητα είτε το ποσοστό των τιμών για κάθε κατηγορία. Κάθε ράβδος χωρίζεται με ένα διάστημα που καλείται κενό. Λόγοι για Αγορές στο Διαδίκτυο; Ποσοστό Καλύτερες Τιμές 37% Αποφυγή πλήθους ή ταλαιπωρίας 29% Ευκολία 18% Καλύτερη επιλογή 13% Άμεση αποστολή 3%

22 Γραφική Απεικόνιση Κατηγορικών Δεδομένων: Το Κυκλικό Διάγραμμα
Γραφική Απεικόνιση Κατηγορικών Δεδομένων: Το Κυκλικό Διάγραμμα DCOVA Το κυκλικό διάγραμμα είναι ένας κύκλος χωρισμένος σε τμήματα που αντιπροσωπεύουν κατηγορίες. Το μέγεθος κάθε τμήματος του κύκλου διαφέρει σύμφωνα με το ποσοστό για κάθε κατηγορία. Λόγοι για Αγορές στο Διαδίκτυο; Ποσοστό Καλύτερες Τιμές 37% Αποφυγή πλήθους ή ταλαιπωρίας 29% Ευκολία 18% Καλύτερη επιλογή 13% Άμεση Αποστολή 3%

23 Γραφική Απεικόνιση Κατηγορικών Δεδομένων: Το Διάγραμμα Pareto
DCOVA Χρησιμοποιείται για να αναπαραστήσει κατηγορικά δεδομένα Ένα κάθετο ραβδόγραμμα, όπου οι κατηγορίες παρουσιάζονται σε φθίνουσα σειρά σύμφωνα με τη συχνότητα Ένα αθροιστικό πολύγωνο φαίνεται στο ίδιο γράφημα Χρησιμοποιείται για να διαχωρίσει τις “σημαντικές λίγες” από τις “ασήμαντα πολλές”

24 Πίνακας Συχνοτήτων για τις αιτίες μη ολοκληρωμένων
Γραφική Απεικόνιση Κατηγορικών Δεδομένων: Το Διάγραμμα Pareto (συνέχεια) DCOVA Πίνακας Συχνοτήτων για τις αιτίες μη ολοκληρωμένων συναλλαγών στα ATMs Αθροιστικό Αιτία Συχνότητα Ποσοστό Ποσοστό Μπλοκάρισμα κάρτας % % Αδυναμία αναγνώρισης κάρτας % % Δυσλειτουργίες ATM % % Έλλειψη ρευστότητας στα ATM % % Λανθασμένο ποσό % % Λάθος πληκτρολόγηση % % Έλλειψη κεφαλαίου στο λογαριασμό % % Σύνολο % Πηγή: A. Bhalla, “Don’t Misuse the Pareto Principle,” Six Sigma Forum Magazine, May 2009, pp. 15–18.

25 Γραφική Απεικόνιση Κατηγορικών Δεδομένων: Το Διάγραμμα Pareto (συνέχεια)
DCOVA οι “Σημαντικές Λίγες”

26 Γραφική Απεικόνιση Κατηγορικών Δεδομένων: Πολλαπλά Ραβδογράμματα
DCOVA Το πολλαπλό ραβδόγραμμα αναπαριστά τα δεδομένα από ένα πίνακα συνάφειας. Χωρίς Λάθη Με Λάθη Σύνολο Μικρό Ποσό 50.75% 30.77% 47.50% Μεσαίο 29.85% 61.54% 35.00% Μεγάλο 19.40% 7.69% 17.50% 100.0% Τιμολόγια με λάθη είναι περισσότερο πιθανό να είναι μεσαίου μεγέθους (61.54% έναντι 30.77% και 7.69%)

27 Απεικόνιση Αριθμητικών Δεδομένων με την Χρήση Γραφικών Απεικονίσεων
DCOVA Αριθμητικά Δεδομένα Σειρά Διάταξης Φυλλογράφημα Ιστόγραμμα Πολύγωνο Ποσοστών Αθροιστι-κών Ποσοστών Κατανομές Συχνότητας και Αθροιστικές Κατανομές

28 Φυλλογράφημα DCOVA Ένας απλός τρόπος να δείτε πώς κατανέμονται τα δεδομένα και πού υπάρχουν συγκεντρώσεις τους Μέθοδος : Διαχωρίστε τις ταξινομημένες σειρές δεδομένων στα αρχικά ψηφία (τους κλάδους) και στα τελικά ψηφία (που ακολουθούν) (τα φύλλα)

29 Οργάνωση Αριθμητικών Δεδομένων: Φυλλογράφημα
Οργάνωση Αριθμητικών Δεδομένων: Φυλλογράφημα DCOVA Ένα φυλλογράφημα οργανώνει τα δεδομένα σε ομάδες (που καλούνται κλάδοι) έτσι ώστε οι τιμές εντός κάθε ομάδας (τα φύλλα) να επεκτείνονται στα δεξιά σε κάθε γραμμή. Ηλικία Φοιτητών του Κολεγίου Πρωινοί Φοιτητές Απογευματινοί Φοιτητές Ηλικία των φοιτη- τών του κολεγίου Πρωινοί Φοιτητές 16 17 18 19 20 21 22 25 27 32 38 42 Απογευματινοί Φοιτητές 23 28 33 41 45 Stem Leaf 1 2 3 28 4 Stem Leaf 1 8899 2 0138 3 23 4 15

30 Γραφική Απεικόνιση Αριθμητικών Δεδομένων: Το Ιστόγραμμα
Γραφική Απεικόνιση Αριθμητικών Δεδομένων: Το Ιστόγραμμα DCOVA Ένα κάθετο ραβδόγραμμα των δεδομένων σε μια κατανομή συχνότητας καλείται ιστόγραμμα. Σε ένα ιστόγραμμα δεν υπάρχουν κενά μεταξύ γειτονικών ράβδων. Τα όρια της κλάσης (ή κεντρικές τιμές κλάσης) φαίνονται στον οριζόντιο άξονα. Ο κατακόρυφος άξονας δείχνει είτε συχνότητα, σχετική συχνότητα, ή ποσοστό. Το ύψος των ράβδων παριστάνει τη συχνότητα, τη σχετική συχνότητα, ή το ποσοστό.

31 Γραφική Απεικόνιση Αριθμητικών Δεδομένων: Το Ιστόγραμμα
Γραφική Απεικόνιση Αριθμητικών Δεδομένων: Το Ιστόγραμμα DCOVA Κλάση Συχνότητα 10αλλα λιγότερο από 20αλλά λιγότερο από 30αλλά λιγότερο από 40αλλά λιγότερο από 50αλλά λιγότερο από Σύνολο Σχετική Συχνότητα Ποσοστό (Σε ένα ιστόγραμμα ποσοστού ο κάθετος άξονας θα μπορούσε να καθοριστεί να δείχνει το ποσοστό των παρατηρήσεων ανά κλάση)

32 Γραφική Απεικόνιση Αριθμητικών Δεδομένων: Το Πολύγωνο Ποσοστών
Γραφική Απεικόνιση Αριθμητικών Δεδομένων: Το Πολύγωνο Ποσοστών DCOVA Ένα πολύγωνο ποσοστών σχηματίζεται χρησιμοποιώντας τις κεντρικές τιμές κάθε διαστήματος κλάσης που αντιστοιχεί τα δεδομένα σε αυτή την κλάση και στην συνέχεια σχεδιάζει την ακολουθία των μεσαίων σημείων στα αντίστοιχα ποσοστά της κλάσης τους. Το πολύγωνο αθροιστικών ποσοστών, ή ogive, παρουσιάζει τη μεταβλητή που μας ενδιαφέρει κατά μήκος του άξονα X, και τα αθροιστικά ποσοστά κατά μήκος του άξονα Y. Χρήσιμο όταν υπάρχουν δύο ή περισσότερες ομάδες για σύγκριση.

33 Γραφική Απεικόνιση Αριθμητικών Δεδομένων: Το Πολύγωνο Ποσοστών
Γραφική Απεικόνιση Αριθμητικών Δεδομένων: Το Πολύγωνο Ποσοστών DCOVA Χρήσιμο Όταν Συγκρίνετε Δύο ή Περισσότερες Ομάδες

34 Γραφική Απεικόνιση Αριθμητικών Δεδομένων: Το Πολύγωνο Ποσοστών
Γραφική Απεικόνιση Αριθμητικών Δεδομένων: Το Πολύγωνο Ποσοστών DCOVA

35 Δύο Αριθμητικές Μεταβλητές Διάγραμμα Χρονοσειρών
Απεικόνιση Δύο Αριθμητικών Μεταβλητών με τη Χρήση Γραφικών Απεικονίσεων DCOVA Δύο Αριθμητικές Μεταβλητές Διάγραμμα Διασποράς Διάγραμμα Χρονοσειρών

36 Γραφική Απεικόνιση Δύο Αριθμητικών Μεταβλητών: Το Διάγραμμα Διασποράς
Γραφική Απεικόνιση Δύο Αριθμητικών Μεταβλητών: Το Διάγραμμα Διασποράς DCOVA Τα διαγράμματα διασποράς χρησιμοποιούνται για αριθμητικά δεδομένα που αποτελούνται από ζεύγη παρατηρήσεων δοσμένα από δύο αριθμητικές μεταβλητές Η μία μεταβλητή μετράται στον κάθετο άξονα και η άλλη μεταβλητή μετράται στον οριζόντιο άξονα Τα διαγράμματα διασποράς χρησιμοποιούνται για να εξετάσουν πιθανές σχέσεις μεταξύ δύο αριθμητικών μεταβλητών

37 Παράδειγμα Διαγράμματος Διασποράς
DCOVA Ποσότητα ανά ημέρα Κόστος ανά ημέρα 23 125 26 140 29 146 33 160 38 167 42 170 50 188 55 195 60 200

38 Στο Διάγραμμα χρονοσειρών:
Γραφική Απεικόνιση Δύο Αριθμητικών Μεταβλητών: Το Διάγραμμα Χρονοσειρών DCOVA Ένα Διάγραμμα Χρονοσειρών χρησιμοποιείται για τη μελέτη μοτίβων στις τιμές μιας αριθμητικής μεταβλητής σε βάθος χρόνου Στο Διάγραμμα χρονοσειρών: Η αριθμητική μεταβλητή μετράται στον κατακόρυφο άξονα και η χρονική περίοδος μετράται στον οριζόντιο άξονα

39 Παράδειγμα Διαγράμματος Χρονοσειρών
Έτος Αριθμός Ομάδων 1996 43 1997 54 1998 60 1999 73 2000 82 2001 95 2002 107 2003 99 2004 DCOVA

40 DCOVA Οργάνωση Πολλαπλών Κατηγορικών Μεταβλητών:
Ο Πολυδιάστατος Πίνακας Συνάφειας DCOVA Ένας πολυδιάστατος πίνακας συνάφειας κατασκευάζεται καταμετρώντας τις απαντήσεις τριών ή περισσοτέρων κατηγορικών μεταβλητών. Στο Excel δημιουργείται ένας πίνακας Pivot Table για να αποδώσει μια διαδραστική απεικόνιση αυτού του τύπου. Ενώ το Minitab δεν δημιουργεί έναν διαδραστικό πίνακα, έχει πολλές εξειδικευμένες στατιστικές & γραφικές διαδικασίες (δεν καλύπτονται σε αυτό το βιβλίο) για την ανάλυση & γραφική απεικόνιση πολυδιάστατων δεδομένων.

41 Χρήση των πινάκων Pivot Tables στο Excel για την Οργάνωση & Γραφική Απεικόνιση Πολλαπλών Μεταβλητών
DCOVA Ένας πίνακας pivot table: Συνοψίζει τις μεταβλητές όπως ένας πολυδιάστατος πίνακας συχνοτήτων Επιτρέπει τη διαδραστική αλλαγή του επιπέδου της σύνοψης και μορφοποίησης των μεταβλητών “Κόβετε" τα δεδομένα σας για να συνοψίσετε υποσύνολα δεδομένων που πλοιρούν συγκεκριμένα κριτήρια Μπορεί να χρησιμοποιηθεί για να ανακαλύψει πιθανά μοτίβα και σχέσεις σε πολυδιάστατα δεδομένα που απλούστεροι πίνακες και γραφήματα θα αποτύχουν να καταστήσουν εμφανή.

42 Ένας Πολυδιάστατος Πίνακας Συνάφειας Κταγράφει Απαντήσεις Τριών Ή Περισσοτέρων Κατηγορικών Μεταβλητών DCOVA Πίνακας τριών διαστάσεων που δείχνει τη μέση ποσοστιαία απόδοση 10 ετών που προέκυψε ανά τύπο κεφαλαίου, χρηματιστηριακής αξίας, &επιπέδου κινδύνου Πίνακας δύο διαστάσεων που δείχνει τη μέση ποσοστιαία απόδοση 10 ετών που προέκυψε ανά τύπο κεφαλαίου και επίπεδο κινδύνου

43 Οι Μέθοδοι Εξερεύνησης Δεδομένων Μπορούν να Δώσουν μια Αρχική Εικόνα (Γνώσεις) στα Δεδομένα
DCOVA Η εξερεύνηση δεδομένων είναι μέθοδοι που επιτρέπουν την εκτέλεση προκαταρκτικών αναλύσεων, μέσω χειρισμού διαδραστικών περιλήψεων Χρησιμοποιούνται για να: Εξεταστούν προσεκτικά τα ιστορικά δεδομένα ή τα δεδομένα κατάστασης Επιθεωρήσετε τα δεδομένα για ασυνήθιστες τιμές Ανακαλύψετε νέα πρότυπα στα δεδομένα Το Drill-down είναι ίσως η απλούστερη μορφή εξερεύνησης δεδομένων

44 Το Drill-Down Αποκαλύπτει τα Δεδομένα που αποτελούν τη βάση μιας Περίληψης Υψηλότερου Επιπέδου
DCOVA Τα αποτελέσματα της ανίχνευσης των λεπτομερειών σχετικά με τα κεφάλαια μικρής χρηματιστηριακής αξίας τα οποία έχουν χαμηλό κίνδυνο.

45 Ορισμένες Μέθοδοι Εξερεύνησης Δεδομένων Είναι Κυρίως Απεικονιστικές
DCOVA Ένα διάγραμμα δέντρου είναι μια τέτοια μέθοδος Ένα διάγραμμα δέντρου απεικονίζει τη σύγκριση δύο ή περισσοτέρων μεταβλητών χρησιμοποιώντας το μέγεθος και το χρώμα ορθογωνίων για να παραστήσει τις τιμές Όταν χρησιμοποιείται με μία ή περισσότερες κατηγορικές μεταβλητές σχηματίζει μια πολυεπίπεδη ιεραρχία ή δέντρο που αποκαλύπτει μοτίβα μεταξύ αριθμητικών μεταβλητών.

46 Ένα Παράδειγμα ενός Διαγράμματος Δέντρου
DCOVA Ένα διάγραμμα δέντρου που απεικονίζει τις αριθμητικές μεταβλητές περιουσιακά στοιχεία (μέγεθος) και το δεκαετές ποσοστό απόδοσης (χρώμα) για τα κεφάλαια ανάπτυξης και αξίας που έχουν μικρή χρηματιστηριακή αξία και χαμηλό κίνδυνο

47 Οι Προκλήσεις στην Οργάνωση και στην Γραφική Απεικόνιση Μεταβλητών
DCOVA Όταν οργανώνετε και απεικονίζετε γραφικά δεδομένα πρέπει να έχετε επίγνωση: Της ικανότητας των άλλων ανθρώπων να αντιληφθούν και να κατανοήσουν Της παρουσίασης των αποτελεσμάτων ώστε να μην υποβαθμιστεί η χρησιμότητα των μεθόδων αυτού του κεφαλαίου. Είναι εύκολο να δημιουργήσετε περιλήψεις που Αποκρύπτουν τα δεδομένα ή Δημιουργούν ψευδείς εντυπώσεις

48 Ένα Παράδειγμα Απόκρυψης Δεδομένων, Υπερφόρτωση Πληροφοριών
DCOVA

49 Οι Ψευδείς Εντυπώσεις Μπορούν να Δημιουργηθούν με Πολλούς Τρόπους
DCOVA Επιλεκτική Σύμπτυξη Παρουσιάζεται μέρος μόνο των δεδομένων που έχουν συλλεχθεί Κακώς κατασκευασμένα διαγράμματα Πιθανά ζητήματα κυκλικών διαγραμμάτων Ακατάλληλοι κλιμακωτοί άξονες Ένας άξονας Y που δεν ξεκινά από την αρχή ή είναι ένας διακεκομμένος άξονας στον οποίο λείπουν ενδιάμεσες τιμές Περιττά στοιχεία του γραφήματος (Chartjunk)

50 Μεταβολή από το προηγού-μενο έτος
Ένα Παράδειγμα Επιλεκτικής Σύμπτυξης, Αυτές οι Δύο Συμπτύξεις Λένε Εντελώς Διαφορετικές Ιστορίες DCOVA Εταιρεία Μεταβολή από το προηγού-μενο έτος Έτος 1 Έτος 2 Έτος 3 A +7.2% -22.6% -33.2% B +24.4% -4.5% -41.9% C +24.9% -18.5% -31.5% D +24.8% -29.4% -48.1% E +12.5% -1.9% -25.3% F +35.1% -1.6% -37.8% G +29.7% +7.4% -13.6%

51 Πόσο φανερό είναι ότι και τα δύο κυκλικά διαγράμματα συνοψίζουν τα ίδια δεδομένα;
DCOVA Γιατί είναι δύσκολο να το πείτε; Τι θα κάνατε για να βελτιωθεί;

52 Γραφικά Σφάλματα: Καμία Σχετική Βάση
Γραφικά Σφάλματα: Καμία Σχετική Βάση DCOVA  Κακή Παρουσίαση Καλή Παρουσίαση Φοιτητές με βαθμολογία A. Φοιτητές με βαθμολογία A. % Συχν. 30% 300 20% 200 100 10% 0% Π Δ ΤΡ ΤΕΛ Π Δ ΤΡ ΤΕΛ Π = Πρωτοετής, Δ = Δευτεροετής, ΤΡ = Τριτοετής, ΤΕΛ = Τελειόφοιτος

53 Γραφικά σφάλματα: Σύμπτυξη του κατακόρυφου άξονα
Γραφικά σφάλματα: Σύμπτυξη του κατακόρυφου άξονα DCOVA  Κακή Παρουσίαση Καλή Παρουσίαση Τριμηνιαίες Πωλήσεις Τριμηνιαίες Πωλήσεις $ $ 200 50 100 25 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4

54 Γραφικά Σφάλματα: Δεν Υπάρχει Σημείο Μηδέν στον Κατακόρυφο Άξονα
DCOVA  Κακή Παρουσίαση Καλή Παρουσίαση Μηνιαίες Πωλήσεις Μηνιαίες Πωλήσεις $ $ 45 45 42 42 39 39 36 36 Ι Φ M A M Ι Ι Φ M A M Ι Σχεδιάζοντας τους πρώτους έξι μήνες πωλήσεων

55 Γραφικά Σφάλματα: Περιττά Στοιχεία του Γραφήματος,Μπορείτε να Αναγνωρίσετε τα Περιττά Στοιχεια;
DCOVA Κακή Παρουσίαση  Καλή Παρουσίαση

56 Γραφικά Σφάλματα: Περιττά Στοιχεία του Γραφήματος, Μπορείτε να Αναγνωρίσετε τα Περιττά Στοιχεία;
DCOVA Κακή Παρουσίαση  Καλή Παρουσίαση

57 Γραφικά Σφάλματα: Περιττά Στοιχεία του Γραφήματος, Μπορείτε να Αναγνωρίσετε τα Περιττά Στοιχεία;
DCOVA

58 Γραφικά Σφάλματα: Περιττά Στοιχεία του Γραφήματος, Μπορείτε να Αναγνωρίσετε τα Περιττά Στοιχεία;
DCOVA 1960: $1.00 1970: $1.60 1980: $3.10 1990: $3.80 Ελάχιστες Αποδοχές Κακή Παρουσίαση  Καλή Παρουσίαση Ελάχιστες Αποδοχές $ 4 2 1960 1970 1980 1990

59 Στο Excel Είναι Εύκολο Να Δημιουργηθούν Τυχόν Στρεβλώσεις
Το Excel προσφέρει την ευκαιρία για μετατροπή απλών γραφημάτων σε 3-D γραφήματα και κατά τη διαδικασία αυτή μπορεί να δημιουργήσει παραμορφωμένες εικόνες Τα ασυνήθιστα γραφήματα που προσφέρονται ως επιλογές από το Excel δημιουργούν συχνά παραμορφωμένες εικόνες

60 Βέλτιστες Πρακτικές Για Την Κατασκευή Γραφικών Απεικονίσεων
DCOVA Χρησιμοποιήστε την απλούστερη δυνατή γραφική απεικόνιση Συμπεριλάβετε έναν τίτλο Ονοματίστε τους άξονες Συμπεριλάβετε μια κλίμακα για κάθε άξονα αν το γράφημα περιέχει άξονες Ξεκινήστε την κλίμακα στον κάθετο άξονα από το μηδέν Χρησιμοποιήστε μια σταθερή κλίμακα Αποφύγετε τα τρισδιάστατα (3D) εφέ Αποφύγετε οποιοδήποτε περιττό στοιχείο στο γράφημα (chartjunk)

61 Περίληψη Κεφαλαίου Σε αυτό το κεφάλαιο καλύψαμε τις:
Μεθόδους για την οργάνωση μεταβλητών. Μεθόδους για την γραφική απεικόνιση μεταβλητών. Μεθόδους για την οργάνωση ή την γραφική απεικόνιση περισσοτέρων της μιας μεταβλητής ταυτόχρονα. Αρχές των κατάλληλων γραφικών απεικονίσεων.