1. Explorar correlaciones de variables
Determinar si dos variables cambian en sintonía, proporcionando una base para modelado posterior (como análisis de regresión).
2. Detectar patrones de distribución de datos
Identificar tipos de relaciones lineales, exponenciales, logarítmicas y otras. Por ejemplo, el crecimiento poblacional y el tiempo pueden mostrar una distribución exponencial, mientras que la velocidad del coche y el consumo de combustible pueden mostrar una relación en forma de U.
3. Identificar valores atípicos y anormales
Los valores atípicos pueden afectar la precisión del modelo y requieren una investigación adicional.
4. Comparar diferencias entre múltiples grupos de datos
Utilizar etiquetas de grupo (como diferentes colores) para comparar las diferencias en las relaciones de variables entre diferentes grupos (como diferentes grupos de edad).

1. Observar el patrón de distribución general
Tendencia lineal: Los puntos están distribuidos diagonalmente hacia arriba o hacia abajo, como altura y peso.
Tendencia no lineal: Los puntos están distribuidos en una línea curva, como velocidad del coche y consumo de combustible.
Sin correlación: Los puntos están dispersos aleatoriamente, como altura y tamaño del zapato (después de controlar la edad).
2. Identificar valores atípicos y anormales
Examinar puntos que se desvían de la distribución general para determinar si son errores de datos o casos especiales. Por ejemplo, al analizar la relación entre precios de viviendas y área, una ubicación con precios altos en una pequeña área puede estar en el centro de la ciudad.

1. Analizar correlaciones de variables, como si la inversión publicitaria y las ventas aumentan o disminuyen juntas, para determinar rápidamente correlación positiva/negativa o sin correlación.

2. Detectar patrones de distribución de datos, como identificar relaciones no lineales (como una curva en forma de U entre velocidad del coche y consumo de combustible) o valores atípicos (como un valor atípico pequeño y caro).

3. Realizar análisis comparativos de multi-grupo, distinguiendo grupos por color/forma (como diferencias en la distribución altura-peso entre hombres y mujeres), para ayudar en la investigación de segmentación de mercado.

4. Validar modelos de regresión, verificando si las variables cumplen con suposiciones lineales y evitando sesgos en el modelo.

La diferencia clave entre los diagramas de dispersión y los gráficos de burbujas reside en las dimensiones de visualización de variables y la expresión visual. Los diagramas de dispersión utilizan un sistema de coordenadas bidimensional para mostrar la relación entre dos variables (X, Y). Cada punto representa sólo un par de valores. Se enfocan en analizar correlaciones, tendencias o valores atípicos entre variables y son adecuados para explorar relaciones básicas. Los gráficos de burbujas, por otro lado, introducen una tercera variable, codificando valores a través del tamaño (o color) de la burbujas, permitiendo el análisis simultáneo de tres variables.