1. Explorer les corrélations entre les variables
Déterminer si deux variables changent en synchronisation, fournissant une base pour une modélisation ultérieure (comme l'analyse de régression).
2. Détecter les modèles de distribution des données
Identifier les types de relations linéaires, exponentielles, logarithmiques, et autres. Par exemple, la croissance de la population et le temps peuvent montrer une distribution exponentielle, tandis que la vitesse de la voiture et la consommation de carburant peuvent montrer une relation en forme de U.
3. Identifier les valeurs aberrantes et anormales
Les valeurs aberrantes peuvent affecter la précision du modèle et nécessitent une enquête plus approfondie.
4. Comparer les différences entre plusieurs groupes de données
Utiliser des étiquettes de groupe (comme différentes couleurs) pour comparer les différences dans les relations de variables entre différents groupes.

1. Observer le modèle de distribution global
Tendance linéaire : Les points sont distribués en diagonale vers le haut ou vers le bas, comme la taille et le poids.
Tendance non linéaire : Les points sont distribués en ligne courbe, comme la vitesse de la voiture et la consommation de carburant.
Aucune corrélation : Les points sont dispersés de manière aléatoire, comme la taille et la pointure (après contrôle de l'âge).
2. Identifier les valeurs aberrantes et anormales
Examiner les points qui s'écartent de la distribution globale pour déterminer s'ils sont des erreurs de données ou des cas particuliers. Par exemple, lors de l'analyse de la relation entre les prix de l'immobilier et la superficie, un emplacement avec des prix élevés dans une petite zone peut être au centre-ville.

1. Analyser les corrélations entre les variables, comme si l'investissement publicitaire et les ventes augmentent ou diminuent ensemble, pour déterminer rapidement une corrélation positive/négative ou aucune corrélation.

2. Détecter les modèles de distribution des données, comme identifier des relations non linéaires (comme une courbe en U entre la vitesse de la voiture et la consommation de carburant) ou des valeurs aberrantes (comme une petite valeur aberrante à prix élevé).

3. Réaliser une analyse comparative multi-groupe, en distinguant les groupes par couleur/forme (comme les différences dans la distribution taille-poids entre hommes et femmes), pour aider à la recherche de segmentation du marché.

4. Valider les modèles de régression, vérifier si les variables répondent aux hypothèses linéaires et éviter les biais de modèle.

La différence clé entre les diagrammes de dispersion et les graphiques à bulles réside dans les dimensions d'affichage des variables et l'expression visuelle. Les diagrammes de dispersion utilisent un système de coordonnées bidimensionnel pour afficher la relation entre deux variables (X, Y). Chaque point représente uniquement une paire de valeurs. Ils se concentrent sur l'analyse des corrélations, des tendances ou des valeurs aberrantes entre les variables et sont adaptés pour explorer les relations de base. Les graphiques à bulles, en revanche, introduisent une troisième variable, encodant les valeurs par la taille (ou la couleur) de la bulle, permettant une analyse simultanée de trois variables.