1. चर संबंधों का अन्वेषण करें
यह निर्धारित करें कि क्या दो चर एक साथ बदलते हैं, जो बाद के मॉडलिंग (जैसे प्रतिगमन विश्लेषण) के लिए आधार प्रदान करते हैं।
2. डेटा वितरण पैटर्न का पता लगाएं
रेखीय, घातीय, लघुगणकीय और अन्य संबंध प्रकारों की पहचान करें। उदाहरण के लिए, जनसंख्या वृद्धि और समय घातीय वितरण दिखा सकते हैं, जबकि कार की गति और ईंधन की खपत एक यू-आकार का संबंध दिखा सकते हैं।
3. बाहरी और असामान्य मानों की पहचान करें
बाहरी मान मॉडल की सटीकता को प्रभावित कर सकते हैं और आगे की जांच की आवश्यकता होती है (जैसे डेटा प्रविष्टि त्रुटियां या विशेष घटनाएं)।
4. कई समूहों के डेटा के बीच अंतर की तुलना करें
समूह लेबल (जैसे विभिन्न रंग) का उपयोग करें ताकि विभिन्न समूहों (जैसे विभिन्न आयु समूहों) के बीच चर संबंधों में अंतर की तुलना की जा सके।

1. समग्र वितरण पैटर्न का अवलोकन करें
रेखीय प्रवृत्ति: बिंदु तिरछे ऊपर या नीचे वितरित होते हैं, जैसे ऊंचाई और वजन।
गैर-रेखीय प्रवृत्ति: बिंदु एक घुमावदार रेखा में वितरित होते हैं, जैसे कार की गति और ईंधन की खपत।
कोई संबंध नहीं: बिंदु यादृच्छिक रूप से बिखरे होते हैं, जैसे ऊंचाई और जूते का आकार (आयु को नियंत्रित करने के बाद)।
2. बाहरी और असामान्य मानों की पहचान करें
समग्र वितरण से विचलित होने वाले बिंदुओं का परीक्षण करें ताकि यह निर्धारित किया जा सके कि वे डेटा त्रुटियां हैं या विशेष मामले। उदाहरण के लिए, जब आवास की कीमतों और क्षेत्र के बीच संबंध का विश्लेषण किया जा रहा है, तो एक छोटे क्षेत्र में उच्च आवास कीमतों वाला स्थान शहर के केंद्र में हो सकता है।

1. चर संबंधों का विश्लेषण करें, जैसे कि विज्ञापन निवेश और बिक्री एक साथ बढ़ते या घटते हैं, ताकि सकारात्मक/नकारात्मक संबंध या कोई संबंध नहीं का तेजी से निर्धारण किया जा सके।

2. डेटा वितरण पैटर्न का पता लगाएं, जैसे कि गैर-रेखीय संबंधों (जैसे कार की गति और ईंधन की खपत के बीच यू-आकार का वक्र) या बाहरी मानों (जैसे एक छोटा, उच्च-मूल्य वाला बाहरी मान) की पहचान करना।

3. बहु-समूह तुलनात्मक विश्लेषण का संचालन करें, रंग/आकार द्वारा समूहों को अलग करना (जैसे पुरुषों और महिलाओं के बीच ऊंचाई-वजन वितरण में अंतर), ताकि बाजार विभाजन अनुसंधान में सहायता की जा सके।

4. प्रतिगमन मॉडल को मान्य करें, यह जांचें कि क्या चर रेखीय धारणाओं को पूरा करते हैं और मॉडल पूर्वाग्रह से बचते हैं।

Scatter Plots और Bubble Charts के बीच मुख्य अंतर चर प्रदर्शन आयामों और दृश्य अभिव्यक्ति में निहित है। Scatter Plots दो-आयामी समन्वय प्रणाली का उपयोग करते हैं ताकि दो चर (X, Y) के बीच संबंध को प्रदर्शित किया जा सके। प्रत्येक बिंदु केवल एक जोड़ी मानों का प्रतिनिधित्व करता है। वे चर के बीच संबंधों, प्रवृत्तियों या बाहरी मानों का विश्लेषण करने पर ध्यान केंद्रित करते हैं और बुनियादी संबंधों का पता लगाने के लिए उपयुक्त होते हैं। दूसरी ओर, Bubble Charts तीसरे चर को प्रस्तुत करते हैं, बुलबुले के आकार (या रंग) के माध्यम से मानों को एन्कोडिंग करते हैं, जिससे तीन चर का एक साथ विश्लेषण संभव होता है।