1. Esplora le correlazioni tra variabili
Determina se due variabili cambiano in sincronia, fornendo una base per la modellazione successiva (come l'analisi di regressione).
2. Rileva i modelli di distribuzione dei dati
Identifica tipi di relazioni lineari, esponenziali, logaritmiche e altre. Ad esempio, la crescita della popolazione e il tempo possono mostrare una distribuzione esponenziale, mentre la velocità dell'auto e il consumo di carburante possono mostrare una relazione a forma di U.
3. Identifica i valori anomali e i valori anormali
I valori anomali possono influenzare l'accuratezza del modello e richiedono ulteriori indagini (come errori di inserimento dati o eventi speciali).
4. Confronta le differenze tra più gruppi di dati
Utilizza etichette di gruppo (come colori diversi) per confrontare le differenze nelle relazioni tra variabili tra diversi gruppi (come diversi gruppi di età).

1. Osserva il modello di distribuzione complessivo
Tendenza lineare: i punti sono distribuiti diagonalmente verso l'alto o verso il basso, come altezza e peso.
Tendenza non lineare: i punti sono distribuiti in una linea curva, come velocità dell'auto e consumo di carburante.
Nessuna correlazione: i punti sono sparsi casualmente, come altezza e misura delle scarpe (dopo aver controllato l'età).
2. Identifica i valori anomali e i valori anormali
Esamina i punti che si discostano dalla distribuzione complessiva per determinare se sono errori di dati o casi speciali. Ad esempio, quando si analizza la relazione tra i prezzi delle case e l'area, una posizione con prezzi delle case alti in una piccola area potrebbe essere nel centro città.

1. Analizza le correlazioni tra variabili, come se l'investimento pubblicitario e le vendite aumentano o diminuiscono all'unisono, per determinare rapidamente la correlazione positiva/negativa o nessuna correlazione.

2. Rileva i modelli di distribuzione dei dati, come identificare relazioni non lineari (come una curva a forma di U tra velocità dell'auto e consumo di carburante) o valori anomali (come un valore anomalo piccolo e costoso).

3. Conduci un'analisi comparativa multi-gruppo, distinguendo i gruppi per colore/forma (come le differenze nella distribuzione altezza-peso tra uomini e donne), per assistere nella ricerca di segmentazione del mercato.

4. Valida i modelli di regressione, verificando se le variabili soddisfano le ipotesi lineari ed evitando bias nel modello.

La differenza principale tra i diagrammi di dispersione e i grafici a bolle risiede nelle dimensioni di visualizzazione delle variabili e nell'espressione visiva. I diagrammi di dispersione utilizzano un sistema di coordinate bidimensionale per mostrare la relazione tra due variabili (X, Y). Ogni punto rappresenta solo una coppia di valori. Si concentrano sull'analisi delle correlazioni, delle tendenze o dei valori anomali tra le variabili e sono adatti per esplorare relazioni di base. I grafici a bolle, d'altra parte, introducono una terza variabile, codificando i valori attraverso la dimensione (o il colore) della bolla, permettendo l'analisi simultanea di tre variabili.