1. Исследование корреляций переменных
Определение того, изменяются ли две переменные синхронно, что предоставляет основу для последующего моделирования (например, регрессионного анализа).
2. Выявление паттернов распределения данных
Определение линейных, экспоненциальных, логарифмических и других типов отношений. Например, рост населения и время могут показывать экспоненциальное распределение, в то время как скорость автомобиля и расход топлива могут показывать U-образное отношение.
3. Выявление выбросов и аномальных значений
Выбросы могут влиять на точность модели и требуют дальнейшего исследования (например, ошибки ввода данных или особые события).
4. Сравнение различий между несколькими группами данных
Использование групповых меток (таких как разные цвета) для сравнения различий в отношениях переменных между разными группами (например, разными возрастными группами).

1. Наблюдение общего паттерна распределения
Линейный тренд: Точки распределены диагонально вверх или вниз, например, рост и вес.
Нелинейный тренд: Точки распределены по кривой линии, например, скорость автомобиля и расход топлива.
Отсутствие корреляции: Точки распределены случайно, например, рост и размер обуви (после контроля возраста).
2. Выявление выбросов и аномальных значений
Изучение точек, которые отклоняются от общего распределения, чтобы определить, являются ли они ошибками данных или особыми случаями. Например, при анализе отношения между ценами на жилье и площадью место с высокими ценами на жилье в небольшой площади может находиться в центре города.

1. Анализ корреляций переменных, например, увеличиваются ли рекламные вложения и продажи в тандеме, чтобы быстро определить положительную/отрицательную корреляцию или отсутствие корреляции.

2. Выявление паттернов распределения данных, например, определение нелинейных отношений (таких как U-образная кривая между скоростью автомобиля и расходом топлива) или выбросов (например, небольшой, высокопрайсовый выброс).

3. Проведение сравнительного анализа между группами, различая группы по цвету/форме (например, различия в распределении роста-веса между мужчинами и женщинами), чтобы помочь в исследовании сегментации рынка.

4. Проверка регрессионных моделей, проверка соответствия переменных линейным предположениям и избежание смещения модели.

Ключевое различие между точечными диаграммами и пузырьковыми диаграммами заключается в размерах отображения переменных и визуальном выражении. Точечные диаграммы используют двумерную координатную систему для отображения отношения между двумя переменными (X, Y). Каждая точка представляет только пару значений. Они сосредоточены на анализе корреляций, трендов или выбросов между переменными и подходят для исследования основных отношений. Пузырьковые диаграммы, с другой стороны, вводят третью переменную, кодируя значения через размер (или цвет) пузыря, что позволяет одновременный анализ трех переменных.