Interpretar los resultados clave para Gráfica marginal

Complete los siguientes pasos para interpretar una gráfica marginal.

Paso 1: Buscar una relación modelo y evaluar su fuerza

Determinar cuál es la relación de modelo que mejor se ajusta a sus datos y evaluar la fuerza de la relación.

Sugerencia

Para visualizar mejor en qué grado el ajuste particular de un modelo se adapta a sus datos, cree una gráfica de dispersión con una línea de regresión ajustada.

Tipo de relación

Determine cuál relación del modelo, si la hubiera, ajusta mejor sus datos. Los siguientes son ejemplos de los tipos de relaciones.
Lineal: positiva
Lineal: negativa
Curva: cuadrática
Curva: cúbica
Ninguna relación

Si sus datos parecen ajustarse al modelo, puede explorar la relación utilizando un análisis de regresión.

Fuerza de la relación

Evalúe qué tan cerca se ajustan los datos al modelo para estimar la fuerza de la relación entre X e Y. Cuando la relación es fuerte, la ecuación de regresión modela los datos con exactitud.
Relación más debil
Relación más fuerte

Para cuantificar la fuerza de una relación lineal (recta), utilice un análisis de correlación.

Paso 2: Buscar indicadores de datos inusuales o no normales

Los datos asimétricos y los datos multimodales indican que los datos podrían ser no normales. Los valores atípicos pueden indicar otras condiciones en sus datos.

Datos asimétricos

Cuando los datos son asimétricos, la mayoría de los datos se ubican en la parte superior o inferior de la gráfica. La asimetría indica que los datos pueden no estar distribuidos normalmente. En una gráfica marginal, busque en los márgenes de las gráficas indicadores de datos asimétricos.

Por ejemplo, los siguientes gráficos con datos asimétricos hacia la derecha muestran los tiempos de espera. La mayoría de los tiempos de espera son relativamente cortos y solo unos pocos tiempos de espera son largos. Las siguientes gráficas con datos asimétricos hacia la izquierda muestran datos de tiempo de falla. Unos pocos elementos fallan inmediatamente y muchos más fallan posteriormente.
Histogramas
Asimétrico hacia la derecha
Asimétrico hacia la izquierda
Gráficas de puntos
Asimétrico hacia la derecha
Asimétrico hacia la izquierda
Gráficas de caja
Asimétrico hacia la derecha
Asimétrico hacia la izquierda

Si usted está en conocimiento de que sus datos no son naturalemente asimétricos, investigue las posibles causas. Si desea analizar los datos marcadamente asimétricos, lea el tema Consideraciones acerca de los datos para el análisis a fin de asegurarse de que pueda utilizar los datos que no sean normales.

Valores atípicos

Los valores atípicos, que son valores de datos que se encuentran alejados de otros valores de datos, pueden afectar sustancialmente los resultados. En una gráfica marginal, busque en los márgenes de la gráfica de dispersión y de los gráficos datos asimétricos.

Gráfica de dispersión
En una gráfica de dispersión, los puntos aislados identifican los valores atípicos.
Histograma
En un histograma, las barras aisladas en los extremos identifican los valores atípicos.
Gráfica de puntos
En una gráfica de puntos, valores de datos extrañamente bajos o altos identifican posibles valores atípicos.
Gráfica de caja
En una gráfica de caja, los valores atípicos se identifican con asteriscos (*).

Intente identificar la causa de cualquier valor atípico. Corrija cualquier error de entrada de datos o de medición. Considere eliminar los valores de datos que estén asociados con eventos anormales y únicos (causas especiales). A continuación, repita el análisis.

Datos multimodales

Los datos multimodales tienen más de un pico. (Un pico representa el modo de un conjunto de datos). Los datos multimodales generalmente ocurren cuando los datos se recopilan a partir de más de un proceso o condición, como por ejemplo en más de una temperatura.

En una gráfica marginal, busque en los márgenes de los histogramas o las gráfica de puntos indicadores de datos multimodales. Por ejemplo, estas gráficas tienen dos picos.
Histograma
Gráfica de puntos

Si tiene información adicional que le permita clasificar las observaciones en grupos, usted puede crear una variable grupal con esta información. A continuación, puede crear un histograma o una gráfica de puntos con grupos para determinar si la variabla de grupo explica los picos en los datos.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política