The dot plot as a representation of

The dot plot as a representation of a distribution consists of group of data points plotted on a simple scale. Dot plots are used for continuous, quantitative, univariate data. Data points may be labelled if there are few of them.

Dot plots are one of the simplest statistical plots, and are suitable for small to moderate sized data sets. They are useful for highlighting clusters and gaps, as well as outliers. Their other advantage is the conservation of numerical information. When dealing with larger data sets (around 20–30 or more data points) the related stemplot, box plot or histogram may be more efficient, as dot plots may become too cluttered after this point. Dot plots may be distinguished from histograms in that dots are not spaced uniformly along the horizontal axis.

Although the plot appears to be simple, its computation and the statistical theory underlying it are not simple. The algorithm for computing a dot plot is closely related to kernel density estimation. The size chosen for the dots affects the appearance of the plot. Choice of dot size is equivalent to choosing the bandwidth for a kernel density estimate.

ผลลัพธ์ (ไทย) 1:

จุดพล็อตเป็นตัวแทนของการกระจายประกอบด้วยกลุ่มของจุดข้อมูลที่พล็อตในระดับง่าย จุดแปลงใช้ไร univariate ต่อเนื่อง เชิง ปริมาณ ข้อมูล จุดข้อมูลอาจจะระบุว่ามีไม่กี่ของพวกเขาจุดวางเป็นหนึ่งง่ายที่สุดสถิติวาง และเหมาะสำหรับขนาดเล็กถึงปานกลางชุดข้อมูลขนาดใหญ่ จะมีประโยชน์สำหรับการเน้นคลัสเตอร์ และช่องว่าง เป็น outliers ประโยชน์ของพวกเขาคือ การอนุรักษ์ข้อมูลตัวเลข เมื่อจัดการกับชุดข้อมูลขนาดใหญ่ (ประมาณ 20-30 หรือมากกว่าจุดข้อมูล) ที่เกี่ยวข้อง stemplot พล็อตกล่อง หรือฮิสโตแกรมอาจมีประสิทธิภาพมากขึ้น เป็นจุด ผืนอาจจะเกินระเบียบหลังจากจุดนี้ แปลงจุดอาจจะต่างจากฮิสโตแกรมในที่จุดมีระยะห่างสม่ำเสมอตามแนวแกนแม้ว่าพล็อตปรากฏเป็นอย่างง่าย การคำนวณและทฤษฎีทางสถิติพื้นฐานมันไม่ได้ง่าย การประเมินความหนาแน่นของเคอร์เนลอย่างใกล้ชิดกับกับอัลกอริทึมสำหรับคอมพิวเตอร์พล็อตจุด เลือกขนาดสำหรับจุดมีผลต่อลักษณะที่ปรากฏของจุด เลือกจุดขนาดเท่ากับเลือกแบนด์วิดธ์สำหรับการประเมินความหนาแน่นของเคอร์เนลได้

ผลลัพธ์ (ไทย) 2:

พล็อตจุดเป็นตัวแทนของการกระจายประกอบด้วยกลุ่มของจุดข้อมูลที่พล็อตโยง่าย แปลงจุดจะใช้สำหรับการอย่างต่อเนื่องปริมาณข้อมูล univariate จุดข้อมูลที่อาจมีข้อความว่ามีกี่ของพวกเขา. แปลง Dot เป็นส่วนหนึ่งของแผนการทางสถิติที่ง่ายและเหมาะสำหรับการขนาดเล็กถึงปานกลางชุดข้อมูลขนาดใหญ่ พวกเขามีประโยชน์สำหรับการเน้นกลุ่มและช่องว่างเช่นเดียวกับค่าผิดปกติ ประโยชน์อื่น ๆ ของพวกเขาคือการอนุรักษ์ข้อมูลตัวเลข เมื่อจัดการกับชุดข้อมูลขนาดใหญ่ (ประมาณ 20-30 หรือมากกว่าจุดข้อมูล) คำ Stemplot ที่เกี่ยวข้องกับพล็อตกราฟกล่องหรืออาจจะมีประสิทธิภาพมากขึ้นเช่นแปลงจุดอาจกลายเป็นรกเกินไปหลังจากจุดนี้ แปลงจุดอาจจะแตกต่างจาก histograms ในจุดที่ไม่ได้เว้นระยะอย่างสม่ำเสมอตามแนวแกนนอน. แม้ว่าพล็อตที่ดูเหมือนจะง่ายในการคำนวณและทฤษฎีทางสถิติพื้นฐานของมันจะไม่ง่าย อัลกอริทึมสำหรับการคำนวณพล็อตจุดที่เกี่ยวข้องอย่างใกล้ชิดกับเคอร์เนลประมาณความหนาแน่น ขนาดเลือกสำหรับจุดส่งผลกระทบต่อการปรากฏตัวของพล็อต การเลือกขนาดของจุดจะเทียบเท่ากับการเลือกแบนด์วิดธ์ในการประมาณการความหนาแน่นของเคอร์เนล