산포도

마지막 업데이트: 2022년 5월 14일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
report this ad

데이터가 어떻게 흩어져 있는지를 확인하기 위해서 중심경향치와 함께 산포에 대한측도를 같이 고려한다. 데이터의 산포도를 나타내는 측도로는 범위, 사분위수, 분산, 표준편차, 변동계수가 있다.

데이터의 최댓값과 최소값의 차이를 범위라 한다.

사분위수
전체 데이터를 오름차순으로 정렬하여 4등분을 하였을 때, 첫 번째를 제 1사분위수(Q1), 두번째를 제 2사분위수(Q2), 세번째를 제 산포도 3사분위수(Q3)라고하며 산포를 나타낼 때 많이 사용한다.
사분위수 범위 IQR = 제 3사분위수 - 제1사분위수

전체 데이터를 오름차순으로 정렬하여 주어진 비율에 의해 등분한 값을 말한다. 제 p백분위수는 p%에 위치한 자료 값을 말하며 데이터를 오름차수로 배열하고 자료가 n개가 있을 때, 제 (100 * p)백분위수는 다음과 같다.

  • np가 정수이면 np번째 (np + 1)번째 자료의 평균
  • np가 정수가 아니면, np보다 큰 최소의 정수를 m이라고 할 때 m번째 자료

데이터의 분포가 얼마나 흩어져 있는지를 알 수 있는 측도이며 데이터의 각각의 값들의 편차를 제곱합으로 계산한 것이다. 분산은 산포도에서 제일 중요한 개념이다.

변동계수(Coefficient of Variattion, CV)

평균이 다른 두개 이상의 그룹의 표준편차를 비교할 때 사용한다. 변동계수는 표준편차를 평균으로 나누어서 산출하며 단위나 조건에 상관없이 서로 다른 그룹의 산포를 비교하여 실제 분석에서 자주 사용한다.

왜도(skew)

자료의 분포가 얼마나 비대칭적인지를 표현하는 지표이며, 0이면 좌우가 대칭이고 0에서 클수록 우측 꼬리가 길고 0에서 작아질 수록 좌측 꼬리가 길어진다.

첨도(kurtosis)

확률분포의 꼬리가 두꺼운 정도를 나타내는 척도이며 첨도값(K)이 3에 가까우면 산포도가 정규분포에 가까워진다. 3보다 작을 경우에는 산포는 정규분포보다 꼬리가 얇은 분포로 생각할 수 있다. 첨도값이 3보다 큰 양수이면 정규분포보다 꼬리가 두꺼운 분포로 판단할 수 있다.

산포도 의 자세한 의미

Ezoic

report this ad

산포도 뜻

Ezoic

report this ad

초성이 같은 단어들

(총 46개) : 사파다, 사포도, 삯팔다, 산패도, 산편두, 산포대, 산포도, 산포두, 살피다, 살피듬, 살핏둑, 샐피다, 샴푸대, 설편도, 설푸다, 설픠다, 설피다, 성평등, 성풀다, 셰퍼드, 셰필드, 소편대, 소피대, 쇄파대, 수평대, 수평동, 술푸대, 스퍼드, 스펜더, 스피더, 스피드, 스핀들, 슬푸다, 슬프다, 시푸다, 시프다, 시피다, 식피도, 실파도, 실패담, 실푸다, 실프다, 심판단, 심판대, 새 폴더, 수풍 댐

실전 끝말 잇기

산으로 끝나는 단어 (3,728개) : 비페닐아세트산, 약정 체결 자산, 겐티아나 중조산, 시클로헵타코산, 역발산, 흑자 도산, 폴리인산, 청계산, 요오드아세트산, 아비산, 지각 출산, 무수 아류산, 일항 연산, 빼내기 연산, 두륜산, 고유 재산, 순액예산, 질산식류산, 소수성 아미노산, 평균 생산, 이성산, 소로트 생산, 사료용 인산, 지달산, 세공 확산, 기장 연산, 계렬생산, 소각 자산, 무고작산, 기본 행 연산, 산두곡산, 부개산, 자기청산, 재료 재고 자산, 포스핀산, 플루오르화 수소산, 사회 공헌 예산, 군북 광산, 카프르산, 실상산, 포름산, 진부화 자산, 단쇄 지방산, 아세트산, 피페린산, 역연산, 양철 낙하산, 가계 내 생산, 연결 연산, 오류 광산, 다중 정밀도 연산, 잡종 종자 생산, 굳기름산, 지아스타제 중조산, 북포태산, 릴레이셔널 연산, 섞인산, 근사계산, 소리 확산, 안산 .

도로 시작하는 단어 (5,018개) : 도, 도가, 도가(가) 뜨다, 도가니, 도가니강, 도가니로, 도가니유도로, 도가니 집게, 도가니탕, 도가락, 도가리, 도가머리, 도가사령, 도가 술, 도가시, 도가자류, 도가적 미술, 도가지, 도가지뚜껑, 도가풍, 도각, 도각되다, 도각 운동, 도각하다, 도간, 도간도간, 도간물리, 도간수, 도간지, 도갈린, 도갈뱀, 도감, 도감고, 도감관, 도감군, 도감당랑, 도감 당상, 도감독, 도감사, 도감전, 도감청, 도감청하다, 도감 포수, 도감 포수 마누라 오줌 짐작하듯, 도갑사, 도갑사 계곡, 도갑사 해탈문, 도갓술, 도갓집, 도갓집 강아지 같다, 도강, 도강경기, 도강나루, 도강록, 도강선, 도강세, 도강자, 도강 작전, 도강증, 도강파 .

시작 또는 끝이 같은 단어들

산으로 시작하는 단어 (3,781개) : 산, 산가, 산가꾸 문제, 산가단백질, 산가막살나무, 산가비, 산가상, 산가시, 산가야창, 산가 중홧값, 산가지, 산가지 놀이, 산가지치기, 산가쿠 문제, 산가태, 산각, 산각시취, 산간, 산간 도로, 산간 매립지, 산간벡지, 산간벡촌, 산간벽지, 산간벽촌, 산간 분지, 산간 빙하, 산간수, 산간요곡지, 산간 지대, 산간 지방, 산간 지역, 산간 평야, 산갈가마귀, 산갈래, 산갈매나무, 산갈치, 산갈칫과, 산갈퀴, 산갈퀴덩굴, 산감, 산감독, 산감수, 산감하다, 산갑, 산값, 산갓, 산갓사초, 산강, 산강재, 산개, 산개고사리, 산개구리, 산개나리, 산개 대형, 산개되다, 산개벚나무, 산개비, 산 개 새끼가 죽은 정승보다 낫다, 산개 성단, 산개쑥부쟁이 .

도로 끝나는 단어 (9,249개) : 등록금 제도, 서수 척도, 확률 밀도, 공융 온도, 군선도, 온습도, 감모도, 보정 해상도, 조도 균제도, 실태도, 유전자 빈도, 가족 관계 만족도, 호흡 속도, 표준유도도, 쇠퇴도, 층심도, 과학도, 송전선정전유도, 명시도, 배도, 복지 제도, 기술 복덕방 제도, 과도 안정도, 차동 감도, 전투적사격속도, 자살 기도, 기억 지도, 생장 온도, 리콜 제도, 결합도, 으래도, 투도, 완전 유도, 중첩도, 선택도, 세상읏어도, 외형도, 석조 부도, 최대 증식 허용 농도, 통신 속도, 수평 강도, 가변도, 오봉일월도, 가덕도, 과속도, 할증 스톡 옵션 제도, 촬상관 에너지 감도, 매개 변수 감도, 잔류 자속 밀도, 사용 가능도, 산학훈도, 신풍속도, ㅁ에도, 천마외도, 계산 안정도, 곧창자 요도, 요동반도, 팔각도, 뇌 조영도, 진찬도 .

🎲 🎯 ⚖ μ σ ρ

일반적으로 평균은 자료를 대표하는 값으로 매우 적절하지만 자료 중에 매우 큰 값이나 작은 값이 있을 때는 이 값에 영향을 많이 받는다. 이러한 경우 중앙값이 이용된다. 중앙값은 자료를 순서대로 정렬하였을 때 그 중앙에 있는 값을 의미한다. (자료 4.1)에서는 홀수인 5개의 자료가 있어 그 중앙인 3번째(\(\frac\)번째) 자료가 중앙값으로 다음과 같이 구한다.

만일 자료가 6개인 짝수인 경우 중앙값은 어떻게 구할까? 이 경우 자료의 중앙값은 정렬된 자료의 3번째(\(\frac\)번째)와 4번째(\(\frac\)번째)의 평균으로 계산한다.

일반적으로 중앙값은 \(m\)으로 표시하고 구하는 방법은 다음과 같다.

1) 자료를 오름차순으로 정렬한다.
2) 자료수가 홀수 개인지 짝수 개인지 확인한다.
3) 자료가 홀수 개이면 중앙값 \(m\) = (\(\frac\))번째 자료
자료가 짝수 개이면 중앙값 \(m\) = (\(\frac\))번째와 (\(\frac\))번째 자료의 평균

위와 같은 몸무게 자료의 전반적인 분포를 보기위해서는 앞에서 살펴본 줄기와 잎 그림이나 히스토그램을 생각할 수 있지만 자료를 대표하는 값을 살펴보기에는 점그래프가 적절하다. 점그래프는 자료의 최솟값과 최댓값을 구한 후 가로축 상에 이 값들을 먼저 표시하고, 각각의 자료를 최솟값과 최댓값에 비례한 위치를 계산하여 점으로 표시한 것이다.

은 (자료 4.1)에 대한 점그래프이다. 최솟값 55와 최댓값 76에 비례해서 각각의 자료를 동그란 점으로 표시한 것이다. 초록색 선이 평균 이고 빨강 선이 중앙값 이다. 이 자료에서는 평균이 중앙값보다 약간 우측에 위치해 있는데 그 이유는 자료 중에서 77이 나머지 네 개의 자료보다느 오른쪽에 위치해 있기 때문이다. 즉 평균은 중앙값보다 극단값에 민감하다.

자료가 많을 경우 위와 같이 수작업으로 평균과 산포도 중앙값을 구하는 것은 시간도 많이 걸리고 쉽지 않다. 『eStat』소프트웨어를 이용하여 자료의 대푯값을 구해보자.

🎲 실습 4.1

왼쪽의 QR을 이용해 『eStatH』 메뉴에서 ‘점그래프 – 평균/표준편차’를 선택하면 와 같은 창이 나타난다.

‘자료 입력’에 학생들의 몸무게 자료를 입력한다. (전자책에서 자료를 복사하여 붙여넣기를 해도 됨)

자료를 입력하면 자료수, 최솟값, 최댓값, 평균, 중앙값 등이 계산된다. [실행] 버튼을 클릭하면 과 같은 점그래프가 나타나고 평균 및 중앙값이 표시된다.

아래에는 과 같은 시뮬레이션 창이 나타난다. 이 시뮬레이션은 마우스로 한 점을 이동시켜 평균과 산포도 중앙값의 변화를 살펴보는 것이다. 예를 들어 제일 오른쪽의 점을 마우스로 끌어 오른쪽으로 이동하면 평균은 변하지만 중앙값은 변하지 않는다. 즉 중앙값은 극단점에 영향을 받지 않는다

🎲 실습 4.2

『eStat』을 이용하여 우리나라의 2월 서울의 일별 최저기온([실습 3.2])을 조사한 (자료 3.2)에 대하여 평균 및 중앙값을 구해보자.

-2.3 -8.2 -9.4 -7.4 -4.4 4.3 -2.6 5.4 -6.1 -1.5 1.3 0.6 1.0 6.4 -5.2 -7.0 -10.4 -10.6 -7.1 5.5
4.7 0.4 -3.1 -3.0 0.7 0.5 4.3 3.2

왼쪽의 QR을 이용하여 나타나는『eStatH』 메뉴에서 ‘점그래프 – 평균 / 표준편차’를 선택하면 와 같은 자료 입력창이 나타난다.

자료 입력’에 일별 최저기온 자료를 입력하면 (전자책에서 자료를 복사하여 붙여넣기를 해도 됨) 즉시 와 같이 입력된 자료수 28, 평균 –1.79, 중앙값 –1.90, 최솟값 –10.6도, 최댓값이 6.4도임을 보여준다.

[실행] 버튼을 클릭하면 와 같은 점그래프가 나타나고 평균(\(\mu\)) 및 중앙값(\(m\))이 표시된다. 이 점그래프 아래에는 점을 마우스로 변화시키며 평균과 산포도 중앙값의 변화를 살펴볼수 있는 시뮬레이션창이 나타난다.

⏱ 과제 4.1

다음은 2016년 현재 서울의 25개 행정구별 자전거 전용 도로 길이에 대한 자료이다. ([과제 3.1]). 『eStat』을 이용하여 점그래프와 자료의 대푯값을 구하고 분석하라.

⏱ 과제 4.2

다음은 2020년 우리나라를 통과한 태풍의 최대 풍속에 대한 자료이다 ([과제 3.2]). 『eStat』을 이용하여 점그래프와 자료의 대푯값을 구하고 분석하라.

도수분포표에서 평균구하기

다음과 같이 한 중학교 학급의 학력고사 성적의 도수분포표가 주어졌다고 하자.

원 자료가 아니라 도수분포표가 주어졌을 때 평균은 중간값을 이용해 근사적으로 다음과 같이 구할 수 있다.

먼저 각 계급의 중간값을 구한다. 그리고 각 계급에 도수만큼 중간값이 있다고 생각하고 이 근사 자료를 이용하여 평균을 구한다.

몸무게(kg) 중간값 도수 근사자료
60이상 ~ 70미만 65 3 65 65
70 ~ 80 75 7 75 75 75 75 75
80 ~ 90 85 11 85 85 85 85 85 85 85 85 85 85
90 ~ 100 95 5 95 95 95
합계 30

『eStatH』의 ‘도수분포다각형 – 상대도수 비교’를 이용하면 도수분포표의 근사적인 평균을 과 같이 구할 수 있다. 계급구간의 왼쪽값과 도수1을 입력한 후 [실행] 버튼을 누르면 된다.

산포도

4.2 자료의 산포도 - 표준편차

한 중학교 학생 5명의 퀴즈 성적(10점 만점)이 다음과 같다.

자료들이 흩어져 있는 정도를 산포도라 부른다. 산포도의 간단한 측정 방법은 최댓값에서 최솟값을 뺀 범위이다. $$ \text = \text $$ (자료 4.1)에서 최댓값은 77이고 최소값은 55이므로 범위는 22이다. $$ \text = \text $$

이러한 범위는 극단값에 너무 민감하기 때문에 산포도의 측정에는 일반적으로 분산 또는 표준편차를 많이 이용한다. 분산은 각 자료값과 평균과의 거리를 제곱하여 합을 구한 후 이를 자료의 수로 나눈 것이다. 따라서 자료가 평균을 중심으로 많이 흩어져 있으면 분산이 커지고, 자료가 평균주위에 몰려 있으면 분산이 작게 된다. 분산은 \(\sigma^2\)(시그마 제곱으로 읽음)으로 표시한다.

(자료 4.2)에서 평균은 다음과 같다. $$ \text \quad \mu ~=~ \frac<6+8+7++4+10> ~=~ \frac ~=~ 7 $$

분산은 평균에서 각 측정값까지의 거리를 제곱하여 합을 구한 후 그 평균을 구한 것이다. 즉, 거리제곱의 평균이다. $$ \begin \text \quad \sigma^ &~=~ \frac < (6-7)^2 + (8-7)^2 + (7-7)^2 + (4-7)^2 + (10-7)^2> \\ &~=~ \frac ~=~ 4 \end $$ \(n\) 개의 자료를 \(x_1 , x_2 , . , x_n\)으로 표시하고 평균을 \(\mu\)로 표시하였을 때 분산은 다음과 같은 공식으로 나타낼 수 있다. $$ \begin \text \quad \sigma^ ~=~ < ^ (x_ - \mu )^> > ~~~~ (n:~자료수) \\ \end $$

표준편차는 분산의 제곱근으로 정의하고 \(\sigma\)로 표시한다. 분산은 제곱거리의 평균이어서 현실적인 해석이 쉽지 않으나 표준편차는 분산의 제곱근이어서 각 값과 평균과의 평균거리의 측도로 해석이 가능하다. $$ \text \quad \sigma ~=~ \sqrt \\ $$ (자료 4.2)의 표본표준편차는 \(\sigma\) = \(\sqrt\) = \(\sqrt\) = 2 이다.

🎲 실습 4.3

왼쪽의 QR을 이용해 『eStatH』 메뉴에서 ‘점그래프 – 평균/표준편차’를 선택하면 과 같은 창이 나타난다.

‘자료 입력’에 학생들의 퀴즈성적 자료를 입력한다. (전자책에서 자료를 복사하여 붙여넣기를 해도 됨)

자료를 입력하면 자료수, 최솟값, 최댓값, 평균, 중앙값 등이 계산된다. [실행] 버튼을 클릭하면 과 같은 점그래프가 나타나고 평균(\(\mu\)), 중앙값(\(m\)), 표준편차(\(\sigma\)), 그리고 \(\mu\) \(\pm\) \(\sigma\) 길이가 표시된다.

그림 아래에 있는 시뮬레이션 창을 이용하여 마우스로 한 점을 이동시키면서 표준편차 길이의 변화를 살펴볼 수 있다. 표준편차도 극단점에 영향을 받는다.

🎲 실습 4.4

왼쪽의 QR을 이용하여 나타나는『eStatH』 메뉴에서 ‘점그래프 – 평균 / 표준편차’를 선택하면 >와 같은 자료 입력창이 나타난다.

자료를 입력하면 자료수, 최솟값, 최댓값, 평균, 중앙값 등이 계산된다. [실행] 버튼을 클릭하면 과 같은 점그래프가 나타나고 평균(\(\mu\)), 중앙값(\(m\)), 표준편차(\(\sigma\)), 그리고 \(\mu\) \(\pm\) \(\sigma\) 길이가 표시된다.

그림 아래에 있는 시뮬레이션 창을 이용하여 마우스로 한 점을 이동시키면서 표준편차 길이의 변화를 살펴볼 수 있다. 표준편차도 극단점에 영향을 받는다.

⏱ 과제 4.3

다음은 2016년 현재 서울의 25개 행정구별 자전거 전용 산포도 도로 길이에 대한 자료이다 ([과제 3.1]). 『eStat』을 이용하여 점그래프와 자료의 평균 및 표준편차를 구하고 분석하라.

⏱ 과제 4.4

다음은 2020년 우리나라를 통과한 태풍의 최대 풍속에 대한 자료이다 ([과제 3.2]). 『eStat』을 이용하여 점그래프와 자료의 평균 및 표준편차를 구하고 분석하라.

도수분포표에서 표준편차 구하기

다음과 같이 한 중학교 학급의 학력고사 성적의 도수분포표가 주어졌다고 하자.

앞 절에서 원 자료가 아니라 도수분포표가 주어졌을 때 평균을 중간값을 이용해 근사적으로 구하였다. 표준편차도 유사한 방법으로 구한다.

먼저 각 계급의 중간값을 구한다. 그리고 각 계급에 도수만큼 중간값이 있다고 생각하고 이 근사 자료를 이용하여 평균을 구한다.

몸무게(kg) 중간값 도수 근사자료
60이상 ~ 70미만 65 3 65 65
70 ~ 80 75 7 75 75 75 75 75
80 ~ 90 85 11 85 85 85 85 85 85 85 85 85 85
90 ~ 100 95 5 95 95 95
합계 30

『eStatH』의 ‘도수분포다각형 – 상대도수 비교’를 이용하면 도수분포표의 근사적인 평균과 표준편차를 과 같이 구할 수 있다. 계급구간의 왼쪽값과 도수1을 입력한 후 [실행] 버튼을 누르면 된다.

4.3 공분산 - 상관계수

한 중학교 남학생 7명의 신장과 체중을 산포도 조사하였더니 다음과 같다.

한 변량에서 산포도의 측도로 분산이 이용되듯이 두 변량에서는 다음과 같은 공분산이 이용된다. \(n\)개의 x, y 자료를 \( (x_1 , y_1 ), (x_2 , y_2 ), . , (x_n , y_n ) \)으로 표시하고 평균을 \( (\mu_x , \mu_y )\)로 표시하였을 때 공분산 \(\sigma_\)는 다음과 같은 공식으로 나타낼 수 있다. $$ \text \quad \sigma_ ~ =~ \frac \sum _ ^ (x_ - \mu_x ) (y_ - u_y ) \qquad (n:\text ) $$

공분산은 평면의 평균점 에서 각각의 점들사이의 x축거리와 y축 거리를 곱한값들의 전체 평균을 의미한다. 따라서 평균점을 중심으로 오른쪽 위와 왼쪽 아래에 점이 많으면 공분산은 양의 값을 가져 양의 상관관계를 알 수 있다. 평균점을 중심으로 왼쪽 위와 오른쪽 아래에 점이 많으면 공분산은 음의 값을 가져 음의 상관관계를 알 수 있다. 하지만 공분산은 자료의 단위에 따라 값이 많이 커질 수 있으므로 상관관계의 측도로는 다음과 같은 상관계수 \(\rho\)가 이용된다. $$ \text \quad \rho ~ =~ \frac> $$

상관계수는 공분산의 변형으로 –1에서 +1 사이의 값만 가질 수 있다. 상관계수가 산포도 +1에 가까우면 두 변량이 강한 양의 상관관계 있다고 하고, -1에 가까우면 강한 음의 상관관계가 있다고 한다. 상관계수가 0에 가까우면 두 변량 사이에는 상관관계가 없다.

🎲 실습 4.5

왼쪽의 QR을 이용해 『eStatH』 메뉴에서 ‘산점도 – 상관계수’를 선택하면 와 같은 창이 나타난다.

‘X자료 입력’에 학생들의 신장을, ‘Y자료 입력’에 체중을 입력한다. (전자책에서 자료를 복사하여 붙여넣기를 해도 됨)

자료를 입력하고 [실행] 버튼을 클릭하면 과 같은 산점도가 나타난다.

산점도 아래의 ‘회귀선’을 체크하면 신장과 체중의 관계를 설명하는 회귀직선이 그려진다.

에서 보듯이 (자료 4.3)의 신장과 체중의 공분산은 27이고 상관계수는 0.94로서 강한 양의 상관관계가 있음을 알 수 있다.

⏱ 과제 4.5

다음은 10명 학생들의 주당 학습시간과 시험성적에 대한 자료이다. 『eStatH』를 이용하여 산점도를 그리고 공분산과 상관관계를 구하라.

『eStatH』를 이용하면 여러 가지 상관계수에 대한 자료의 형태를 살펴볼 수 있다.

🎲 실습 4.6

왼쪽의 QR이나 『eStatH』 메뉴에서 ‘상관계수’를 선택하면 과 같은 초기 산점도가 나타난다.

초기 산점도 아래의 ‘상관계수’를 원하는 값으로 바꾸고 [실행] 버튼을 클릭하면 과 같은 해당 상관계수에 대한 산점도가 나타난다. ‘회귀선’을 체크하면 점들을 대표하는 회귀선이 나타난다.

상관관계가 강할 경우에는 변량들의 관계를 잘 설명할 수 있는 직선을 구하는데 이를 회귀선이라 한다. 회귀선에 관한 자세한 설명은 대학 통계에서 다룬다.

🎲 실습 4.7

왼쪽의 QR이나 『eStatH』 메뉴에서 ‘상관계수 – 회귀선 실험’을 선택하면 와 같은 상관계수와 회귀선을 실험할 수 있는 화면이 나타난다.

이 빈 화면에 마우스로 점을 찍으면 와 같이 회귀선과 상관계수가 나타난다. 점을 마우스로 누른 후 이동하면 회귀선과 상관계수의 변화를 관찰할 수 있다.

산포도 및 버블 차트 정보

버블 차트는 산포도 차트를 변형한 것으로서, 데이터 포인트가 버블로 바뀌었으며 데이터의 추가 차원이 버블 크기로 표현되어 있습니다.

두 개의 축이 있습니다. 하나는 가로 축을 따라 숫자 데이터 세트를 표시하며, 또 다른 하나는 세로 축에 두 번째 숫자 데이터 세트를 표시합니다. 제품 및 서비스 세트에 대해 실제 데이터와 계획 데이터를 비교한 산포도 차트의 예를 살펴봅시다.

그림 6-6 산포도 차트 및 데이터

그림 6-6은 한 전자제품 매장의 제품 및 서비스에 대한 실제 데이터와 계획 데이터 세트를 보여줍니다. 함께 표시된 산포도 차트에서는 실제 데이터가 가로 X축을 따라 그려져 있으며 계획 데이터가 세로 Y축에 표시되어 있습니다.

산포도 차트를 보고서에 삽입합니다.

차트 데이터 탭에서 X 버튼을 선택한 후 X축에 그릴 데이터를 강조 표시합니다.

Y 버튼을 선택한 후 Y축에 그릴 데이터를 강조 표시합니다.

축 속성 에서 축에 대한 레이블을 설정합니다(선택 사항).

산포도 속성 에서 표시자 색상, 스타일 및 크기를 설정합니다(선택 사항).

그림 6-7는 X축의 실제 데이터 설정과 Y축의 계획 데이터 설정을 보여줍니다.

그림 6-7 산포도 차트 설정

위 산포도 차트와 동일한 실제 데이터 및 계획 데이터를 사용하지만 두 데이터 간 차이를 세 번째 데이터 세트로 추가한 버블 차트의 예를 살펴봅시다.

그림 6-8 버블 차트 및 데이터

그림 6-8은 한 전자제품 매장의 제품 및 서비스에 대한 실제 데이터와 계획 데이터 세트와 더불어 두 데이터 간 차이가 표시된 세 번째 열을 보여줍니다. 함께 표시된 버블 차트에서는 실제 데이터가 가로 X축을 따라 그려져 있으며 계획 데이터가 세로 Y축에 표시되어 있습니다. 또한 차이 데이터는 버블의 크기로 표현되어 있습니다.


0 개 댓글

답장을 남겨주세요