Un grafico a imbuto è un grafico a dispersione che visualizza le proporzioni delle misurazioni (asse Y) raccolte da campioni di varie dimensioni (asse X). Lo scopo di un grafico a imbuto è aiutare a distinguere le variazioni casuali da quelle non casuali nei dati. È più probabile che i punti all'interno delle curve limite differiscano in base alla casualità, mentre è più probabile che i punti all'esterno delle curve siano il risultato di una situazione speciale non causata dalla casualità.
Questo esempio mostra come utilizzare il componente aggiuntivo Funnel Plot per creare un grafico a imbuto con una distribuzione z-score basata su una colonna Sample Size e una colonna Occurrences. Le colonne devono essere impostate in modo tale che quando un dato valore nella colonna Occurrence viene diviso per il valore corrispondente nella colonna Sample Size, il valore proporzionale tracciato risultante sia compreso tra zero e uno inclusi.
Innanzitutto, apri una tabella di dati con le occorrenze e le dimensioni del campione che desideri utilizzare un grafico a imbuto per analizzare. Con la tabella dei dati aperta, selezionare Componenti aggiuntivi > Generatore grafico a imbuto . Dalla finestra di avvio, assegna Sample Size e Occurrences ai rispettivi ruoli. Vedere la figura seguente:
Figura 1.1 Finestra di avvio
Utilizzare le opzioni Mostra legenda e Mostra istogramma per controllare ciò che appare sul grafico.
Dopo aver fatto clic su OK, il grafico sarà simile alla figura 1.2.
Figura 1.2 Proporzioni rispetto alla dimensione del campione
I punti che non rientrano nelle curve del limite del 95% rappresentano dati che possono essere attribuiti alla casualità solo il 5% delle volte. Allo stesso modo, i punti che non rientrano nelle curve del limite del 99,8% rappresentano dati che possono essere attribuiti alla casualità solo lo 0,2% delle volte (il che è estremamente raro).
Figura 1.3
Se guardi i punti cerchiati nel grafico a imbuto, potresti presumere che il punto cerchiato in rosso abbia un significato maggiore rispetto al punto cerchiato in verde; Tuttavia, questo non è il caso. Infatti il punto cerchiato in verde rappresenta un valore molto più estremo. Poiché la dimensione del campione del valore cerchiato in rosso è così piccola, è molto più probabile che sia il risultato della casualità. Mentre per i dati del punto cerchiato in verde, la proporzione è molto più significativa rispetto al resto dei valori, e quindi non può essere dovuta a casualità. Invece, è molto più probabile che il valore estremo della proporzione sia il risultato di qualche situazione significativa o causa speciale. (Vedi i link sottostanti per maggiori informazioni.)
L'istogramma a destra è una distribuzione di punteggi z calcolati dai dati. I punteggi Z vengono utilizzati per normalizzare i dati dato che i campioni di dati originali non provengono dalla stessa distribuzione. Utilizzando i punteggi z, i punti ora hanno una media di 0 e una deviazione standard di 1, seguendo una distribuzione normale.
Dettagli statistici
Potenziali problemi
Assicurarsi che nessuna occorrenza sia maggiore della dimensione del campione corrispondente, in quanto ciò interromperà i calcoli utilizzati per generare il grafico e la distribuzione.
Per ulteriori informazioni sui grafici a imbuto e sui loro usi, dai un'occhiata a questi link:
http://www.perceptualedge.com/articles/visual_business_intelligence/variation_and_its_discontents.pdf
http://understandinguncertainty.org/fertility
Graph Makeover: Dove vivono le coppie dello stesso sesso negli Stati Uniti
Ottimo componente aggiuntivo!
Domanda di Ref Steven Moore: c'è un modo per aggiungere etichette ai punti?
Puoi cambiare le curve limite per dire 80 e 90%?
Grazie,
Rosser
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Un'altra domanda:
Come vengono calcolati i valori z?Perché, quando uso la media campionaria e la deviazione standard per codificare i dati e li confronto con i risultati delle statistiche del punteggio z di Funnel Plot, sono diversi.I miei risultati danno lo 0 previsto per la media e 1 per la deviazione standard, ma la media del grafico a imbuto è -0,466405 e la sua deviazione standard è 7,6169797... e anche i grafici diagnostici sono abbastanza diversi...???
Qualche piano per aggiungere una "opzione" per tenere conto dell'eccessiva dispersione?Ciò accade in genere quando i denominatori sono relativamente grandi, facendo sì che molti punti si trovino (erroneamente) al di fuori dei limiti di controllo del Funnel Plot... un evento non raro con le metriche sanitarie.
Grazie per il componente aggiuntivo per la trama dell'imbuto!C'è un modo per etichettare i punti fuori dai limiti se hai una colonna per le etichette?
Grazie!
