Расширенные варианты диаграмм рассеяния в Data Insights

Эта тема является частью раздела Data Insights в GMAT Focus.

GMAT в разделе Data Insights часто усложняет scatterplot, добавляя второй или третий слой информации. Ниже — основные варианты, которые нужно уверенно распознавать и интерпретировать.

1) Scatterplot с разными цветами (группы объектов)

В этом варианте цвет точки (или форма) указывает на принадлежность к группе.

Пример логики:

• тёмные точки — объекты, основанные до 1970;

   

• светлые точки — объекты, основанные после 1980.

   

Что проверяет GMAT:

• видите ли вы, что у разных групп разные паттерны;

   

• можете ли сравнить корреляции внутри каждой группы, а не «в среднем по больнице».

   

Важно:

• всегда смотрите легенду (key);

   

• один и тот же тренд может быть положительным для одной группы и отрицательным или отсутствовать для другой.

   

2) Scatterplot с двумя вертикальными шкалами (dual-axis)

Здесь используются две оси Y — левая и правая — с разными шкалами.
Обычно каждый объект представлен двумя маркерами:

• один маркер читается по левой шкале,

   

• второй — по правой шкале,

   

• оба расположены над одним и тем же значением X.

   

Типичный пример:

• X — колледжи (каждый колледж = вертикальная линия),

   

• левая шкала — доход от обучения (tuition income),

   

• правая шкала — инвестиционный доход (investment income).

   

Как читать:

• круг (например, зелёный) → читается по левой шкале;

   

• точка (чёрная) → читается по правой шкале;

   

• вертикальное расстояние между ними не имеет значения само по себе — важно, какой шкалой читать каждый символ.

   

Типовые вопросы:

• есть ли корреляция между показателями?

   

• у каких объектов высокий один показатель и низкий другой?

   

• положительная или отрицательная зависимость?

   

3) Bubble chart (scatterplot с «пузырями»)

Это scatterplot, где:

• X и Y — как обычно;

   

• размер круга кодирует третью переменную.

   

Как интерпретировать:

• центр круга → значения X и Y;

   

• площадь круга → величина третьего показателя (например, число сотрудников).

   

Что это даёт:

• те же данные по X и Y,

   

• плюс более глубокий сюжет, когда учитывается масштаб объекта.

   

Типичные ловушки:

• не путать радиус и площадь (GMAT ожидает качественную интерпретацию, а не вычисления);

   

• сравнивать размеры приблизительно, а не «на глаз с точностью до миллиметра».

   

Пример анализа (dual-axis)

Вопрос:

Как связаны доход от обучения и инвестиционный доход?

Подход:

• смотрим общий тренд при движении по X;

   

• если при росте tuition income инвестиционный доход падает — это отрицательная корреляция.

   

Важно помнить:

• корреляция — это тенденция по всей выборке, а не правило для каждого отдельного объекта.

   

Ключевые правила для сложных scatterplots

1. Сначала определите, сколько переменных показано

    

   • 2 переменные → обычный scatterplot;

      

     • цвет/форма → группировка;

        

     • размер круга → третья переменная;

        

     • две шкалы Y → dual-axis.

        

2. Всегда читайте легенду

    

   • без неё невозможно понять, что кодирует цвет/форма/размер.

      

3. Не сравнивайте «не то с тем»

    

   • маркеры с разными шкалами читаются по своим осям;

      

   • размер круга — отдельная переменная, не путайте её с Y.

      

4. Ищите тренд, а не исключения

    

   • GMAT не интересуют частные случаи;

      

   • важна общая картина.

      

Итог

Расширенные scatterplots в Data Insights проверяют умение:

• удерживать несколько переменных одновременно,

   

• корректно читать легенды и шкалы,

   

• видеть корреляции внутри групп,

   

• извлекать смысл, а не выполнять вычисления.

Далее нас ждет практическое задание.