آکادمی و موسسه علمی پژوهشی ابن سینا

نمودار پراکندگی X-Y

متخصص آماری و نموداری بزرگ، جان توکی بر این باور است "بیشترین ارزش یک تصویر زمانی است که ما را وادار به توجه به مواردی می کند که هرگز انتظار دیدن آن را نداشتیم". اگرچه اغلب فرم های گرافیکی به ما در رسیدن به این هدف کمک می کنند، موثرترین مورد برای حوزه علمی نمودار پراکندگی x-y است. در سال 2012، حدود 3/1 تمام تصاویر در مجله میکرو/نانولیتوگرافی، MEMS و MOEMS (JM) و حدود 70 درصد تمام نمودارهای داده ای از نوع نمودارهایی پراکندگی x-y بوده اند (به بخش 4.7 مراجعه کنید). اولین نمودار پراکندگی مدرن به جان هرشل (1871-1792)، پسر ویلیام هرشل ، کاشف اورانوس و نور مادون قرمز نسبت داده می شود. در سال 1833، جان هرشل   از نمودار پراکندگی اندازه گیری های ستاره ای دوتایی شلوغ  با کمک گرفتن از چشم و دست برای هدایت قضاوت، برای شناسایی رویه استفاده کرد و بدین ترتیب هدف توکی تحقق یافت. نمودار پراکندگی این امکان را برای بیننده فراهم می اورد که رویه های مهمی را که داده بیان می کند تجسم نموده و در صورت امکان همانطور که هرشل مطرح می کند با تجسم خطی که نه از وسط، بلکه از بین آنها عبور می کند نظریه ای برای تبیین آنها ارائه دهد. در سال 1920، نمودار پراکندگی به عنوان ابزار علمی به صورت گسترده مورد استفاده قرار گرفت. 
نمودار پراکندگی x-y نموداری است که طی آن دو نمودار  متفاوت در طول دو محور آن ترسیم شده و در آن نقاط ارزش هر یک از متغیرها را برای هر یک از موضوعات نشان می دهد، بنابراین نوع ارتباط بین متغیرها را می توان مشاهده کرد. اگر محور x نشان دهنده زمان باشد، این نمودار نمودارهای توالی زمانی نامیده می شود و به دلیل نقش منحصر به فرد زمان در بروز علیّت از چارپوب تحلیلی یا تفسیری منحصر به فردی برای داده ها استفاده می کند. در اینجا منظور من بیشتر نمودار پراکندگی x-y است و نه نمودارهای توالی زمانی. همچنین نقش نمودار پراکندی x-y به عنوان نمایشگر داده های چندمتغیره را نادیده می گیرم (سه یا چهار متغیر) – هرچند این نقش بسیار جالب و مهم است- اما در عوض بر مبانی نمودارهای علمی پرطرفدار تمرکز می کنم.
چه چیزی یک نمودار را به نمودار پراکندگی x-y خوب تبدیل می کند؟ در رابطه با تمام نمودارها، هدف باید بر این باشد که داده ها به صورت کافی و موثر کل داستان را روایت کنند. اولین قانون نمودار این است که باید به افشای حقیقت کمک کند. اگرچه نمودارها هم به اکتشاف داده ها و هم ارائه داده ها کمک می کنند، در اینجا منحصرا از طریق چند مثال بر ارائه و بازنمایی داده ها تمرکز خواهیم نمود.

پایان بخش اول