Gráfica de matriz

Matrix Plot muestra diagramas de dispersión de todos los pares de dos o más variables numéricas, o una cuadrícula Y frente a X, con histogramas opcionales en la diagonal y grupos por color. No ajusta nada por sí mismo. Úselo para examinar entradas y salidas del proceso antes de una regresión, encontrar variables que aportan la misma información y detectar conglomerados. La interpretación guiada ordena cada X según el R-cuadrado ajustado como predictor de la primera variable.

Última revisión:

Idea clave

Una gráfica de matriz dibuja un diagrama de dispersión para cada par de variables en una sola cuadrícula, de modo que pueda ver de un vistazo qué variables se mueven juntas, cuáles en sentido opuesto y cuáles no guardan relación.

En esta página
  1. Propósito
  2. Capacidades principales
  3. Métodos estadísticos
  4. Campos de entrada y opciones
  5. Descripción de la salida
  6. Ejemplo

Propósito

Matrix Plot dibuja un diagrama de dispersión para cada par de variables en una sola cuadrícula, de modo que pueda ver de un vistazo qué variables se mueven juntas, cuáles en sentido opuesto y cuáles no guardan relación. Úselo para examinar varias entradas y salidas del proceso antes de una regresión, para encontrar variables que aportan la misma información o para detectar conglomerados y puntos inusuales que un único diagrama de dispersión pasaría por alto.

Capacidades principales

  • Matriz de todos los pares de dos o más variables numéricas: un diagrama de dispersión para cada par.
  • Cuadrícula Y frente a X: una fila por cada variable Y y una columna por cada variable X, cuando se definen variables X.
  • Matriz completa, o solo la mitad inferior izquierda o la superior derecha, para eliminar los paneles duplicados.
  • Categoría de color opcional, para ver si los grupos (tipo de lote, proveedor, turno) se separan.
  • Interpretación guiada opcional: un Scatterplot Screener que ordena las demás variables según lo bien que cada una predice la primera.

Métodos estadísticos

Solo se usan las filas en las que todas las variables seleccionadas son numéricas, de modo que todos los paneles muestran el mismo conjunto de observaciones. El panel de la fila i y la columna j grafica la variable i (vertical) frente a la variable j (horizontal). La gráfica en sí no ajusta nada; una banda recta y estrecha de puntos indica una relación lineal fuerte, una forma de abanico indica variación desigual y las nubes separadas indican conglomerados o estratificación.

La interpretación guiada toma la primera variable seleccionada como Y y cada una de las demás como X (o las variables X, cuando se definen). Para cada X ajusta por mínimos cuadrados una recta y una cuadrática, y conserva la cuadrática solo si su término al cuadrado es significativo al nivel del 5%. Informa el R² ajustado del mejor modelo como Predictive Ability: la proporción de la variación de Y que explica X por sí sola, corregida por el número de términos. Cada X se evalúa por separado; cuando las entradas están correlacionadas entre sí, se necesita una regresión múltiple para ver su efecto conjunto.

Campos de entrada y opciones

Campo

Descripción

Variables (or Y variables)

Obligatorio. Dos o más columnas numéricas para una matriz de todos los pares. Si también se define X variables, estas pasan a ser las filas (variables Y) de una cuadrícula Y frente a X.

X variables (optional)

Opcional. Construye una cuadrícula de variables Y frente a variables X (filas = Variables, arriba; columnas = esta lista) en lugar de una matriz de todos los pares.

Color-category column

Opcional. Colorea los puntos por grupo. Seleccione “--” para no usar categorías.

Matrix layout

Full matrix (default), Lower left only o Upper right only. Solo se aplica a la matriz de todos los pares.

Show histograms on the diagonal

Marcada de forma predeterminada: dibuja un histograma de cada variable en los paneles de la diagonal, con un histograma superpuesto por categoría cuando se define una Color-category column; desmárquela para omitir los paneles de la diagonal.

Title

Título de la gráfica. Valor predeterminado “Matrix Plot”.

Discrete color sequence

Paleta de colores para las categorías. Valor predeterminado D3.

Data Options: Subset (optional)

Exclude matching rows (default) o Include only matching rows; Row numbers (p. ej., 3,7,12-15) y/o una Condition (p. ej., Batch_Type == "Premium") seleccionan las filas.

Show guided interpretation

Agrega un Predictive Ability Report, un Diagnostic Report y un Report Card (Scatterplot Screener para la primera variable). Desactivada de forma predeterminada.

matrix-plot-inputs


Figura 1: opciones del ejemplo: cuatro propiedades del material coloreadas por Batch_Type, diseño inferior izquierdo, histogramas en la diagonal, interpretación guiada activada.

Descripción de la salida

  • Matrix Plot: la cuadrícula de diagramas de dispersión, con un histograma de cada variable en la diagonal cuando esa opción está marcada, coloreada por categoría con una leyenda cuando se elige una; pase el cursor sobre un punto para leer sus valores.
  • Predictive Ability Report: gráfica de barras y tabla del mejor modelo (Linear o Quadratic) y su R-sq(adj) % para cada X como predictor de la primera variable (solo con interpretación guiada).
  • Diagnostic Report: qué patrones buscar en cada panel (solo con interpretación guiada).
  • Report Card: comprobaciones de datos inusuales, gráficas alternativas y próximos pasos (solo con interpretación guiada).
  • Exportación a PDF mediante Download.

matrix-plot-output


Figura 2: matriz inferior izquierda de densidad, dureza, resistencia a la tracción y elongación de 40 lotes, Standard (azul) y Premium (naranja), con el histograma de cada propiedad en la diagonal.

Ejemplo

Un metalurgista dispone de cuatro propiedades para cada uno de 40 lotes de material (20 Standard, 20 Premium): densidad (g/cc), dureza (HB), resistencia a la tracción (MPa) y elongación (%). En lugar de seis diagramas de dispersión por separado, el metalurgista selecciona las cuatro como Variables, define Color-category column = Batch_Type y Matrix layout = Lower left only, mantiene marcada la opción Show histograms on the diagonal y marca Show guided interpretation.

La densidad, la dureza y la resistencia a la tracción aumentan juntas en bandas rectas y estrechas: sus correlaciones son de 0.97 a 0.99. La elongación va en sentido contrario, de forma más difusa: los lotes más resistentes son menos dúctiles (correlaciones de aproximadamente −0.46 a −0.51). Los lotes Premium tienen mayor dureza (media de 212.9 frente a 180.1 HB) y mayor resistencia a la tracción (1253.6 frente a 1126.2 MPa), mientras que su densidad difiere poco (7.878 frente a 7.850 g/cc).

El Predictive Ability Report, con la densidad como Y, muestra que la dureza (R-sq(adj) 96.4%) y la resistencia a la tracción (93.7%) predicen cada una la densidad casi por completo con una recta, mientras que la elongación explica solo el 18.8%. Para el equipo esto significa que la dureza, la resistencia a la tracción y la densidad aportan casi la misma información: una prueba rápida de dureza puede servir para examinar los lotes en cuanto a resistencia, y la elongación debe medirse por separado porque no puede inferirse bien a partir de las demás.

Preguntas frecuentes

¿Cuándo debe usarse una gráfica de matriz?

Use una gráfica de matriz para examinar varias entradas y salidas del proceso antes de una regresión, para encontrar variables que aportan la misma información o para detectar conglomerados y puntos inusuales que un único diagrama de dispersión pasaría por alto. Sustituye muchos diagramas de dispersión por una sola cuadrícula; cuatro variables, por ejemplo, requerirían de otro modo seis diagramas de dispersión.

¿Cómo se lee una gráfica de matriz?

Cada panel grafica una variable frente a otra. Una banda recta y estrecha de puntos indica una relación lineal fuerte, una forma de abanico indica variación desigual y las nubes separadas indican conglomerados o estratificación. Solo se usan las filas en las que todas las variables seleccionadas son numéricas, por lo que todos los paneles muestran las mismas observaciones.

¿Qué es el informe Predictive Ability en una gráfica de matriz?

Con la interpretación guiada, la primera variable es Y y cada una de las demás es una X. Para cada X se ajustan una recta y una cuadrática, y se conserva la cuadrática solo si su término al cuadrado es significativo al 5%. El R-cuadrado ajustado del mejor modelo se informa como Predictive Ability, la proporción de la variación de Y que explica X por sí sola.

¿Cuál es la diferencia entre la matriz completa y el diseño inferior izquierdo?

La matriz completa muestra cada par en ambos sentidos, de modo que cada relación aparece dos veces. El diseño inferior izquierdo o superior derecho muestra solo la mitad de la matriz para eliminar los paneles duplicados. Las opciones de diseño se aplican solo a la matriz de todos los pares, no a una cuadrícula Y frente a X.