Spreidingsdiagram 3D (3D scatterplot)
Een 3D-spreidingsdiagram is een driedimensionaal visualisatiehulpmiddel dat datapunten weergeeft met cartesische coördinaten op drie assen: X, Y en Z. Elk datapunt wordt aangegeven met een symbool waarvan de positie wordt bepaald door de waarden van drie variabelen.
Laatst beoordeeld
Belangrijkste conclusie
Een 3D-spreidingsdiagram is een driedimensionaal visualisatiehulpmiddel dat datapunten weergeeft met cartesische coördinaten op drie assen: X, Y en Z.
Op deze pagina
Wat is een Spreidingsdiagram 3D?
Een 3D-spreidingsdiagram is een driedimensionaal visualisatiehulpmiddel dat datapunten weergeeft met cartesische coördinaten op drie assen: X, Y en Z. Elk datapunt wordt aangegeven met een symbool waarvan de positie wordt bepaald door de waarden van drie variabelen. Dit diagram is een uitbreiding van het 2D-spreidingsdiagram, met een derde variabele langs een verticale as om het verband tussen drie variabelen tegelijk te illustreren. De horizontale assen tonen twee onafhankelijke variabelen, terwijl de verticale as de afhankelijke variabele voorstelt. 3D-spreidingsdiagrammen zijn vooral nuttig bij verkennende data-analyse om complexe verbanden in multidimensionale gegevens te visualiseren.
Wanneer gebruikt u een Spreidingsdiagram 3D?
Hier zijn enkele scenario's waarin u een Spreidingsdiagram 3D kunt overwegen:
- Multivariate gegevens visualiseren: Als u een dataset met drie continue variabelen hebt, kan een Spreidingsdiagram 3D u helpen begrijpen hoe deze variabelen op elkaar inwerken. Het stelt u in staat patronen, clusters of trends te herkennen die in tweedimensionale plots mogelijk niet zichtbaar zijn.
- Ruimtelijke gegevens verkennen: Een Spreidingsdiagram 3D kan vooral nuttig zijn bij ruimtelijke gegevens, zoals geografische of geospatiale gegevens. Door datapunten in drie dimensies uit te zetten, kunt u verbanden tussen variabelen analyseren en ruimtelijke patronen of correlaties ontdekken.
- Tijdreeksanalyse: Als u een tijdsafhankelijke dataset met drie variabelen hebt, kan een Spreidingsdiagram 3D worden gebruikt om te onderzoeken hoe deze variabelen in de tijd veranderen. Door de gegevens in een driedimensionale ruimte uit te zetten, kunt u de ontwikkeling van de variabelen volgen en eventuele verbanden of patronen herkennen die zich aftekenen.
- Data clustering: Een Spreidingsdiagram 3D kan worden gebruikt om clusters of groepen in uw gegevens te visualiseren. Als u een clusteringalgoritme hebt dat datapunten op basis van drie variabelen aan clusters toewijst, kan een 3D-spreidingsdiagram u helpen de ruimtelijke verdeling van de clusters te begrijpen en hun scheidbaarheid te beoordelen.
- Meerdere datasets vergelijken: Als u meerdere datasets met elk drie variabelen hebt, kan een Spreidingsdiagram 3D worden gebruikt om ze te vergelijken en tegen elkaar af te zetten. Door de gegevens uit verschillende datasets in dezelfde 3D-ruimte uit te zetten, kunt u overeenkomsten, verschillen of verbanden tussen de variabelen visueel analyseren.
Richtlijnen voor correct gebruik van een Spreidingsdiagram 3D
- Gebruik een middelgrote tot grote steekproefomvang voor een effectieve weergave van de gegevens.
- Grotere steekproeven helpen patronen in de gegevens duidelijker te laten zien.
- Kies de steekproefgegevens willekeurig om statistische validiteit te waarborgen.
- Willekeurige steekproeven worden gebruikt om conclusies over een populatie te trekken.
- Niet-willekeurig verzamelde gegevens vertegenwoordigen de populatie mogelijk niet nauwkeurig.
Alternatieven: wanneer u een Spreidingsdiagram 3D niet gebruikt
- Heatmap: Als u een grote dataset hebt en de dichtheid of verdeling van de gegevens over drie dimensies wilt visualiseren, kan een heatmap een goede keuze zijn. Een heatmap gebruikt kleurintensiteit om de waarden van de derde variabele weer te geven, waarbij een hogere intensiteit hogere waarden aangeeft. Zo kunt u snel visueel de verdeling en patronen in de gegevens beoordelen.
Voorbeeld van een Spreidingsdiagram 3D
Het doel van een levensmiddelentechnoloog is de beste combinatie van tijd en temperatuur voor het verhitten van een diepvriesmaaltijd te vinden. Daartoe voert de technoloog een experiment uit waarbij 14 monsters met verschillende duur en temperatuur worden bereid. Een panel van professionele proevers beoordeelt elk monster en geeft beoordelingen op basis van de algehele kwaliteit. Om de gegevens te analyseren gebruikt de technoloog een 3D-spreidingsdiagram om de uitkomsten te visualiseren en te onderzoeken. De volgende stappen:
- De benodigde gegevens verzameld.

- Analyseer nu de gegevens in Zometric Statistical Software op https://statsai.zometric.com/.
- Om Scatter Plot 3D te vinden, kiest u Statistical module> Graphical analysis >3D scatterplot.
- Voer in de tool de gegevens samen met de overige invoer als volgt in:
- Na gebruik van de bovenstaande tool verschijnt de uitvoer als volgt:


Zo maakt u een Spreidingsdiagram 3D
De handleiding is als volgt:
- Log in bij Zometric Statistical Software op https://statsai.zometric.com/
- Kies op de startpagina Statistical Tool> Graphical analysis > 3D scatterplot.
- Klik op 3D scatterplot en u komt op het dashboard.
- Werk vervolgens de gegevens handmatig bij, of kopieer (Ctrl+C) de gegevens volledig uit een Excel-blad of plak (Ctrl+V) ze hier, of gebruik de optie Load Example waarmee de voorbeeldgegevens worden geladen.
- Koppel vervolgens de kolommen aan de parameters.
- Klik ten slotte onderaan de pagina op Calculate en u krijgt de gewenste resultaten.
In het dashboard van Scatter Plot 3D is het venster in twee delen verdeeld.

In het linkerdeel staat de Data Pane. In de Data Pane vormt elke rij één subgroep. Gegevens kunnen handmatig worden ingevoerd, of u kopieert (Ctrl+C) de gegevens volledig uit een Excel-blad en plakt (Ctrl+V) ze hier.
Load example: Voorbeeldgegevens worden geladen.
Load File: Hiermee laadt u de Excel-gegevens rechtstreeks.
In het rechterdeel hoeft u alleen op te geven:
De keuze van de X-, Y- en Z-assen in een 3D-spreidingsdiagram hangt af van de aard van de gegevens en de specifieke verbanden die u wilt verkennen.
Dependent Variable (Z-axis): Dit is vaak de uitkomst- of responsvariabele.
Independent Variables (X and Y axes): Kies twee variabelen die de meeste invloed op de afhankelijke variabele hebben. Dit zijn de voorspellende of verklarende variabelen.
Categories based on column: Hiermee onderscheidt u datapunten op basis van hun categorielidmaatschap. Dit kan een extra informatielaag aan het diagram toevoegen, waarmee u ziet hoe verschillende categorieën datapunten in de driedimensionale ruimte verdeeld zijn.
Symbol based column: Toont het in de vorm van een symbool.
Discrete color sequence: Een discrete kleurenreeks is een set afzonderlijke kleuren om categorische datapunten in een plot te onderscheiden, zoals in een 2D-spreidingsdiagram. Deze aanpak is vooral nuttig bij het visualiseren van gegevens met meerdere categorieën of groepen, omdat ze een duidelijk en direct onderscheid tussen die groepen mogelijk maakt.
Color scale: Hiermee kunt u de patronen in de gegevens beter visualiseren en specifieke waardebereiken benadrukken.
Download as Excel: Hiermee wordt het resultaat in Excel-formaat getoond, dat eenvoudig kan worden bewerkt en met de optie Load File opnieuw kan worden geladen voor berekeningen.
Veelgestelde vragen
Wat is een 3D-spreidingsdiagram?
Een 3D-spreidingsdiagram toont datapunten met cartesische coördinaten op drie assen, X, Y en Z, waarbij elk punt wordt geplaatst door de waarden van drie variabelen. Het breidt het 2D-spreidingsdiagram uit met een derde variabele, meestal met twee onafhankelijke variabelen op de horizontale assen en de afhankelijke variabele op de verticale as.
Wanneer gebruikt u een 3D-spreidingsdiagram?
Gebruik een 3D-spreidingsdiagram wanneer u drie continue variabelen hebt en wilt zien hoe ze op elkaar inwerken, patronen, clusters of trends wilt vinden die in twee dimensies niet zichtbaar zijn, ruimtelijke gegevens wilt verkennen, tijdsafhankelijke gegevens met drie variabelen wilt onderzoeken, de scheiding van clusters wilt controleren of meerdere datasets met dezelfde drie variabelen wilt vergelijken.
Welke variabelen horen op de X-, Y- en Z-as?
Zet de uitkomst- of responsvariabele als afhankelijke variabele op de Z-as. Gebruik de X- en Y-as voor de twee onafhankelijke variabelen, de voorspellende of verklarende variabelen waarvan wordt gedacht dat ze de meeste invloed op de respons hebben. Er kan een categoriekolom worden toegevoegd om punten naar groepslidmaatschap te kleuren.
Wat is een alternatief voor een 3D-spreidingsdiagram?
Voor een grote dataset waarvan u de dichtheid of verdeling over drie dimensies wilt zien, kan een heatmap een goede keuze zijn. Een heatmap gebruikt kleurintensiteit om de waarden van de derde variabele weer te geven, zodat u snel visueel de verdeling en patronen in de gegevens kunt beoordelen.
