Diagrama de dispersão 3D (3D scatter plot)
O diagrama de dispersão 3D é uma ferramenta tridimensional de visualização de dados que representa pontos de dados em coordenadas cartesianas nos três eixos X, Y e Z. Cada ponto de dados é marcado por um símbolo cuja posição é determinada pelos valores de três variáveis.
Última revisão
Conclusão principal
O diagrama de dispersão 3D é uma ferramenta tridimensional de visualização de dados que representa pontos de dados em coordenadas cartesianas nos três eixos X, Y e Z.
Nesta página
O que é um diagrama de dispersão 3D?
O diagrama de dispersão 3D é uma ferramenta tridimensional de visualização de dados que representa pontos de dados em coordenadas cartesianas nos três eixos X, Y e Z. Cada ponto de dados é marcado por um símbolo cuja posição é determinada pelos valores de três variáveis. Esse gráfico é uma extensão do diagrama de dispersão 2D, que acrescenta uma terceira variável ao longo de um eixo vertical para ilustrar a relação entre três variáveis simultaneamente. Os eixos horizontais representam duas variáveis independentes, enquanto o eixo vertical representa a variável dependente. Os diagramas de dispersão 3D são particularmente úteis na análise exploratória de dados para visualizar relações complexas em dados multidimensionais.
Quando usar o diagrama de dispersão 3D?
Estes são alguns cenários em que você pode considerar o uso de um diagrama de dispersão 3D:
- Visualização de dados multivariados: Se você tem um conjunto de dados com três variáveis contínuas, um diagrama de dispersão 3D pode ajudar a entender como essas variáveis interagem entre si. Ele permite identificar padrões, agrupamentos ou tendências que podem não ser evidentes em gráficos bidimensionais.
- Exploração de dados espaciais: O diagrama de dispersão 3D pode ser particularmente útil com dados espaciais, como dados geográficos ou geoespaciais. Ao plotar os pontos de dados em três dimensões, você pode analisar relações entre variáveis e descobrir padrões ou correlações espaciais.
- Análise de séries temporais: Se você tem um conjunto de dados dependente do tempo com três variáveis, um diagrama de dispersão 3D pode ser usado para examinar como essas variáveis mudam ao longo do tempo. Ao plotar os dados em um espaço tridimensional, você pode observar a evolução das variáveis e identificar relações ou padrões que surjam.
- Agrupamento de dados (clustering): O diagrama de dispersão 3D pode ser empregado para visualizar agrupamentos ou grupos nos seus dados. Se você tem um algoritmo de agrupamento que atribui pontos de dados a grupos com base em três variáveis, um diagrama de dispersão 3D pode ajudar a entender a distribuição espacial dos grupos e avaliar sua separabilidade.
- Comparação de vários conjuntos de dados: Se você tem vários conjuntos de dados com três variáveis cada, um diagrama de dispersão 3D pode ser usado para compará-los e contrastá-los. Ao plotar os dados de diferentes conjuntos no mesmo espaço 3D, você pode analisar visualmente semelhanças, diferenças ou relações entre as variáveis.
Diretrizes para o uso correto do diagrama de dispersão 3D
- Use um tamanho amostral médio a grande para uma representação eficaz dos dados.
- Amostras maiores ajudam a revelar os padrões nos dados com mais clareza.
- Selecione os dados da amostra aleatoriamente para garantir a validade estatística.
- Amostras aleatórias são usadas para fazer inferências sobre uma população.
- Dados coletados de forma não aleatória podem não representar com precisão a população.
Alternativas: quando não usar o diagrama de dispersão 3D
- Mapa de calor: Se você tem um grande conjunto de dados e quer visualizar a densidade ou a distribuição dos dados em três dimensões, um mapa de calor pode ser uma boa opção. Um mapa de calor usa a intensidade da cor para representar os valores da terceira variável, com maior intensidade indicando valores maiores. Isso permite uma avaliação visual rápida da distribuição e dos padrões nos dados.
Exemplo de diagrama de dispersão 3D
O objetivo de um cientista de alimentos é encontrar a melhor combinação de tempo e temperatura para aquecer uma refeição congelada. Para isso, o cientista conduz um experimento preparando 14 amostras com diferentes durações e temperaturas. Um painel de degustadores profissionais avalia cada amostra, atribuindo notas com base na qualidade global. Para analisar os dados, o cientista usa um diagrama de dispersão 3D para visualizar e examinar os resultados. Os passos são os seguintes:
- Reuniu os dados necessários.

- Agora analise os dados no Zometric Statistical Software em https://statsai.zometric.com/.
- Para encontrar o diagrama de dispersão 3D, escolha Statistical module> Graphical analysis >3D scatterplot.
- Dentro da ferramenta, insira os dados junto com as demais entradas, da seguinte forma:
- Depois de usar a ferramenta acima, obtém-se a seguinte saída:


Como fazer um diagrama de dispersão 3D
O guia é o seguinte:
- Faça login no Zometric Statistical Software em https://statsai.zometric.com/
- Na página inicial, escolha Statistical Tool> Graphical analysis > 3D scatterplot.
- Clique em 3D scatterplot para acessar o painel (dashboard).
- Em seguida, atualize os dados manualmente ou copie todos os dados (Ctrl+C) de uma planilha do Excel e cole-os (Ctrl+V) aqui, ou então use a opção Load Example, que carrega os dados de exemplo.
- Em seguida, você precisa mapear as colunas para os parâmetros.
- Por fim, clique em calculate na parte inferior da página para obter os resultados desejados.
No painel (dashboard) do diagrama de dispersão 3D, a janela é dividida em duas partes.

Na parte esquerda fica o painel de dados (Data Pane). No Data Pane, cada linha forma um subgrupo. Os dados podem ser inseridos manualmente, ou você pode copiar todos os dados (Ctrl+C) de uma planilha do Excel e colá-los (Ctrl+V) aqui.
Load example: Os dados de exemplo serão carregados.
Load File: É usado para carregar diretamente os dados do Excel.
Na parte direita, basta informar:
Os eixos X, Y e Z em um diagrama de dispersão 3D dependem da natureza dos dados e das relações específicas que você quer explorar.
Dependent Variable (Z-axis): Costuma ser a variável de desfecho ou de resposta.
Independent Variables (X and Y axes): Escolha duas variáveis que tenham a maior influência sobre a variável dependente. São os preditores ou variáveis explicativas.
Categories based on column: É usada para diferenciar os pontos de dados com base na categoria a que pertencem. Isso pode acrescentar uma camada extra de informação ao gráfico, permitindo ver como as diferentes categorias de pontos de dados se distribuem no espaço tridimensional.
Symbol based column: Mostrará isso em forma de símbolo.
Discrete color sequence: Uma sequência discreta de cores refere-se a um conjunto de cores distintas usadas para diferenciar pontos de dados categóricos em um gráfico, como um diagrama de dispersão 2D. Essa abordagem é particularmente útil ao visualizar dados com várias categorias ou grupos, pois permite uma distinção clara e imediata entre esses grupos.
Color scale: Permite visualizar melhor os padrões dos dados e destacar faixas específicas de valores.
Download as Excel: Exibe o resultado em formato Excel, que pode ser facilmente editado e recarregado para os cálculos por meio da opção load file.
Perguntas frequentes
O que é um diagrama de dispersão 3D?
O diagrama de dispersão 3D mostra pontos de dados em coordenadas cartesianas nos três eixos, X, Y e Z, com cada ponto posicionado pelos valores de três variáveis. Ele estende o diagrama de dispersão 2D ao acrescentar uma terceira variável, normalmente com duas variáveis independentes nos eixos horizontais e a variável dependente no eixo vertical.
Quando usar um diagrama de dispersão 3D?
Use um diagrama de dispersão 3D quando você tem três variáveis contínuas e quer ver como elas interagem, encontrar padrões, agrupamentos ou tendências não visíveis em duas dimensões, explorar dados espaciais, examinar dados dependentes do tempo com três variáveis, verificar a separação de agrupamentos ou comparar vários conjuntos de dados que compartilham as mesmas três variáveis.
Quais variáveis vão nos eixos X, Y e Z?
Coloque a variável de desfecho ou de resposta no eixo Z, como variável dependente. Use os eixos X e Y para as duas variáveis independentes, os preditores ou variáveis explicativas que se supõe terem maior influência sobre a resposta. Uma coluna de categorias pode ser adicionada para colorir os pontos conforme o grupo a que pertencem.
Qual é uma alternativa ao diagrama de dispersão 3D?
Para um grande conjunto de dados em que você quer ver a densidade ou a distribuição dos dados em três dimensões, um mapa de calor pode ser uma boa opção. Ele usa a intensidade da cor para representar os valores da terceira variável, dando uma avaliação visual rápida da distribuição e dos padrões nos dados.
