¿Por qué usar diagramas de dispersión?

Un diagrama de dispersión es ideal para visualizar relaciones entre variables. Se puede utilizar para:

• Mostrar relaciones entre dos variables numéricas;
• Detectar patrones, agrupamientos o valores atípicos;
• Explorar la correlación (positiva/negativa/ninguna).

Sintaxis de diagrama de dispersión en ggplot2

Se puede crear un diagrama de dispersión con geom_point(). Para ello, se deben especificar las estéticas para los ejes x y y.

ggplot(data = df, aes(x = variable_x, y = variable_y)) +
  geom_point()

Para distinguir grupos dentro de los datos, se puede añadir una variable de agrupación a la estética color. Esto asigna diferentes colores a cada grupo, facilitando la identificación de patrones.

ggplot(data = df, aes(x = variable_x, y = variable_y, color = group_var)) +
  geom_point()

Ejemplo: Precio de venta vs. kilómetros recorridos

Un diagrama de dispersión puede utilizarse para examinar cómo el uso de un automóvil se relaciona con su precio de venta. En este ejemplo, el eje x muestra el número de kilómetros recorridos, mientras que el eje y muestra el precio de venta.

ggplot(df, aes(x = km_driven, y = selling_price)) +
  geom_point() +
  labs(title = "Scatter Plot of Selling Price vs. Kilometers Driven",
       x = "Kilometers Driven",
       y = "Selling Price")

Esta visualización suele resaltar tendencias de depreciación: a medida que aumenta el kilometraje, el precio de venta típicamente disminuye. También puede revelar valores atípicos, como automóviles con precios inusualmente altos a pesar de un alto kilometraje.