Un grafico di riga, noto anche come diagramma di linea, grafico a linea o grafico a curva, mostra i dati come una sequenza di marcatori collegati da segmenti di linea retta. È un grafico semplice utilizzato in una varietà di aree. I punti di misurazione sono ordinati e collegati da segmenti di linea retta, simili a un diagramma a dispersione.

Poiché un grafico a linee viene spesso utilizzato per illustrare uno schema nei dati attraverso intervalli – una serie temporale – la linea è di solito disegnata cronologicamente. Sono conosciuti come grafici di corsa in queste situazioni.

Francis Hauksbee, Nicolaus Samuel Cruquius, Johann Heinrich Lambert e William Playfair sono generalmente attribuiti con alcune delle prime classifiche di linea conosciute.

I dati ottenuti dagli studi sono spesso rappresentati utilizzando grafici nelle scienze sperimentali. Ad esempio, se sono stati raccolti dati su un periodo di tempo diversi nel tempo, i dati potrebbero essere mostrati usando un dati: questo: questo:

Le tabelle sono un metodo fantastico per visualizzare figure accurate, ma non sono sempre il modo migliore per comprendere i modelli che questi valori riflettono. A causa di queste caratteristiche, la visualizzazione della tabella è talvolta confusa erroneamente con i dati, mentre in realtà è solo un’altra rappresentazione dei dati.

Produrre un grafico o un grafico di linea di velocità rispetto al tempo può comprendere il processo rappresentato dai dati nella tabella. Il grafico a destra illustra tale visualizzazione.

Una matematica che rappresenta la tendenza più adatta ai dati dispersi è spesso sovrapposto ai grafici. Questo livello è chiamato livello più adatto e il grafico che lo contiene si chiama grafico di riga.

È semplice creare un livello “Best-Fit” collegando i punti dati vicini con una serie di segmenti di linea; Tuttavia, un tale “Best-Fit” è raramente una rappresentazione accurata della tendenza dei dati di dispersione sottostante.

Le discontinuità nella pendenza del miglior adattamento sono estremamente improbabili in coincidenza perfettamente con le posizioni dei risultati della misurazione.

Nonostante sia estremamente improbabile che l’errore sperimentale nei dati sia estremamente insignificante, la curva cade perfettamente su ciascuno dei punti dati.

Il livello più adatto può evidenziare le tendenze nei dati in entrambi gli scenari. È possibile eseguire anche misurazioni visive del gradiente o dell’area sotto la curva, portando a ulteriori inferenze o risultati dalla tabella dei dati.

Un vero livello best-fit dovrebbe rappresentare una funzione matematica continua i cui parametri vengono generati utilizzando una tecnica di minimizzazione dell’errore appropriata che pesa correttamente l’errore nei valori dei dati. Le funzionalità di adattamento della curva si trovano comunemente nelle applicazioni grafiche e nei fogli di calcolo. Le semplici equazioni lineari a curve quadratiche, polinomiali, esponenziali e periodiche sono tutti esempi di curve più adatte.
Scarica la grafico delle righe PNG Immagini Galleria trasparente.