XY-Diagramm

Überblick

Das XY-Diagramm trägt zwei numerische Spalten gegeneinander auf — eine als X-Wert, eine als Y-Wert. Es ist das Standardwerkzeug, um Zusammenhänge, Trends und Muster zwischen zwei Größen sichtbar zu machen.

Datensatz (Dataset): Ein Datensatz ist eine X/Y-Kombination, die als eine Punktreihe dargestellt wird. Jeder Datensatz hat seine eigene X- und Y-Spalte — die Datensätze müssen also nicht dieselbe X-Achse teilen.

Punkte und Linien: Punkte (Marker) zeigen einzelne Messwerte. Linien verbinden die Punkte in der Reihenfolge der Daten — sinnvoll für Zeitreihen oder geordnete Verläufe, irreführend bei ungeordneten Stichproben.

Referenzlinien und -bereiche: Optional lassen sich horizontale oder vertikale Referenzlinien (z. B. Sollwert, Spezifikationsgrenze) und farbige Bereiche (Toleranzband, akzeptabler Bereich) einblenden, um Messwerte gegen einen erwarteten Korridor zu vergleichen.

Im Unterschied zum klassischen Streudiagramm der Korrelationsanalyse ist das XY-Diagramm rein deskriptiv — es führt keine statistische Auswertung durch, sondern dient der visuellen Exploration.

Bedienung

• Datensatz hinzufügen: X-Spalte und Y-Spalte auswählen — der Plot wird sofort aktualisiert.
• Mehrere Datensätze: Über „Datensatz hinzufügen" weitere X/Y-Paare auflegen, um Gruppen zu vergleichen.
• Punkte oder Linie: Globaler Schalter „Linien zeigen" und „Punkte zeigen" steuert das Erscheinungsbild aller Datensätze.
• Pro Datensatz lassen sich Farbe, Symbol, Strichstärke und Name im Editor anpassen.
• Referenzlinien und -bereiche im Editor-Panel ergänzen — ideal für Spezifikationsgrenzen, Soll-Werte oder Trendlinien.

Das Diagramm lässt sich als PNG oder SVG exportieren und reagiert auf das aktive Theme (hell/dunkel).

Was man sehen kann

• Punkte ordnen sich entlang einer steigenden Linie → positiver Zusammenhang zwischen X und Y.
• Punkte ordnen sich entlang einer fallenden Linie → negativer Zusammenhang.
• Punkte streuen ohne erkennbare Richtung → kein Zusammenhang oder reine Zufallsstreuung.
• Bogen oder U-Form → nichtlinearer Zusammenhang (für Korrelation linearisieren oder Spearman verwenden).
• Trichterförmige Streuung → Heteroskedastizität (Streuung wächst mit X) — wichtig für Regression.
• Mehrere getrennte Punktwolken → vermischte Populationen, Daten stratifizieren.

Für eine quantitative Aussage zur Stärke und Signifikanz des Zusammenhangs anschließend das Korrelations- oder Regressions-Modul nutzen.

Stolperfallen

Linien bei ungeordneten Daten: Linien verbinden Punkte in der Reihenfolge der Zeilen — bei ungeordneten Stichproben entsteht ein Zickzack ohne Aussagekraft. Linien nur einschalten, wenn die X-Achse eine echte Reihenfolge hat (Zeit, Index, Position).

Visueller Zusammenhang ≠ Korrelation: Auch ein deutlich erkennbares Muster bedeutet nicht automatisch einen statistisch signifikanten Zusammenhang. Im Zweifel das Korrelations-Modul nachschalten und Pearson- oder Spearman-Koeffizient samt p-Wert prüfen.

Achsenskalierung verzerrt das Bild: Eine zu enge oder zu weite Skalierung kann starke Trends harmlos oder harmlose Streuung dramatisch wirken lassen. Achsen bewusst wählen — die Standardskalierung ist meistens, aber nicht immer, sinnvoll.

Ausreißer dominieren das Bild: Ein einzelner Extremwert verschiebt die Achsenskalierung und drückt die übrigen Punkte zusammen. Ausreißer kennzeichnen, untersuchen und ggf. in einer eigenen Ansicht ausschließen.

Überlappende Punkte (Overplotting): Bei vielen Datenpunkten verdecken sich Marker gegenseitig — die wahre Dichte bleibt unsichtbar. Marker verkleinern, transparenter zeichnen oder zusätzlich ein Histogramm/Boxplot betrachten.

Blasendiagramm (dritte Spalte als Größe)

Wird im Datensatz zusätzlich ein S-Slot (Size) belegt, entsteht ein Blasendiagramm: die Punktgröße codiert eine dritte numerische Spalte. So lassen sich drei Variablen gleichzeitig darstellen.

Flächentreue Skalierung: Die Rohwerte werden über eine Wurzel-Normalisierung auf einen Durchmesser von 6–28 px abgebildet. Dadurch ist die Bubble-Fläche (nicht der Radius) proportional zum Wert — visuell korrekt nach Wahrnehmungsforschung.

Negative oder fehlende Werte: Zeilen mit fehlenden, nicht-numerischen oder negativen Größenwerten werden stillschweigend übersprungen — eine negative Fläche hat keine sinnvolle Darstellung.

• Typische Anwendung: Projekt-Priorisierung (Aufwand × Nutzen × Risiko), Marketing (CPC × Conversion × Reichweite), Maschinen (Zykluszeit × Ausschuss × Output).
• Tooltip zeigt den Rohwert der Größenspalte zusätzlich zu X und Y.
• Mit Gruppierungs-Slot (G) zusammen: jede Gruppe erhält ihre eigene Blasen-Normalisierung innerhalb der Gruppe.

Stolperfallen: Wenn alle Größenwerte fast gleich sind, fallen die Unterschiede visuell weg (sqrt-Skalierung dämpft zusätzlich). Wenn die Spannweite sehr groß ist, werden Mittelwerte zu klein. In beiden Fällen vorab transformieren oder die Spalte filtern.

Beispieldaten

Dieses Modul wird mit den folgenden Beispieldatensätzen ausgeliefert — mit einem Klick in der App ladbar.