Saya menjalankan simulasi pada model linier. Saya mendapatkan 1000 hasil dan hasilnya dimasukkan ke dalam grafik kepadatan. Saya mengerti bahwa xaxis adalah variabel dependen dan yaxis mewakili kepadatan kernel. Yaxis dalam angka desimal seperti dari 0 hingga 0,15. Bagaimana cara saya menjelaskan hal ini kepada pengguna lain? Ada kemungkinan 15% bahwa nilai simulasi akan jatuh antara x1 dan x2?
Ini adalah hasil simulasi saya:
summary(s)
Model: ls
Number of simulations: 1000
Values of X
(Intercept) Volume
1 1 1699992
attr(,"assign")
[1] 0 1
Expected Values: E(Y|X)
mean sd 50% 2.5% 97.5%
1 12.305 2.638 12.231 7.03 17.512
distributions
pdf
kernel-smoothing
pengguna1471980
sumber
sumber
Jawaban:
Anda dapat menganggap Estimasi Densitas Kernel sebagai histogram yang dihaluskan. Histogram dibatasi oleh fakta bahwa mereka secara inheren diskrit (melalui nampan) dan dengan demikian lebih tepat untuk menampilkan data pada variabel diskrit dan dapat sangat sensitif terhadap ukuran nampan.
Apa yang sebenarnya Anda lakukan dengan Estimasi Densitas Kernel memperkirakan fungsi kepadatan probabilitas. Ini membuat interpretasi menjadi jelas. Jadi area di bawah kurva adalah 1, dan probabilitas nilai antara x1 dan x2 adalah area di bawah kurva antara dua titik tersebut.
Jumlah nilai Y akan menentukan "resolusi" dari kurva, jadi jika Anda mengasumsikan garis lurus antara setiap dua titik Y yang berdekatan, Anda dapat menghitung perkiraan area di bawah kurva antara dua titik tersebut.
Untuk menentukan probabilitas nilai :x P(xa<x<xb)
Hasilnya akan lebih akurat semakin banyak nilai Anda miliki.y
sumber
Karena tidak ada reputasi untuk mengomentari kiriman di atas ...
Ekspresi , tidak terlihat benar. Ambil contoh fungsi kerapatan seragam pada interval [0, 1.0], lalu menurut yang di atas dan hanya menggunakan probabilitas setiap interval adalah 2. Apa yang saya pikir poster coba coba rujuk adalah aturan trapesium .P(xa<x<xb)=ya+...+yb ya,yb
sumber