Misalnya, apakah probabilitas Hasil sama dengan 1 ketika Var 1 150 kira-kira 80%?
Tidak, itu sebaliknya. Probabilitas bahwa Hasil ketika Var1 adalah sekitar 80%. Demikian juga, probabilitas bahwa Hasil ketika Var1 adalah sekitar 20%.=0=150=1=150
Area abu-abu gelap adalah yang merupakan probabilitas kondisional dari Hasil sama dengan 1, kan?
Daerah yang diarsir gelap sesuai dengan Hasil ; area yang diarsir cahaya sesuai dengan Hasil .=0=1
Jika Anda memiliki lebih dari dua level dalam faktor Hasil Anda, mungkin akan lebih jelas apa yang digambarkan. Kami hanya terbiasa melihat fungsi kepadatan sehingga presentasi ini dapat membingungkan pada awalnya.
Bagaimana akumulasi ini mempengaruhi bagaimana plot ini ditafsirkan?
Melihat sumber untuk cdplot()
, apa yang saya pikir terjadi di sini adalah bahwa proporsi hasil yang diperhalus ditimbang oleh kepadatan variabel penjelas. Jadi, distribusi variabel dependen akan lebih terwakili di daerah kepadatan yang lebih tinggi dari variabel penjelas.
Salah satu cara menafsirkannya adalah bahwa di mana ada wilayah variabel penjelas dengan beberapa titik, distribusi kondisional tidak akan ditentukan dengan baik. Di mana ada wilayah variabel penjelas dengan lebih banyak poin, distribusi bersyarat akan lebih ditentukan.