Explicar la tabla de densidad del kernel

Question

Estoy ejecutando la simulación en un modelo lineal. Puedo obtener 1000 resultados y los resultados se colocan en una densidad de gráfico. Entiendo que el x-eje es la variable dependiente y eje representan la densidad de kernel. Eje está en números decimales como de 0 a 0.15 . ¿Cómo le explico esto a los demás usuarios? Hay un 15% de probabilidad de que los valores simulados se encuentran entre x1 y x2?

Esta es mi salida de la simulación:

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

Answer 1

Usted puede pensar en la Estimación de Densidad de Kernel como un alisado histograma. Los histogramas son limitadas por el hecho de que son inherentemente discreto (a través de contenedores) y por lo tanto más adecuado para la visualización de datos en variables discretas y pueden ser muy sensibles a bin tamaño.

Lo que en realidad está haciendo con la Estimación de Densidad de Kernel es la estimación de la función de densidad de probabilidad. Esto hace que la interpretación directa. De manera que el área bajo la curva es 1, y la probabilidad de un valor de entre x1 y x2 es el área bajo la curva entre esos dos puntos.

El número de valores Y determinará la "resolución" de la curva, por lo que si usted asume una línea recta entre cada dos adyacentes Y los puntos se puede calcular una aproximación del área bajo la curva entre esos dos puntos.

Para determinar la probabilidad de que un $x$ valor $P(x_a<x<x_b)$:

$P(x_a<x<x_b)=y_a+..+y_b$

El resultado será más preciso cuanto más $y$ valores que tiene.