Interpretación de diagramas de densidad condicional

Question

Me gustaría saber cómo interpretar correctamente los condicionales la densidad de las parcelas. He insertado dos de abajo que he creado en R con cdplot.

Por ejemplo, es la probabilidad de que el Resultado de ser igual a 1 cuando Var 1 es de 150 aproximadamente el 80%?

El área de color gris oscuro, es que lo que es la probabilidad condicional de la Result ser igual a 1, ¿verdad?

De la cdplot documentación:

cdplot calcula las densidades condicionales de x dados los niveles de y ponderado por la distribución marginal de y. Las densidades que se derivan acumulativamente con los niveles de y.

¿Cómo funciona esta acumulación cómo afectan estas parcelas se interpretan?

Answer 1

Por ejemplo, es la probabilidad de que el Resultado es igual a 1 cuando Var 1 es de 150 aproximadamente el 80%?

No, es al revés. La probabilidad de que el Resultado $=0$ cuando Var1 $=150$ es de aproximadamente 80%. Del mismo modo, la probabilidad de que el Resultado $=1$ cuando Var1 $=150$ es de aproximadamente 20%.

El área de color gris oscuro, es que lo que es la probabilidad condicional de la Resultado ser igual a 1, ¿verdad?

La oscura zona sombreada corresponde a Resultado $=0$; la luz de la zona sombreada corresponde a Resultado $=1$.

Si usted tiene más de dos niveles en su Resultado factor, probablemente será más evidente de lo que está siendo representado. Simplemente estamos acostumbrados a ver en las funciones de densidad para esta presentación puede ser confuso al principio.

¿Cómo funciona esta acumulación cómo afectan estas parcelas se interpretan?

Buscando en el código fuente de cdplot(), lo que creo que es lo que pasa aquí es que el alisado proporciones de los resultados son ponderados por la densidad de la variable explicativa. Así, las distribuciones de la variable dependiente son los que van a estar mejor representado en las regiones de mayor densidad de la variable explicativa.

Una manera de interpretar que es que donde hay regiones de la variable explicativa con pocos puntos, el condicional distribuciones de no ser así determinado. Donde hay regiones de la variable explicativa con más puntos, el condicional distribuciones será mejor determinado.