Il peut également être utile d`utiliser des graphiques des probabilités prévues pour comprendre et/ou présenter le modèle. Nous utiliserons le paquet ggplot2 pour le Graphing. Ci-dessous nous faisons un complot avec les probabilités prévues, et 95% intervalles de confiance. Nous pouvons tester pour un effet global de rang à l`aide de la fonction Wald. test de la bibliothèque AOD. L`ordre dans lequel les coefficients sont donnés dans le tableau des coefficients est le même que l`ordre des termes dans le modèle. C`est important parce que la fonction Wald. test fait référence aux coefficients par leur ordre dans le modèle. Nous utilisons la fonction Wald.

test. b fournit les coefficients, tandis que Sigma fournit la matrice de covariance de variance des termes d`erreur, enfin les termes indique R quels termes dans le modèle doivent être testés, dans ce cas, les termes 4, 5, et 6, sont les trois termes pour les niveaux de rang. Nous pouvons également tester des hypothèses supplémentaires sur les différences dans les coefficients pour les différents niveaux de rang. Ci-dessous nous testons que le coefficient pour Rank = 2 est égal au coefficient pour rank = 3. La première ligne de code ci-dessous crée un vecteur l qui définit le test que nous voulons effectuer. Dans ce cas, nous voulons tester la différence (soustraction) des termes pour Rank = 2 et rank = 3 (c.-à-d., les 4ème et 5ème termes du modèle). Pour comparer ces deux termes, nous multiplions l`un d`entre eux par 1, et l`autre par-1. Les autres termes du modèle ne sont pas impliqués dans le test, de sorte qu`ils sont multipliés par 0. La deuxième ligne de code ci-dessous utilise L = l pour dire à R que nous souhaitons baser le test sur le vecteur l (plutôt que d`utiliser l`option Terms comme nous l`avons fait ci-dessus).

Puisque nous avons donné un nom à notre modèle (mylogit), R ne produira aucune sortie de notre régression. Afin d`obtenir les résultats, nous utilisons la commande récapitulative: le modèle d`indépendance binaire a été introduit par Yu et Salton. Le nom Binary Independence Model est inventé par Robertson et Spärck Jones [1]. [2] nous supposons ici que la pertinence de chaque document est indépendante de la pertinence d`autres documents. Comme nous l`avons noté dans la section (page), ceci est incorrect: l`hypothèse est particulièrement nuisible dans la pratique si elle permet à un système de renvoyer des documents dupliqués ou proches. Dans le cadre du BIM, nous modélisons la probabilité qu`un document soit pertinent par la probabilité en termes de vecteurs d`incidence à terme.