射门员

让我们想象一下，您对预测足球射门员是否能够根据他们必须射门的距离来进行射门而感兴趣。您知道射门的距离将在决定射门是否成功中起重要作用，因此首先，您可收集运动员在不同的距离射门的能力的某些初始数据。为实现这一点，您具有让射门员试图从不同的距离射进同一个区域的目标（为了该示例，我们将假设没有对任何其他射门产生影响）。该初始检验的结果可能如下所示：

您可以看到，数据似乎支持了您的假设，即距离在决定射门是否成功方面起着一定的作用：短距离射门成功，而长距离射门失败。事实上，您可以看到所有超过30码的射门均失败了。这些数据表示完美分离。在另一页描述完美分离时，指出完美分离并不总是是件坏事。这可能仅仅意味着您拥有一个变量（在此情况下为距离），您可用其完美预测结果（在此情况下，无论射门是否成功）。

但存在一个问题：

在该示例中，我们的射门员完全有可能在30码外射门，而我们只是没有收集到足够的数据。如果我们重复进行该实验，但在每个距离的多次射门中收集结果（同样，假设每次射门实际上均与其他射门无关），我们的数据可能如下：

这些数据不再存在完美分离的问题，并且为我们提供了一个更好的关于射门员在不同距离上表现如何的概念。事实上，利用这些数据，我们可确定射门员在34码外成功射门的优势是相等的（1:1优势或成功概率=50%）（Prism将该距离报告为该数据，即“50%的X”）。