0:00:00.180,0:00:01.940
В предишно видео започнахме да мислим

0:00:01.940,0:00:04.720
как можем да използваме една регресионна права и, в частност,

0:00:04.720,0:00:08.090
ъгловия коефициент (наклона) на една регресионна права, въз основа на данни от извадка,

0:00:08.090,0:00:10.910
как можем да използваме това, за да направим извод

0:00:10.910,0:00:15.700
за ъгловия коефициент на регресионната права[br]на реалната генерална съвкупност.

0:00:15.700,0:00:17.960
В това видео ще помислим

0:00:17.960,0:00:20.260
какви са условията за извод,

0:00:20.260,0:00:22.610
когато си имаме работа с регресионни прави?

0:00:22.610,0:00:24.900
И те по някои начини

0:00:24.900,0:00:27.280
ще са подобни на условията за извод,

0:00:27.280,0:00:30.320
за които се сетихме, когато правехме тестване на хипотеза

0:00:30.320,0:00:33.920
и доверителни интервали за средни стойности и дял/част/процент,

0:00:33.920,0:00:36.890
но ще има няколко нови условия.

0:00:36.890,0:00:39.860
За да запомним тези условия,

0:00:39.860,0:00:46.840
може да искаш да помислиш за акронима LINER.

0:00:46.940,0:00:50.500
Ако не го забелязваш, това е почти като linear (линейно).

0:00:50.500,0:00:53.040
LINER, ако имаше а, щеше да е linear (линейно).

0:00:53.040,0:00:54.670
Това е полезно, понеже, помни,

0:00:54.670,0:00:57.140
мислим за линейна регресия.

0:00:57.140,0:01:01.240
L тук означава linear (линейно).

0:01:01.240,0:01:05.960
И тук условието е реалната зависимост в генералната съвкупност

0:01:05.960,0:01:08.620
между променливите х и у

0:01:08.620,0:01:11.290
да е линейна зависимост –

0:01:11.290,0:01:19.680
реална линейна зависимост

0:01:20.220,0:01:25.700
между х и у.

0:01:25.900,0:01:29.900
В много случаи може просто да трябва да приемеш, че е така,

0:01:29.900,0:01:33.940
когато го видиш на изпит, например на изпит за напреднали.

0:01:33.940,0:01:36.400
Може да ти кажат да приемеш, че условието е изпълнено.

0:01:36.400,0:01:38.560
Често ще ти казват да приемеш, че [br]всички тези условия са изпълнени.

0:01:38.600,0:01:41.100
Те просто искат да знаеш за тези условия.

0:01:41.100,0:01:42.810
Но това е нещо, за което да помислиш.

0:01:42.810,0:01:45.660
Ако зависимостта е нелинейна,

0:01:45.660,0:01:50.080
тогава може би някои от твоите изводи [br]може да не са толкова добри.

0:01:50.140,0:01:53.280
Следващото условие сме виждали преди,

0:01:53.290,0:01:55.560
когато говорихме за общите условия за извод

0:01:55.560,0:02:00.000
и това е условието за независимост (independance).

0:02:00.000,0:02:01.980
И има два начина да помислим за това.

0:02:01.980,0:02:05.800
Или отделните наблюдения са независими едно от друго.

0:02:05.820,0:02:09.180
Тоест може да правиш извадка със заместване.

0:02:09.180,0:02:11.910
Или може да мислиш за 10%-ното правило,

0:02:11.910,0:02:13.430
както сме правили, когато обмисляхме

0:02:13.430,0:02:18.200
условието за независимост за части и средни стойности,

0:02:18.200,0:02:20.010
при които трябва да сме уверени,

0:02:20.010,0:02:26.060
че размерът на извадката е не повече от 10% [br]от размера на генералната съвкупност.

0:02:26.060,0:02:28.140
Следващото е условието за нормалност [br](normal condition),

0:02:28.140,0:02:29.740
за което сме говорили,

0:02:29.740,0:02:32.600
когато правехме изводи за части и средни стойности.

0:02:32.610,0:02:35.170
Това означава нещо по-сложно,

0:02:35.170,0:02:37.580
когато си имаме работа с регресия.

0:02:37.580,0:02:39.590
Условието за нормалност – и, отново,

0:02:39.590,0:02:42.160
много пъти хората просто ще приемат, че е било изпълнено.

0:02:42.160,0:02:43.820
Но нека начертая една регресионна права,

0:02:43.820,0:02:44.880
но с малко перспектива

0:02:44.880,0:02:46.670
и ще добавя трето измерение.

0:02:46.670,0:02:48.410
Нека кажем, че това е оста х

0:02:48.410,0:02:50.500
и да кажем, че това е оста у.

0:02:50.500,0:02:54.810
И регресионната права на реалната генерална съвкупност изглежда така.

0:02:54.810,0:02:57.270
Условието за нормалност ни казва,

0:02:57.270,0:03:00.840
че за всяко дадено х в реалната генерална съвкупност

0:03:00.860,0:03:06.560
разпределението на всички у е нормално.

0:03:06.600,0:03:11.860
Да видя дали мога да начертая [br]нормално разпределение за всички у при това х.

0:03:11.860,0:03:13.980
Това тук ще е нормално разпределение.

0:03:13.990,0:03:16.860
И, после, да кажем за това х тук,

0:03:16.860,0:03:21.300
също ще очакваш нормално разпределение,

0:03:21.900,0:03:24.520
точно като това.

0:03:24.530,0:03:25.380
Ако ни дават х,

0:03:25.380,0:03:27.760
разпределението на всички у трябва да е нормално.

0:03:27.760,0:03:29.750
Отново, много пъти просто ще ти кажат

0:03:29.750,0:03:32.470
да приемеш, че това условие е било изпълнено, защото,

0:03:32.470,0:03:34.390
поне във въвеждащия клас по статистика,

0:03:34.390,0:03:36.970
може да е малко трудно да разбереш това самостоятелно.

0:03:36.970,0:03:38.810
Следващото условие е свързано с това

0:03:38.810,0:03:42.790
и то е идеята за равна дисперсия (equal variance),

0:03:42.790,0:03:45.090
равна дисперсия.

0:03:45.090,0:03:48.100
И това просто казва, че всяко от тези нормални разпределения

0:03:48.100,0:03:51.240
трябва да има същото разсейване за дадено х.

0:03:51.250,0:03:52.870
Можеш да кажеш равна дисперсия

0:03:52.870,0:03:56.340
или може дори да помислиш за това като за равно стандартно отклонение.

0:03:56.360,0:03:59.880
Например ако, за дадено х, да кажем за това х,

0:03:59.880,0:04:02.580
имаш много по-ниска дисперсия –

0:04:02.580,0:04:03.620
направих го ето така –

0:04:03.620,0:04:06.890
тогава вече няма да изпълняваш условията за извод.

0:04:06.890,0:04:10.430
Последно, но не и по-важност, и това сме виждали много пъти,

0:04:10.430,0:04:12.300
е условието за случайност (random condition).

0:04:12.300,0:04:17.100
И това значи данните да идват от [br]добре създадена случайна извадка

0:04:17.160,0:04:19.200
или от някакъв вид експеримент на случаен принцип.

0:04:19.200,0:04:23.880
Това условие сме виждали във всеки вид условие за извод,

0:04:23.880,0:04:25.760
което сме разгледали дотук.

0:04:25.760,0:04:27.140
И ще приключим тук.

0:04:27.140,0:04:28.270
Добре е да знаеш тези неща.

0:04:28.270,0:04:30.470
Може да ги има на някои изпити.

0:04:30.470,0:04:35.200
Но много пъти, когато дойде ред за решаване [br]на задачи във въвеждащ курс по статистика,

0:04:35.200,0:04:38.720
те ще ти кажат да приемеш, че [br]условията за извод са били изпълнени.

0:04:38.720,0:04:40.910
Или "какви са условията за извод?"

0:04:40.910,0:04:42.970
Но всъщност няма да те накарат да докажеш, например,

0:04:42.970,0:04:46.010
условието за нормалност или за равна дисперсия.

0:04:46.010,0:04:47.040
Това ще е прекалено сложно

0:04:47.040,0:04:49.763
за въвеждащ клас по статистика.