[Script Info]
Title: 
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:00.18,0:00:01.75,Default,,0000,0000,0000,,Nemrég azon kezdtünk gondolkodni,
Dialogue: 0,0:00:01.75,0:00:03.61,Default,,0000,0000,0000,,mire használható a regressziós egyenes,
Dialogue: 0,0:00:03.61,0:00:06.29,Default,,0000,0000,0000,,főként pedig annak meredeksége
Dialogue: 0,0:00:06.29,0:00:08.01,Default,,0000,0000,0000,,egy mintasokaság adatai alapján.
Dialogue: 0,0:00:08.01,0:00:10.86,Default,,0000,0000,0000,,Hogyan következtethetünk ebből
Dialogue: 0,0:00:10.86,0:00:15.57,Default,,0000,0000,0000,,az alapsokaság\Nregressziós egyenesének a meredekségére.
Dialogue: 0,0:00:15.57,0:00:17.86,Default,,0000,0000,0000,,Ebben a videóban arról lesz szó,
Dialogue: 0,0:00:17.86,0:00:20.26,Default,,0000,0000,0000,,hogy milyen feltételekkel\Ntehetünk következtetéseket
Dialogue: 0,0:00:20.26,0:00:22.54,Default,,0000,0000,0000,,a regressziós egyenesekre vonatkozóan.
Dialogue: 0,0:00:22.54,0:00:25.32,Default,,0000,0000,0000,,Ezeket részben már megismertük
Dialogue: 0,0:00:25.32,0:00:31.68,Default,,0000,0000,0000,,a hipotézisvizsgálatok\Nés konfidencia intervallumok kapcsán
Dialogue: 0,0:00:31.68,0:00:33.92,Default,,0000,0000,0000,,az átlagok és arányok vizsgálata során,
Dialogue: 0,0:00:33.92,0:00:36.89,Default,,0000,0000,0000,,de lesz néhány új feltétel is.
Dialogue: 0,0:00:36.89,0:00:39.86,Default,,0000,0000,0000,,Hogy könnyebben megjegyezzük őket,
Dialogue: 0,0:00:39.86,0:00:46.95,Default,,0000,0000,0000,,használhatjuk a LINER betűszót:\NL-I-N-E-R.
Dialogue: 0,0:00:46.95,0:00:48.47,Default,,0000,0000,0000,,Ha esetleg nem volna egyértelmű,
Dialogue: 0,0:00:48.47,0:00:50.50,Default,,0000,0000,0000,,ez majdnem ugyanaz, mint a „lineáris”.
Dialogue: 0,0:00:50.50,0:00:53.04,Default,,0000,0000,0000,,LINER, ami egy „A” betűvel kiegészítve\N„lineáris” lenne.
Dialogue: 0,0:00:53.04,0:00:57.10,Default,,0000,0000,0000,,Ez nagyon hasznos, hiszen\Nlineáris regresszióról van szó.
Dialogue: 0,0:00:57.10,0:01:01.24,Default,,0000,0000,0000,,Szóval ez az L „lineárisat” jelent.
Dialogue: 0,0:01:01.24,0:01:05.00,Default,,0000,0000,0000,,A feltétel tehát az, hogy a kapcsolat
Dialogue: 0,0:01:05.00,0:01:08.53,Default,,0000,0000,0000,,a populáció x és y változói között
Dialogue: 0,0:01:08.53,0:01:11.29,Default,,0000,0000,0000,,valóban lineáris kapcsolat legyen.
Dialogue: 0,0:01:11.29,0:01:20.22,Default,,0000,0000,0000,,Tehát a kapcsolat valóban lineáris legyen
Dialogue: 0,0:01:20.22,0:01:25.91,Default,,0000,0000,0000,,az x és y között.
Dialogue: 0,0:01:25.91,0:01:30.13,Default,,0000,0000,0000,,Sokszor eleve így feltételezzük,
Dialogue: 0,0:01:30.13,0:01:33.65,Default,,0000,0000,0000,,például egy vizsgán,\Nmondjuk egy felvételin.
Dialogue: 0,0:01:33.65,0:01:36.12,Default,,0000,0000,0000,,Ilyenkor úgy vesszük,\Nhogy ez a feltétel teljesül,
Dialogue: 0,0:01:36.12,0:01:38.50,Default,,0000,0000,0000,,vagy akár úgy, hogy mindegyik teljesül.
Dialogue: 0,0:01:38.50,0:01:41.10,Default,,0000,0000,0000,,A lényeg az, hogy tudd,\Nmik ezek a feltételek.
Dialogue: 0,0:01:41.10,0:01:42.81,Default,,0000,0000,0000,,De érdemes megemlíteni,
Dialogue: 0,0:01:42.81,0:01:45.66,Default,,0000,0000,0000,,hogy ha a mögöttes kapcsolat nem lineáris,
Dialogue: 0,0:01:45.66,0:01:47.99,Default,,0000,0000,0000,,akkor előfordulhat,\Nhogy néhány következtetés
Dialogue: 0,0:01:47.99,0:01:50.15,Default,,0000,0000,0000,,nem lesz annyira megbízható.
Dialogue: 0,0:01:50.15,0:01:53.20,Default,,0000,0000,0000,,A következő,\Namit már korábban is láttunk,
Dialogue: 0,0:01:53.20,0:01:55.74,Default,,0000,0000,0000,,a következtetések általános\Nfeltételeinek kapcsán,
Dialogue: 0,0:01:55.74,0:02:00.09,Default,,0000,0000,0000,,a függetlenségi feltétel.
Dialogue: 0,0:02:00.09,0:02:01.98,Default,,0000,0000,0000,,Ez többféleképpen értelmezhető.
Dialogue: 0,0:02:01.98,0:02:05.83,Default,,0000,0000,0000,,Vagy az egyes megfigyelések\Nfüggetlenek egymástól,
Dialogue: 0,0:02:05.83,0:02:09.18,Default,,0000,0000,0000,,például a visszatevéses mintavételnél,
Dialogue: 0,0:02:09.18,0:02:11.91,Default,,0000,0000,0000,,vagy gondolhatunk a 10%-os szabályra,
Dialogue: 0,0:02:11.91,0:02:13.43,Default,,0000,0000,0000,,amiről akkor beszéltünk,
Dialogue: 0,0:02:13.43,0:02:18.20,Default,,0000,0000,0000,,amikor az átlagok és arányok\Nfüggetlenségi feltételét vizsgáltuk.
Dialogue: 0,0:02:18.20,0:02:20.01,Default,,0000,0000,0000,,Itt biztosnak kell lennünk abban,
Dialogue: 0,0:02:20.01,0:02:26.02,Default,,0000,0000,0000,,hogy a mintanagyság legfeljebb 10%-a\Naz alapsokaságnak.
Dialogue: 0,0:02:26.02,0:02:28.08,Default,,0000,0000,0000,,A következő feltétel a normalitás\Nvagy normális eloszlás,
Dialogue: 0,0:02:28.08,0:02:29.79,Default,,0000,0000,0000,,amiről már beszéltünk
Dialogue: 0,0:02:29.79,0:02:32.61,Default,,0000,0000,0000,,az átlagokra és arányokra vonatkozó\Nkövetkeztetések kapcsán,
Dialogue: 0,0:02:32.61,0:02:35.17,Default,,0000,0000,0000,,bár ez egy kicsit összetettebb\Njelentést kap,
Dialogue: 0,0:02:35.17,0:02:37.58,Default,,0000,0000,0000,,amikor regresszióról beszélünk.
Dialogue: 0,0:02:37.58,0:02:42.16,Default,,0000,0000,0000,,Gyakran úgy vesszük,\Nhogy a normalitás is teljesül.
Dialogue: 0,0:02:42.16,0:02:43.81,Default,,0000,0000,0000,,Rajzolok egy regressziós egyenest,
Dialogue: 0,0:02:43.81,0:02:46.59,Default,,0000,0000,0000,,a perspektíva kedvéért\Nhárom dimenzióban.
Dialogue: 0,0:02:46.59,0:02:48.41,Default,,0000,0000,0000,,Ez az x tengely,
Dialogue: 0,0:02:48.41,0:02:50.50,Default,,0000,0000,0000,,ez az y tengely,
Dialogue: 0,0:02:50.50,0:02:54.81,Default,,0000,0000,0000,,az alapsokaság regressziós egyenese\Npedig így néz ki.
Dialogue: 0,0:02:54.81,0:02:57.27,Default,,0000,0000,0000,,A normalitási feltétel azt jelenti,
Dialogue: 0,0:02:57.27,0:03:00.72,Default,,0000,0000,0000,,hogy az alapsokaságban\Nbármely x érték esetén
Dialogue: 0,0:03:00.72,0:03:06.43,Default,,0000,0000,0000,,normális eloszlású y értékekre számítunk.
Dialogue: 0,0:03:06.43,0:03:11.66,Default,,0000,0000,0000,,Tehát berajzolom az y értékek normális\Neloszlását adott x érték esetében.
Dialogue: 0,0:03:11.66,0:03:13.99,Default,,0000,0000,0000,,Íme a normális eloszlás.
Dialogue: 0,0:03:13.99,0:03:16.75,Default,,0000,0000,0000,,Egy másik x érték esetén is
Dialogue: 0,0:03:16.75,0:03:24.53,Default,,0000,0000,0000,,normális eloszlásra számítunk.
Dialogue: 0,0:03:24.53,0:03:27.68,Default,,0000,0000,0000,,Tehát adott x érték esetén az\Ny értékek eloszlása normális.
Dialogue: 0,0:03:27.68,0:03:28.52,Default,,0000,0000,0000,,Mint említettem,
Dialogue: 0,0:03:28.52,0:03:31.50,Default,,0000,0000,0000,,sokszor csak feltételezzük,\Nhogy ez teljesül,
Dialogue: 0,0:03:31.50,0:03:34.39,Default,,0000,0000,0000,,mert - legalábbis egy bevezető\Nstatisztika órán -
Dialogue: 0,0:03:34.39,0:03:36.97,Default,,0000,0000,0000,,nehéz lenne minderre magadtól rájönni.
Dialogue: 0,0:03:36.97,0:03:38.81,Default,,0000,0000,0000,,A következő feltétel\Nkapcsolódik ehhez,
Dialogue: 0,0:03:38.81,0:03:42.64,Default,,0000,0000,0000,,ez pedig az egyenlő variancia
Dialogue: 0,0:03:42.64,0:03:44.92,Default,,0000,0000,0000,,vagy egyenlő szórásnégyzet.
Dialogue: 0,0:03:44.92,0:03:46.03,Default,,0000,0000,0000,,Ez csak annyit jelent,
Dialogue: 0,0:03:46.03,0:03:49.91,Default,,0000,0000,0000,,hogy ezeknek a normális eloszlásoknak\Na kiterjedése azonos
Dialogue: 0,0:03:49.91,0:03:51.25,Default,,0000,0000,0000,,az egyes x értékek esetében.
Dialogue: 0,0:03:51.25,0:03:52.97,Default,,0000,0000,0000,,Ezt nevezhetjük egyenlő varianciának
Dialogue: 0,0:03:52.97,0:03:56.24,Default,,0000,0000,0000,,vagy egyenlő szórásnak is.
Dialogue: 0,0:03:56.24,0:03:59.88,Default,,0000,0000,0000,,Tehát például\Nha egy adott x érték mellett
Dialogue: 0,0:03:59.88,0:04:02.58,Default,,0000,0000,0000,,hirtelen sokkal alacsonyabb\Nlenne a variancia,
Dialogue: 0,0:04:02.58,0:04:03.62,Default,,0000,0000,0000,,az így nézne ki,
Dialogue: 0,0:04:03.62,0:04:06.89,Default,,0000,0000,0000,,és így már nem teljesülne\Na következtetésnek ez a feltétele.
Dialogue: 0,0:04:06.89,0:04:10.30,Default,,0000,0000,0000,,Végül, de nem utolsó sorban,\Nés ezt már sokszor láttuk:
Dialogue: 0,0:04:10.30,0:04:12.42,Default,,0000,0000,0000,,a randomitás vagy véletlenszerűség\Nfeltétele.
Dialogue: 0,0:04:12.42,0:04:13.50,Default,,0000,0000,0000,,Eszerint az adatok
Dialogue: 0,0:04:13.50,0:04:16.59,Default,,0000,0000,0000,,egy megfelelően kivitelezett\Nrandom mintavételből származnak,
Dialogue: 0,0:04:16.59,0:04:19.20,Default,,0000,0000,0000,,vagy valamilyen randomizált vizsgálatból.
Dialogue: 0,0:04:19.20,0:04:22.96,Default,,0000,0000,0000,,Ezt a feltételt mindenhol láttuk korábban,
Dialogue: 0,0:04:22.96,0:04:25.76,Default,,0000,0000,0000,,amikor a következtetés\Nfeltételeit tárgyaltuk.
Dialogue: 0,0:04:25.76,0:04:27.14,Default,,0000,0000,0000,,Szóval, erről ennyit,
Dialogue: 0,0:04:27.14,0:04:28.27,Default,,0000,0000,0000,,ezeket jó tudni.
Dialogue: 0,0:04:28.27,0:04:30.47,Default,,0000,0000,0000,,Elő fog fordulni néhány vizsgán,
Dialogue: 0,0:04:30.47,0:04:35.25,Default,,0000,0000,0000,,de általában, amikor feladatot\Noldunk meg egy statisztika alapjai órán,
Dialogue: 0,0:04:35.25,0:04:38.72,Default,,0000,0000,0000,,úgy vesszük, hogy a következtetés\Nfeltételei teljesülnek.
Dialogue: 0,0:04:38.72,0:04:40.91,Default,,0000,0000,0000,,Rákérdezhetnek\Na következtetés feltételeire,
Dialogue: 0,0:04:40.91,0:04:43.11,Default,,0000,0000,0000,,de nem fogják kérni, hogy bizonyítsd be
Dialogue: 0,0:04:43.11,0:04:46.01,Default,,0000,0000,0000,,például a normalitás vagy az\Negyenlő variancia feltételét.
Dialogue: 0,0:04:46.01,0:04:50.09,Default,,0000,0000,0000,,Az azért túlzás lenne egy\Nstatisztika alapjai órán.