trong video trước, ta bắt đầu suy nghĩ về
các mà ta dùng đường hồi quy, cụ thể là
hệ số góc dựa trên dữ liệu mẫu
ta có thể dùng nó để suy luận
về hệ số góc của đường hồi quy tổng thể
trong video này, ta sẽ nghĩ về
điều kiện gì để suy ra
khi ta đang tính với đường hồi quy?
và chúng sẽ tương tự
với điều kiện cho suy luận
mà ta nghĩ về khi đang kiểm tra giả thuyết
và khoảng tin cậy cho trung bình và tỉ lệ,
nhưng cũng sẽ có vài điều kiện mới
để nhớ các điều kiện này,
bạn hãy nghĩ về từ viết tắt LINER
nếu bạn không thấy rõ, nó gần giống tuyến tính
Liner, nếu có chữ a, nó sẽ là tuyến tính
cái này quan trọng bởi vì, nhớ là,
ta đang nghĩ về hồi quy tuyến tính
Chữ L ở đây nghĩa là tuyến tính
ở đây, điều kiện, là mối quan hệ
trong tổng thể giữa các biến x và y
là mối quan hệ tuyến tính
vậy là mối
quan hệ
tuyến tính,
tuyến tính
giữa
giữa x
và y.
trong rất nhiều trường hợp, bạn có thể giả sử
đây là trường hợp bạn nhìn thấy
trong bài thi, ví dụ như bài AP
đề cho, giả sử điều kiện này thoả
thường thì, nó sẽ giả sử
tất cả điều kiện đều thoả
đề chỉ muốn bạn biết về mấy điều kiện này.
nhưng đây là điều ta nên nghĩ
nếu mối quan hệ đó không quyến tính,
thì có thể một vài
suy luận của bạn không chắc chắn
cái tiếp theo là cái ta đã thấy rồi
khi nói về điều kiện chung để suy luận
và đây là điều kiện
độc lập
có vài cách để nghĩ
hai sự quan sát đều
độc lập với nhau
nên bạn có thể lấy mẫu và thay thế
hoặc bạn có thể nghĩ về quy tắc 10%
mà ta đã làm khi nghĩ về
điều kiện độc lập cho tỉ lệ và trung bình,
mà ta cần phải chắc chắn
là kích thước của mẫu không lớn hơn 10%
kích thước của tổng thể
tiếp theo là điều kiện tiêu chuẩn,
mà ta đã nói về khi suy luận
với tỉ lệ và trung bình
mặc dù nó nghĩa là một cái gì đó ít phức tạp hơn
khi ta tính với hồi quy
điều kiện tiêu chuẩn,
nhiều khi người ta cứ giả sử nó được thoả rồi
nhưng để mình vẽ đường hồi quy,
thêm các chiều
rồi chiều thứ 3
đó là trục x,
đây là trục y.
và tổng thể hồi quy thực sẽ nhìn như vầy
vậy điều kiện tiêu chuẩn cho ta biết
với bất kì x nào trong tổng thể,
sự phân phối của các y sẽ là tiêu chuẩn,
là tiêu chuẩn
để mình vẽ phân phối tiêu chuẩn
cho các y
với giá trị x đó
vậy đó sẽ là phân phối tiêu chuẩn
cho là, với x này ở đây,
bạn sẽ muốn có phân phối tiêu chuẩn
giống như
vậy
nếu ta có x,
phân phối của các y sẽ là tiêu chuẩn
một lần nữa, bất kì khi nào đề yêu cầu
giả sử cái này thoả vì nó có thể
ít nhất là trong lớp thống kê cơ bản,
hơi khó để cho bạn tự tính
điều kiện tiếp theo sẽ liên quan tới nó,
đây là khái niệm có phương sai bằng nhau,
phương sai bằng nhau
và nó nghĩa là mỗi
phân phối chuẩn này nên có
độ phân phối giống nhau với cùng x
hoặc bạn có thể nói phương sai bằng nhau
hoặc bạn có thể nghĩ là chúng có
cùng độ lệch tiêu chuẩn
ví dụ, nếu, cho giá trị x, cho là giá trị x này,
đột nhiên, bạn có phương sai thấp hơn,
nó sẽ nhìn như vầy,
khi đó bạn sẽ không thoả điều kiện để suy luận
cuối cùng, cái này ta đã thấy nhiều lần,
là điều kiện ngẫu nhiên
đây là dữ liệu từ
một mẫu ngẫu nhiên được thiết kế tốt
hoặc một thí nghiệm ngẫu nhiên
và điều kiện này ta đã thấy trong mọi loại điều kiện
để suy ra mà ta đã xem xét
mình sẽ để bạn suy nghĩ
tốt để biết
nó sẽ xuất hiện trong vài kì thi
nhưng nhiều lần, khi giải quyết bài toán,
trong lớp thống kê cơ bản, đề sẽ yêu cầu bạn
giả sử điều kiện suy ra đã được thoả
hoặc điều kiện để suy luận là gì?
nhưng sẽ không yêu cầu bạn phải chứng minh,
ví dụ, điều kiện tiêu chuẩn hoặc phương sai bằng nhau
cái đó hơi khó đối với
lớp thống kê cơ bản