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