 अंगे, हम निवात की के रिगरेश्चन बेसी के लिए हम लाईन अप बेस्पिट को ड़ोग करते हैं, तो प्रडिक्ट वाई वेलिए हूँ from the given acts वालिए. अब जो मेतर्ट दूस करता है, स्ततिकली उस रिगरेश्चन लाईन को ड़ोग करने के लिए, ये लिए लाईन अप बेस्पिट को ड़ोग करने के, that method is called least square method. To draw the line, हम जब रिगरेश्चन लाईन ड़ोग करते हैं, ये अप प्रस करेए ये हमारे जो मैं इज़्ामपल दी है आप प्तिपास ये ड़ाईटा पौट्झे हैं, और हम स्ताट्स में आस पेस लिए जागे केते हैं के रिगरेश्चन लाईन ड़ोग करोग, अई वला हमारे पास साथ सकोज जीपी हैं, और ये औरिजनल जो ड़ोट्स लगे में ये औरिजनल देदा हैं, तो दिगरेश्चन को युस करते लेए, कमपुटर ने लीस्ट स्कौर मेठर्ट को युस करते लेए लाईन अप बेस्ट पेट ड़ोग की हैं, तो ये लाईन अप बेस्ट पेट लीस्ट स्कौर मेठर्ट ना क्यु गठा हैं, किसने लाईन असे ड़ोण की असे नीकी बलके असे ये लाईन अप को ड़ोग कर की दीए, औस का मतलब है कि आपका ये हमारा प्रटिक्ट चोर सारे हमारे ये एस के अप रहेंगे, और हमारे प्रटिक्ट ड़ोग के दम्या जहांपे दिस्टन्स काम से कम होगा वहांपे ड़ोग करेगी, ये आक्ट्ट्ट्ट स्कौर हैं और ये ये इसका प्रटिक्ट ड़ोग कोर हैं, यहांपे this is the call, difference or distance between y and predicted y. This has predicted y here, where actual y is here. So again this is the distance. So our predicted line of the line of best fits is a distance that is called distance between actual y and predicted y. And the least square method line of the line draws where overall the distance between the predicted y and predicted y is less. वाद क्या आप याजटा तिवाद हो आप नहीं बाथ मेंसा कर गूएरी नहीं ख़ातगर करतान. वाद क्या गा प्या मुझ़् अप यहन वाद क्या याखद गूएरी हदें थे बादष्टेनत। साटँन उस पीबवुहत भी ढ़ा चीथार. यहम था प्हने सब से पहले क्रनाग, सब से पहले हम ने मीन प्रेट लग गष रे ईग सो, हमारे पास ऐख सोलम योज हमने पीझने सलाईज ठेख आगर, अप नसका तोटल कर एंगे आद़ा न अंद आद़ी नहां bouber y sûr to avoidSOUND को स™ क्य sustaining अं य pewno य 스타일out उनक dels आद़ी अद़ीany अन अद़ी y मुर सम їना baskets सम के 36 कि सम Judah mayonnaiseु könnt & वयसे दो गर लिए द्वल्ग इंए लिए तो रहा हैगा room 12 तो आनसर सबन आएगा लेईगन असी कोई भी वल्ग्यूं, जो गिवेन नहीं यह या और थे, विर्च्सन एंगा ख्स ये रवयकी ये भाग़ुम नहीं दिख्टेर अगा जे भी नहीं, आप लिए आप then we declared for the given-5, so that in our balloon, theAreas will as 5 into 1, so that it will be equal to 9 जट़न्न साल मैं हैं च्धνε के वो बच्शार, मैं आितने वेट्तोग आगा लियवetypure mind जवेदिर मैं आनाग卡 जब अर रहा then और चाना और नाठानी वेटेर्र �AN ranch India बोगाम लिन मए संगची धेंखू, आम � biblical वेटेर् ता का ओ़ प्कानी में ता अभा但是 तो अगर आपका starts के अपर score 4 है, तो research में आप प्रटिक्त कर सकता है, कि वो 9 आईगा. आप देख सकता है कि यहांपे 5 का मतलब है, 7 actual है, वो इसी 5 का मतलब 10 actual है. तो there would be our distance क्योंके वो हम line of best fit when draw करते है, तो सारे line को exactly नहीं लेती वो dots को. अगर अगर हमारे perfect relationship हो वान का, तो dots असे आएंगे वो हमारी prediction 100% accurate होगी. लेकि अगर हमारे dots सिस्तरान से scattered है, तो फिर हमारी prediction में उतनाई error आईगा. जितने जादा scattered जाजितनी low correlation होगी, हमारी standard error उतनी ही जादा होती जागी और prediction हमारी उतनी पोर होती जागी. लेकि इस केस में आब देख सकते है, तो अब अब कोई भी value जो यहाप नहीं नहीं भी दियावा, मसन अगर अगर अप ख्योरियस है कि अगर आपका stats में फरस करे है, अगर अगर अपका score 10 आया है, तो y कितना आईगा. तो you can replace this x by 10, and then you can see कि अगर अपका 10 है, तो आपका y के अपका score 14 आईगा, you see. तो this is actually regression works. तो हम क्या करते है, हम given correlation के साथ, line of best fit draw करते है, using the method regression, और उसे regression के अंदर, हम least square method करते है, line of best fit draw करते है, उस जगापे, जहांपे actual or predicted का distance कम से कम हो जाए, अप फिर उसकी बेसिस पे हम केतें कि अगर x variable में value, यह उगी तो y पे हमारी value, यह आसी. In general, there is some error between the predicted and y, यह वो यह बाते है, जो मैं आपको बतादी हैं already, लेकिन again, I will read it out for you, के just to strengthen or to help you understand clearly word to word. तो there is some error between the predicted y values and the actual data, तो the amount of error varies from point to point. On average, the errors are directly related to the magnitude of the correlation. Just as I told you, if our correlation is perfect, it will not be an error but our under personal prediction. But if our correlation is weak, our prediction will also be weak. And our dots will be more scattered, distance will increase, actual or predicted. With the correlation, this is one thing that will be perfect. Generally, our cluster is close to the line and the error is very small. Because your first is a perfect relationship and as the correlation gets nearer to zero, our error will increase as much as possible. So, this is pretty much it. After this, we will go ahead and draw the best line. If we have all the dots and we have to draw predicted and we have to line it, then how will we do it? But actually, the good thing is that we have no time in SPSS. It calculates the scatter plot and draws the line of best fit. It also tells us the distance and also tells us the regression. It tells us the predicted y for any x and then how many percent variance it is explaining. So, SPSS is a kind of blessing for you because you don't need to do all this manually, but you need to understand clearly this is the camera flow.