 तोच्वबलगा रद किया थे नहीं नहार बन आसा भाँ सोग Lakhti-varya-t-multiple-regression मूल्टिपल लेगरेशान हमने प्रीवेस देखा, वान रेदेखा and मुर्ट्टें तु is the independent variable. ना, रर इस दी मुल्टीवेरीट मुल्टिपल रेगरेशान में, मुर्टेन वान रेदेखा and मुर्टेन वान रेदेखा. यो गजेक डेरी प्रट्टटों कि आप जातृेर से ना, औंगे फाड तो, यहा एक मिल ऐट गजेक, जो लित बीग, डेरी प्रट्टों के लिए चोकलिट कि औन गरगाँ रीक ते राने के ते चिवाद, देरीे प्रट्टों के लिए प्रटों कोंयों ञाँलेर से अगही ब आप भी यूँटिट घ्बादिया प्रश्द? आप ग़ावाद़, हाँ च़ाया सेर्ईगङा सेर्वीवा़, औन स्सद यूँ आप बादिया आते, थो प्रोदिया वर्ईिबवाल तर दी स्वाँत है, था प्रश्वाँदा वर्ईिभ़ाद, आप बादिया चलॉद आप � तर than two dependent variables । तब हम किऽ गरे हैं, पहलगिटटी तो है यह तब हमे किअ आम ने कसे उस को रन्ख अने मोडल को. The multivariate regression model is an excretion of the univariate regression model and unable us to join pendent a prisponse variable. आआउ आप वह hes more efficient, more ja firmware apocalypse थे आपरटेrites थे niñosे आज�債 हैं। मई निवे repeating, facilitating long term औग आपरते lif of both the निस, इस A, to A and to B आपरते mechanical पी है आमारे पास. पी मोडल, समिलर तो अबव मोडल इस गिवनात. समिलर इस अबव मोडल के हम चेख कर हैं. सो है इस दी वाय आई. छिए वेक्तर. अब वेक्तर में होगा अब आपके पास न्गल वेриबल नहीं है. अब वेक्तर फफ में. सीमिलाली अगर अप इजामपल देके तो हम ने क्या का दा? प्लाट कलिस्ट्राल, प्लाट सुगर, अद दिवेट. त्री वेरीबल से ना, तो वो क्या औगया वेक्टर? इक्फल्स तो बीटा नोट आए, बीटा वान आए, एक्स वान, बीटा तु आए, एक्स तु अप तु सो अन, बीटा मी, एक्स आम, प्लाट सुगर ताम. सु आए वेरीज वान तु पी, सु क्या औज़य का यहाँ पे आपके पास? अगर में आए वान के लिलूं, वान क्या होगा? बीटा भीटा उवान बीटा दो अगो सब प्लाट सु अप तु सो अज़, बीटा वान ऴीटा रोग वान, इक्स आम प्लाट सुगर ज़ स्वान, भी पास ऻे अप आए, भी भी दो आसक सुगर ज़ु आए गे. నమ్ణరి ద్త్ధి గాప్దాడ్చనిచనచాగదనిట్లక్త్పునిచ్చనికటి నట్ప్నిందర మ్స్ట్కాఖాకిప్లగని వామ్విక్నిపాట్డ్చలిగాని. ప్రమేద� जीद्द रिस्पोन्स यानी आयत देपन्टन वेरिबल अन दी जीद्द अबजवेशन इस रेटन आस दिस दी वाय आई जे जे वेरीश वाँ तु एन तोटल आन अबजवेशन आई हार मोडिल के अंदर. इस रिस्पोन्स अजम तो फलोग ये होंग रिगळैशन मोडिल. हार मोडिल हर याई आई आप के पास है ना? इस गा एक रिजग्रेशन मोडिल जन्वेट हो के अग्जीद. सेकिन के लिये रिग्रेशन मोडिल जन्वेट हो राँ. अब प्रीविया सब ने देखा है, अब प्रीविया सब ने चेक किया, उसकी अकड़िए अब आप कभाश एक जेनूल सेनारियो या जेनूल अपको लेयाउट बनाया हम ने. तो जैन्नलेहाा। में, हमैहणते खाद से, वाई॥ शब क resulted वाई॥ बाए। वाए॥ शब क अप तो शूर। वा बी।, वींशान यूव, वाई। शूर। वाई॥ शूर। गिर, नेर � shaw फीख से थर, पी वेखत्र हिाई सी गॉसर दीकून, � आप तुस्वान बीटा वान पी एक्ष वान वेक्टर ये अमार पस जरनल लेयाुत हैं अब इस लेयाुत को रहाँ परदर कैसे साल्फ कर रहें उसको अम चेख कर लेतें के वाई काअअडर क्या हैं, बीटाँस काअडर क्या हैं, एक्ष जो आमार पस अन्पेन्ट्वेरिब बीटा लिए अब उसको काइडिए क्योटेठ क्योटेठ लेई, नहीं आप सालेंगे कुनाब, सालेगे वो सालेंगे पता है आप लगे रहाैं, बून्ब जरनculari Nobody can be written in metrics form as under, मेट्रिक्स, फार्म आज आन्दर, वाईकोस तु एक्स बी प्लास एक, अब भीटा नी लिखा मैंने, मैंने अब उसको कै दिया बी, क्युके दिस दी मेट्रिक्स अंद एको देप्लेस की अपातली, तिस आसो दी मेट्रिक्स. वाई में हमारे पस क्या है, वाईकोर्टर एन तु पी, एन अबसूवेष्यन, पी ताई मैंचेन उसकी हैं. वाई आबकोपत बहुत लोगं ठाग। भीटाग एक, वाई बऊ़ी सर्वेषु। इसको क्या गडया भीटाएं पूवेषू. अब प्रत करते रब भीटाएं थो मेट्रिक्स हैं. से वी पूवेषू लेई. ये साथी कुई ये सारी पुर्ष्ट. या कुई टेर क थी हैं? ये सारी पुर्ष्ट. इस को क्या के धिर? वॐ वान प्रायं. ये देक्तर बन गे नखौँआ पुर्ईन. सेखिन, सेखिन को वाई तू प्राईं, and last, this is called the yp-prime. साज दार, इच रो कंतेंज वालिस अप पी देपन्द वेरिबल माएर्ट औन दी, on a subject. आप वाई का हमें पता चल गय, क्य वाई मेट्रिक्स क्य आंदर क्या है, वाई कोडर एन टू पी एन. सीमिलालि, अब हम एक सो भी अग एक अडर चेख करेंगे, now x is the n into k. अप k कहल साया चेख कर लेते के के हमारे पस है, where k which is equals to m plus 1. प्रीवियस एकसामपल, जो हम ने मुल्तिपल रिग्रेशन की ती, to multiple regression में हमारे पस, m results नहीं आरे थे, उवाई के थी, उवो लेकिस थे, अब नहीं चलग है, now we have m minus 1 because we didn't start with one. यहाँ पे आप के पने में शो कर रहा है, m plus 1 will show that these are the k which you have. इस के में आपके पस यहाँ तक तो हम ने m लीझा, basically you have these results. बहुट यहाँ पे आमारे पस k which we have kept as one variable, this is the n into k dimension. मैं में कि आब experient house या है सद अड़ी अभ तो है है कि सीवाढ परने धो 那 we have n plus 1 क्यो। क्योों के यान पे, वान से integrations start ancestors तो आप यान परचा, म slash 1 Mumbai उए था में迬सा आपने प्लें के कीकेOrange because कि रयव »: अपने भी उस में भी, आपने वेट �Ant's kache ... तो वो मेरे पस म्तक दी, यहाँ पे अडल क्या है, म्प्लास वान जो होगा, वची सीक्फल्स तो दी के, इस लिए हम ने का है, क्या आपके पस एकस किस के एकखल है, आन इं तो के, सो वान, वान के हम ने फाल सारी वालियो, this is the column वान, वान किस के लिए, बीता नोट के लिए, तो के इंटू पी, ने वान, बीता नोट वान, बीता नोट वान, we have M-Values. तो म्म आपके पस अडर है, और यी म्न किस के, म्म फाल सारी एडर है, तो बीता दी, बीता वान, तो म्ब ती कहाँ तक जार है, म्म आपके पस एँ पी. यह आप वtać ठूily हो एक वता �濥ा, लिग यह आप पीा अखर ये है बाँ Pourquoi ओजे सेफ का? कचानिब गर टिरी चाहलो है, बोाय सेथ है, डिये एक थी ब᦬를 हा शो ह haters को आ चमय के तन मरस्ढन, फिले तू ஗ा वम को अगर नाय बाप एक खॉओ में और शेगी रहे! फर्दर हमने इसको कैसे लिखा, बीटा के लिए तो पी, तिस दी बीटा वान, बीटा तू, आन तिस दी बीटा पी. तो वी आप पी दामेंचिन बीटा पी. तो यह यह सेम हमने प्रीविर्स काम की है. आरर हमार पस क्या अडर है, एन एन तो पी. अन रोस और फर्दर क्या भी चाम की. आर सो ज़ें फाशके यह सेकु थी तो फरीविर्स की. और उवान सी नपा के आप लग़े सी कोफ़ा ठू. अवन छास मोख पि वान.ई वान बीटा तू और पी वान. तो यह आमार पास के ही मेट्रेख कि लग़ा बी. रेंदम आ़र, this is the matrix of the रेंदम आ़र, now finally मुडल क्या बना और मुडल क्या मारे पस दिमेंच्छन क्या आई, then the मुल्ती वेर्येट, multiple regression मुडल is given by this या आपके पास क्या अगी, dimension वाई किस के एक वल है, n cross p एक्स, n cross के, and b, के क्या क्रोस पी, so finally अपके पास क्या अगी मैं, n की, dimension check करु, तो लोगे अगर dimension check करु, तो मुल्टीपलाई कर के क्या अगा, वो भी आपके पास एकस आईगा, n cross p काई, so error, which आपके पास क्या अगी, n cross p, this is तो आपके पास क्या मुडल वेर्येट, अविड़़्,। अडल, simple stated the response व्आई आई, अगर हम just आईध्य दिमेशन के लिए, चेख करु, for आईध्या सब दिमेशन, जब दिमेशन वेर्ढिए, for आईध्या सब जब गगगगगगग, is the आईध्या सब जब, फलो थी मूल्टिप्र लिनियर रूग्रेशन मूल्टर लेश के आप आया धमैंचुन के लिए हमारे पस मूल्टिप्र लिनियर रूग्रेशन के है वायाय, かप्र पीटा य प्लास आपसर्वाःन आई, और आप आई क्या वेरी कर आई प्र आई बाउदी से भी फिया आब आप आप � आर्यत् स्वाद याईन्चन को चक्चवेननें तो उसके लिया आपके पास ये मडल, रीगरेशन मुडल दविल्र पूवें. तेस दी सनारियो आप दी मल्टी वेड्येट, मल्टिपल रीगरेशन. अगर my hope is that theiqué collection of multiple variations के मौडिरfounder multiple regression कदोटल फनार्या आपको clearおいँ money करोगा okay when we have the मोर than two dependent variables अजर than one dependent variable कदोगा of spell lay there now use कदोटल शनजर आपको clear kann음 के when we have the मौड्ध हमसे two dependent variables अजर than one dependent variable मोड्धिरग तो पर णधी द 말이 नमादिक्स अन नमादिकली चेख करेंगे।