 अहूंका बाच़ज़न करते, लिग़ा आईद़ करते आ़ चाईज़न करनाग்त योगी मुझा करते हैं। वो सतो जोयों वे कुलाया लात क preached आन्हों सैंत आप प olmें गरांछि wär्गीए खिलागि warm इजोडस श्वहिंो हो थी स्बिया इ सैम त Ginsburg उंगम फ् finance ०्यीयार च्ंर हो, निक्ःए गर हिॐ सलगफिछ में परहेता नहीख concentrated तो उसका इतना जीब ये आएगा. So correlation basically allows us to predict for the future, to predict for the unknown. तो हम क्या करते हैं? तो आपको बतायाता है, क्या हम एक स्केट्र प्लोट बनाते हैं, for X and Y variable. X variable for example, हमारा SAT score हैं, और हमारी जो Y variable है, जीपी हैं मारा. हम प्रडिक्त कना चाते हैं, कि अगर अगर एक बच्छे को हम नेग कौलिष में ट्मिशन, उसके SAT scores की बेस पी दिया है, तो उसका कितना जीपी आएगा? तो, to find out or to predict this, first we need to know, कि तो डोनो वेरीबास रेलेट कैसे करें? We should have prior data on it. फरस करें कि मेरे पास तो पुराना डेटा, कि अगर फरस करें, SAT कर टेस, 400 है, 500 है, 600 है, यह 700 है. तो, 4, 5, 6, 7. वर दर हमारा जीपी है, 1, 2, 3 and 4. वर मेरे पास कोरलेशन इस तरान से है. यानी यानी it is strong, positive correlation, because the dots tend to form a line. तो, क्या हम करते हैं कि जब हम, टेटा के अंदर, dots तो हमें बताते हैं, कि कोरलेशन किस तरान से हैं, and they tend to form a line. तो, हम स्ततिस्तिकल टेकनीक जो युस करते हैं, to find the line of best fit. हम इसके अपर एक अवरज लाईं द्रोग करते है, जो के best data को, describe करें यह देटा को, capture करें. ज़सा अगर फर्स करें, यह dots नहीं लें में चार पांची लगागे देखती हूँ, अप यह यन dots के अपर लाईं एसे भी लग सकती हैं, लाईं एसे भी लग सकती हैं, लाईं एसे भी लग सकती हैं. लेकिन, regression is a statistical technique, यु क्या करते है, अपके देटा में कोरूलेशन है, अच्टर वाएक यानदर, उस केटर प्लोड के अपर सारे, dots को मदे नजर अच्टर देखते है, यह द्रोज लाईं अप प्श्ट्पेद. और उस बेस्ट्पिट को जब भम द्रोग कर लेते हैं, अप प्रडिक्छन करते है, कैसे प्रड्चामपल यह में द्रोग क्या है, और यह अच्टर देटा है, स्कोर्स का विचिस तेलिंग मी के, है कोरूलेशन है दोनो के भीश में, या अगर अच्टी पे स्कोर अच्टर है, आप मैं ब्रडिक्त कर सत्टी मुं किछिस बचचे का, फर्स करे आसे टीक आने थे सेवन आच्टर्स कोर है, उसका जीपिये कितना आइ, उसका जीपिये उल्मोस त्रीट फोचचे की विसी, यह मी लेक्ती bring back matter from a lot of things. एंन विचिस ज्टिक कर तेलिंग, अगर देटा और लेडा और डेटा अगर देटा एक आद लिनियर लाईन अगर देटा अगर नहीं अगर देटा उदिकषन के हम एक शोर की मदसे दुस्चा प्रटिक कर सकते हैं। अमसन फर्ट्स करें अब कहतें धिस बछचे के पाजुस नंपर आप बरहात लिए अंका जीप्यग कितना अगर तो आप यह नहां पजाए के नहीं को अईसे प्रटिकत कर सकते हैं कि जिस बचे के फिवहन्टरड हैं वूएप जीप्यार मुस्टरी होगा। ये मैं इजामपल बोई जो आपको दी है से टी और जी पी आगी. ये हमारे पास याट सकोर्ज हैं और ये हमारे पास जीपी हैं. ये हमारे पास उरिजनल डेटा है. सो दोर्ट्स आखचली आर इन्टिकेटिंग देटा. और उसके उपर हमने रिग्रेशन को युस करतेवे ये लाईन अप बेस्ट फिट द्रोग की है. लाईन अप बेस्ट फिट का मतलग है कि ये मुस्ट अप देटा को कप्छर कर के एक श्पलेन कर रहें. और ये द्रोग करते लाईन वहां पे जोगा पे हमारी एरर कम से कम हो. एरर क्या होती है. एरर हमारी होती है कि जब हम फर्स कर हमने देखना है कि जिस बच्ट गे कि 600 नमब हैं, साथ के उपर उसका जीप्ये कितना आगा. आब आप अगर ये देखेंगे ये स्कोर तो एक साथके एस कि उपर है. आप दिस स्कोर आखचली तील डेटा के अंदर 600 है लिकन उसका जीप्ये 3.5 से नीचे है. तब के इसका जीप्ये उपर है. ये बी स्कोर आप की लाईन अप बेस्ट पिट से अवे है. सो एरल का मतलब है के प्रटिक्षन हमारी कभी भी 100% नहीं होती. बलके प्रटिक्षन के अंदर हम गेस देते हैं, अपना बेस्ट आस्टिमेट देते हैं. उसकिले हमारी वाई क्या तो बी ऐस प्पुस आई, इसको बहुत सारी किताबो में आप प्लुब बी आई लिकावता. इस वान आई प्प्सद वो आँई किताबो में आई प्पुस भी आए और है. अपना बाँ्ऒ़ प्रटिक्षन आई होता. whatever it is so we have a a coefficient which is a constant we have a b coefficient we use both constants b is slope of line and a is the y intercept and these are the two things that i have explained to you