 तीरे स्टुटन अभी नम्ने प्रीवयर सम्री देखी सम्रे अंग़े मुल्टी प Arabs-Multiple Linear Regression Part One आप ड़ाजन पार्ट वन में हम पिया फाँईा बीता की प्रोप्टीस पाँई की पार्ट वो में हम ने रेसेडुल्स की प्रोप्टी पंटी पाँई की अप हम उसे समडी पार ठ्ठी चेक करें. आप फ़र्दः समे खेया फंझ करें. ही के लिए न्प्रंसबं फ़न क्या लिए डिक़रेशन करेशिन आद. यक और थो तर जब वैस्टिकेर लिए जाद. और विळ्ठाद लिए विविव्वी छनी ज़ूर. उरडीक्चन बैसेगली क्या थी कि अब देता के अभ़र hi se predikt kr sehthi ye. देता के अंदर ही खीए से से खीट कर सकते हूँ। ke aap data ke andar hii se predikt kr sehthi wo. आप बजोर कोंनिखाना रसु िेक या पर चायक़ों पर श्झीख। naو aap baas mari paaz chika kids. यह नहीं उसे सेटिस्वाय होगे, it can be used to solve two prediction problems. अब हमारे पास प्रटिक्छन हमने चेख करनी है, under this model. प्रटिक्छन बेसेगली क्या ती के आप टेटा के आंदर ही से प्रटिक्छ कर सकते हो, next values को हम प्रटिक्छ कर सकते है. तो two predictors problem हमारे पास आरीं, let X not prime, अब X not prime पेसेखली यह पे क्या आप के पास होता है, अगर आप को model यह दो तो हम यह भीटा वान बगरे थे तो बीटा वान कोंस्टेंट है असकी वालु क्या अगी वान, X02 up to so on X0K. यह तो जरनल आप के पास के प्रटिक्छन की बात हो रही है. So this is the X not prime. बी सेलेक्टेर वालिस अप दी प्रटिक्टर वेरीबल्स, then X not and beta cap can be used to estimate the regression function. अब हम इसको देख रही है, regression function के कोटिन, this is the model, यह जो में आप को प्रीविस के रही थी, this is the model, बीता वाल, तो कोंस्टिन क्या अगया वाल, यहां से बीता तो आप के पास X2 की वालिव होगी, X02, then बीता के की वाल, यहां पे आप के पास है, independent variable, जो प्रटिक्ट कर रहे है, that is the X0K, at X0 to estimate the value of the response, response कोंसेर, dependent variable, basically dependent को हम ने अस्टीमेट करना ना, why? ना, at X0, बोड दिस्कास पिलो अप, अप हमने रिस्पोंस चो है, एस चो बसिकलि हम प्रटिक्ट कर रहे है, कि अगर हमारी वालिवुस,जैसे हमारे पास सल्व्री आय, कि सेल्व्री हमारी, अमारा 15 यारस का है, तो ताब हमारे पास सेल्री कितनी होगी. तो हम उसको ठ्रटिक्त का रहेंग, कि ता भ भामारे पास भाई जो दिपपनेन वेरिबल आजिसस को हमने सेल्री का है, तो तू हमने अई न्टपेनड़ोग़ए rahat Le attribure the dependent variables with a saves Dolby state the euro kithni oge this is the in-ference from the estimated regression this may have a model fit hondekibaad am little think question estimation of the regression function and eks node sined dest warnings after the mathematical protocol light until why noted by not Foster pass response variable when the predicted variable ab Bron says over and over predictor variables predict and the response correlation these are the values. According to the model, this is the regression model in terms of matrix, expected value of this. This is the expected value. अपके पास पेसेकली तो expected value हम फाँन करते न, expected salary बताएंगे के expected salary कितनी होगे. Now the expected value of y naught, this is the y naught given x naught. So y naught given x naught कुके x naught अब आपके पास है, यहापे हम उसको प्रटिक्त करे है, y naught को. And given values हम यहापे x naught की, x naught आपके पास के independent variables, इसकी कुई values देंगे, जिसते हमारे पास response variable प्रटिक्त होगा. This is the model. And further हम इसको कैसे लिख रहें, x naught prime, बीटा. तो x naught प्रटिक्त बेसेकली, x naught प्रटिक्त कहाँ है. यहां देखो आप, x naught प्रटिक्त, वान कुकेसे के साथ वान, x02, upto so on x, 0k. तो यहापके पास, x naught आपके बीटा, जब हम इसको फरटिर उस में लिखेंगे, आप कैसे लिख सकते हो, वापके से यही बन जाएका, हम लिखेंगे वान, x02, upto so on x, 0k. वेक्तर, किके यह वेक्तर है, प्राईम आगया, this is the बीटा वान, बीटा 2, upto so on, बीटा के. तो हम इस, इसको हम ने लिख लिख लिख लिख यह, ऎसको, हम ने लिख लिख लिच लिख लीखगfiveगें, बीटा. तो,को, अपनी, उरह ओ़ उरह पोळॉल्झाए कर वेंम खो, भीटा की, और असे ञुप रिप, ने को यह � cross friend ौ इस काती, फिर यही प्री सकते, आप औस को हम ने एす, तो यह आपब बज़ा किटू से पलगट क्योंशीरू, तो तो तो इसा आपकप्ते हैं तो आप भजले तूगोंशीरू विदियाटॉ zoalsे आपकपातःके ऻगे पूर्मूला कि क्योंशोग जरू, क्योंशीरू तो जीटू क्योंशीरू ऎपकपात्राँ देंपहिशना जरू with its degree of freedom and this is the standard error and you have an idea this is or we have taken sigma square we have used estimate of sigma square so we have used s square then we are using t here sigma square you know in real life we don't know we use its estimate that is s so s square so we have taken it by its square root what is its term this term it is replaced by s square so further square root this is the formula of the confidence interval and the test statistics for testing the hypothesis about the expected value of the response value is this this is the test statistics you know that the test we have t test which is equals to x bar simple over mu divided by standard error and standard error is over and under this is the formula I have written that what is the formula of t so you are seeing the formula of t x bar this is the sample estimated value minus population and this is the standard error and on which we are checking this we reject the hypothesis if the calculated value is greater than the table value or the critical value at alpha percent so we reject h naught this is the summary of the multiple linear regression in which we have checked everything we have also checked its estimate we have also checked the variances and then we have also checked the confidence interval and prediction then we have also checked the statistics and after the statistics if the testing is done then we will also check that