[Script Info]
Title: 
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:00.00,0:00:01.10,Default,,0000,0000,0000,,-
Dialogue: 0,0:00:01.10,0:00:03.32,Default,,0000,0000,0000,,วิดีโออันนี้เป็นวิดีโอที่พิเศษสุด
Dialogue: 0,0:00:03.32,0:00:05.34,Default,,0000,0000,0000,,ด้วยเหตุผลหลายอย่าง
Dialogue: 0,0:00:05.34,0:00:09.91,Default,,0000,0000,0000,,อย่างแรก, ผมจะแนะนำให้คุณรู้จักความแปรปรวนของตัวอย่าง,
Dialogue: 0,0:00:09.91,0:00:11.75,Default,,0000,0000,0000,,ซึ่งเป็นเรื่องที่น่สนใจ
Dialogue: 0,0:00:11.75,0:00:14.52,Default,,0000,0000,0000,,และผมพายามจะบันทึกวิดีโอนี้เป็นแบบ HD
Dialogue: 0,0:00:14.52,0:00:16.37,Default,,0000,0000,0000,,หวังว่าคุณจะเห็นได้ใหญ่ขึ้นและชัดขึ้น
Dialogue: 0,0:00:16.37,0:00:17.03,Default,,0000,0000,0000,,กว่าที่เคย
Dialogue: 0,0:00:17.03,0:00:19.15,Default,,0000,0000,0000,,แต่เราจะดุว่ามันเป็นอย่างไร
Dialogue: 0,0:00:19.15,0:00:22.06,Default,,0000,0000,0000,,นี่เป็นการทดลองนิดหน่อย, ทนกับผมหน่อยนะ
Dialogue: 0,0:00:22.06,0:00:25.18,Default,,0000,0000,0000,,แต่, ก่อนที่เราจะพูดถึงความแปรปรวนของตัวอย่างล
Dialogue: 0,0:00:25.18,0:00:28.09,Default,,0000,0000,0000,,ผมคิดว่ามันดีต่อการเรียน ถ้าเราจะทบทวนความแปรปรวน
Dialogue: 0,0:00:28.09,0:00:28.87,Default,,0000,0000,0000,,ของประชากรกันก่อน
Dialogue: 0,0:00:28.87,0:00:32.18,Default,,0000,0000,0000,,แล้วเราถึงเปรียบเทียบสูตรของมันได้
Dialogue: 0,0:00:32.18,0:00:34.79,Default,,0000,0000,0000,,ความแปรปรวนของประชากร -- นี่คือตัวอักษร
Dialogue: 0,0:00:34.79,0:00:36.10,Default,,0000,0000,0000,,กรีกซิกม่า
Dialogue: 0,0:00:36.10,0:00:37.42,Default,,0000,0000,0000,,ซิกม่าเล็ก กำลังสอง
Dialogue: 0,0:00:37.42,0:00:38.50,Default,,0000,0000,0000,,นั่นหมายถึงความแปรปรวน
Dialogue: 0,0:00:38.50,0:00:41.01,Default,,0000,0000,0000,,ผมรู้ว่ามันแปลกๆ ที่ตัวแปร
Dialogue: 0,0:00:41.01,0:00:41.71,Default,,0000,0000,0000,,มีกำลังสองติดมาอยู่แล้ว
Dialogue: 0,0:00:41.71,0:00:42.84,Default,,0000,0000,0000,,คุณได้กำลังสองตัวแปรนี้
Dialogue: 0,0:00:42.84,0:00:44.24,Default,,0000,0000,0000,,นี่คือตัวแปร
Dialogue: 0,0:00:44.24,0:00:45.78,Default,,0000,0000,0000,,ซิกม่ากำลังสอง หมายถึงความแปรปรวน
Dialogue: 0,0:00:45.78,0:00:46.84,Default,,0000,0000,0000,,ที่จริง, ขอผมเขียนลงไปนะ
Dialogue: 0,0:00:46.84,0:00:48.00,Default,,0000,0000,0000,,นั่นเท่ากับความแปรปรวน
Dialogue: 0,0:00:48.00,0:00:51.55,Default,,0000,0000,0000,,-
Dialogue: 0,0:00:51.55,0:00:55.43,Default,,0000,0000,0000,,และนั่นเท่ากับ -- คุณหาจุดข้อมูลแต่ละจุดมา -- แล้ว
Dialogue: 0,0:00:55.43,0:00:58.80,Default,,0000,0000,0000,,เราจะเรียกมันว่า x ห้อย i
Dialogue: 0,0:00:58.80,0:01:01.70,Default,,0000,0000,0000,,คุณเอาจุดข้อมูลแต่จุดมา หาว่ามันห่างจาก
Dialogue: 0,0:01:01.70,0:01:08.75,Default,,0000,0000,0000,,ค่าเฉลี่ยประชากรเท่าไหร่, คุณกำลังสองมัน, แล้วคุณก็
Dialogue: 0,0:01:08.75,0:01:11.16,Default,,0000,0000,0000,,หาค่าเฉลี่ยของทั้งหมดนั้น
Dialogue: 0,0:01:11.16,0:01:12.90,Default,,0000,0000,0000,,แล้วคุณหาค่าเฉลี่ย, คุณบวกทุกอย่างเข้าด้วยกัน
Dialogue: 0,0:01:12.90,0:01:14.20,Default,,0000,0000,0000,,คุณก็ไปจาก i เท่ากับ 1
Dialogue: 0,0:01:14.20,0:01:17.70,Default,,0000,0000,0000,,จากจุดนั้น, ไปจนถึงจุดที่ n
Dialogue: 0,0:01:17.70,0:01:19.94,Default,,0000,0000,0000,,แล้ว, เวลาเฉลี่ย, คุณบวกมันจนหมด
Dialogue: 0,0:01:19.94,0:01:21.97,Default,,0000,0000,0000,,แล้วหารด้วย n
Dialogue: 0,0:01:21.97,0:01:25.97,Default,,0000,0000,0000,,ความแปรปรวนก็คือค่าเฉลี่ยของกำลังสองของระยะห่าง
Dialogue: 0,0:01:25.97,0:01:27.39,Default,,0000,0000,0000,,แต่ละจุดเหล่านี้ ไปยังค่าเฉลี่ย
Dialogue: 0,0:01:27.39,0:01:29.70,Default,,0000,0000,0000,,เพื่อให้คุณได้สัญชาตญาณอีกที, มันบอกว่า
Dialogue: 0,0:01:29.70,0:01:32.92,Default,,0000,0000,0000,,โดยเฉลี่ยแล้ว, แต่ละจุด
Dialogue: 0,0:01:32.92,0:01:34.42,Default,,0000,0000,0000,,หาจากตรงกลางแค่ไหน
Dialogue: 0,0:01:34.42,0:01:36.25,Default,,0000,0000,0000,,นั่นคือวิธีคิดถึงความแปรปรวนที่ดีที่สุด
Dialogue: 0,0:01:36.25,0:01:37.64,Default,,0000,0000,0000,,ทีนี้ ถ้าเกิดเรามี -- นี่
Dialogue: 0,0:01:37.64,0:01:39.14,Default,,0000,0000,0000,,สำหรับประชากร, จริงไหม?
Dialogue: 0,0:01:39.14,0:01:42.05,Default,,0000,0000,0000,,และเราบอกว่า ถ้าเราอยากหาความแปรปรวนของ
Dialogue: 0,0:01:42.05,0:01:44.58,Default,,0000,0000,0000,,ความสูงของคนในประเทศนี้, มันยาก
Dialogue: 0,0:01:44.58,0:01:46.48,Default,,0000,0000,0000,,ที่จะหาความแปรปรวนของประชากร
Dialogue: 0,0:01:46.48,0:01:48.91,Default,,0000,0000,0000,,คุณต้องไป, วัดความสูง
Dialogue: 0,0:01:48.91,0:01:49.79,Default,,0000,0000,0000,,ของทุกคน
Dialogue: 0,0:01:49.79,0:01:51.36,Default,,0000,0000,0000,,250 ล้านคน
Dialogue: 0,0:01:51.36,0:01:55.08,Default,,0000,0000,0000,,หรือถ้ามีประชากรซึ่งเราไม่มีทาง
Dialogue: 0,0:01:55.08,0:01:56.86,Default,,0000,0000,0000,,หาข้อมูลได้ มาจาก
Dialogue: 0,0:01:56.86,0:01:57.64,Default,,0000,0000,0000,,ตัวแปรสุ่ม
Dialogue: 0,0:01:57.64,0:01:59.10,Default,,0000,0000,0000,,เราจะพูดถึงเรื่องนั้นทีหลัง
Dialogue: 0,0:01:59.10,0:02:02.66,Default,,0000,0000,0000,,หลายครั้งคุณต้องประมาณค่าความแปรปรวนนี้
Dialogue: 0,0:02:02.66,0:02:04.69,Default,,0000,0000,0000,,ด้วยการหาความแปรปรวนของตัวอย่างแทน
Dialogue: 0,0:02:04.69,0:02:07.42,Default,,0000,0000,0000,,เหมือนกับที่คุณไม่มีทางหาค่าเฉลี่ยของประชากร
Dialogue: 0,0:02:07.42,0:02:09.57,Default,,0000,0000,0000,,บางทีคุณอาจกะค่ามันด้วย
Dialogue: 0,0:02:09.57,0:02:11.06,Default,,0000,0000,0000,,การหาค่าเฉลี่ยของตัวอย่าง
Dialogue: 0,0:02:11.06,0:02:13.89,Default,,0000,0000,0000,,และเราเรียนไปในวิดีโอที่แล้ว
Dialogue: 0,0:02:13.89,0:02:17.52,Default,,0000,0000,0000,,ถ้านี่คือ -- ถ้านี่คือประชากรทั้งหมด
Dialogue: 0,0:02:17.52,0:02:20.28,Default,,0000,0000,0000,,นั่นคือจุดข้อมูลเป็นล้าน, หรือแม้กระทั่งจุดข้อมูล
Dialogue: 0,0:02:20.28,0:02:21.87,Default,,0000,0000,0000,,ในอนาคตที่คุณหาไม่ได้ เพราะมันเป็น
Dialogue: 0,0:02:21.87,0:02:23.29,Default,,0000,0000,0000,,ตัวแปรสุ่ม
Dialogue: 0,0:02:23.29,0:02:24.24,Default,,0000,0000,0000,,นี่คือประชากร
Dialogue: 0,0:02:24.24,0:02:26.92,Default,,0000,0000,0000,,-
Dialogue: 0,0:02:26.92,0:02:32.39,Default,,0000,0000,0000,,คุณอาจอยากประมาณค่าด้วยการดูที่กลุ่มตัวอย่าง
Dialogue: 0,0:02:32.39,0:02:35.02,Default,,0000,0000,0000,,และนี่คือสถิติเชิงอนุมาน
Dialogue: 0,0:02:35.02,0:02:36.36,Default,,0000,0000,0000,,เกี่ยวข้องเป็นส่วนใหญ่
Dialogue: 0,0:02:36.36,0:02:38.72,Default,,0000,0000,0000,,คือการหาสถิติเชิงพรรณนาของกลุ่มตัวอย่าง
Dialogue: 0,0:02:38.72,0:02:40.89,Default,,0000,0000,0000,,แล้วอนุมานไปถึงประชากร
Dialogue: 0,0:02:40.89,0:02:44.61,Default,,0000,0000,0000,,ขอผมลองใช้ยานี้กับคน 100 คน แล้วถ้ามัน
Dialogue: 0,0:02:44.61,0:02:46.88,Default,,0000,0000,0000,,ดูได้ผลอย่างมีนัยสำคัญทางสถิติ, ยานี้ก็ควร
Dialogue: 0,0:02:46.88,0:02:48.85,Default,,0000,0000,0000,,ใช้ได้กับประชาการทั้งหมดด้วย
Dialogue: 0,0:02:48.85,0:02:49.80,Default,,0000,0000,0000,,นั่นคือสิ่งที่มันหมายถึง
Dialogue: 0,0:02:49.80,0:02:51.92,Default,,0000,0000,0000,,การเข้าใจแนวคิดเรื่องกลุ่มตัวอย่าง
Dialogue: 0,0:02:51.92,0:02:53.58,Default,,0000,0000,0000,,เทียบกับประชากรเป็นสิ่งสำคัญ
Dialogue: 0,0:02:53.58,0:02:57.51,Default,,0000,0000,0000,,การหาค่าทางสถิติของตัวอย่างได้,
Dialogue: 0,0:02:57.51,0:03:00.16,Default,,0000,0000,0000,,ส่วนใหญ่แล้ว, สามารถใช้บรรยายประชากร หรือช่วย
Dialogue: 0,0:03:00.16,0:03:03.72,Default,,0000,0000,0000,,ให้ประมาณค่า, เขาเรียกกันว่า, พารามิเตอร์ของประชากรได้
Dialogue: 0,0:03:03.72,0:03:07.33,Default,,0000,0000,0000,,แล้วค่าเฉลี่ยของ -- ขอผมเขียนนิยามพวกนี้ใหม่นะ
Dialogue: 0,0:03:07.33,0:03:08.83,Default,,0000,0000,0000,,ค่าเฉลี่ยของประชากรคืออะไร?
Dialogue: 0,0:03:08.83,0:03:09.94,Default,,0000,0000,0000,,ผมจะใช้สีม่วงนะ
Dialogue: 0,0:03:09.94,0:03:11.63,Default,,0000,0000,0000,,สีม่วงแทนประชากร
Dialogue: 0,0:03:11.63,0:03:13.68,Default,,0000,0000,0000,,ค่าเฉลี่ยของประชากร
Dialogue: 0,0:03:13.68,0:03:19.70,Default,,0000,0000,0000,,คุณแค่เอาจุดข้อมูลแต่ละตัวมาในประชากร, x i
Dialogue: 0,0:03:19.70,0:03:21.85,Default,,0000,0000,0000,,คุณบวกมันเข้า
Dialogue: 0,0:03:21.85,0:03:23.83,Default,,0000,0000,0000,,คุณเริ่มด้วยจุดข้อมูลอันแรก แล้วคุณก็ทำ
Dialogue: 0,0:03:23.83,0:03:25.62,Default,,0000,0000,0000,,ไปจนถึงจุดข้อมูลที่ n
Dialogue: 0,0:03:25.62,0:03:26.74,Default,,0000,0000,0000,,แล้วคุณหารด้วย n
Dialogue: 0,0:03:26.74,0:03:27.80,Default,,0000,0000,0000,,คุณบวกพวกมันไปจนถึง n
Dialogue: 0,0:03:27.80,0:03:28.92,Default,,0000,0000,0000,,นั่นคือค่าเฉลี่ย
Dialogue: 0,0:03:28.92,0:03:30.50,Default,,0000,0000,0000,,แล้วคุณก็แทนมันลงในสูตรนี้
Dialogue: 0,0:03:30.50,0:03:33.06,Default,,0000,0000,0000,,แล้วคุณก็หาได้ว่าแต่ละจุดไกลจากจุดศูนย์กลาง
Dialogue: 0,0:03:33.06,0:03:34.27,Default,,0000,0000,0000,,จากค่าเฉลี่ยนั้นแค่ไหน
Dialogue: 0,0:03:34.27,0:03:36.26,Default,,0000,0000,0000,,และคุณจะได้ความแปรปรวน
Dialogue: 0,0:03:36.26,0:03:39.67,Default,,0000,0000,0000,,ทีนี้ เกิดอะไรขึ้นถ้าเราทำสำหรับตัวอย่างด้วย?
Dialogue: 0,0:03:39.67,0:03:43.35,Default,,0000,0000,0000,,ทีนี้, ถ้าเราอยากประมาณค่าเฉลี่ยประชากร ด้วย
Dialogue: 0,0:03:43.35,0:03:46.60,Default,,0000,0000,0000,,การคำนวณค่าเฉลี่ยของตัวอย่าง, สิ่งที่ดีที่สุดที่ผม
Dialogue: 0,0:03:46.60,0:03:49.17,Default,,0000,0000,0000,,คิดได้ -- นี่คือสูตรที่ประดิษฐ์ขึ้นมาทั้งนั้น
Dialogue: 0,0:03:49.17,0:03:51.14,Default,,0000,0000,0000,,มีคนบอกว่า, เราจะหาค่าตัวอย่าง
Dialogue: 0,0:03:51.14,0:03:51.71,Default,,0000,0000,0000,,ที่ดีที่สุดอย่างไร?
Dialogue: 0,0:03:51.71,0:03:54.55,Default,,0000,0000,0000,,ทีนี้ สิ่งที่เราทำได้ ก็แค่หาค่าเฉลี่ยของตัวอย่าง
Dialogue: 0,0:03:54.55,0:03:56.82,Default,,0000,0000,0000,,และนั่นคือค่าเฉลี่ยของกลุ่มตัวอย่าง
Dialogue: 0,0:03:56.82,0:03:58.92,Default,,0000,0000,0000,,และเราเรียนในวิดีโอแรก ว่าสัญลักษณ์ --
Dialogue: 0,0:03:58.92,0:04:00.45,Default,,0000,0000,0000,,สูตรเกือบเหมือนกันเลย
Dialogue: 0,0:04:00.45,0:04:01.54,Default,,0000,0000,0000,,แต่สัญลักษณ์ต่างกัน
Dialogue: 0,0:04:01.54,0:04:04.99,Default,,0000,0000,0000,,แทนที่จะเขีน มิว, คุณเขียนว่า x มีขีดอยู่ข้างบน
Dialogue: 0,0:04:04.99,0:04:08.62,Default,,0000,0000,0000,,ค่าเฉลี่ยตัวอย่าง เท่ากับ -- เหมือนเดิม, คุณเอา
Dialogue: 0,0:04:08.62,0:04:12.10,Default,,0000,0000,0000,,จุดข้อมูลตอนนี้ คือในกลุ่มตัวอย่าง, ไม่ใช่ประชากรทั้งหมด
Dialogue: 0,0:04:12.10,0:04:16.37,Default,,0000,0000,0000,,คุณบวกพวกมันเข้า จากอันแรกไป
Dialogue: 0,0:04:16.37,0:04:17.38,Default,,0000,0000,0000,,จนถึงตัวที่ n, จริงไหม?
Dialogue: 0,0:04:17.38,0:04:20.64,Default,,0000,0000,0000,,เขาบอกว่า มันมีจุดข้อมูล n ตัวในกลุ่มตัวอย่าง
Dialogue: 0,0:04:20.64,0:04:23.39,Default,,0000,0000,0000,,แล้วคุณหารมันด้วยจำนวนจุดข้อมูลที่คุณมี
Dialogue: 0,0:04:23.39,0:04:24.32,Default,,0000,0000,0000,,ใช้ได้
Dialogue: 0,0:04:24.32,0:04:25.66,Default,,0000,0000,0000,,นี่มีสูตรเหมือนกัน
Dialogue: 0,0:04:25.66,0:04:27.50,Default,,0000,0000,0000,,วิธีที่ผมหาค่าเฉลี่ยขอประชากร, ผมบอกว่า, เอาล่ะ, ถ้า
Dialogue: 0,0:04:27.50,0:04:29.59,Default,,0000,0000,0000,,ผมมีตัวอย่าง, ขอผมหาค่าเฉลี่ยแบบเดียวกัน
Dialogue: 0,0:04:29.59,0:04:32.56,Default,,0000,0000,0000,,และมันอาจเป็นค่าประมาณที่ดีสำหรับค่าเฉลี่ย
Dialogue: 0,0:04:32.56,0:04:33.93,Default,,0000,0000,0000,,ของประชากรด้วย
Dialogue: 0,0:04:33.93,0:04:36.34,Default,,0000,0000,0000,,ทีนี้ มันน่าสนใจตอนเราพูดถึงความแปรปรวน
Dialogue: 0,0:04:36.34,0:04:39.25,Default,,0000,0000,0000,,ปฏิกิริยาตามธรรมชาติคือว่า โอเค, ผมมีกลุ่มตัวอย่างนี้
Dialogue: 0,0:04:39.25,0:04:43.26,Default,,0000,0000,0000,,ถ้าผมอยากหาค่าความแปรปรวนของประชากร, ทำไม
Dialogue: 0,0:04:43.26,0:04:45.23,Default,,0000,0000,0000,,เราไม่ใช้สูตรเดียวกับที่เรา
Dialogue: 0,0:04:45.23,0:04:46.15,Default,,0000,0000,0000,,ใช้กับตัวอย่างล่ะ?
Dialogue: 0,0:04:46.15,0:04:49.33,Default,,0000,0000,0000,,ผมก็บอกได้ว่า -- นี่คือความแปรปรวนตัวอย่าง
Dialogue: 0,0:04:49.33,0:04:54.57,Default,,0000,0000,0000,,เขาใช้สูตร s กำลังสอง
Dialogue: 0,0:04:54.57,0:04:58.22,Default,,0000,0000,0000,,ซิกม่าก็เหมือนกับตัวอักษรกรีกของ s
Dialogue: 0,0:04:58.22,0:04:59.98,Default,,0000,0000,0000,,ตอนนี้เวลาเราคิดกลุ่มตัวอย่าง, เรา
Dialogue: 0,0:04:59.98,0:05:01.00,Default,,0000,0000,0000,,แค่เขียน s ลงไป
Dialogue: 0,0:05:01.00,0:05:02.32,Default,,0000,0000,0000,,นี่ก็คือความแปรปรวนของตัวอย่าง
Dialogue: 0,0:05:02.32,0:05:03.07,Default,,0000,0000,0000,,ขอผมเขียนมันลงไปนะ
Dialogue: 0,0:05:03.07,0:05:03.95,Default,,0000,0000,0000,,ความแปรปรวนของตัวอย่าง
Dialogue: 0,0:05:03.95,0:05:11.86,Default,,0000,0000,0000,,-
Dialogue: 0,0:05:11.86,0:05:15.87,Default,,0000,0000,0000,,นี่คือ -- เราก็อาจบอกว่า, นี่อาจเป็นวิธีที่ดีในการ
Dialogue: 0,0:05:15.87,0:05:17.34,Default,,0000,0000,0000,,หาความแปรปรวนตัวอย่าง คือทำแบบนี้
Dialogue: 0,0:05:17.34,0:05:23.67,Default,,0000,0000,0000,,ลองหาระยะห่างของแต่ละจุดในตัวอย่าง
Dialogue: 0,0:05:23.67,0:05:26.60,Default,,0000,0000,0000,,หาว่ามันห่างจากค่าเฉลี่ยตัวอย่างแค่ไหน
Dialogue: 0,0:05:26.60,0:05:29.23,Default,,0000,0000,0000,,ตรงนี้ เราใช้ค่าเฉลี่ยประชากร, แต่ตอนนี้เราจะใช้
Dialogue: 0,0:05:29.23,0:05:31.45,Default,,0000,0000,0000,,ค่าเฉลี่ยตัวอย่าง เพราะนั่นคือสิ่งที่เรามี
Dialogue: 0,0:05:31.45,0:05:33.16,Default,,0000,0000,0000,,เราไม่รู้ว่าค่าเฉลี่ยประชากรเป็นเท่าไหร่
Dialogue: 0,0:05:33.16,0:05:35.51,Default,,0000,0000,0000,,หากไม่ดูประชากรทั้งหมด
Dialogue: 0,0:05:35.51,0:05:36.40,Default,,0000,0000,0000,,ยกกำลังมัน
Dialogue: 0,0:05:36.40,0:05:38.16,Default,,0000,0000,0000,,นั่นทำให้มันเป็นบวก และมันมีสมบัติอื่น
Dialogue: 0,0:05:38.16,0:05:40.16,Default,,0000,0000,0000,,ซึ่งเราจะพูดถึงต่อไป
Dialogue: 0,0:05:40.16,0:05:42.73,Default,,0000,0000,0000,,แล้วถ้าเราหาค่าเฉลี่ยของระยะกำลังสองพวกนี้
Dialogue: 0,0:05:42.73,0:05:44.97,Default,,0000,0000,0000,,แล้วคุณก็หาค่ามันจาก -- คุณรวมพวกมันเข้า
Dialogue: 0,0:05:44.97,0:05:47.43,Default,,0000,0000,0000,,มันมีอยู่ n ตัวให้รวม, จริงไหม?
Dialogue: 0,0:05:47.43,0:05:48.40,Default,,0000,0000,0000,,n เล็ก
Dialogue: 0,0:05:48.40,0:05:51.82,Default,,0000,0000,0000,,แล้วคุณก็หารมันด้วยตัว n เล็ก
Dialogue: 0,0:05:51.82,0:05:53.23,Default,,0000,0000,0000,,และคุณบอกว่า, นี่เป็นค่าประมาณที่ดี
Dialogue: 0,0:05:53.23,0:05:55.58,Default,,0000,0000,0000,,ไม่ว่าความแปรปรวนนี้เป็นอะไร, มันน่าจะเป็นค่าประมาณที่ดี
Dialogue: 0,0:05:55.58,0:05:56.72,Default,,0000,0000,0000,,สำหรับประชากรทั้งหมด
Dialogue: 0,0:05:56.72,0:06:00.62,Default,,0000,0000,0000,,ที่จริง นี่คือสิ่งที่บางคนมักหมายถึง เวลาเขา
Dialogue: 0,0:06:00.62,0:06:01.98,Default,,0000,0000,0000,,พูดถึงความแปรปรวนของตัวอย่าง
Dialogue: 0,0:06:01.98,0:06:05.26,Default,,0000,0000,0000,,และบางครั้ง มันมักหมายถึงอันนี้
Dialogue: 0,0:06:05.26,0:06:07.52,Default,,0000,0000,0000,,เขาจะเขียน n เล็กตรงนี้
Dialogue: 0,0:06:07.52,0:06:09.84,Default,,0000,0000,0000,,และสาเหตุที่เขาทำอย่างนั้น เพราะเราหารด้วย n
Dialogue: 0,0:06:09.84,0:06:11.84,Default,,0000,0000,0000,,แล้วคุณบอกว่า, ซาล มันมีปัญหาอะไรเหรอ?
Dialogue: 0,0:06:11.84,0:06:14.00,Default,,0000,0000,0000,,และปัญหา -- ผมจะบอกถึงสัญชาตญาณให้ฟัง เพราะนี่
Dialogue: 0,0:06:14.00,0:06:16.18,Default,,0000,0000,0000,,เป็นบางสิ่งที่ผมเคยสงสัยในใจ
Dialogue: 0,0:06:16.18,0:06:19.34,Default,,0000,0000,0000,,และผมยังคงมีปัญหากับ
Dialogue: 0,0:06:19.34,0:06:21.53,Default,,0000,0000,0000,,สัญชาตญาณเบื้องหลังเรื่องนี้อยู่
Dialogue: 0,0:06:21.53,0:06:24.51,Default,,0000,0000,0000,,ผมมีสัญชาตญาณอยู่, แต่เราต้องพิสูจน์
Dialogue: 0,0:06:24.51,0:06:26.95,Default,,0000,0000,0000,,ด้วยตัวองว่ามันเป็นอย่างนั้นจริง
Dialogue: 0,0:06:26.95,0:06:28.28,Default,,0000,0000,0000,,แต่ลองคิดดู
Dialogue: 0,0:06:28.28,0:06:29.90,Default,,0000,0000,0000,,ถ้าผมมีเลขหลายๆ ตัว, และผมจะวาด
Dialogue: 0,0:06:29.90,0:06:32.74,Default,,0000,0000,0000,,เส้นจำนวนตรงนี้
Dialogue: 0,0:06:32.74,0:06:35.74,Default,,0000,0000,0000,,ถ้าผมวาดเส้นจำนวนตรงนี้ -- สมมุติคุณรู้ว่า --
Dialogue: 0,0:06:35.74,0:06:39.43,Default,,0000,0000,0000,,สมมุติว่าผมมีเลขหลายๆ ตัวในประชากร
Dialogue: 0,0:06:39.43,0:06:41.66,Default,,0000,0000,0000,,สมมุติว่า -- ผมจะสุ่มใส่เลข
Dialogue: 0,0:06:41.66,0:06:44.28,Default,,0000,0000,0000,,ลงไปเป็นประชากรนะ
Dialogue: 0,0:06:44.28,0:06:45.93,Default,,0000,0000,0000,,อันที่อยู่ทางขวา มากกว่าอัน
Dialogue: 0,0:06:45.93,0:06:46.36,Default,,0000,0000,0000,,ที่อยู่ทางซ้าย
Dialogue: 0,0:06:46.36,0:06:48.90,Default,,0000,0000,0000,,-
Dialogue: 0,0:06:48.90,0:06:52.99,Default,,0000,0000,0000,,แล้วถ้าผมเลือกกลุ่มตัวอย่างจากมัน, บางทีผมเลือก --
Dialogue: 0,0:06:52.99,0:06:54.82,Default,,0000,0000,0000,,ตัวอย่าง, มันเป็นไปอย่างสุ่ม
Dialogue: 0,0:06:54.82,0:06:56.21,Default,,0000,0000,0000,,ที่จริงคุณอยากเลือกตัวอย่างแบบสุ่ม
Dialogue: 0,0:06:56.21,0:06:57.32,Default,,0000,0000,0000,,คุณไม่อยากเลือกให้มันเบี้ยวไป
Dialogue: 0,0:06:57.32,0:07:02.90,Default,,0000,0000,0000,,บางทีผมเลือกอันนี้, อันนี้, อันนี้,
Dialogue: 0,0:07:02.90,0:07:05.42,Default,,0000,0000,0000,,แล้วก็อันนั้น, ดีไหม?
Dialogue: 0,0:07:05.42,0:07:07.48,Default,,0000,0000,0000,,แล้วถ้าเราหาค่าเฉลี่ยและเลขนั้น,
Dialogue: 0,0:07:07.48,0:07:08.46,Default,,0000,0000,0000,,เลขนั้น, เลขนั้น, เลขนั้น
Dialogue: 0,0:07:08.46,0:07:09.32,Default,,0000,0000,0000,,มันจะอยู่ตรงกลางสักที่
Dialogue: 0,0:07:09.32,0:07:11.01,Default,,0000,0000,0000,,มันอาจจะอยู่แถวโน้น
Dialogue: 0,0:07:11.01,0:07:13.24,Default,,0000,0000,0000,,แล้วถ้าเราหาความแปรปรวนตัวอย่าง โดยใช้
Dialogue: 0,0:07:13.24,0:07:16.78,Default,,0000,0000,0000,,สูตรนี้, ผมก็บอกว่า โอเค ระยะนี่กำลังสอง บวกระยะนี่
Dialogue: 0,0:07:16.78,0:07:21.06,Default,,0000,0000,0000,,กำลังสอง บวกระยะนี่กำลังสอง บวก
Dialogue: 0,0:07:21.06,0:07:23.52,Default,,0000,0000,0000,,ระยะนั่นกำลังสอง แล้วเฉลี่ยทุกอย่างออกมา
Dialogue: 0,0:07:23.52,0:07:24.70,Default,,0000,0000,0000,,แล้วผมจะได้เลขนี้มา
Dialogue: 0,0:07:24.70,0:07:27.82,Default,,0000,0000,0000,,แล้วมันอาจเป็นค่าประมาณที่ดี
Dialogue: 0,0:07:27.82,0:07:30.26,Default,,0000,0000,0000,,สำหรับความแปรปรวนของประชากรทั้งหมดนี้
Dialogue: 0,0:07:30.26,0:07:32.07,Default,,0000,0000,0000,,ค่าเฉลี่ยของประชากรก็จะ
Dialogue: 0,0:07:32.07,0:07:33.03,Default,,0000,0000,0000,,-- ไม่รู้สิ
Dialogue: 0,0:07:33.03,0:07:35.02,Default,,0000,0000,0000,,มันอาจอยู่ใกล้อันนี้
Dialogue: 0,0:07:35.02,0:07:37.15,Default,,0000,0000,0000,,ถ้าเราเอาข้อมูลทุกจุดมาแล้วเฉลี่ยมัน,
Dialogue: 0,0:07:37.15,0:07:39.06,Default,,0000,0000,0000,,มันอาจอยู่ตรงนี้สักที่
Dialogue: 0,0:07:39.06,0:07:40.66,Default,,0000,0000,0000,,แล้วถ้าคุณหาความแปรปรวน, มันอาจอยู่
Dialogue: 0,0:07:40.66,0:07:43.59,Default,,0000,0000,0000,,ใกล้กับค่าเฉลี่ยของเส้นพวกนี้มาก, จริงไหม?
Dialogue: 0,0:07:43.59,0:07:46.81,Default,,0000,0000,0000,,ระยะทางของความแปรปรวนตัวอย่างทั้งหมด, จริงไหม?
Dialogue: 0,0:07:46.81,0:07:47.25,Default,,0000,0000,0000,,ใช้ได้
Dialogue: 0,0:07:47.25,0:07:47.90,Default,,0000,0000,0000,,แล้วคุณบอกว่า, เฮ้ ซาล
Dialogue: 0,0:07:47.90,0:07:49.71,Default,,0000,0000,0000,,นี่ก็ดูดีแล้วนี่
Dialogue: 0,0:07:49.71,0:07:51.94,Default,,0000,0000,0000,,แต่มันมีปัญหาอยู่นิดหน่อย
Dialogue: 0,0:07:51.94,0:07:54.56,Default,,0000,0000,0000,,ถ้าเกิด -- มันมีโอกาสที่ แทนที่จะ
Dialogue: 0,0:07:54.56,0:07:56.99,Default,,0000,0000,0000,,เลือกตัวเลขที่กระจายตัวดีอย่างนี้
Dialogue: 0,0:07:56.99,0:08:00.80,Default,,0000,0000,0000,,เป็นตัวอย่าง, ถ้าเกิดผมเลือกได้เลขนี้, เลขนี้
Dialogue: 0,0:08:00.80,0:08:03.92,Default,,0000,0000,0000,,แล้วก็เลขนั้น เป็นกลุ่ม -- สมมุติว่าเลขนั้นด้วย
Dialogue: 0,0:08:03.92,0:08:05.40,Default,,0000,0000,0000,,เป็นกลุ่มตัวอย่างของผมล่ะ?
Dialogue: 0,0:08:05.40,0:08:08.37,Default,,0000,0000,0000,,ทีนี้ ไม่ว่ากลุ่มตัวอย่างคุณเป็นอะไร ค่าเฉลี่ยตัวอย่าง
Dialogue: 0,0:08:08.37,0:08:10.21,Default,,0000,0000,0000,,จะอยู่ตรงกลางของมัน, จริงไหม?
Dialogue: 0,0:08:10.21,0:08:12.96,Default,,0000,0000,0000,,ในกรณีนี้, ค่าเฉลี่ยตัวอย่างอาจอยู่ตรงนี้
Dialogue: 0,0:08:12.96,0:08:15.01,Default,,0000,0000,0000,,แล้วตัวเลขทั้งหมดนี้, คุณอาจบอกว่า โอเค เลขนี้
Dialogue: 0,0:08:15.01,0:08:17.81,Default,,0000,0000,0000,,ไม่ไกลจากเลขนั้น, แต่เลขนั้นไม่ไกลนัก, แล้ว
Dialogue: 0,0:08:17.81,0:08:19.10,Default,,0000,0000,0000,,เลขนั้นก็ไม่ไกลเกินไป
Dialogue: 0,0:08:19.10,0:08:21.79,Default,,0000,0000,0000,,ค่าความแปรปรวนตัวอย่าง, เมื่อคุณหาแบบนี้, มันจะ
Dialogue: 0,0:08:21.79,0:08:23.61,Default,,0000,0000,0000,,ออกมาต่ำไปหน่อย
Dialogue: 0,0:08:23.61,0:08:26.92,Default,,0000,0000,0000,,เพราะตัวเลขพวกนี้, พวกมัน -- พวกมัน
Dialogue: 0,0:08:26.92,0:08:28.92,Default,,0000,0000,0000,,ตามนิยามนี้, จะอยู่ใกล้ค่าเฉลี่ย
Dialogue: 0,0:08:28.92,0:08:30.35,Default,,0000,0000,0000,,ของกันและกัน
Dialogue: 0,0:08:30.35,0:08:34.60,Default,,0000,0000,0000,,แต่ในกรณนี้, ตัวอย่างของคุณเบี้ยว
Dialogue: 0,0:08:34.60,0:08:37.98,Default,,0000,0000,0000,,ค่าเฉลี่ยของประชากรจริง อยู่ข้างนอกสักที่
Dialogue: 0,0:08:37.98,0:08:40.80,Default,,0000,0000,0000,,ดังนั้นความแปรปรวนจริงของตัวอย่าง, ถ้าคุณรู้
Dialogue: 0,0:08:40.80,0:08:43.67,Default,,0000,0000,0000,,ค่าเฉลี่ยจริง -- ผมรู้ว่านี่มันน่าสับสนหน่อย
Dialogue: 0,0:08:43.67,0:08:44.98,Default,,0000,0000,0000,,ถ้าคุณรู้ค่าเฉลี่ย, คุณจะบอกว่า
Dialogue: 0,0:08:44.98,0:08:46.83,Default,,0000,0000,0000,,โอ้ ว้าว
Dialogue: 0,0:08:46.83,0:08:48.39,Default,,0000,0000,0000,,คุณหาระยะพวกนี้ได้, ซึ่ง
Dialogue: 0,0:08:48.39,0:08:51.32,Default,,0000,0000,0000,,มีมากกว่านี้อีก
Dialogue: 0,0:08:51.32,0:08:53.64,Default,,0000,0000,0000,,ประเด็นที่ผมบอกคือว่า, เวลาคุณเลือก
Dialogue: 0,0:08:53.64,0:08:58.28,Default,,0000,0000,0000,,กลุ่มตัวอย่าง, มันมีโอกาสที่ค่าเฉลี่ยตัวอย่างของคุณ
Dialogue: 0,0:08:58.28,0:09:00.38,Default,,0000,0000,0000,,มันใกล้กับค่าเฉลี่ยประชากร, จริงไหม?
Dialogue: 0,0:09:00.38,0:09:02.61,Default,,0000,0000,0000,,บางทีค่าเฉลี่ยตัวอย่างอยู่ตรงนี้ และค่าเฉลี่ย
Dialogue: 0,0:09:02.61,0:09:03.36,Default,,0000,0000,0000,,ประชากรอยู่ตรงนี้
Dialogue: 0,0:09:03.36,0:09:05.77,Default,,0000,0000,0000,,แล้วสูตรนี้จะใช้ได้เหมือนกัน,
Dialogue: 0,0:09:05.77,0:09:07.77,Default,,0000,0000,0000,,อย่างน้อยเมื่อรู้จุดข้อมูลของกลุ่มตัวอย่าง แล้วหา
Dialogue: 0,0:09:07.77,0:09:09.28,Default,,0000,0000,0000,,ว่าความแปรปรวนเป็นเท่าไหร่
Dialogue: 0,0:09:09.28,0:09:14.24,Default,,0000,0000,0000,,แต่มันมีโอกาสทีเดียว ที่ค่าเฉลี่ยตัวอย่างของคุณ -- ค่าเฉลี่ยตัวอย่าง
Dialogue: 0,0:09:14.24,0:09:16.73,Default,,0000,0000,0000,,จะอยู่ข้างในกลุ่มตัวอย่างเสมอ, จริงไหม?
Dialogue: 0,0:09:16.73,0:09:18.74,Default,,0000,0000,0000,,มันจะอยู่ตรงศูนย์กลางของกลุ่มตัวอย่างเสมอ
Dialogue: 0,0:09:18.74,0:09:21.47,Default,,0000,0000,0000,,แต่มันเป็นไปได้ที่ค่าเฉลี่ยประชากร
Dialogue: 0,0:09:21.47,0:09:22.59,Default,,0000,0000,0000,,อยู่ข้างนอกกลุ่มตัวอย่าง
Dialogue: 0,0:09:22.59,0:09:24.75,Default,,0000,0000,0000,,มันอาจเป็นว่า คุณเลือกอัน
Dialogue: 0,0:09:24.75,0:09:28.11,Default,,0000,0000,0000,,ที่มันไม่มีค่าเฉลี่ยประชากรอยู่ข้างใน
Dialogue: 0,0:09:28.11,0:09:31.67,Default,,0000,0000,0000,,แล้วความแปรปรวนตัวอย่าง ที่คำนวณแบบนี้ จะ
Dialogue: 0,0:09:31.67,0:09:34.99,Default,,0000,0000,0000,,คาดเดาความแปรปรวนประชากรต่ำไป
Dialogue: 0,0:09:34.99,0:09:36.24,Default,,0000,0000,0000,,, จริงไหม?
Dialogue: 0,0:09:36.24,0:09:38.23,Default,,0000,0000,0000,,เพราะมันเลือกค่าเฉลี่ยที่ใกล้ตัวเอง
Dialogue: 0,0:09:38.23,0:09:39.96,Default,,0000,0000,0000,,มากกว่าค่าเฉลี่ยประชากร
Dialogue: 0,0:09:39.96,0:09:43.46,Default,,0000,0000,0000,,และถ้าคุณเข้าใจ, ที่จริง, แค่สัก 10%
Dialogue: 0,0:09:43.46,0:09:45.77,Default,,0000,0000,0000,,ของอันนี้, คุณก็เป็นนักเรียนวิชาสิถิตระดับสูงแล้ว
Dialogue: 0,0:09:45.77,0:09:49.12,Default,,0000,0000,0000,,แต่ผมบอกเรื่องพวกนี้ให้คุณ, หวังว่า
Dialogue: 0,0:09:49.12,0:09:53.50,Default,,0000,0000,0000,,จะได้สัญชาตญาณเพื่อเข้าใจว่า อันนี้มักประเมินค่าต่ำไป
Dialogue: 0,0:09:53.50,0:09:57.24,Default,,0000,0000,0000,,สูตรนี้มักกะค่าความแปรปรวนของ
Dialogue: 0,0:09:57.24,0:09:59.11,Default,,0000,0000,0000,,ประชากรจริงต่ำไป
Dialogue: 0,0:09:59.11,0:10:01.42,Default,,0000,0000,0000,,และมันมีสูตร, และที่จริงมีวิธีพิสูจน์
Dialogue: 0,0:10:01.42,0:10:04.74,Default,,0000,0000,0000,,ที่รัดกุมกว่าที่ผมทำ, มันมีวิธีที่ดีกว่า
Dialogue: 0,0:10:04.74,0:10:08.00,Default,,0000,0000,0000,,และเขาเรียกมันว่าค่าประมาณความแปรปรวน
Dialogue: 0,0:10:08.00,0:10:09.03,Default,,0000,0000,0000,,ประชารที่ไม่เอนเอียง
Dialogue: 0,0:10:09.03,0:10:11.39,Default,,0000,0000,0000,,หรือความแปรปรวนตัวอย่างแบบไม่เอนเอียง
Dialogue: 0,0:10:11.39,0:10:14.16,Default,,0000,0000,0000,,บางครั้งเขาเขียนแทนด้วย s กำลังสองเหมือนเดิม
Dialogue: 0,0:10:14.16,0:10:18.93,Default,,0000,0000,0000,,บางครั้งเขาเขียนด้วย s n ลบ 1 กำลังสอง
Dialogue: 0,0:10:18.93,0:10:20.72,Default,,0000,0000,0000,,และผมจะแสดงให้ดูว่าทำไม
Dialogue: 0,0:10:20.72,0:10:22.34,Default,,0000,0000,0000,,มันเกือบเหมือนเดิม
Dialogue: 0,0:10:22.34,0:10:24.73,Default,,0000,0000,0000,,คุณเอาจุดข้อมูลแต่ละจุดมา, หาว่าพวกมัน
Dialogue: 0,0:10:24.73,0:10:28.17,Default,,0000,0000,0000,,ใกล้จากค่าเฉลี่ยตัวอย่างแค่ไหน
Dialogue: 0,0:10:28.17,0:10:28.90,Default,,0000,0000,0000,,คุณยกกำลังพวกมัน
Dialogue: 0,0:10:28.90,0:10:31.83,Default,,0000,0000,0000,,แล้วคุณหาค่าเฉลี่ยของพวกนั้นกำลังสอง, ยกเว้น
Dialogue: 0,0:10:31.83,0:10:33.43,Default,,0000,0000,0000,,อยู่อย่างเดียว
Dialogue: 0,0:10:33.43,0:10:35.72,Default,,0000,0000,0000,,i เท่ากับ 1 ถึง i เท่ากับ n
Dialogue: 0,0:10:35.72,0:10:39.37,Default,,0000,0000,0000,,แทนที่จะหารด้วย n, คุณหารด้วยเลข
Dialogue: 0,0:10:39.37,0:10:41.92,Default,,0000,0000,0000,,ที่น้อยลงหน่อย
Dialogue: 0,0:10:41.92,0:10:44.35,Default,,0000,0000,0000,,คุณหารด้วย n ลบ 1
Dialogue: 0,0:10:44.35,0:10:46.88,Default,,0000,0000,0000,,แล้วเมื่อคุณหารด้วย n-1 แทนที่จะหารด้วย
Dialogue: 0,0:10:46.88,0:10:49.59,Default,,0000,0000,0000,,n, คุณจะได้ค่าที่มากกว่านิดหน่อยตรงนี้
Dialogue: 0,0:10:49.59,0:10:51.06,Default,,0000,0000,0000,,ปรากฏว่านี่คือ
Dialogue: 0,0:10:51.06,0:10:52.26,Default,,0000,0000,0000,,ค่าประมาณที่ดีกว่า
Dialogue: 0,0:10:52.26,0:10:54.81,Default,,0000,0000,0000,,และวันหนึ่ง ผมจะเขียนโปรแกรมคอมพิวเตอร์เพื่อพิสูจน์
Dialogue: 0,0:10:54.81,0:10:57.43,Default,,0000,0000,0000,,อย่างน้อยด้วยการทดลอง ว่านี่
Dialogue: 0,0:10:57.43,0:11:01.75,Default,,0000,0000,0000,,คือการประมาณควาามแปรปรวนของประชากรที่ดีกว่า
Dialogue: 0,0:11:01.75,0:11:03.43,Default,,0000,0000,0000,,และคุณสามารถคำนวณมันแบบเดียวกันได้
Dialogue: 0,0:11:03.43,0:11:05.27,Default,,0000,0000,0000,,คุณแค่หารด้วย n ลบ 1
Dialogue: 0,0:11:05.27,0:11:07.45,Default,,0000,0000,0000,,วิธีคิดอีกอย่างคือว่า -- และที่จริง, ไม่
Dialogue: 0,0:11:07.45,0:11:08.34,Default,,0000,0000,0000,,ผมหมดเวลาแล้ว
Dialogue: 0,0:11:08.34,0:11:09.50,Default,,0000,0000,0000,,ผมปล่อยคุณไปก่อนนะ
Dialogue: 0,0:11:09.50,0:11:10.71,Default,,0000,0000,0000,,แล้วในวิดีโอหน้าล เราจะมาคำนวณ
Dialogue: 0,0:11:10.71,0:11:12.59,Default,,0000,0000,0000,,เพื่อให้คุณไม่รู้สึกล้นเกินไป
Dialogue: 0,0:11:12.59,0:11:13.27,Default,,0000,0000,0000,,เนื่องจากแนวคิดพวกนี้
Dialogue: 0,0:11:13.27,0:11:14.81,Default,,0000,0000,0000,,เพราะเราใช้แนวคิดที่เป็นนามธรรมอยู่
Dialogue: 0,0:11:14.81,0:11:16.66,Default,,0000,0000,0000,,แล้วพบกันในวิดีโอหน้าครับ
Dialogue: 0,0:11:16.66,0:11:17.00,Default,,0000,0000,0000,,-