[Script Info]
Title: 
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:01.10,0:00:03.32,Default,,0000,0000,0000,,這段影片在這裡是動土儀式影片
Dialogue: 0,0:00:03.32,0:00:05.34,Default,,0000,0000,0000,,多方面的原因。
Dialogue: 0,0:00:05.34,0:00:09.91,Default,,0000,0000,0000,,一、 我要向您介紹的示例中，方差
Dialogue: 0,0:00:09.91,0:00:11.75,Default,,0000,0000,0000,,這有趣它在其自己的權利。
Dialogue: 0,0:00:11.75,0:00:14.52,Default,,0000,0000,0000,,我試圖在 HD 中記錄這段影片。
Dialogue: 0,0:00:14.52,0:00:16.37,Default,,0000,0000,0000,,我希望你能看到它更大、 更清晰
Dialogue: 0,0:00:16.37,0:00:17.03,Default,,0000,0000,0000,,比以往任何時候。
Dialogue: 0,0:00:17.03,0:00:19.15,Default,,0000,0000,0000,,但我們將會看到如何，一切進展順利。
Dialogue: 0,0:00:19.15,0:00:22.06,Default,,0000,0000,0000,,這就是有點實驗，所以和我一起承擔。
Dialogue: 0,0:00:22.06,0:00:25.18,Default,,0000,0000,0000,,所以，只是之前我們進入的一個樣本，方差，但我
Dialogue: 0,0:00:25.18,0:00:28.09,Default,,0000,0000,0000,,認爲這是有教育意義，審查方差
Dialogue: 0,0:00:28.09,0:00:28.87,Default,,0000,0000,0000,,人口。
Dialogue: 0,0:00:28.87,0:00:32.18,Default,,0000,0000,0000,,我們可以比較一下他們的公式。
Dialogue: 0,0:00:32.18,0:00:34.79,Default,,0000,0000,0000,,人口 — — 的方差是這希臘
Dialogue: 0,0:00:34.79,0:00:36.10,Default,,0000,0000,0000,,西格瑪的信。
Dialogue: 0,0:00:36.10,0:00:37.42,Default,,0000,0000,0000,,小寫西格瑪的平方。
Dialogue: 0,0:00:37.42,0:00:38.50,Default,,0000,0000,0000,,這意味著，方差。
Dialogue: 0,0:00:38.50,0:00:41.01,Default,,0000,0000,0000,,我知道這很奇怪，已經一個變量
Dialogue: 0,0:00:41.01,0:00:41.71,Default,,0000,0000,0000,,有一個正方形。
Dialogue: 0,0:00:41.71,0:00:42.84,Default,,0000,0000,0000,,你不平方變量。
Dialogue: 0,0:00:42.84,0:00:44.24,Default,,0000,0000,0000,,這是該變量。
Dialogue: 0,0:00:44.24,0:00:45.78,Default,,0000,0000,0000,,西格瑪的平方的均方差。
Dialogue: 0,0:00:45.78,0:00:46.84,Default,,0000,0000,0000,,其實，讓我寫下來。
Dialogue: 0,0:00:46.84,0:00:48.00,Default,,0000,0000,0000,,這等於方差。
Dialogue: 0,0:00:51.55,0:00:55.43,Default,,0000,0000,0000,,這就是等於 — — 你把每個數據點--和
Dialogue: 0,0:00:55.43,0:00:58.80,Default,,0000,0000,0000,,我們打電話給他們 x 子我。
Dialogue: 0,0:00:58.80,0:01:01.70,Default,,0000,0000,0000,,你把每個數據點的找出它從有多遠
Dialogue: 0,0:01:01.70,0:01:08.75,Default,,0000,0000,0000,,人口，你平方米，意思是，然後，你取
Dialogue: 0,0:01:08.75,0:01:11.16,Default,,0000,0000,0000,,所有的那些的平均水平。
Dialogue: 0,0:01:11.16,0:01:12.90,Default,,0000,0000,0000,,以便您采取平均，你它們求和起來。
Dialogue: 0,0:01:12.90,0:01:14.20,Default,,0000,0000,0000,,你從我去等於 1。
Dialogue: 0,0:01:14.20,0:01:17.70,Default,,0000,0000,0000,,所以從第一點，一直到第 n 個點。
Dialogue: 0,0:01:17.70,0:01:19.94,Default,,0000,0000,0000,,然後，以平均，你它們求和起來，並與
Dialogue: 0,0:01:19.94,0:01:21.97,Default,,0000,0000,0000,,然後你除以 n。
Dialogue: 0,0:01:21.97,0:01:25.97,Default,,0000,0000,0000,,所以造成差異的原因是這些平方距離的平均值
Dialogue: 0,0:01:25.97,0:01:27.39,Default,,0000,0000,0000,,每個點的平均值。
Dialogue: 0,0:01:27.39,0:01:29.70,Default,,0000,0000,0000,,並讓我給你的直覺，它本質上是
Dialogue: 0,0:01:29.70,0:01:32.92,Default,,0000,0000,0000,,說，平均而言，每個人大概很遠的地方是
Dialogue: 0,0:01:32.92,0:01:34.42,Default,,0000,0000,0000,,中間的點。
Dialogue: 0,0:01:34.42,0:01:36.25,Default,,0000,0000,0000,,這是想到方差的最佳方法。
Dialogue: 0,0:01:36.25,0:01:37.64,Default,,0000,0000,0000,,現在如果我們處理 — — 這是
Dialogue: 0,0:01:37.64,0:01:39.14,Default,,0000,0000,0000,,人口、 正確嗎？
Dialogue: 0,0:01:39.14,0:01:42.05,Default,,0000,0000,0000,,我們說： 如果我們想要弄清楚的方差
Dialogue: 0,0:01:42.05,0:01:44.58,Default,,0000,0000,0000,,在該國的男人的高地，它將很難
Dialogue: 0,0:01:44.58,0:01:46.48,Default,,0000,0000,0000,,找出人口的方差。
Dialogue: 0,0:01:46.48,0:01:48.91,Default,,0000,0000,0000,,你必須去，本質上，測量
Dialogue: 0,0:01:48.91,0:01:49.79,Default,,0000,0000,0000,,每個人的高度。
Dialogue: 0,0:01:49.79,0:01:51.36,Default,,0000,0000,0000,,2 億 5000 萬人。
Dialogue: 0,0:01:51.36,0:01:55.08,Default,,0000,0000,0000,,如果不是只是一些人口或
Dialogue: 0,0:01:55.08,0:01:56.86,Default,,0000,0000,0000,,完全不可能有一些或數據
Dialogue: 0,0:01:56.86,0:01:57.64,Default,,0000,0000,0000,,隨機變數。
Dialogue: 0,0:01:57.64,0:01:59.10,Default,,0000,0000,0000,,我們去到更晚些時候。
Dialogue: 0,0:01:59.10,0:02:02.66,Default,,0000,0000,0000,,因此很多的時候你真的想要估計這種差異
Dialogue: 0,0:02:02.66,0:02:04.69,Default,,0000,0000,0000,,通過采取一個樣本的方差。
Dialogue: 0,0:02:04.69,0:02:07.42,Default,,0000,0000,0000,,相同的方式，你不能均值的人口，
Dialogue: 0,0:02:07.42,0:02:09.57,Default,,0000,0000,0000,,但也許你想估計它通過獲取
Dialogue: 0,0:02:09.57,0:02:11.06,Default,,0000,0000,0000,,樣本的意思。
Dialogue: 0,0:02:11.06,0:02:13.89,Default,,0000,0000,0000,,我們了解到，在這第一次的影片中。
Dialogue: 0,0:02:13.89,0:02:17.52,Default,,0000,0000,0000,,如果這是 — — 如果這就是整個人口。
Dialogue: 0,0:02:17.52,0:02:20.28,Default,,0000,0000,0000,,這就是數以百萬計的數據點，或甚至數據點中
Dialogue: 0,0:02:20.28,0:02:21.87,Default,,0000,0000,0000,,你永遠無法得到，因爲它是的未來
Dialogue: 0,0:02:21.87,0:02:23.29,Default,,0000,0000,0000,,一個隨機變數。
Dialogue: 0,0:02:23.29,0:02:24.24,Default,,0000,0000,0000,,這就是人口。
Dialogue: 0,0:02:26.92,0:02:32.39,Default,,0000,0000,0000,,您可能只想看一個樣本估計的事情。
Dialogue: 0,0:02:32.39,0:02:35.02,Default,,0000,0000,0000,,這其實是大多數的推斷
Dialogue: 0,0:02:35.02,0:02:36.36,Default,,0000,0000,0000,,所有有關統計數字。
Dialogue: 0,0:02:36.36,0:02:38.72,Default,,0000,0000,0000,,找出有關樣本的敘述統計信息
Dialogue: 0,0:02:38.72,0:02:40.89,Default,,0000,0000,0000,,並使人口有關的推論。
Dialogue: 0,0:02:40.89,0:02:44.61,Default,,0000,0000,0000,,讓我試試 100 人，如果它似乎對這種藥
Dialogue: 0,0:02:44.61,0:02:46.88,Default,,0000,0000,0000,,統計學意義的結果，這種藥會
Dialogue: 0,0:02:46.88,0:02:48.85,Default,,0000,0000,0000,,可能的工作作爲一個整體人口。
Dialogue: 0,0:02:48.85,0:02:49.80,Default,,0000,0000,0000,,所以，這是它是什麽有關。
Dialogue: 0,0:02:49.80,0:02:51.92,Default,,0000,0000,0000,,它是很重要的是要了解這一概念
Dialogue: 0,0:02:51.92,0:02:53.58,Default,,0000,0000,0000,,而不是人口的樣本。
Dialogue: 0,0:02:53.58,0:02:57.51,Default,,0000,0000,0000,,並能夠找到一個樣本的統計數字，
Dialogue: 0,0:02:57.51,0:03:00.16,Default,,0000,0000,0000,,大多數情況下，可以描述人口或幫助我們
Dialogue: 0,0:03:00.16,0:03:03.72,Default,,0000,0000,0000,,估計，他們稱之爲，人口的參數。
Dialogue: 0,0:03:03.72,0:03:07.33,Default,,0000,0000,0000,,那麽是什麽意思的一個 — — 讓我重寫這些定義。
Dialogue: 0,0:03:07.33,0:03:08.83,Default,,0000,0000,0000,,人口的意思是什麽？
Dialogue: 0,0:03:08.83,0:03:09.94,Default,,0000,0000,0000,,我會做的紫色。
Dialogue: 0,0:03:09.94,0:03:11.63,Default,,0000,0000,0000,,人口的紫色。
Dialogue: 0,0:03:11.63,0:03:13.68,Default,,0000,0000,0000,,人口的平均值。
Dialogue: 0,0:03:13.68,0:03:19.70,Default,,0000,0000,0000,,你只是把每個數據點中的人口，x 我。
Dialogue: 0,0:03:19.70,0:03:21.85,Default,,0000,0000,0000,,你他們總結。
Dialogue: 0,0:03:21.85,0:03:23.83,Default,,0000,0000,0000,,你開始的第一次的數據點與你去所有
Dialogue: 0,0:03:23.83,0:03:25.62,Default,,0000,0000,0000,,點到第 n 個數據的方式。
Dialogue: 0,0:03:25.62,0:03:26.74,Default,,0000,0000,0000,,你除以 n。
Dialogue: 0,0:03:26.74,0:03:27.80,Default,,0000,0000,0000,,你都對它們進行求和，除以 n。
Dialogue: 0,0:03:27.80,0:03:28.92,Default,,0000,0000,0000,,這就是中庸。
Dialogue: 0,0:03:28.92,0:03:30.50,Default,,0000,0000,0000,,那麽你將它插入此公式。
Dialogue: 0,0:03:30.50,0:03:33.06,Default,,0000,0000,0000,,你可以看到每個點從那中央有多遠
Dialogue: 0,0:03:33.06,0:03:34.27,Default,,0000,0000,0000,,這意味著從的點。
Dialogue: 0,0:03:34.27,0:03:36.26,Default,,0000,0000,0000,,你方差。
Dialogue: 0,0:03:36.26,0:03:39.67,Default,,0000,0000,0000,,現在怎麽樣如果我們做爲一個樣本？
Dialogue: 0,0:03:39.67,0:03:43.35,Default,,0000,0000,0000,,好吧，如果我們想要估計的人口的平均值
Dialogue: 0,0:03:43.35,0:03:46.60,Default,,0000,0000,0000,,以某種方式計算意味著一個樣本，最好的事情我可以
Dialogue: 0,0:03:46.60,0:03:49.17,Default,,0000,0000,0000,,--認爲，這些真的是種工程的公式。
Dialogue: 0,0:03:49.17,0:03:51.14,Default,,0000,0000,0000,,這些都是人類說： 好吧最好的什麽
Dialogue: 0,0:03:51.14,0:03:51.71,Default,,0000,0000,0000,,選取的樣本的方法？
Dialogue: 0,0:03:51.71,0:03:54.55,Default,,0000,0000,0000,,我們能做的好全是樣本的真的拿我們的平均。
Dialogue: 0,0:03:54.55,0:03:56.82,Default,,0000,0000,0000,,而這正是樣本平均值。
Dialogue: 0,0:03:56.82,0:03:58.92,Default,,0000,0000,0000,,我們學到了第一個影片中，該符號 — —
Dialogue: 0,0:03:58.92,0:04:00.45,Default,,0000,0000,0000,,公式是這幾乎完全相同。
Dialogue: 0,0:04:00.45,0:04:01.54,Default,,0000,0000,0000,,只是表示法的不同。
Dialogue: 0,0:04:01.54,0:04:04.99,Default,,0000,0000,0000,,而不是編寫畝，你寫過它的一條線的 x。
Dialogue: 0,0:04:04.99,0:04:08.62,Default,,0000,0000,0000,,樣本平均值是平等的 — — 再一次，你把每個
Dialogue: 0,0:04:08.62,0:04:12.10,Default,,0000,0000,0000,,現在在該示例中，不在整個人口中的數據點。
Dialogue: 0,0:04:12.10,0:04:16.37,Default,,0000,0000,0000,,你總結他們從第一項，然後到
Dialogue: 0,0:04:16.37,0:04:17.38,Default,,0000,0000,0000,,第 n 個，對吧？
Dialogue: 0,0:04:17.38,0:04:20.64,Default,,0000,0000,0000,,他們說在此示例中有 n 數據點。
Dialogue: 0,0:04:20.64,0:04:23.39,Default,,0000,0000,0000,,然後您將其劃分的數據點你有數。
Dialogue: 0,0:04:23.39,0:04:24.32,Default,,0000,0000,0000,,不夠公平。
Dialogue: 0,0:04:24.32,0:04:25.66,Default,,0000,0000,0000,,這真是同一公式。
Dialogue: 0,0:04:25.66,0:04:27.50,Default,,0000,0000,0000,,我拿了人口、 平均的方式我說，好吧，如果我
Dialogue: 0,0:04:27.50,0:04:29.59,Default,,0000,0000,0000,,只是有一個樣本，讓我只是把意思相同的方式。
Dialogue: 0,0:04:29.59,0:04:32.56,Default,,0000,0000,0000,,這可能是平均的好估計
Dialogue: 0,0:04:32.56,0:04:33.93,Default,,0000,0000,0000,,人口。
Dialogue: 0,0:04:33.93,0:04:36.34,Default,,0000,0000,0000,,現在它變得有趣起來，當我們談論方差。
Dialogue: 0,0:04:36.34,0:04:39.25,Default,,0000,0000,0000,,所以你自然的反應是確定，我有此示例。
Dialogue: 0,0:04:39.25,0:04:43.26,Default,,0000,0000,0000,,如果我想爲什麽估計人口的方差
Dialogue: 0,0:04:43.26,0:04:45.23,Default,,0000,0000,0000,,不要只是申請此同一公式基本上
Dialogue: 0,0:04:45.23,0:04:46.15,Default,,0000,0000,0000,,樣品嗎？
Dialogue: 0,0:04:46.15,0:04:49.33,Default,,0000,0000,0000,,這樣可能會說 — — 而這是實際樣本變異數。
Dialogue: 0,0:04:49.33,0:04:54.57,Default,,0000,0000,0000,,他們使用公式 s 平方。
Dialogue: 0,0:04:54.57,0:04:58.22,Default,,0000,0000,0000,,所以西格瑪是善良的 s 希臘字母等效於。
Dialogue: 0,0:04:58.22,0:04:59.98,Default,,0000,0000,0000,,所以現在當我們正在處理樣品，我們
Dialogue: 0,0:04:59.98,0:05:01.00,Default,,0000,0000,0000,,只是寫那裏的 s。
Dialogue: 0,0:05:01.00,0:05:02.32,Default,,0000,0000,0000,,所以這是樣本變異數。
Dialogue: 0,0:05:02.32,0:05:03.07,Default,,0000,0000,0000,,讓我寫下來。
Dialogue: 0,0:05:03.07,0:05:03.95,Default,,0000,0000,0000,,樣本變異數。
Dialogue: 0,0:05:11.86,0:05:15.87,Default,,0000,0000,0000,,這是 — — 所以我們只是可能會說，嗯，也許采取的好方法
Dialogue: 0,0:05:15.87,0:05:17.34,Default,,0000,0000,0000,,樣本變異數是做相同的方式。
Dialogue: 0,0:05:17.34,0:05:23.67,Default,,0000,0000,0000,,讓我們花的每個示例中間點的距離。
Dialogue: 0,0:05:23.67,0:05:26.60,Default,,0000,0000,0000,,找出我們的樣本平均值從有多遠。
Dialogue: 0,0:05:26.60,0:05:29.23,Default,,0000,0000,0000,,在這裡我們使用人口平均，但現在我們只使用
Dialogue: 0,0:05:29.23,0:05:31.45,Default,,0000,0000,0000,,因爲這就是全部的意思是該示例可以告知我們。
Dialogue: 0,0:05:31.45,0:05:33.16,Default,,0000,0000,0000,,我們不知道什麽是人口平均
Dialogue: 0,0:05:33.16,0:05:35.51,Default,,0000,0000,0000,,不看整個人口。
Dialogue: 0,0:05:35.51,0:05:36.40,Default,,0000,0000,0000,,采取的廣場。
Dialogue: 0,0:05:36.40,0:05:38.16,Default,,0000,0000,0000,,這使得變得積極，它有其他屬性，
Dialogue: 0,0:05:38.16,0:05:40.16,Default,,0000,0000,0000,,這以後我們就去。
Dialogue: 0,0:05:40.16,0:05:42.73,Default,,0000,0000,0000,,然後把所有這些平方距離的平均值。
Dialogue: 0,0:05:42.73,0:05:44.97,Default,,0000,0000,0000,,所以你把它從 — — 你它們求和起來。
Dialogue: 0,0:05:44.97,0:05:47.43,Default,,0000,0000,0000,,還有 n 他們到一些向上，正確嗎？
Dialogue: 0,0:05:47.43,0:05:48.40,Default,,0000,0000,0000,,小寫字母 n。
Dialogue: 0,0:05:48.40,0:05:51.82,Default,,0000,0000,0000,,你除以小寫字母 n。
Dialogue: 0,0:05:51.82,0:05:53.23,Default,,0000,0000,0000,,你說，這是一個很好的估計。
Dialogue: 0,0:05:53.23,0:05:55.58,Default,,0000,0000,0000,,也不管這種差異是什麽，那可能是一個很好的估計
Dialogue: 0,0:05:55.58,0:05:56.72,Default,,0000,0000,0000,,爲整個人口。
Dialogue: 0,0:05:56.72,0:06:00.62,Default,,0000,0000,0000,,其實這是有些人常常指甚麽時候他們
Dialogue: 0,0:06:00.62,0:06:01.98,Default,,0000,0000,0000,,談樣本變異數。
Dialogue: 0,0:06:01.98,0:06:05.26,Default,,0000,0000,0000,,而有時它會實際上被稱爲這。
Dialogue: 0,0:06:05.26,0:06:07.52,Default,,0000,0000,0000,,他們沒有把小小寫字母 n。
Dialogue: 0,0:06:07.52,0:06:09.84,Default,,0000,0000,0000,,他們爲什麽這樣做的原因是因爲我們除以 n 和。
Dialogue: 0,0:06:09.84,0:06:11.84,Default,,0000,0000,0000,,而你說，Sal 這裡的問題是什麽？
Dialogue: 0,0:06:11.84,0:06:14.00,Default,,0000,0000,0000,,與問題 — — 和我會給你的直覺，因爲這
Dialogue: 0,0:06:14.00,0:06:16.18,Default,,0000,0000,0000,,其實是用來讓我記住的東西。
Dialogue: 0,0:06:16.18,0:06:19.34,Default,,0000,0000,0000,,我仍坦率地竭力與
Dialogue: 0,0:06:19.34,0:06:21.53,Default,,0000,0000,0000,,在它後面的直覺。
Dialogue: 0,0:06:21.53,0:06:24.51,Default,,0000,0000,0000,,嗯，我有種嚴格的直覺，但更多的
Dialogue: 0,0:06:24.51,0:06:26.95,Default,,0000,0000,0000,,證明它對自己，這肯定是案件。
Dialogue: 0,0:06:26.95,0:06:28.28,Default,,0000,0000,0000,,但是想想這樣。
Dialogue: 0,0:06:28.28,0:06:29.90,Default,,0000,0000,0000,,如果有一串數字，而我就畫
Dialogue: 0,0:06:29.90,0:06:32.74,Default,,0000,0000,0000,,在這裡號線。
Dialogue: 0,0:06:32.74,0:06:35.74,Default,,0000,0000,0000,,如果我畫號線在這裡，所以讓我們說你知道-
Dialogue: 0,0:06:35.74,0:06:39.43,Default,,0000,0000,0000,,並讓我們說在我人口的一串數字。
Dialogue: 0,0:06:39.43,0:06:41.66,Default,,0000,0000,0000,,現在，讓我們說 — — 我只要隨機把一大堆
Dialogue: 0,0:06:41.66,0:06:44.28,Default,,0000,0000,0000,,在我的人口中的數字。
Dialogue: 0,0:06:44.28,0:06:45.93,Default,,0000,0000,0000,,與右邊的這些是比大
Dialogue: 0,0:06:45.93,0:06:46.36,Default,,0000,0000,0000,,那些向左。
Dialogue: 0,0:06:48.90,0:06:52.99,Default,,0000,0000,0000,,如果我是采取的其中一個樣本，也許我就帶 — —
Dialogue: 0,0:06:52.99,0:06:54.82,Default,,0000,0000,0000,,該示例中，它是隨機的。
Dialogue: 0,0:06:54.82,0:06:56.21,Default,,0000,0000,0000,,實際上，你想要一個隨機樣本。
Dialogue: 0,0:06:56.21,0:06:57.32,Default,,0000,0000,0000,,你不想以任何方式被扭曲。
Dialogue: 0,0:06:57.32,0:07:02.90,Default,,0000,0000,0000,,所以也許我采取這一、 這一、 這種，
Dialogue: 0,0:07:02.90,0:07:05.42,Default,,0000,0000,0000,,和這個，對吧？
Dialogue: 0,0:07:05.42,0:07:07.48,Default,,0000,0000,0000,,要是采取的這一數字的平均值，然後，
Dialogue: 0,0:07:07.48,0:07:08.46,Default,,0000,0000,0000,,號碼，該號碼，該號碼。
Dialogue: 0,0:07:08.46,0:07:09.32,Default,,0000,0000,0000,,它將是地方在中間。
Dialogue: 0,0:07:09.32,0:07:11.01,Default,,0000,0000,0000,,它可能是某個地方那邊。
Dialogue: 0,0:07:11.01,0:07:13.24,Default,,0000,0000,0000,,然後如果我想要找出樣本變異數使用
Dialogue: 0,0:07:13.24,0:07:16.78,Default,,0000,0000,0000,,這一公式，我會說這個距離平方加這確定
Dialogue: 0,0:07:16.78,0:07:21.06,Default,,0000,0000,0000,,距離平方加此距離平方加上，
Dialogue: 0,0:07:21.06,0:07:23.52,Default,,0000,0000,0000,,距離的平方和平均他們全力以赴。
Dialogue: 0,0:07:23.52,0:07:24.70,Default,,0000,0000,0000,,並就此號碼。
Dialogue: 0,0:07:24.70,0:07:27.82,Default,,0000,0000,0000,,這也許會是一個不錯的近似
Dialogue: 0,0:07:27.82,0:07:30.26,Default,,0000,0000,0000,,這整個人口的方差。
Dialogue: 0,0:07:30.26,0:07:32.07,Default,,0000,0000,0000,,人口的平均大概去
Dialogue: 0,0:07:32.07,0:07:33.03,Default,,0000,0000,0000,,--我不知道。
Dialogue: 0,0:07:33.03,0:07:35.02,Default,,0000,0000,0000,,它可能是這麽漂亮。
Dialogue: 0,0:07:35.02,0:07:37.15,Default,,0000,0000,0000,,如果我們采取的所有數據點，平均爲他們，
Dialogue: 0,0:07:37.15,0:07:39.06,Default,,0000,0000,0000,,也許他們就像這裡的地方。
Dialogue: 0,0:07:39.06,0:07:40.66,Default,,0000,0000,0000,,然後如果你弄明白超差，它也許會是
Dialogue: 0,0:07:40.66,0:07:43.59,Default,,0000,0000,0000,,很接近的所有這些行，右平均嗎？
Dialogue: 0,0:07:43.59,0:07:46.81,Default,,0000,0000,0000,,所有的樣本變異數的距離，對吧？
Dialogue: 0,0:07:46.81,0:07:47.25,Default,,0000,0000,0000,,不夠公平。
Dialogue: 0,0:07:47.25,0:07:47.90,Default,,0000,0000,0000,,所以你說，嘿 Sal。
Dialogue: 0,0:07:47.90,0:07:49.71,Default,,0000,0000,0000,,這現在看起來還不錯。
Dialogue: 0,0:07:49.71,0:07:51.94,Default,,0000,0000,0000,,但有一個小小的漁獲量。
Dialogue: 0,0:07:51.94,0:07:54.56,Default,,0000,0000,0000,,如果 — — 是始終是相反的機率
Dialogue: 0,0:07:54.56,0:07:56.99,Default,,0000,0000,0000,,挑選這些種相當均勻的數字，在我
Dialogue: 0,0:07:56.99,0:08:00.80,Default,,0000,0000,0000,,示例中，如果我碰巧撿此編號，此編號，
Dialogue: 0,0:08:00.80,0:08:03.92,Default,,0000,0000,0000,,與這一數字爲我 — — 讓我們說這一數字
Dialogue: 0,0:08:03.92,0:08:05.40,Default,,0000,0000,0000,,作爲我的樣本嗎？
Dialogue: 0,0:08:05.40,0:08:08.37,Default,,0000,0000,0000,,你的樣本平均值是無論你的樣本是什麽，
Dialogue: 0,0:08:08.37,0:08:10.21,Default,,0000,0000,0000,,總是會在它，是吧嗎？
Dialogue: 0,0:08:10.21,0:08:12.96,Default,,0000,0000,0000,,所以在這種情況下，您的樣本平均值可能就在這裡。
Dialogue: 0,0:08:12.96,0:08:15.01,Default,,0000,0000,0000,,所有這些號碼，所以你可能會說好的這個數字不是
Dialogue: 0,0:08:15.01,0:08:17.81,Default,,0000,0000,0000,,這一數字，這個數字並不太遠，距離太遠，然後
Dialogue: 0,0:08:17.81,0:08:19.10,Default,,0000,0000,0000,,這個數字不太遠。
Dialogue: 0,0:08:19.10,0:08:21.79,Default,,0000,0000,0000,,所以你樣本變異數，當你做這種方式，可能會
Dialogue: 0,0:08:21.79,0:08:23.61,Default,,0000,0000,0000,,有點低轉。
Dialogue: 0,0:08:23.61,0:08:26.92,Default,,0000,0000,0000,,所有這些數字，因爲他們是漂亮 — — 它們，
Dialogue: 0,0:08:26.92,0:08:28.92,Default,,0000,0000,0000,,幾乎被定義，將會非常接近
Dialogue: 0,0:08:28.92,0:08:30.35,Default,,0000,0000,0000,,對方的意思。
Dialogue: 0,0:08:30.35,0:08:34.60,Default,,0000,0000,0000,,但在這種情況下，您的示例種不均衡，
Dialogue: 0,0:08:34.60,0:08:37.98,Default,,0000,0000,0000,,人口的實際意思是這裡的地方。
Dialogue: 0,0:08:37.98,0:08:40.80,Default,,0000,0000,0000,,這樣的示例中，如果你實際上有實際差異
Dialogue: 0,0:08:40.80,0:08:43.67,Default,,0000,0000,0000,,已知的意思 — — 我知道這是所有有點令人困惑。
Dialogue: 0,0:08:43.67,0:08:44.98,Default,,0000,0000,0000,,如果你真的知道中庸，你會
Dialogue: 0,0:08:44.98,0:08:46.83,Default,,0000,0000,0000,,有說哦哇。
Dialogue: 0,0:08:46.83,0:08:48.39,Default,,0000,0000,0000,,你會發現這些距離，將
Dialogue: 0,0:08:48.39,0:08:51.32,Default,,0000,0000,0000,,已經多得多。
Dialogue: 0,0:08:51.32,0:08:53.64,Default,,0000,0000,0000,,整點我想說的是，當你帶
Dialogue: 0,0:08:53.64,0:08:58.28,Default,,0000,0000,0000,,樣品，有一些你樣本平均值是漂亮的機會
Dialogue: 0,0:08:58.28,0:09:00.38,Default,,0000,0000,0000,,關閉到人口平均，正確嗎？
Dialogue: 0,0:09:00.38,0:09:02.61,Default,,0000,0000,0000,,也許你的樣本平均值是在這裡和你的人口
Dialogue: 0,0:09:02.61,0:09:03.36,Default,,0000,0000,0000,,意思是在這裡。
Dialogue: 0,0:09:03.36,0:09:05.77,Default,,0000,0000,0000,,然後此公式將可能計算出挺好的
Dialogue: 0,0:09:05.77,0:09:07.77,Default,,0000,0000,0000,,至少給了您的示例數據點和弄
Dialogue: 0,0:09:07.77,0:09:09.28,Default,,0000,0000,0000,,造成差異的原因是什麽。
Dialogue: 0,0:09:09.28,0:09:14.24,Default,,0000,0000,0000,,但有一個合理的機會，你們的樣品的意思是 — — 你
Dialogue: 0,0:09:14.24,0:09:16.73,Default,,0000,0000,0000,,示例總是將會在您的數據樣本，右內嗎？
Dialogue: 0,0:09:16.73,0:09:18.74,Default,,0000,0000,0000,,它永遠你們的數據樣本中心。
Dialogue: 0,0:09:18.74,0:09:21.47,Default,,0000,0000,0000,,但它是完全有可能是在總體平均值
Dialogue: 0,0:09:21.47,0:09:22.59,Default,,0000,0000,0000,,您的數據樣本的外面。
Dialogue: 0,0:09:22.59,0:09:24.75,Default,,0000,0000,0000,,可能只是你只是碰巧撿那些
Dialogue: 0,0:09:24.75,0:09:28.11,Default,,0000,0000,0000,,不要包含實際人口平均。
Dialogue: 0,0:09:28.11,0:09:31.67,Default,,0000,0000,0000,,然後此樣本變異數計算這種方式將和
Dialogue: 0,0:09:31.67,0:09:34.99,Default,,0000,0000,0000,,實際上低估了實際人口
Dialogue: 0,0:09:34.99,0:09:36.24,Default,,0000,0000,0000,,方差，正確嗎？
Dialogue: 0,0:09:36.24,0:09:38.23,Default,,0000,0000,0000,,因爲他們總是會再接近自己的意思
Dialogue: 0,0:09:38.23,0:09:39.96,Default,,0000,0000,0000,,比起對總體平均值。
Dialogue: 0,0:09:39.96,0:09:43.46,Default,,0000,0000,0000,,如果你理解，坦白地說，甚至像 10 %
Dialogue: 0,0:09:43.46,0:09:45.77,Default,,0000,0000,0000,,這一點，你是一個非常先進的統計學生。
Dialogue: 0,0:09:45.77,0:09:49.12,Default,,0000,0000,0000,,但我說這只是給你，一切希望，一些
Dialogue: 0,0:09:49.12,0:09:53.50,Default,,0000,0000,0000,,直覺來實現這往往會低估。
Dialogue: 0,0:09:53.50,0:09:57.24,Default,,0000,0000,0000,,此公式往往會低估實際
Dialogue: 0,0:09:57.24,0:09:59.11,Default,,0000,0000,0000,,總體方差。
Dialogue: 0,0:09:59.11,0:10:01.42,Default,,0000,0000,0000,,有一個公式，和這實際上證明更多
Dialogue: 0,0:10:01.42,0:10:04.74,Default,,0000,0000,0000,,嚴格比我會做，這被認爲是
Dialogue: 0,0:10:04.74,0:10:08.00,Default,,0000,0000,0000,,好，或者他們會調用它的偏見，估計
Dialogue: 0,0:10:08.00,0:10:09.03,Default,,0000,0000,0000,,總體方差。
Dialogue: 0,0:10:09.03,0:10:11.39,Default,,0000,0000,0000,,或不帶偏見的樣本變異數。
Dialogue: 0,0:10:11.39,0:10:14.16,Default,,0000,0000,0000,,而有時它只是由表示再次平方的 s。
Dialogue: 0,0:10:14.16,0:10:18.93,Default,,0000,0000,0000,,有時它由減 1 平方此 s n 表示。
Dialogue: 0,0:10:18.93,0:10:20.72,Default,,0000,0000,0000,,我會告訴你爲什麽。
Dialogue: 0,0:10:20.72,0:10:22.34,Default,,0000,0000,0000,,它是幾乎同樣的事。
Dialogue: 0,0:10:22.34,0:10:24.73,Default,,0000,0000,0000,,你采取的每個數據點，搞得他們
Dialogue: 0,0:10:24.73,0:10:28.17,Default,,0000,0000,0000,,是從樣本平均值。
Dialogue: 0,0:10:28.17,0:10:28.90,Default,,0000,0000,0000,,你平方他們。
Dialogue: 0,0:10:28.90,0:10:31.83,Default,,0000,0000,0000,,然後你采取的那些平均平方，除外
Dialogue: 0,0:10:31.83,0:10:33.43,Default,,0000,0000,0000,,對於一個細微的差別。
Dialogue: 0,0:10:33.43,0:10:35.72,Default,,0000,0000,0000,,I = 1 到 I = n。
Dialogue: 0,0:10:35.72,0:10:39.37,Default,,0000,0000,0000,,而不是除以 n，則除以略
Dialogue: 0,0:10:39.37,0:10:41.92,Default,,0000,0000,0000,,較小的數目。
Dialogue: 0,0:10:41.92,0:10:44.35,Default,,0000,0000,0000,,你除以 n 減 1。
Dialogue: 0,0:10:44.35,0:10:46.88,Default,,0000,0000,0000,,因此，當您劃分我減 1 而不是除以 n
Dialogue: 0,0:10:46.88,0:10:49.59,Default,,0000,0000,0000,,n，你要在這裡稍大一些。
Dialogue: 0,0:10:49.59,0:10:51.06,Default,,0000,0000,0000,,原來這其實是
Dialogue: 0,0:10:51.06,0:10:52.26,Default,,0000,0000,0000,,很多更準確的估計。
Dialogue: 0,0:10:52.26,0:10:54.81,Default,,0000,0000,0000,,一天我要去至少寫到一個計算機程序
Dialogue: 0,0:10:54.81,0:10:57.43,Default,,0000,0000,0000,,實驗證明它對我自己，這是
Dialogue: 0,0:10:57.43,0:11:01.75,Default,,0000,0000,0000,,更好的總體方差估計值。
Dialogue: 0,0:11:01.75,0:11:03.43,Default,,0000,0000,0000,,你會計算它同樣的方式。
Dialogue: 0,0:11:03.43,0:11:05.27,Default,,0000,0000,0000,,你只是除以 n 減 1。
Dialogue: 0,0:11:05.27,0:11:07.45,Default,,0000,0000,0000,,其他的方式來思考它 — — 事實上，沒有。
Dialogue: 0,0:11:07.45,0:11:08.34,Default,,0000,0000,0000,,我失去了的時間。
Dialogue: 0,0:11:08.34,0:11:09.50,Default,,0000,0000,0000,,我現在就會離開你。
Dialogue: 0,0:11:09.50,0:11:10.71,Default,,0000,0000,0000,,然後在接下來的影片中，我們會做幾個
Dialogue: 0,0:11:10.71,0:11:12.59,Default,,0000,0000,0000,,這樣你就不必太不知所措的計算
Dialogue: 0,0:11:12.59,0:11:13.27,Default,,0000,0000,0000,,這些想法。
Dialogue: 0,0:11:13.27,0:11:14.81,Default,,0000,0000,0000,,因爲我們的身體越來越有點抽象。
Dialogue: 0,0:11:14.81,0:11:16.66,Default,,0000,0000,0000,,下一個影片在見到你。