0:00:00.107,0:00:03.926
♪ [音乐] ♪

0:00:20.880,0:00:22.077
- [Thomas Stratmann] 大家好！

0:00:22.077,0:00:24.268
在接下来的一系列视频中

0:00:24.268,0:00:26.858
我们将向你介绍一个[br]炫酷的新工具

0:00:26.858,0:00:30.414
来帮助你理解数据

0:00:30.414,0:00:31.981
那就是“线性回归”

0:00:32.885,0:00:34.668
假设你有这么一种理论

0:00:34.668,0:00:37.249
你发现外貌出众的人

0:00:37.249,0:00:39.067
好像总能得到特殊的优待

0:00:39.642,0:00:40.878
你在想

0:00:40.878,0:00:43.798
“还有什么地方[br]也能看到这种现象呢？”

0:00:44.132,0:00:45.637
对教师来说[br]这种现象也存在吗？

0:00:45.637,0:00:48.259
有没有可能[br]外貌出众的老师

0:00:48.259,0:00:50.010
也会得到特别优待呢？

0:00:50.350,0:00:53.899
学生们会不会[br]对这些老师更好

0:00:53.899,0:00:57.209
给他们打更高的学生评价分？

0:00:57.866,0:01:00.467
如果确实如此[br]外貌对评价分的影响

0:01:00.467,0:01:03.573
是很大还是很小呢？

0:01:04.159,0:01:07.519
假设有位教师刚刚开始[br]到一所大学上班

0:01:07.519,0:01:08.759
- [男人] 老兄，早啊

0:01:08.759,0:01:11.810
- 仅从他的外貌[br]我们能对他的学生评价分

0:01:11.810,0:01:13.371
做出怎样的预测？

0:01:13.940,0:01:17.216
由于评价分能影响加薪

0:01:17.671,0:01:21.709
如果这个理论属实[br]老师们可能会

0:01:21.709,0:01:24.519
采取一些令人惊讶的手段[br]来提高他们的得分

0:01:24.519,0:01:25.731
- [Lloyd Christmas] 耶！

0:01:25.731,0:01:27.461
- 如果你想弄清楚

0:01:27.461,0:01:30.801
更出众的外貌是否真的会[br]带来更高的评价分

0:01:31.441,0:01:34.450
你会怎样检验这个假说呢？

0:01:34.956,0:01:36.552
你可以收集数据

0:01:36.761,0:01:40.025
首先，让学生从1到10

0:01:40.025,0:01:42.076
给老师的外貌打分

0:01:42.076,0:01:44.807
由此你可以得出[br]这位老师的颜值平均分

0:01:45.229,0:01:48.552
然后你可以从25名学生处

0:01:48.552,0:01:50.421
收集这位老师的教学评价分

0:01:50.421,0:01:53.273
我们通过散点图

0:01:53.273,0:01:54.738
来同时查看这两个变量

0:01:54.981,0:01:57.419
我们用横轴表示外貌

0:01:57.852,0:02:00.589
纵轴表示教学评价分

0:02:01.223,0:02:04.903
例如，这一点代表着 Peate 教授

0:02:04.903,0:02:06.423
- [Bib Fortuna] De wana wanga.

0:02:06.423,0:02:08.811
- 他得到了3分的外貌分

0:02:08.811,0:02:11.866
8.425的教学评价分

0:02:12.084,0:02:14.958
这边的是 Helmchen 教授

0:02:14.958,0:02:16.797
- [Ben Stiller, "Zoolander"][br]帅到不像话！

0:02:16.797,0:02:18.721
- 他的外貌得分非常高

0:02:18.721,0:02:20.872
但评价分没那么高

0:02:21.101,0:02:22.283
你能看出规律吗？

0:02:22.283,0:02:25.533
当我们沿x轴从左向右移动

0:02:25.533,0:02:27.963
从难看向好看移动

0:02:27.963,0:02:31.186
评价分呈现出上升趋势

0:02:31.870,0:02:35.174
对了，我们在这个系列视频中[br]使用的数据

0:02:35.174,0:02:38.923
不是编造出来的[br]而是来自于

0:02:38.923,0:02:40.897
在德克萨斯大学做过的[br]真实研究

0:02:41.337,0:02:46.023
另外你可能不知道[br]“pulchritude”只不过是

0:02:46.023,0:02:47.880
“颜值”的另一种[br]比较高端、学术的说法

0:02:48.405,0:02:51.474
有些时候

0:02:51.474,0:02:55.594
用散点图很难判断出[br]两个变量之间的确切关系

0:02:55.594,0:02:59.104
尤其是随着我们[br]从左向右移动

0:02:59.104,0:03:01.318
数值的波动很大的时候

0:03:02.000,0:03:04.908
处理这种波动的一种方法是

0:03:04.908,0:03:08.144
画一条直线[br]穿过这团数据

0:03:08.144,0:03:10.775
让这条直线

0:03:10.775,0:03:12.613
尽可能贴切地概括这些数据

0:03:13.295,0:03:17.181


0:03:17.669,0:03:20.888


0:03:20.888,0:03:24.278


0:03:24.278,0:03:26.456


0:03:27.087,0:03:29.536


0:03:30.067,0:03:32.596


0:03:32.596,0:03:35.358


0:03:36.107,0:03:39.827


0:03:40.794,0:03:43.807


0:03:43.807,0:03:45.587


0:03:46.070,0:03:50.237


0:03:50.237,0:03:53.026


0:03:53.544,0:03:55.907


0:03:55.907,0:03:59.469


0:03:59.768,0:04:03.939


0:04:04.377,0:04:07.420


0:04:07.857,0:04:10.764


0:04:11.158,0:04:13.903


0:04:14.389,0:04:17.304


0:04:17.770,0:04:21.262


0:04:21.579,0:04:25.569


0:04:25.569,0:04:28.429


0:04:28.429,0:04:30.229


0:04:30.229,0:04:31.297


0:04:31.297,0:04:34.109


0:04:34.683,0:04:36.749


0:04:37.019,0:04:38.749


0:04:39.233,0:04:41.665


0:04:41.665,0:04:43.515


0:04:44.844,0:04:47.890


0:04:47.890,0:04:49.770


0:04:49.770,0:04:52.039


0:04:52.838,0:04:55.439


0:04:55.439,0:04:58.340


0:04:58.833,0:05:00.430


0:05:00.430,0:05:03.639


0:05:03.639,0:05:06.900


0:05:07.344,0:05:09.965


0:05:09.965,0:05:12.456


0:05:12.456,0:05:15.645


0:05:16.052,0:05:18.956


0:05:19.228,0:05:22.972


0:05:23.660,0:05:27.668


0:05:28.080,0:05:32.095


0:05:32.095,0:05:34.335


0:05:34.335,0:05:37.383


0:05:37.861,0:05:40.388


0:05:40.388,0:05:43.537


0:05:43.537,0:05:45.848


0:05:46.346,0:05:49.807


0:05:50.289,0:05:53.620


0:05:53.620,0:05:54.900


0:05:54.900,0:05:58.166


0:05:58.922,0:06:02.069


0:06:02.069,0:06:05.781


0:06:06.626,0:06:09.575


0:06:09.846,0:06:14.577


0:06:14.577,0:06:18.994


0:06:19.408,0:06:21.758


0:06:21.758,0:06:24.477


0:06:24.477,0:06:26.219


0:06:26.219,0:06:28.368


0:06:28.368,0:06:30.737


0:06:31.762,0:06:35.509


0:06:35.509,0:06:39.070


0:06:41.169,0:06:42.445


0:06:42.445,0:06:45.247


0:06:45.568,0:06:47.139


0:06:47.139,0:06:48.700


0:06:48.700,0:06:50.404


0:06:50.865,0:06:53.976


0:06:54.313,0:06:55.364


0:06:55.598,0:06:58.325


0:06:58.325,0:07:01.642


0:07:01.892,0:07:04.406