0:00:00.909,0:00:02.250
[讲师]Adrianna收集了一些关于

0:00:02.250,0:00:04.249
不同学校的胜率

0:00:04.249,0:00:07.968
以及他们的主教练平均年薪的数据。

0:00:07.968,0:00:12.225
收集的是2000年至2011年期间的年薪数据，以百万美元为单位。

0:00:12.225,0:00:15.619
然后她创建了以下散点图和趋势线。

0:00:15.619,0:00:17.604
这是以百万美元为单位的年薪

0:00:17.604,0:00:19.936
和胜率。

0:00:19.936,0:00:24.056
在这里，我们有一个教练赚了超过4百万美元，

0:00:24.056,0:00:28.413
而且看起来他们赢得了80%以上的比赛。

0:00:28.413,0:00:29.831
但你有看这里有个教练，

0:00:29.831,0:00:31.313
他的工资略高于

0:00:31.313,0:00:32.823
一百五十万美元，

0:00:32.823,0:00:35.451
而他们的胜率超过85%。

0:00:35.451,0:00:38.119
这些数据点中的每一个点

0:00:38.119,0:00:39.576
代表的是一个教练。

0:00:39.576,0:00:41.701
这里绘制出了他们的薪水，

0:00:41.701,0:00:44.770
或者说是他们的胜率对比他们的薪水。

0:00:44.770,0:00:48.326
假设这条直线正确地显示了数据的趋势。

0:00:48.326,0:00:49.625
这是一个假设。

0:00:49.625,0:00:51.070
这里有一些异常值

0:00:51.070,0:00:53.508
与我们的模型离得很远。

0:00:53.508,0:00:54.679
而这并不是一个......

0:00:54.679,0:00:55.911
它看起是线性的，

0:00:55.911,0:00:58.050
这里有一个正的线性相关，

0:00:58.050,0:00:59.582
但它排布得并不十分紧密。

0:00:59.582,0:01:01.121
这里有一群教练

0:01:01.121,0:01:03.781
处于低工资区，

0:01:03.781,0:01:05.875
而他们的胜率分布从20%左右

0:01:05.875,0:01:07.483
一直到超过60%。

0:01:07.483,0:01:10.209
假设这条线正确地显示了数据的趋势，

0:01:10.209,0:01:15.169
那么这条线的Y截距是39表示的是什么呢？

0:01:15.169,0:01:16.786
如果你信任这个模型的话，

0:01:16.786,0:01:19.784
那么Y轴截距为39就表示

0:01:19.784,0:01:22.357
这个模型是在说

0:01:22.357,0:01:24.437
如果有教练没有薪水，

0:01:24.437,0:01:26.583
也就是0美元，

0:01:26.583,0:01:28.054
那么他们的胜率，

0:01:28.054,0:01:31.666
该模型预计他们会赢得39%的比赛。

0:01:31.666,0:01:33.230
这似乎有点不切实际，

0:01:33.230,0:01:36.072
因为你会期望大多数教练都能得到一些报酬。

0:01:36.072,0:01:37.760
但无论如何，让我们先看看这些选项中的哪一个

0:01:37.760,0:01:40.323
正确描述了这一点。

0:01:40.323,0:01:42.984
让我看一下这些选项。

0:01:42.984,0:01:46.124
平均工资是3900万美元，不对。

0:01:46.124,0:01:48.108
我们的图表上没有教练赚到3900万。

0:01:48.108,0:01:50.350
平均来说，每增加一百万美元的工资

0:01:50.350,0:01:52.765
就会增加39%的胜率。

0:01:52.765,0:01:56.686
这种说法与斜率有关，

0:01:56.686,0:01:58.735
而这里的斜率绝对不是39。

0:01:58.735,0:02:01.353
平均胜率是39%。

0:02:01.353,0:02:02.692
我们知道这也不是正确的描述。

0:02:02.692,0:02:05.248
该模型表明，

0:02:05.248,0:02:06.781
教练薪水为0百万美元的

0:02:06.781,0:02:09.971
球队平均胜率约为 39%。

0:02:09.971,0:02:12.717
这个描述是最接近

0:02:12.717,0:02:14.264
我们刚才所说的：

0:02:14.264,0:02:15.740
如果你信任这个模型，

0:02:15.740,0:02:17.285
这是一个很大的前提假设。

0:02:17.285,0:02:19.452
如果你信任这个模型，

0:02:20.916,0:02:23.375
这个模型表示的就是，如果一个球队的教练的薪水为0美元，

0:02:23.375,0:02:24.966
那么该球队的胜率将是39%。

0:02:24.966,0:02:27.446
按照模型得到了这种说法使你必须对模型持怀疑态度。

0:02:27.446,0:02:28.688
这些模型不是完美的。

0:02:28.688,0:02:31.249
特别是在极端的情况下，往往会像这个例子一样得到不切实际的结论。

0:02:31.249,0:02:32.247
但谁又知道呢？

0:02:32.247,0:02:34.873
总之，希望你能觉得这个例子很有用。