Do Those Points Align? · Os Pontos Alinham-se?
| English | Português |
|---|---|
| least-squares regression/liːst skweəz rɪˈɡreʃn/ | regressão de mínimos quadrados |
The slope wobbles too
- In Unit 2 we fit a least-squares line and read its slope $b$.
- But $b$ comes from a sample — a different sample gives a slightly different slope.
- So the slope varies from sample to sample, just like $\bar{x}$ or $\hat{p}$.
- Unit 9 does inference about the true slope $\beta$ behind the data.
A inclinação também oscila
- Na Unidade 2, ajustamos uma reta de menores quadrados e lemos sua inclinação $b$.
- Mas $b$ vem de uma amostra — uma amostra diferente dará uma inclinação ligeiramente diferente.
- Então a inclinação varia de amostra para amostra, assim como $\bar{x}$ ou $\hat{p}$.
- A Unidade 9 faz inferência sobre a verdadeira inclinação $\beta$ por trás dos dados.
The sampling distribution of b
- Collect the slope $b$ from every possible sample → its sampling distribution.
- It's centered at the true population slope $\beta$ (so $b$ is unbiased for $\beta$).
- Its spread is the standard error of the slope, $SE_b$.
- Under the right conditions, this distribution is modeled by a $t$-distribution.
A distribuição amostral de b
- Coletar a inclinação $b$ de cada amostra possível → sua distribuição amostral.
- Ela está centrada na verdadeira inclinação populacional $\beta$ (portanto $b$ é insubstituível para $\beta$).
- Sua dispersão é o erro padrão da inclinação, $SE_b$.
- Sob as condições corretas, essa distribuição é modelada por uma distribuição t $t$.
Inference about the relationship
- Inference for slopes asks: is there really a linear relationship, and how strong?
- The true slope $\beta$ is unknown; $b$ estimates it with uncertainty.
- A confidence interval gives a range for $\beta$; a test judges whether $\beta = 0$.
- Both quantify how sure we are about the line behind the scatter.
Inferência sobre a relação
- A inferência para inclinações pergunta: realmente existe uma relação linear, e quão forte é?
- A verdadeira inclinação $\beta$ é desconhecida; $b$ a estima com incerteza.
- Um intervalo de confiança fornece uma faixa para $\beta$; um teste julga se $\beta = 0$.
- Ambos quantificam o quanto temos certeza sobre a linha por trás do gráfico de dispersão.
Built on Unit 2
- Everything rests on the least-squares regression 最小二乘回归 model $\hat{y} = a + bx$.
- $b$ is still the predicted change in $y$ per unit $x$ — now with error bars.
- We add a $t$-based interval and test around that slope.
- Regression inference is "Unit 2's slope, plus Unit 7's $t$-machinery."
Baseado na Unidade 2
- Tudo repousa sobre o modelo de regressão por mínimos quadrados 最小二乘回归 $\hat{y} = a + bx$.
- $b$ ainda é a mudança prevista em $y$ por unidade de $x$ — agora com barras de erro.
- Adicionamos um intervalo e um teste baseados em t $t$ em torno dessa inclinação.
- A inferência de regressão é "a inclinação da Unidade 2, mais a maquinaria t $t$ da Unidade 7."
The slope $b$ from one sample is an estimate, not the truth $\beta$. A different random sample would give a different $b$. Inference for slopes is exactly the same logic as for means — a $t$-based interval and test around a sample statistic — applied to the regression slope, with its own standard error $SE_b$.
A inclinação $b$ de uma amostra é uma estimativa, não a verdade $\beta$. Uma amostra aleatória diferente daria uma $b$ diferente. A inferência para inclinações segue exatamente a mesma lógica que para médias — um intervalo e teste baseados em t $t$ em torno de uma estatística amostral — aplicada à inclinação da regressão, com seu próprio erro padrão $SE_b$.
Fitting hours-studied vs. score for one class gives slope $b = 4.2$.
- A different class would give a different $b$ (maybe $3.8$ or $4.6$) — sampling variability.
- The true slope $\beta$ for all students is unknown; $b = 4.2$ estimates it.
- Unit 9 builds an interval and a test for that unknown $\beta$.
Ajustar horas-estudadas vs. nota para uma classe dá inclinação $b = 4.2$.
- Uma classe diferente daria uma $b$ diferente (talvez $3.8$ ou $4.6$) — variabilidade amostral.
- A inclinação verdadeira $\beta$ para todos os alunos é desconhecida; $b = 4.2$ estima-a.
- A Unidade 9 constrói um intervalo e um teste para essa $\beta$ desconhecida.
The slope $b$ of a fitted line varies from sample to sample; its sampling distribution is centered at the true slope $\beta$ with spread $SE_b$, modeled by a $t$-distribution. Inference for slopes quantifies the uncertainty about the true linear relationship, building directly on the least-squares regression model.
A inclinação $b$ de uma linha ajustada varia de amostra para amostra; sua distribuição amostral está centrada na inclinação verdadeira $\beta$ com dispersão $SE_b$, modelada por uma distribuição t-Student $t$. A inferência para inclinações quantifica a incerteza sobre a relação linear verdadeira, construindo diretamente sobre o modelo de regressão por mínimos quadrados.
A fitted slope varies by sample · Uma inclinação ajustada varia por amostra
Each sample's least-squares line has a slightly different slope b. · Cada linha de mínimos quadrados de uma amostra tem uma inclinação b ligeiramente diferente.
The slope b from a sample is... · A inclinação b de uma amostra é...
b estimates the unknown population slope β, with uncertainty. · b estima a inclinação populacional desconhecida β, com incerteza.
The sampling distribution of the sample slope b is centered at the true slope β. · A distribuição amostral da inclinação da amostra b está centrada na verdadeira inclinação β.
b is unbiased for β. · b é imparcial para β.
Inference for slopes is modeled using which distribution? · A inferência para inclinações é modelada usando qual distribuição?
Like means, slope inference uses a t-distribution. · Como médias, a inferência de inclinação usa uma distribuição t.
Regression inference builds on the least-squares model ŷ = a + bx from Unit 2. · A inferência de regressão baseia-se no modelo de mínimos quadrados ŷ = a + bx da Unidade 2.
It adds a t-interval and test around the Unit 2 slope. · Adiciona um intervalo t e teste em torno da inclinação da Unidade 2.
The spread of the sampling distribution of b is the standard error of the ___ (one word). · A dispersão da distribuição amostral de b é o erro padrão da ___ (uma palavra).
SE_b is the standard error of the slope. · SE_b é o erro padrão da inclinação.