ko‘p o‘lchovli statistik tahlil usullari

DOC 178,5 KB Bepul yuklash

Sahifa ko'rinishi (5 sahifa)

Pastga aylantiring 👇

1447858038_62296.doc 1 n iiijjii j xaafv e = =++ å i i a mx = ij a i e m i ,..., 2 , 1 = i n k j mf j ,..., 2 , 1 , 0 = = m i m i ,..., 2 , 1 , 0 = = e k j mf j ,..., 2 , 1 , 1 2 = = m i m i ,..., 2 , 1 , 1 2 = = e , , 0 j j f mf j j ¢ ¹ = ¢ , , 0 i i m i i ¢ ¹ = ¢ e e 0 = ¢ j j mf e k j j ,... 2 , 1 , = ¢ m i i ,..., 2 , 1 , = ¢ e v af a x + + = ÷ ÷ ÷ ø ö ç ç ç …

+ = 3 2 1 10 . 0 83 . 0 55 . 0 ) 1 ( x x x f + + - = 3 2 1 95 . 0 25 . 0 21 . 0 ) 1 ( x x x f + - - = ko‘p o‘lchovli statistik tahlil usullari reja: 1. faktorli tahlil 2. bosh komponentalar usuli ko‘p sondagi korrelatsiyalangan miqdorlardan, yangi oz sondagi korrelatsiyalanmagan miqdorlarga o‘tish ko‘p o‘lchovli statistik tahlilning mohiyatini tashkil qiladi. iqtisodiy ko‘rsatkichlarning o‘zgarishini belgilovchi va iqtisodiy obyektlarni tasniflashni o‘rganuvchi “ yashirin” faktorlarni aniqlash va ularni tahlil qilish ko‘p o‘lchovli statistik tahlilni asosiy masalalaridir. iqtisodiy ko‘rsatkichlar o‘zgarishini belgilovchi omillar to‘plami komponentalari orasida stoxastik bog‘lanishlar bo‘lgan ko‘p o‘lchovli vektor sifatida hamda “yashirin” faktorlar esa markazlashtirilgan va korrelatsiyalanmagan t.m.lar deb qaraladi. mana shunday “yashirin” faktorlarni aniqlash faktorli tahlilning, xususan, bosh komponentalar usulining asosiy masalalarini tashkil qiladi. iqtisodiy obyektlarni tasniflashda ko‘p o‘lchovli tanlanma iqtisodiy omillar qiymatlaridan …

ishlab chiqilsa faqat uchta o‘zaro bog‘liq ma’lumotlarga asoslanadi xolos: o‘lcham, bo‘y va to‘lalik. bu holat faktorli tahlilning asosiy masalasini to‘liq namoyish qiladi: boshlang‘ich ko‘p sondagi o‘zaro bog‘langan f1, …, fk, k<t “yashirin” omillarga o‘tish masalasi. iqtisodiyotda shu turdagi masalalar ko‘plab uchraydi. masalan, ishlab chiqarish manbalaridan samarali foydalanish uchun bir necha umumlashtiruvchi ko‘rsatkichlarni topish zarurati tug‘iladi. faktorli tahlil modeli quyidagi ko‘rinishda bo‘ladi: , i = 1, 2, …, m, k < m (1) bu yerda , fj , j = 1, 2, …, k – umumiy (“yashirin”) faktorlar; - boshlang‘ich ko‘rsatkichlarning umumiy faktorlariga ta’sir koeffitsentlari; , - maxsus faktorlar ; - ko‘rsatkichlarning maxsus faktorlarga ta’siri. umumiy va maxsus faktorlar markazlashtirilgan ( , ), normallangan ( , ) va korrelyatsiyalanmagan ( , , ) deb faraz qilamiz. faktorli tahlilning (1) modeli matritsalar yordamida quyidagicha yoziladi , (2) bu yerda , - boshlang‘ich ko‘rsatkichlar va ularning matematik kutilmalaridan tuzilgan vektor ustun. , - …

ulidir. bosh komponentalar usuli bosh komponentalar usulu (ingl. principal component analysis, pca) — olingan ma’lumotlarni eng kam informatsiya yo‘qotgan holda o‘lchovini pasaytirishning asosiy usullaridan biri hisoblanadi. u k. pirson tomonidan 1901 yilda taklif etilgan bo‘lib, ko‘pgina amaliy masalalarni echishda keng qo‘llaniladi. bosh komponentalarni hisoblash boshlang‘ich ma’lumotdan tuzilgan kovariatsion matrisaning hos son va hos vectorlarni hisoblashga keltiriladi. bosh komponentalar usuli butun to‘lig‘icha umumiy ko‘rsatkichlarga asoslanib hulosa chiqaradi. bu usulda ham faktorlar markazlashtirilgan, normallangan va korrelatsiyalanmagandir. · o’rganilayotgan x ko’rsatkichlar sistemasining birinchi bosh komponentasi y1(x) ushbu ko’rshatkichlardan tuzilgan normallashgan, markazlashtirilgan shunday chiziqli kombinatsiyasiki, u qolgan barcha shunday chiziqli kombinatsiyalar orasida eng katta dispersiyaga ega bo‘lishi kerak. · o’rganilayotgan x ko’rsatkichlar sistemasining k-bosh komponentasi y1(x) ushbu ko’rshatkichlardan tuzilgan normallashgan, markazlashtirilgan shunday chiziqli kombinatsiyasiki, u oldingi k-1 bosh komponentalar bilan korrelyatsiyalanmagan va qolgan barcha normallashgan, markazlashtirilgan va korrelyatsiyalanmagan oldingi k-1 chiziqli kombinatsiyalar orasida eng katta dispersiyaga egadir. uning mohiyati quyidagicha. ushbu (1) yoki matritsa …

lishi kerak (4) (4) tenglama λ ga nisbatan m ta tenglamalardan iborat bo‘lib, b – matritsaning xos sonlaridan iborat bo‘lgan yechimlarga ega. turli xos sonlarga mos keluvchi xos vektorlar ortogonal, shuning uchun matritsa normallangan xos vektorlardan tuzilgan bo‘lganligi uchun ham ortogonal matritsadir. ortogonal matritsa koordinatalar o‘qini burishni anglatadi. shuning uchun, markazlashtirilgan boshlang‘ich ko‘rsatkichlarni ortogonal matritsa yordamida chiziqli almashtirish koordinatalar o‘qini burishni anglatadi: , (5) hosil bo‘lgan yangi ko‘rsatkichlar korrelatsiyalanmagan bo‘ladi. haqiqatan ham, (5) ga asosan ko‘rsatkichlar markazlashtirilgan bo‘lgani uchun . demak, , , . ortogonal almashtirish masofani saqlaydi, shu sababli . demak, boshlang‘ich ko‘rsatkichlarni barcha dispersiyasi normallashmagan bosh komponentalar dispersiyasiga tengdir: . (6) oxirgi tenglikdan ko‘rinadiki, boshlang‘ich ko‘rsatkichlarning barcha dispersiyasi xos sonlar yig‘indisiga teng ekan. bosh komponentalar usulida xos sonlar tartiblanadi . amaliyotda katta xos sonlarga mos keluvchi bir necha bosh komponentalar bilan ish ko‘riladi. bunga asos bo‘lib (6) tenglik xizmat qiladi, ya’ni boshlang‘ich ko‘rsatkichlarning dispersiyasi shu xos sonlar yig‘indisiga …

Ko'proq o'qimoqchimisiz?

Faylni Telegram orqali bepul yuklab oling.

To'liq faylni yuklab olish

"ko‘p o‘lchovli statistik tahlil usullari" haqida

1447858038_62296.doc 1 n iiijjii j xaafv e = =++ å i i a mx = ij a i e m i ,..., 2 , 1 = i n k j mf j ,..., 2 , 1 , 0 = = m i m i ,..., 2 , 1 , 0 = = e k j mf j ,..., 2 , 1 , 1 2 = = m i m i ,..., 2 , 1 , 1 2 = = e , , 0 j j f mf j j ¢ ¹ = ¢ , , 0 i i m i i ¢ ¹ = ¢ e e 0 = ¢ j j mf e k j j ,... 2 , …

DOC format, 178,5 KB. "ko‘p o‘lchovli statistik tahlil usullari"ni yuklab olish uchun chap tomondagi Telegram tugmasini bosing.

Teglar: ko‘p o‘lchovli statistik tahlil… DOC Bepul yuklash Telegram