Ключевые слова
Аннотация
Ushbu maqola ko‘p o‘zgaruvchili statistik modellarni ehtimollik nazariyasining asosiy tushunchalari bilan uzviy bog‘lab, ularning nazariy asoslari va amaliy qo‘llanish mantiqini tizimli yoritishga qaratilgan. Tadqiqotning maqsadi birgalikdagi taqsimotlar, shartli ehtimolliklar, kovariatsiya tuzilmalari hamda yashirin omillar orqali quriladigan modellar sinfining yagona probabilistik izohini berish va tanlash mezonlarini asoslashdan iborat. Metodologiya sifatida vektor tasodifiy kattaliklar nazariyasi, maksimal ehtimollik va Bayes yondashuvlari, identifikatsiya va regularizatsiya tamoyillari, shuningdek asimptotik yaqinlashuvlar qo‘llanildi. Ilmiy yangilik ko‘p o‘zgaruvchili regressiya, kovariatsiya modellashtirish, aralashmalar va latent tuzilmalarni birlashtiruvchi ehtimollik asosidagi konseptual ramka taklif qilinishida, shuningdek yuqori o‘lchamli sharoitda barqaror baholash va model mosligini tekshirish bo‘yicha izchil mezonlar bayon etilishida namoyon bo‘ladi.
Библиографические ссылки
Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. New York, Springer, 2009. 745 p.
Vahobov A. A., Karimov S. B. Matematik statistika va ehtimollik nazariyasi asoslari. Toshkent, O‘zbekiston, 2019. 384 b.
Anderson T. W. An Introduction to Multivariate Statistical Analysis. New York, Wiley, 2003. 752 p.
G‘aniev B. T., Qodirov D. R. Ko‘p o‘zgaruvchili regressiya va korrelyatsion tahlil usullari. Samarqand, Samarqand universiteti nashriyoti, 2020. 256 b.
Bishop C. M. Pattern Recognition and Machine Learning. New York, Springer, 2006. 738 p.
Gelman A., Carlin J. B., Stern H. S., Dunson D. B., Vehtari A., Rubin D. B. Bayesian Data Analysis. Boca Raton, CRC Press, 2013. 675 p.
Lorana D., Loran M. Graficheskie modeli: teoriya i prilojeniya. Moskva, Fizmatlit, 2011. 412 s.