Islom karimov nomidagi toshkent davlat texnika universiteti issiqlik energetika fakulteti mustaqil ish

Ridge regression tahlili: Ridge regressiyasi oddiy eng kichik kvadrat usuliga asoslangan bo'lib, u multikollinearlik ma'lumotlarini tahlil qilish uchun ishlatiladi (mustaqil o'zgaruvchilar yuqori korrelyatsiya qilingan ma'lumotlar). Kollinearlikni o'zgaruvchilar orasidagi chiziqqa yaqin munosabat sifatida tushuntirish mumkin. Har doim multikollinearlik mavjud bo'lganda, eng kichik kvadratlarni baholash xolis bo'ladi; ammo, agar ular orasidagi farq kattaroq bo'lsa, u haqiqiy qiymatdan uzoqroq bo'lishi mumkin. Shu bilan birga, tizma regressiyasi ishonchliroq hisob-kitoblarni ta'minlash maqsadida regressiya baholariga ma'lum darajada noto'g'ri qo'shish orqali standart xatolarni yo'q qiladi.

E'tibor bering, tizma regressiyasi orqali olingan taxminlar eng kichik kvadratli regressiyaga o'xshaydi, farq faqat normallikdir. Garchi koeffitsientning qiymati tizma regressiyasida toraygan bo'lsa-da, u hech qachon nolga etib bormaydi, bu o'zgaruvchilarni tanlash imkonsizligini ko'rsatadi.

Misol: Aytaylik, siz yaqin atrofdagi tadbirda ikkita gitarachining jonli ijro etishidan aqldan ozgansiz va kim yaxshiroq gitarachi ekanligini bilish niyatida ularning chiqishlarini tomosha qilishga borasiz. Ammo ijro boshlanganda, ikkalasi ham bir vaqtning o'zida qora-ko'k notalar o'ynayotganini sezasiz. Ularning ikkalasi ham baland ovozda va tez o'ynayotganda ovozga eng katta ta'sir ko'rsatadigan eng yaxshi gitarachini topish mumkinmi? Ularning ikkalasi ham turli xil notalar o'ynaganligi sababli, ularni farqlash sezilarli darajada qiyin, bu uni multikollinearlikning eng yaxshi holatiga aylantiradi, bu esa o'z navbatida koeffitsientlarning standart xatolarini oshirish tendentsiyasiga ega. Ridj regressiyasi bu kabi holatlarda multikollinearlikni ko'rib chiqadi va natijalarni olish uchun egilish yoki qisqarishni baholashni o'z ichiga oladi.