Abstract
Ushbu maqolada katta ma’lumotlar (Big Data) tahlili va an’anaviy statistik usullar o‘rtasidagi asosiy farqlar empirik asosda o‘rganiladi. So‘nggi yillarda ma’lumotlar hajmi va murakkabligining oshib borishi statistik tahlilning klassik yondashuvlariga – jumladan, tanlama asosida xulosa chiqarish, modelga tayangan tushuntirish va statistik ishonchlilik – kabi tamoyillarga jiddiy chaqiriq tashlamoqda. Ayni paytda ilmiy adabiyotda ushbu ikki yondashuvdan qachon va qanday sharoitda samarali foydalanish mumkinligi borasida aniq tavsiyalar yetarli emas.Maqolada aynan shu bo‘shliqni to‘ldirish maqsadida, iqtisodiyot va sog‘liqni saqlash sohalaridagi ochiq manbalardan olingan real ma’lumotlar asosida an’anaviy statistik metodlar (t-test, chiziqli regressiya) hamda Big Data usullari (Random Forest, sun’iy neyron tarmoqlar) o‘zaro qiyosiy tahlil qilindi. Har bir yondashuv prognozlash aniqligi, sabab-oqibat munosabatlarini tushuntirish qobiliyati va umumlashtirish imkoniyati kabi mezonlar asosida baholandi.Tadqiqot natijalari shuni ko‘rsatdiki, katta va murakkab ma’lumotlar kontekstida prognozlash vazifalarida Big Data yondashuvlari yuqori aniqlikni ta’minlasa-da, kichikroq va tuzilgan tanlamalar asosida olib borilgan tahlillarda sabab-oqibat aloqalarini aniqlashda klassik statistik metodlar ustunlik qiladi.Xulosa shuki, bu ikki yondashuvni raqobatchi emas, balki bir-birini to‘ldiruvchi vositalar sifatida ko‘rish lozim. Ularni tanlashda muammo xususiyati, ma’lumot hajmi va tahlil maqsadi – prognozlashmi yoki tushuntirishmi – hal qiluvchi rol o‘ynaydi. Bu esa statistik tahlilda muvozanatli va kontekstga mos strategiyalar ishlab chiqish uchun muhim asos bo‘lib xizmat qiladi.