JOURNAL OF IQRO – ЖУРНАЛ ИҚРО – IQRO JURNALI – volume 17, issue 01, 2025
ISSN: 2181-4341, IMPACT FACTOR ( RESEARCH BIB ) – 7,245, SJIF – 5,431
ILMIY METODIK JURNAL
Bobonorova Hulkar Anvarjon qizi
Toshkent davlat iqtisodiyot universiteti
2-bosqich talabasi
STATISTIK TAHLILNING DATA SCIENCE RIVOJIDAGI ROLI
Annotatsiya:
Mazkur maqolada statistik tahlilning zamonaviy Data Science sohasidagi o‘rni va
ahamiyati chuqur tahlil qilinadi. Unda statistik yondashuvlar Data Science metodologiyasining
asosiy komponenti sifatida ko‘rib chiqilib, eksplorativ tahlil, gipoteza sinovlari, regressiya
modellari va baholash mezonlari orqali ma’lumotlar bilan ishlash samaradorligini oshirishi
yoritiladi. Shuningdek, O‘zbekiston sharoitida statistik tahlil va Data Science integratsiyasini
kengaytirish yo‘nalishlari, mutaxassislar tayyorlash va ochiq ma’lumotlar infratuzilmasini
rivojlantirish bo‘yicha takliflar ilgari suriladi.
Kalit so‘zlar:
statistik tahlil, Data Science, eksplorativ tahlil, regressiya, gipoteza sinovi,
ma’lumotlar tahlili.
Аннотация:
В статье подробно рассматривается роль статистического анализа в развитии
современной области Data Science. Показано, как статистические подходы выступают в
качестве ключевого элемента методологии Data Science, обеспечивая эффективность
работы с данными через описательный анализ, проверку гипотез, регрессионные модели и
критерии оценки. Также предложены рекомендации по развитию интеграции статистики и
Data Science в Узбекистане, включая подготовку специалистов и расширение
инфраструктуры открытых данных.
Ключевые слова:
статистический анализ, Data Science, описательный анализ, регрессия,
проверка гипотез, анализ данных.
Abstract:
This article provides an in-depth analysis of the role of statistical analysis in the
development of modern Data Science. It highlights how statistical approaches serve as a core
component of Data Science methodology, enhancing the effectiveness of data processing through
exploratory analysis, hypothesis testing, regression modeling, and evaluation metrics. The paper
also outlines recommendations for expanding the integration of statistical analysis and Data
Science in Uzbekistan, including professional training and the development of open data
infrastructure.
Keywords:
statistical analysis, Data Science, exploratory analysis, regression, hypothesis testing,
data analysis.
Kirish
Zamonaviy raqamli inqilob sharoitida axborot oqimining keskin oshishi bilan bir qatorda,
ma’lumotlarni chuqur tahlil qilish, ularni iqtisodiy, ijtimoiy va texnologik qarorlar qabul qilishda
samarali qo‘llash zarurati ham ortib bormoqda. Ayniqsa, Data Science, ya’ni ma’lumotlar
fanining shakllanishi va rivojlanishi turli sohalarda tahliliy yondashuvlarni tubdan yangilashga
xizmat qilmoqda. Bunda statistik tahlil asosiy metodologik poydevor sifatida muhim rol
o‘ynaydi.
JOURNAL OF IQRO – ЖУРНАЛ ИҚРО – IQRO JURNALI – volume 17, issue 01, 2025
ISSN: 2181-4341, IMPACT FACTOR ( RESEARCH BIB ) – 7,245, SJIF – 5,431
ILMIY METODIK JURNAL
Statistika qadimdan insoniyat faoliyatining turli jabhalarida qarorlar qabul qilish, tendensiyalarni
aniqlash va prognozlar tuzishda muhim vosita bo‘lib kelgan. Hozirda esa u Data Science’ning
asosiy komponentlaridan biri sifatida yangi ahamiyat kasb etmoqda. Ma’lumotlarni yig‘ish,
ularni tozalash, tasniflash, vizualizatsiya qilish hamda model yaratish jarayonlarida statistik
usullarning qo‘llanishi Data Science’ning ilmiy asoslangan, ishonchli va takrorlanadigan
xulosalar berishiga xizmat qiladi.
Data Science faqat texnologik jarayon emas, balki zamonaviy analitik tafakkurni
shakllantiruvchi ko‘p komponentli tizim bo‘lib, unda statistika, dasturlash, sun’iy intellekt,
mashinaviy o‘rganish va domen bilimlari uzviy bog‘langan. Bu tizimda statistik tahlil Data
Science metodologiyasini nazariy asoslar bilan ta’minlab, uning aniqligi, baholash qobiliyati va
qaror qabul qilishdagi ishonchliligini oshiradi. Ayniqsa, eksplorativ ma’lumotlar tahlili (EDA),
gipoteza sinovlari, regressiya modellari va ehtimollar nazariyasi kabi statistik yondashuvlar katta
hajmdagi ma’lumotlar bilan ishlashda Data Science mutaxassislarining ajralmas quroliga
aylangan.
Ushbu maqolada statistik tahlilning Data Science rivojidagi o‘rni, uning nazariy va amaliy
jihatlari, statistik yondashuvlar yordamida erishilayotgan ilmiy va amaliy yutuqlar, shuningdek,
O‘zbekiston sharoitida bu sohaning rivojlanish istiqbollari tahlil qilinadi. Maqolaning asosiy
maqsadi — statistik metodlarning Data Science ekotizimidagi ahamiyatini ochib berish va bu
boradagi zamonaviy yondashuvlarni tahlil qilish orqali soha mutaxassislari uchun ilmiy
asoslangan xulosalar va tavsiyalar ishlab chiqishdan iborat.
Mavzuga oid adabiyotlar sharhi
Statistik tahlil Data Science sohasining shakllanishida va rivojlanishida fundamental rol o‘ynaydi.
Bu yondashuv ilmiy jamoatchilik tomonidan Data Science metodologiyasining poydevori
sifatida e’tirof etilgan. Ma’lumotlar asosida qaror qabul qilish, bashorat modellarini qurish va
murakkab tizimlar xatti-harakatini tushunishda statistik usullar hal qiluvchi ahamiyat kasb etadi
(1-jadval).
1-jadval. Statistik tahlilning Data Science rivojidagi o‘rnini yorituvchi zamonaviy ilmiy
manbalar tahlili
№ Maqola nomi /
Mualliflar
Tadqiqot
yondashu
vi
Qo‘llanga
n statistik
metodlar
Amaliy
soha
Asosiy
natijalar
1
Importance
of
statistics to data
science / V.
Jalajakshi
Konseptua
l
tahlil,
statistik
asoslarni
ko‘rib
chiqish
Tavsiflovc
hi
statistika,
EDA,
regressiya
Umumiy
Data
Science
Statistik
yondashuvlar
DS
metodologiya
sining asosi
sifatida
ajratilgan
2
Statistical
Modeling: The
Two Cultures /
L. Breiman
Nazariy
tahlil, ikki
yondashuv
taqqoslash
Regressiya
,
ehtimollik
modellasht
irish
Statistik
nazariya,
ilmiy
metodologi
ya
Algoritmik
yondashuv
statistik
modelingni
to‘ldiradi
JOURNAL OF IQRO – ЖУРНАЛ ИҚРО – IQRO JURNALI – volume 17, issue 01, 2025
ISSN: 2181-4341, IMPACT FACTOR ( RESEARCH BIB ) – 7,245, SJIF – 5,431
ILMIY METODIK JURNAL
3
Tidy Data / H.
Wickham
Ma’lumotl
ar
strukturasi
ni
tizimlashti
rish
Formatlas
h,
normalizat
siya,
strukturavi
y tozalash
Data
munging, R
dasturlash
Tidy format
statistik tahlil
samaradorligi
ni oshiradi
4
Data
Analysis
Using
Regression and
Multilevel/Hiera
rchical Models /
Gelman, Hill
Ko‘p
darajali
modellasht
irish
Multilevel
regressiya,
bayes
tahlil
Ijtimoiy
fanlar,
siyosatshun
oslik
Statistik
modellar
ijtimoiy
tizimlarni
tahlil qilishda
ishonchli
5
Exploratory data
analysis
(EDA)... / Da
Poian
va
boshqalar
Eksperime
ntal EDA
va
ML
integratsiy
asi
Klasterlas
h, outlier
tahlili,
korrelyatsi
ya
Ocean
mass-
spektromet
riya, ilmiy
tajribalar
Statistik EDA
ML asosida
bashoratni
kuchaytiradi
6
On the relation
between
data
science
and
statistics / A.
Meister
Falsafiy
va
metodolog
ik tahlil
Tavsiflovc
hi
va
ehtimollik
yondashuv
lari
Nazariya,
metodologi
ya
DS
statistikasiz
rivojlana
olmaydi, ular
integratsiyala
shgan
7
Computational
Statistics
and
Data Science... /
Holbrook
va
boshqalar
Hisoblash
statistikasi
va
DS
yondashuv
i
Simulyatsi
ya, model
validatsiya
si
Sog‘liqni
saqlash,
moliya,
biologiya
Statistik
hisoblash
metodlari
DSda muhim
strategik
vosita
8
The Landscape
of R Packages
for Automated
EDA / Staniak,
Biecek
Texnologi
k tahlil, R
paketlari
solishtiruv
i
EDA
metrikalari
,
grafik
tahlil
Dasturiy
muhitlar,
texnik
tahlil
Avtomatik
statistik tahlil
samaradorlikn
i oshiradi
9
Introduction to
Data Science /
J.M. Stanton
Boshlang‘i
ch ta’limiy
tahlil
Tavsiflovc
hi
statistika,
ehtimollik,
inferensiy
a
Ta’lim,
ma’lumotla
r analitikasi
Statistik
asosli
DS
o‘qitilishi
muhim
va
zarur
1
0
Data
Science
and Analytics... /
I.H. Sarker va
boshqalar
Umumiy
sharh va
integratsio
n tahlil
Korrelyats
iya,
regressiya,
statistik
vizualizats
iya
Katta
ma’lumotla
r, tibbiyot,
biznes
Statistik tahlil
analitik
qarorlar
asosini
belgilaydi
JOURNAL OF IQRO – ЖУРНАЛ ИҚРО – IQRO JURNALI – volume 17, issue 01, 2025
ISSN: 2181-4341, IMPACT FACTOR ( RESEARCH BIB ) – 7,245, SJIF – 5,431
ILMIY METODIK JURNAL
Yuqoridagi jadvalda statistik tahlilning Data Science sohasidagi o‘rnini chuqur va ko‘p qirrali
yoritgan 10 ta zamonaviy va nufuzli ilmiy manba asosida umumlashtirilgan tahliliy yondashuvlar,
metodlar, sohalar va natijalar keltirilgan. Tahlil shuni ko‘rsatadiki, statistik tahlil Data Science
metodologiyasining ajralmas tarkibiy qismi sifatida nafaqat nazariy, balki amaliy jihatdan ham
yetakchi rolni egallaydi.
Masalan, Trevor Hastie va jamoasining ishlari Data Science metodlarining statistik ildizlariga
urg‘u bersa, Leo Breimanning yondashuvi statistik modeling va algoritmik tahlil o‘rtasidagi
qarama-qarshilikni ochib bergan. Hadley Wickhamning “Tidy Data” konsepsiyasi esa statistik
tahlilni amaliy muhitda, ayniqsa R dasturlash tilida, yanada funksional va qulay qiladi. Gelman
va Hillning ko‘p darajali regressiyalari esa statistik modellashtirishning ijtimoiy fanlar va siyosiy
tahlilda qanchalik samarali ishlashini isbotlagan.
Ko‘plab maqolalarda EDA (exploratory data analysis)ning statistik asoslari chuqur ochib
berilgan. Ayniqsa Da Poian va hamkasblari tomonidan o‘tkazilgan tajribaviy tahlil statistik
metodlarning sun’iy intellekt bilan integratsiyasi orqali qanday kuchli bashoratlar berishi
mumkinligini ko‘rsatadi. Holbrook va Staniak tadqiqotlarida esa hisoblash statistikasi va
avtomatlashtirilgan EDA vositalari orqali Data Science samaradorligini oshirish yoritilgan.
Umuman olganda, ushbu manbalar asosida tuzilgan jadval statistik tahlilning Data Science
rivojidagi o‘rni nafaqat nazariy asos, balki amaliy dasturiy va sohaviy vosita sifatida ham
ustuvorligini isbotlaydi. Bu esa ushbu yondashuvni ta’lim, ilm-fan va innovatsion tahlil
markazlarida kengroq tatbiq etish zaruratini yuzaga chiqaradi.
Tadqiqot metodologiyasi
Ushbu tadqiqotda ma’lumotlar ilmiy maqolalar, statistik hisobotlar va xalqaro Data Science
amaliyotlaridan olingan. Ma’lumotlar kontent tahlili orqali o‘rganilib, statistik usullar, jumladan
korrelyatsion tahlil va regressiya modellashtirish asosida chuqur tahlil qilindi. Shuningdek, ilg‘or
ilmiy adabiyotlar taqqoslash asosida tahliliy yondashuv bilan o‘rganildi.
Tahlil va natijalar
Statistik tahlil zamonaviy Data Science (ma’lumotlar fani) sohasining metodologik, amaliy va
nazariy asoslaridan biridir. Bugungi kunda Data Science nafaqat texnik yo‘nalishdagi vosita,
balki tahliliy fikrlash, qaror qabul qilish, bashorat qilish, va murakkab muammolarni yechish
bo‘yicha ko‘p komponentli ilmiy yondashuv sifatida shakllangan. Aynan statistik tahlil ushbu
fan sohasining poydevorini tashkil qiladi, chunki har qanday model yoki algoritmning ortida
statistik tushunchalar, nazariyalar va baholash mezonlari mavjud. Data Science'ning sun’iy
intellekt, mashinaviy o‘rganish va katta hajmdagi ma’lumotlar bilan ishlash bo‘yicha zamonaviy
yutuqlari aynan statistik yondashuvlar orqali ishonchlilik va samaradorlik kasb etadi.
Statistik tahlilning Data Science rivojidagi birinchi va eng asosiy roli – bu ma’lumotlar bilan
ishlashdagi nazariy yondashuvni shakllantirishdir. Har qanday Data Science loyihasi
ma’lumotlar yig‘ish, tozalash, tahlil qilish va natijalar chiqarish bosqichlarini o‘z ichiga oladi.
Ushbu bosqichlarning har biri statistik prinsiplar asosida olib boriladi. Masalan, ma’lumotlar
yig‘ishda vakillik, tanlanma hajmi, ehtimollik asosidagi tanlash strategiyalari statistik metodlarga
asoslanadi. Bu jarayonlarning to‘g‘ri tashkil etilishi yakuniy tahlilning aniqligini va
umumlashtirish imkoniyatlarini ta’minlaydi.
JOURNAL OF IQRO – ЖУРНАЛ ИҚРО – IQRO JURNALI – volume 17, issue 01, 2025
ISSN: 2181-4341, IMPACT FACTOR ( RESEARCH BIB ) – 7,245, SJIF – 5,431
ILMIY METODIK JURNAL
Ikkinchi muhim jihat – eksplorativ ma’lumotlar tahlili (EDA)da statistik yondashuvlarning
markaziy o‘rni. EDA Data Science’ning boshlang‘ich bosqichida ma’lumotlar strukturasini
tushunish, anomaliyalarni aniqlash, tendensiyalarni ko‘rish va vizual tahlil qilish uchun
ishlatiladi. Ushbu jarayonda statistik tavsiflovchi ko‘rsatkichlar – o‘rtacha qiymat, median, mod,
dispersiya, standarti og‘ish, kvartillar kabi tushunchalar asosiy o‘rin tutadi. Bu ko‘rsatkichlar
ma’lumotlar to‘plamining ichki tuzilmasini ochib beradi va keyingi modellash jarayonining
strategiyasini belgilashga yordam beradi.
Statistik tahlil Data Science’da bashorat va klassifikatsiya modellarini qurishda ham ajralmas
vosita hisoblanadi. Masalan, lineyer regressiya, logistika regressiyasi, Naive Bayes klassifikatori,
k-means klasterlash, principal component analysis (PCA) kabi asosiy modellar statistikaning
amaliy yutuqlaridir. Ular vaqt o‘tishi bilan Data Science ekotizimining markaziga aylandi.
Bunday modellarni yaratishda va baholashda statistik mezonlar, jumladan R-kvadrat, p-qiymat,
F-statistika, konfidentsial intervallar, standart xatoliklar qo‘llaniladi. Bu esa har qanday tahlil
natijasining ishonchliligi va ilmiy asoslanganligini ta’minlaydi.
Shuningdek, statistik gipoteza sinovlari Data Science amaliyotida muhim vositadir. Gipoteza
sinovlari tajribaviy tahlillarda nazariy farazlarni tekshirish, modelning haqiqiylik darajasini
baholash va yangi yondashuvlarning ahamiyatlilik darajasini aniqlash uchun qo‘llaniladi. Ushbu
sinovlar yordamida Data Science mutaxassislari tahlil natijalarini statistika nazariyasi asosida
izohlab, ilmiy qarorlar chiqaradilar. Misol uchun, A/B testlashlar internet marketing, UI/UX
dizayn, mobil ilovalar samaradorligini baholashda keng qo‘llaniladi va aynan statistik gipoteza
sinovlariga asoslanadi.
Data Science'dagi muhim bosqichlardan yana biri – bashorat qilish (prediction) va modelni
baholashdir. Bunda statistik usullarning ahamiyati yana bir bor o‘zini namoyon etadi. Har
qanday bashorat modeli – u oddiy regressiya bo‘ladimi yoki sun’iy neyron tarmoq – statistik
xatoliklar, o‘rganilgan andoza va tasodifiylik elementlari orqali tahlil qilinadi. Modellarning
generalizatsiya qobiliyati – ya’ni yangi ma’lumotlarda ham aniq ishlashi – aynan statistik
mezonlar bilan baholanadi. Kross-validatsiya, RMSE (root mean squared error), MAE (mean
absolute error), AIC, BIC kabi ko‘rsatkichlar statistik yondashuvning Data Science’da naqadar
chuqur ildiz otganini ko‘rsatadi.
Shu bilan birga, statistik tahlil Data Science’da ma’lumotlar to‘plamining sifati va tayyorgarlik
darajasini baholashda ham alohida rol o‘ynaydi. Ma’lumotlardagi yo‘qotilgan qiymatlar, ayirma
(outliers), o‘lchov birliklarining farqlari, nomutanosib taqsimotlar kabi muammolar statistik
usullar yordamida aniqlanadi va to‘g‘rilanadi. Misol uchun, imputatsiya usullari,
transformatsiyalar (logarifmik, Box-Cox), standartlashtirish, normalizatsiya – bular barchasi
statistik tamoyillarga asoslanadi.
Statistik tahlil shuningdek Data Science’da ehtimollik nazariyasiga asoslangan bayes
yondashuvini rivojlantirishda ham hal qiluvchi ahamiyat kasb etadi. Bayes statistikasi bugungi
kunda sun’iy intellekt, tavsiya tizimlari, xavf tahlili, moliyaviy modellashtirish, sog‘liqni saqlash
tizimida xavf bahosi kabi ko‘plab sohalarda keng qo‘llaniladi. Bu yondashuv yordamida
ma’lumotlarga nisbatan dastlabki qarashlar (prior) va ularning yangilanishi (posterior) orqali
natijalar ishlab chiqiladi, bu esa noaniqlik sharoitida ishonchli qaror qabul qilish imkonini beradi.
Data Science’da statistik tahlil nafaqat texnik vosita, balki analitik tafakkur vositasi sifatida ham
faol ishlatiladi. Analitik qaror qabul qilishda statistik tafakkur – ya’ni sabab–natija bog‘liqligini
tushunish, o‘zgaruvchilar o‘rtasidagi munosabatni baholash, xavf va ehtimollikni hisobga olish –
Data Science mutaxassisining asosiy kompetensiyalaridan biridir. Bu holat ayniqsa sog‘liqni
JOURNAL OF IQRO – ЖУРНАЛ ИҚРО – IQRO JURNALI – volume 17, issue 01, 2025
ISSN: 2181-4341, IMPACT FACTOR ( RESEARCH BIB ) – 7,245, SJIF – 5,431
ILMIY METODIK JURNAL
saqlash, moliya, ishlab chiqarish, ijtimoiy siyosat, marketing va logistika sohalarida statistik
tahlilni Data Science’mavjudlik mezoniga aylantiradi.
Zamonaviy Data Science texnologiyalarida, jumladan R, Python, Julia kabi dasturlash tillarida
statistik modellar uchun boy kutubxonalar mavjud. Misol uchun, Python’dagi statsmodels, scikit-
learn, SciPy modullari, R’dagi caret, glm, lme4 paketlari aynan statistik tahlil usullarini samarali
qo‘llash imkonini beradi. Bu kutubxonalar orqali foydalanuvchi statistik modellarni qurish, tahlil
qilish, baholash va vizualizatsiya qilishning butun zanjirini avtomatlashtirilgan tarzda amalga
oshira oladi (2-jadval).
2-jadval. Data Science sohasida statistik tahlilning xalqaro ko‘lamdagi qo‘llanilishi va
tendensiyalari
№
Statistik
yondashuv
turi
Qo‘llanish
sohasi
Integratsi
ya
darajasi
Tahlil
uchun
imkoniyatla
r
1
Tavsiflovch
i statistika,
regressiya,
klasterlash
Moliyaviy
tahlil,
marketing,
tibbiyot
Yuqori
(70%
respondent
statistik
modellarda
n
foydalanad
i)
Algoritmlar
ni
taqqoslash,
EDA
asosida
qaror qabul
qilish
2
Ehtimollik
tahlili,
indikator
monitoringi
Rasmiy
statistika,
demografiy
a, sog‘liqni
saqlash
O‘rta
–
yuqori
(NSO'larni
ng
80%i
DS
strategiyasi
ga ega)
Raqamli
statistik
transformats
iya,
indikatorlar
validatsiyasi
3
Regressiya,
dispersiya
tahlili,
normalizatsi
ya
Yevropa
iqtisodiy
ko‘rsatkichl
ari, bandlik,
texnologiya
Yuqori
(har
bir
dataset
statistik
tavsiflanga
n)
Data
Science
loyihalari
uchun
tayyor
tozalangan
ma’lumotlar
4
Klassifikats
iya,
korrelyatsio
n
tahlil,
bayes
metodlari
Real amaliy
loyihalar,
DS
texnologiya
lar
Yuqori (50
000+ DS
mutaxassis
lar tahlili)
Statistik
metodlardan
foydalanish
darajasini
o‘lchash
1
https://www.sciencedirect.com/science/article/pii/S2666285X22000255
JOURNAL OF IQRO – ЖУРНАЛ ИҚРО – IQRO JURNALI – volume 17, issue 01, 2025
ISSN: 2181-4341, IMPACT FACTOR ( RESEARCH BIB ) – 7,245, SJIF – 5,431
ILMIY METODIK JURNAL
5
O‘rtacha
tendensiya
tahlili,
baholovchi
modellar
Sanoat
tahlili, AI
samaradorli
gi
O‘rta
(statistik
xulosa
asosida
siyosiy
tavsiyalar)
DS
investitsiya
rentabelligin
i
statistik
asoslash
6
Indikator
monitoringi
,
statistik
profil
yaratish
Hukumat
strategiyasi,
ta’lim,
texnologiya
O‘rta
–
yuqori
(AI/DS
statistik
integratsiy
asi
mavjud)
Statistika
asosida AI
va DS rivoji
bo‘yicha
reytinglar
7
Data
readiness
assessment,
variatsiya
tahlili
Ochiq
ma’lumotla
r ekotizimi
Past – o‘rta
(ko‘p
davlatlarda
statistik
tahlil
komponent
lari
yetishmayd
i)
Ma’lumotlar
to‘plamining
statistik
sifati
va
DSga
tayyorgarligi
8
Ehtimollik
tanlovi,
bayes
statistikasi,
parametrik
testlar
Ijtimoiy
fanlar,
siyosiy
xulq-atvor
tahlili
Yuqori
(standart
statistik
dizayn
asosida)
Ijtimoiy
omillar bilan
DS
modellarini
birlashtirish
imkoniyati
Yuqoridagi jadvalda statistik tahlilning Data Science sohasidagi real va amaliy o‘rnini xalqaro
manbalar asosida ochib berilgan. Jadvaldan ko‘rinib turibdiki, statistik yondashuvlar, jumladan
tavsiflovchi tahlil, regressiya, korrelyatsiya, ehtimollik nazariyasi va bayes metodlari global
miqyosda turli sohalarda faol qo‘llanilmoqda. Rexer Analytics va Kaggle kabi platformalarda
Data Science mutaxassislari statistik modellardan keng foydalanayotgani kuzatiladi. UN va
Eurostat ma’lumotlari esa rasmiy statistikada ham Data Science elementlari joriy etilayotganini
ko‘rsatadi. Ayniqsa, ochiq ma’lumotlar sifatini baholash, indikator monitoringi va AI
samaradorligini o‘lchashda statistik tahlil hal qiluvchi vosita bo‘lib xizmat qiladi. World Values
Survey kabi so‘rovnomalar statistik tanlov va parametrik testlar orqali ijtimoiy ma’lumotlarni
chuqur tahlil qilish imkonini beradi. Umuman olganda, jadvalda keltirilgan barcha manbalar
statistik tahlilning Data Science rivojidagi rolini ishonchli raqamlar va amaliyotga asoslangan
holda tasdiqlaydi. Bu esa mavzuning ilmiy asoslanganligini ta’minlaydi.
O‘zbekiston kontekstida ham statistik tahlil Data Science rivojida muhim rol o‘ynaydi. Xususan,
Davlat statistika qo‘mitasi, Iqtisodiy tadqiqotlar instituti, Raqamli Texnologiyalar vazirligi kabi
tashkilotlarda statistik yondashuv asosida Data Science tahlillari olib borilmoqda. Aholi bandligi,
inflyatsiya darajasi, sog‘liqni saqlash ko‘rsatkichlari, ta’lim tizimi samaradorligi kabi
yo‘nalishlarda statistik tahlil asosida Data Science metodlari qo‘llanilmoqda. Shuningdek, oliy
ta’lim muassasalarida statistik tahlil va Data Science integratsiyasiga asoslangan yangi ta’lim
dasturlari ishlab chiqilmoqda.
JOURNAL OF IQRO – ЖУРНАЛ ИҚРО – IQRO JURNALI – volume 17, issue 01, 2025
ISSN: 2181-4341, IMPACT FACTOR ( RESEARCH BIB ) – 7,245, SJIF – 5,431
ILMIY METODIK JURNAL
Xulosa va takliflar
Statistik tahlil Data Science sohasining nazariy poydevori va amaliy asoslarini shakllantiruvchi
muhim omil hisoblanadi. Ma’lumotlar bilan ishlashda aniqlik, ishonchlilik va interpretatsiya
imkonini beruvchi vosita sifatida u barcha analitik jarayonlarning negizini tashkil etadi. Statistik
yondashuvsiz hech bir Data Science modeli to‘liq va ishonchli deb qaralishi mumkin emas.
Shuning uchun ham zamonaviy tahlil metodlari, jumladan mashinaviy o‘rganish va sun’iy
intellekt texnologiyalarida statistik asoslarning chuqur singdirilishi talab etiladi.
Sohani rivojlantirish uchun birinchi navbatda statistik tahlilni Data Science ta’lim dasturlariga
chuqur integratsiya qilish, nazariya bilan amaliyot o‘rtasidagi tafovutni qisqartirish zarur.
O‘zbekiston sharoitida esa yuqori malakali statistik tahlilchilar va Data Science mutaxassislarini
tayyorlash, bu yo‘nalishda mahalliy va xalqaro hamkorlikni kengaytirish, davlat statistika
organlari va ilmiy markazlarda zamonaviy statistik platformalarni joriy etish muhim ahamiyat
kasb etadi. Shu bilan birga, ochiq ma’lumotlar infratuzilmasini kengaytirish, axborot
texnologiyalari va statistik modellashni uyg‘unlashtirish orqali raqamli transformatsiya
jarayonlariga ilmiy asoslar bilan yondashuvni kuchaytirish lozim.
Foydalanilgan adabiyotlar ro‘yxati:
1. T. Hastie, R. Tibshirani, J. Friedman. The Elements of Statistical Learning. – New York:
Springer, 2009. – 745 p.
2. L. Breiman. Statistical Modeling: The Two Cultures. – Statistical Science, Vol. 16, No. 3. –
Institute of Mathematical Statistics, 2001. – P. 199–231.
3. A. Gelman, J. Hill. Data Analysis Using Regression and Multilevel/Hierarchical Models. –
Cambridge: Cambridge University Press, 2006. – 625 p.
4. R. Koenker. Quantile Regression. – Cambridge: Cambridge University Press, 2005. – 366 p.
5. H. Wickham. Tidy Data. – Journal of Statistical Software, Vol. 59, Issue 10, 2014. – P. 1–23.
6. J.M. Stanton. Introduction to Data Science. – Syracuse: Syracuse University Press, 2012. –
160 p.
7. G. James, D. Witten, T. Hastie, R. Tibshirani. An Introduction to Statistical Learning. –
New York: Springer, 2013. – 426 p.
8. P. Bruce, A. Bruce. Practical Statistics for Data Scientists. – Beijing: O’Reilly Media, 2017.
– 318 p.
9. https://www.sciencedirect.com/science/article/pii/S2666285X22000255
