meeleolu. Viimaste aastate tuntumateks töödeks on veel ,,Peetruse ärasalgamine" ja ,,Juudi pruut" Rijksmuseumis, ,,Jaakobit õnnistamas" ning ,,Perekonna portreed" Braunschwaigi muuseumis. Nende iseloomustavaks tegureiks on võimas ja suur vormikujundus, vaba ja laia pintslilöögiga maalimistehnika ning vabalt sädelevad ning värelevad värvid ehkki iga pildi loomisel on tarvitatud väga piiratud hulka toone. Esile kerkivaks on kollane ja pruun kõikvõimalikes varjundites. Maalija luigelauluks sai 1669. aastal valmistatud kompositsioon ,,Kadunud poja tagasitulek". See on vapustav varjamatus naturalismis, dramaatilisuses ja ilmekuses. Kunstnik on rõhutanud kõikeandestavat armastust kannatava ja alandatud inimese vastu- idee, mida Rembrandt on kaasas kandnud läbi elu, leiab siin kõrgeima, täiusliku väljenduse. Just sel
muutujatesX1, X2, -;Xn oleva informatsiooni ümberpaiknemine esimestesse komponentidesse.Ülejäänud komponendid sisaldavad esialgsete sõltumatute muutujatega võrreldes tunduvalt vähem informatsiooni. Seetõttu edasine analüüs teostatakse esimeste ehk peamiste komponentide baasil. Olgu nende komponentide arv m- siit ka meetodi nimetus -; peamiste komponentide meetod. Puudused: Esiteks saadud komponente on sisuliselt raske tõlgendada. Teiseks peamiste komponenti kasutamisel üles kerkivaks probleemiks on edaspidises analüüsis kasutatav komponentide arv. Peale selle, kui peamised komponendid on leitud, tehakse tavaline regressioonianalüüs,mille korral sõltumatuteks muutujateks on peamised komponendid. Regressioonivõrrandile antakse sobiv kuju. Saadud hinnangud on oma olemuselt nihutatud hinnangud,st. nimetatud hinnangute kui juhusliku suuruse keskbvväärtus ei lange kokku otsitava parameetri tegeliku väärtusega. Kuid saadud hinnangud on stabiilsed,st
suurusteks ehk komponentideks. Kõigepealt leitakse esimene komponent K1. Seejärel leitakse lineaarse teisenduse abil teine komponent K2. Edasi leitakse kolmas, neljas jne komponendid. Peamiste komponentide meetodi kasutamise korral on kaks "aga". Esiteks saadud komponente on sisuliselt raske tõlgendada. See asjaolu on tähtis siis, kui peamisi komponente käsitletakse eraldi analüüsiobjektina. Teiseks peamiste komponentide kasutamisel üles kerkivaks probleemiks on edaspidises analüüsis kasutatav komponentide arv. Regressioonivõrrandi kordajad on efektiivsed seetõttu, et peamised komponendid rahuldavad kõiki klassikalise regressioonanalüüsi eeldusi (komponendid on ortogonaalsed, peamiste komponentide varieeruvus on suurim). 1. Teoreetiliselt peaksid kõik variandid andma regressioonikordaja a = 1. Kui sõltumatute muutujate vahel ei esine multikollineaarsust, siis peamiste
annaabi.ee 
