کتاب کاربرد MCMC با Stan در تحلیل‌های آماری
, ,

کتاب کاربرد MCMC با Stan در تحلیل‌های آماری

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000030476 دسته: , , برچسب: , , , , , , , , ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب کاربرد MCMC با Stan در تحلیل‌های آماری

موضوع کلی: روش‌های نمونه‌گیری مونت‌کارلو مارکوف (MCMC) در آمار بیزی

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر مدل سازی آماری بیزی
  • 2. مقدمه ای بر نمونه گیری مارکوف چین (MCMC)
  • 3. مقدمه ای بر Stan
  • 4. چرا MCMC؟
  • 5. چرا Stan؟
  • 6. مزایای MCMC در تحلیل های آماری
  • 7. مزایای Stan برای مدل سازی آماری
  • 8. مفاهیم اصلی مدل سازی بیزی
  • 9. احتمال پیشین
  • 10. احتمال درستنمایی
  • 11. احتمال پسین
  • 12. قضیه بیز
  • 13. تفسیر بیزی در مقابل فراوانی
  • 14. انواع مدل های آماری
  • 15. مدل های خطی
  • 16. مدل های رگرسیون
  • 17. مدل های سلسله مراتبی
  • 18. مدل های فضایی
  • 19. مدل های سری زمانی
  • 20. مدل های استنتاجی
  • 21. مدل های پیش بینی کننده
  • 22. مفاهیم اصلی MCMC
  • 23. فرآیندهای مارکوف
  • 24. زنجیره مارکوف
  • 25. جذب و حالت پایدار
  • 26. قضیه حد مرکزی برای زنجیره های مارکوف
  • 27. الگوریتم های MCMC
  • 28. Metropolis-Hastings
  • 29. Gibbs Sampling
  • 30. Hamiltonian Monte Carlo (HMC)
  • 31. No-U-Turn Sampler (NUTS)
  • 32. مقایسه الگوریتم های MCMC
  • 33. معیارهای ارزیابی کیفیت نمونه ها
  • 34. همگرایی
  • 35. گرفتگی (Burn-in)
  • 36. اثر واریانس کاهش یافته (Effective Sample Size – ESS)
  • 37. R-hat statistic
  • 38. Trace plots
  • 39. Autocorrelation plots
  • 40. تشخیص عدم همگرایی
  • 41. ابزارهای بصری برای ارزیابی MCMC
  • 42. تفسیر نتایج MCMC
  • 43. توزیع پسین پارامترها
  • 44. میانگین پسین
  • 45. واریانس پسین
  • 46. فواصل اطمینان بیزی (Credible Intervals)
  • 47. تصویرسازی توزیع پسین
  • 48. کاربرد MCMC در مدل های مختلف
  • 49. رگرسیون خطی بیزی
  • 50. رگرسیون لجستیک بیزی
  • 51. مدل های خطی تعمیم یافته (GLM) بیزی
  • 52. مدل های سلسله مراتبی بیزی
  • 53. مدل های مختلط (Mixed Models) بیزی
  • 54. مدل های مدل های احتمالی (Probabilistic Graphical Models)
  • 55. مدل های سری زمانی بیزی
  • 56. مدل های فضایی بیزی
  • 57. مدل های بقا (Survival Analysis) بیزی
  • 58. تحلیل عاملی بیزی
  • 59. مدل سازی معادلات ساختاری (SEM) بیزی
  • 60. مقدمه ای بر زبان برنامه نویسی Stan
  • 61. نحو Stan
  • 62. انواع متغیرها در Stan
  • 63. توابع احتمال در Stan
  • 64. تعریف مدل ها در Stan
  • 65. بخش model
  • 66. بخش data
  • 67. بخش parameters
  • 68. بخش transformed data
  • 69. بخش transformed parameters
  • 70. بخش generated quantities
  • 71. نوشتن اولین مدل در Stan
  • 72. مدل رگرسیون خطی ساده در Stan
  • 73. مدل رگرسیون لجستیک در Stan
  • 74. مدل های ساده تر با استفاده از Stan
  • 75. مثال های عملی از کاربرد Stan
  • 76. تحلیل داده های زیست پزشکی با Stan
  • 77. تحلیل داده های اقتصادی با Stan
  • 78. تحلیل داده های علوم اجتماعی با Stan
  • 79. تحلیل داده های علوم محیطی با Stan
  • 80. پیش پردازش داده ها برای Stan
  • 81. استانداردسازی داده ها
  • 82. مقیاس بندی داده ها
  • 83. چگونگی انتخاب پیشین های مناسب
  • 84. پیشین های غیر اطلاع دهنده (Non-informative Priors)
  • 85. پیشین های اطلاع دهنده (Informative Priors)
  • 86. تنظیم پارامترهای MCMC در Stan
  • 87. تعداد تکرار (iterations)
  • 88. تعداد زنجیره ها (chains)
  • 89. تعداد مراحل گرم کردن (warmup)
  • 90. تنظیم دقیق پارامترهای NUTS
  • 91. اشکال زدایی مدل های Stan
  • 92. خطاهای کامپایل
  • 93. خطاهای زمان اجرا
  • 94. خطاهای معنایی
  • 95. تکنیک های بهینه سازی مدل های Stan
  • 96. کاهش پیچیدگی مدل
  • 97. استفاده از مدل های از پیش تعریف شده
  • 98. استفاده از توابع کمکی
  • 99. مقایسه مدل های بیزی
  • 100. معیارهای انتخاب مدل

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب کاربرد MCMC با Stan در تحلیل‌های آماری”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا