اپلیکیشن اندرویدی فلش‌کارت آموزشی تحلیل آماری داده‌های گسسته با استفاده از مدل‌های خطی تعمیم‌یافته و جداول توافقی در نرم‌افزارهای SAS و R

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل آماری داده‌های گسسته با استفاده از مدل‌های خطی تعمیم‌یافته و جداول توافقی در نرم‌افزارهای SAS و R

موضوع کلی: تحلیل آماری داده‌های گسسته

موضوع میانی: مدل‌سازی آماری برای داده‌های گسسته

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده‌های گسسته
• 2. مفاهیم پایه‌ای آمار
• 3. انواع داده‌ها و مقیاس‌های اندازه‌گیری
• 4. توزیع‌های احتمال گسسته
• 5. توزیع دوجمله‌ای
• 6. توزیع پواسون
• 7. توزیع هندسی
• 8. توزیع فوق‌هندسی
• 9. مقدمه‌ای بر جداول توافقی
• 10. جداول توافقی دوطرفه
• 11. جداول توافقی سه‌طرفه
• 12. اندازه‌گیری همبستگی در جداول توافقی
• 13. آزمون کای‌دو برای استقلال
• 14. آزمون کای‌دو برای همگنی
• 15. معیارهای انجمن در جداول توافقی
• 16. ضریب فی
• 17. ضریب وی
• 18. نسبت شانس (Odds Ratio)
• 19. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
• 20. اجزای مدل‌های خطی تعمیم‌یافته
• 21. تابع پیوند (Link Function)
• 22. توزیع‌های خانواده نمایی
• 23. مدل رگرسیون لجستیک
• 24. رگرسیون لجستیک دوتایی
• 25. تفسیر ضرایب در رگرسیون لجستیک
• 26. ارزیابی برازش مدل لجستیک
• 27. آزمون نسبت درست‌نمایی (Likelihood Ratio Test)
• 28. معیار اطلاعاتی آکائیکه (AIC)
• 29. معیار اطلاعاتی بیزی (BIC)
• 30. رگرسیون لجستیک چندجمله‌ای
• 31. رگرسیون لجستیک ترتیبی
• 32. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته برای داده‌های شمارشی
• 33. مدل پواسون برای داده‌های شمارشی
• 34. تفسیر ضرایب در مدل پواسون
• 35. همبستگی بیش از حد (Overdispersion) در داده‌های شمارشی
• 36. مدل دوجمله‌ای منفی (Negative Binomial)
• 37. مدل‌های رگرسیون برای داده‌های شمارشی با همبستگی بیش از حد
• 38. مدل‌های خطی تعمیم‌یافته برای داده‌های بقا (مقدماتی)
• 39. رگرسیون کاکس (مقدماتی)
• 40. مقدمه‌ای بر نرم‌افزار SAS
• 41. مقدمات کار با SAS
• 42. دستورات پایه‌ای SAS
• 43. مقدمه‌ای بر نرم‌افزار R
• 44. مقدمات کار با R
• 45. دستورات پایه‌ای R
• 46. وارد کردن داده‌ها در SAS
• 47. پردازش داده‌ها در SAS
• 48. تحلیل جداول توافقی در SAS
• 49. اجرای آزمون کای‌دو در SAS
• 50. محاسبه نسبت شانس در SAS
• 51. اجرای مدل رگرسیون لجستیک در SAS
• 52. تفسیر خروجی مدل لجستیک در SAS
• 53. ارزیابی برازش مدل در SAS
• 54. وارد کردن داده‌ها در R
• 55. پردازش داده‌ها در R
• 56. تحلیل جداول توافقی در R
• 57. اجرای آزمون کای‌دو در R
• 58. محاسبه نسبت شانس در R
• 59. اجرای مدل رگرسیون لجستیک در R
• 60. تفسیر خروجی مدل لجستیک در R
• 61. ارزیابی برازش مدل در R
• 62. مدل‌سازی داده‌های گسسته با استفاده از SAS
• 63. مدل‌سازی داده‌های گسسته با استفاده از R
• 64. مقایسه مدل‌های خطی تعمیم‌یافته
• 65. انتخاب بهترین مدل
• 66. اعتبارسنجی مدل
• 67. کاربرد مدل‌های خطی تعمیم‌یافته در تحقیقات علوم اجتماعی
• 68. کاربرد مدل‌های خطی تعمیم‌یافته در تحقیقات پزشکی
• 69. کاربرد مدل‌های خطی تعمیم‌یافته در تحقیقات اقتصادی
• 70. کاربرد مدل‌های خطی تعمیم‌یافته در تحقیقات بازاریابی
• 71. تحلیل حساسیت مدل
• 72. تحلیل پیش‌بینی با مدل‌های خطی تعمیم‌یافته
• 73. مقدمه‌ای بر مدل‌های پیشرفته‌تر برای داده‌های گسسته
• 74. مدل‌های سلسله‌مراتبی برای داده‌های گسسته
• 75. مدل‌های فضایی برای داده‌های گسسته
• 76. مدل‌های سری زمانی برای داده‌های گسسته
• 77. انتقال داده‌های گسسته
• 78. پردازش داده‌های گسسته نامتعارف
• 79. رفع مشکلات رایج در تحلیل داده‌های گسسته
• 80. اهمیت تفسیر درست نتایج آماری
• 81. ارتباط بین مدل‌های خطی و خطی تعمیم‌یافته
• 82. مقایسه روش‌های مختلف برازش مدل
• 83. تکنیک‌های نمونه‌گیری در تحلیل داده‌های گسسته
• 84. اصول طراحی مطالعات برای داده‌های گسسته
• 85. اخلاق در تحلیل داده‌های گسسته
• 86. آینده تحلیل داده‌های گسسته
• 87. کارگاه عملی تحلیل داده‌های گسسته در SAS
• 88. کارگاه عملی تحلیل داده‌های گسسته در R
• 89. پروژه پایانی: تحلیل داده‌های گسسته واقعی