اپلیکیشن اندرویدی فلش‌کارت آموزشی آموزش جامع نرم‌افزار Minitab برای تحلیل آماری کاربردی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع نرم‌افزار Minitab برای تحلیل آماری کاربردی

موضوع کلی: تحلیل آماری و داده‌کاوی

موضوع میانی: ابزارهای آماری و نرم‌افزارهای تحلیل داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل آماری و داده‌کاوی
• 2. آشنایی با نرم‌افزار Minitab
• 3. نصب و راه‌اندازی Minitab
• 4. مروری بر رابط کاربری Minitab
• 5. انواع داده و مقیاس‌های اندازه‌گیری
• 6. مقدمه‌ای بر آمار توصیفی
• 7. محاسبه معیارهای مرکزی (میانگین، میانه، نما)
• 8. محاسبه معیارهای پراکندگی (واریانس، انحراف معیار، دامنه)
• 9. نمودارهای توصیفی: هیستوگرام
• 10. نمودارهای توصیفی: نمودار جعبه‌ای (Box Plot)
• 11. نمودارهای توصیفی: نمودار میله‌ای
• 12. نمودارهای توصیفی: نمودار دایره‌ای
• 13. مقدمه‌ای بر آمار استنباطی
• 14. مفاهیم احتمال و توزیع‌های احتمالی
• 15. توزیع نرمال و کاربردهای آن
• 16. آزمون فرض آماری: مفاهیم پایه
• 17. آزمون فرض برای میانگین جامعه (تک نمونه‌ای)
• 18. آزمون فرض برای میانگین جامعه (دو نمونه‌ای مستقل)
• 19. آزمون فرض برای میانگین جامعه (دو نمونه‌ای زوجی)
• 20. آزمون فرض برای نسبت جامعه (تک نمونه‌ای)
• 21. آزمون فرض برای نسبت جامعه (دو نمونه‌ای)
• 22. تحلیل واریانس (ANOVA) یک‌طرفه
• 23. آزمون‌های تعقیبی در ANOVA
• 24. تحلیل واریانس (ANOVA) دوطرفه
• 25. رگرسیون خطی ساده
• 26. تفسیر ضرایب رگرسیون
• 27. آزمون‌های فرض در رگرسیون
• 28. پیش‌بینی با استفاده از رگرسیون
• 29. رگرسیون خطی چندگانه
• 30. انتخاب بهترین مدل رگرسیون
• 31. تحلیل سری‌های زمانی: مفاهیم پایه
• 32. شناسایی روند و فصلیت در داده‌ها
• 33. مدل‌سازی ARIMA
• 34. پیش‌بینی با استفاده از مدل‌های سری زمانی
• 35. مقدمه‌ای بر کنترل کیفیت آماری (SQC)
• 36. نمودارهای کنترل برای متغیرها (X-bar, R)
• 37. نمودارهای کنترل برای متغیرها (S)
• 38. نمودارهای کنترل برای مشخصه‌ها (p, np)
• 39. نمودارهای کنترل برای مشخصه‌ها (c, u)
• 40. قابلیت سنجی فرآیند (Process Capability)
• 41. شاخص‌های قابلیت (Cp, Cpk, Pp, Ppk)
• 42. آزمون‌های ناپارامتری: مقدمه
• 43. آزمون رتبه علامت‌دار ویلکاکسون
• 44. آزمون من-ویتنی (Mann-Whitney U)
• 45. آزمون کروسکال-والیس (Kruskal-Wallis)
• 46. آزمون فریدمن (Friedman)
• 47. مقدمه‌ای بر طرح‌های آزمایش (DOE)
• 48. فاکتورها و سطوح در طرح‌های آزمایش
• 49. طرح عاملی کامل (Full Factorial)
• 50. تحلیل نتایج طرح عاملی
• 51. طرح عاملی کسری (Fractional Factorial)
• 52. طرح سطح پاسخ (Response Surface Methodology)
• 53. طرح باکس-بنهکن (Box-Behnken)
• 54. طرح مرکزی مرکب (Central Composite Design)
• 55. آشنایی با مفاهیم داده‌کاوی
• 56. مراحل فرآیند داده‌کاوی
• 57. آماده‌سازی داده‌ها برای داده‌کاوی
• 58. قوانین وابستگی (Association Rules)
• 59. الگوریتم Apriori
• 60. آشکارسازی ناهنجاری (Anomaly Detection)
• 61. طبقه‌بندی (Classification)
• 62. الگوریتم درخت تصمیم (Decision Tree)
• 63. الگوریتم رگرسیون لجستیک (Logistic Regression)
• 64. الگوریتم K-نزدیک‌ترین همسایه (K-NN)
• 65. خوشه‌بندی (Clustering)
• 66. الگوریتم K-Means
• 67. ارزیابی مدل‌های طبقه‌بندی
• 68. ماتریس درهم‌ریختگی (Confusion Matrix)
• 69. شاخص‌های ارزیابی (دقت، صحت، بازیابی)
• 70. مقدمه‌ای بر تحلیل بقا
• 71. تابع بقا و تابع خطر
• 72. منحنی کاپلان-مایر (Kaplan-Meier)
• 73. آزمون رتبه لگاریتمی (Log-rank Test)
• 74. رگرسیون کوکس (Cox Proportional Hazards Model)
• 75. مقدمه‌ای بر تحلیل عاملی اکتشافی
• 76. محاسبه ماتریس همبستگی
• 77. استخراج عامل‌ها
• 78. چرخش عامل‌ها (Rotation)
• 79. تفسیر عامل‌ها
• 80. مقدمه‌ای بر تحلیل مؤلفه‌های اصلی
• 81. محاسبه ماتریس کوواریانس
• 82. محاسبه مقادیر ویژه و بردارهای ویژه
• 83. انتخاب تعداد مؤلفه‌ها
• 84. تفسیر مؤلفه‌ها
• 85. کاربرد Minitab در حل مسائل واقعی
• 86. مثال‌های کاربردی در صنعت
• 87. مثال‌های کاربردی در علوم زیستی
• 88. مثال‌های کاربردی در علوم اجتماعی
• 89. مثال‌های کاربردی در مهندسی
• 90. مروری بر قابلیت‌های پیشرفته Minitab
• 91. کار با ماکروها و اسکریپت‌ها
• 92. اتصال Minitab به پایگاه‌های داده
• 93. مقدمه‌ای بر ابزارهای بصری‌سازی داده پیشرفته
• 94. تنظیمات و سفارشی‌سازی Minitab
• 95. نکات و ترفندهای کاربردی در Minitab
• 96. منابع بیشتر برای یادگیری تحلیل آماری
• 97. پایان دوره آموزش جامع Minitab