دوره قضایای گوس-مورن و قضیه مارکوف در توزیع‌های نرمال چندمتغیره همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره قضایای گوس-مورن و قضیه مارکوف در توزیع‌های نرمال چندمتغیره

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

موضوع میانی: قضایای مهم در آمار بیزی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر فضای برداری و ماتریس‌ها
• 2. مفاهیم پایه در جبر خطی
• 3. بردارهای تصادفی و امید ریاضی
• 4. واریانس و کوواریانس بردارهای تصادفی
• 5. توزیع نرمال تک‌متغیره
• 6. مقدمه‌ای بر توزیع نرمال چندمتغیره
• 7. تابع چگالی احتمال توزیع نرمال چندمتغیره
• 8. ماتریس کوواریانس در توزیع نرمال چندمتغیره
• 9. خواص توزیع نرمال چندمتغیره
• 10. تبدیلات خطی بردارهای تصادفی نرمال
• 11. توزیع حاشیه‌ای در نرمال چندمتغیره
• 12. توزیع شرطی در نرمال چندمتغیره
• 13. استقلال در توزیع نرمال چندمتغیره
• 14. مقدمه‌ای بر قضیه گوس-مورن
• 15. اثبات قضیه گوس-مورن
• 16. کاربرد قضیه گوس-مورن در آمار
• 17. قضیه گوس-مورن برای ماتریس‌های کوواریانس
• 18. قضیه گوس-مورن و تخمین پارامتر
• 19. توزیع‌های مرتبط با نرمال چندمتغیره
• 20. توزیع گاما
• 21. توزیع کی‌دو
• 22. توزیع t استیودنت
• 23. توزیع F فیشر
• 24. مقدمه‌ای بر قضیه مارکوف
• 25. قضیه مارکوف برای بردارهای تصادفی
• 26. قضیه مارکوف در توزیع‌های نرمال
• 27. ارتباط قضیه مارکوف با قضیه گوس-مورن
• 28. قضیه مارکوف و فرایندهای تصادفی
• 29. مقدمه‌ای بر تحلیل عاملی
• 30. مدل‌های عامل خطی
• 31. تحلیل عاملی اکتشافی
• 32. تحلیل عاملی تأییدی
• 33. شاخص‌های نیکویی برازش در تحلیل عاملی
• 34. مقدمه‌ای بر تحلیل مؤلفه‌های اصلی
• 35. محاسبه مؤلفه‌های اصلی
• 36. تفسیر مؤلفه‌های اصلی
• 37. کاربرد تحلیل مؤلفه‌های اصلی
• 38. مقایسه تحلیل مؤلفه‌های اصلی و تحلیل عاملی
• 39. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته
• 40. مدل‌های رگرسیون خطی
• 41. مدل‌های رگرسیون لجستیک
• 42. مدل‌های رگرسیون پواسون
• 43. مدل‌های رگرسیون نمایی
• 44. مقدمه‌ای بر سری‌های زمانی
• 45. خودهمبستگی در سری‌های زمانی
• 46. خودهمبستگی جزئی در سری‌های زمانی
• 47. مدل‌های ARIMA
• 48. مدل‌های GARCH
• 49. مقدمه‌ای بر استنباط آماری
• 50. برآوردگرهای حداکثر درست‌نمایی
• 51. برآوردگرهای حداقل مربعات
• 52. آزمون فرض آماری
• 53. خطای نوع اول و نوع دوم
• 54. فاصله‌های اطمینان
• 55. مقدمه‌ای بر رگرسیون چندگانه
• 56. تشخیص هم‌خطی چندگانه
• 57. انتخاب متغیر در رگرسیون
• 58. ارزیابی مدل رگرسیون چندگانه
• 59. مقدمه‌ای بر تحلیل واریانس (ANOVA)
• 60. ANOVA یک‌طرفه
• 61. ANOVA دوطرفه
• 62. ANOVA با اثرات متقابل
• 63. آزمون‌های تعقیبی در ANOVA
• 64. مقدمه‌ای بر تحلیل ناپارامتری
• 65. آزمون ویلکاکسون
• 66. آزمون مان-ویتنی
• 67. آزمون کروسکال-والیس
• 68. آزمون اسپیرمن
• 69. مقدمه‌ای بر روش‌های شبیه‌سازی
• 70. شبیه‌سازی مونت کارلو
• 71. تولید اعداد تصادفی
• 72. تولید متغیرهای تصادفی
• 73. روش‌های کاهش واریانس در شبیه‌سازی
• 74. مقدمه‌ای بر روش‌های بیزی
• 75. نظریه بیز
• 76. قضیه بیز برای پارامترها
• 77. توزیع پیشین و پسین
• 78. استنباط بیزی
• 79. کاربرد روش‌های بیزی در مدل‌های نرمال
• 80. قضایای اساسی در نظریه احتمال
• 81. قضیه حد مرکزی
• 82. قضیه شرطی بیز
• 83. قضیه فوبینی
• 84. قضیه فاکتورگیری
• 85. مقدمه‌ای بر بهینه‌سازی در آمار
• 86. بهینه‌سازی خطی
• 87. بهینه‌سازی غیرخطی
• 88. روش‌های گرادیان نزولی
• 89. روش‌های نیوتن
• 90. کاربرد بهینه‌سازی در برازش مدل
• 91. مقدمه‌ای بر تحلیل بقا
• 92. توابع بقا و خطر
• 93. مدل کاپلان-مایر
• 94. مدل کوکس
• 95. مقدمه‌ای بر تحلیل داده‌های حجیم
• 96. مقدمه‌ای بر یادگیری ماشین
• 97. مقدمه‌ای بر شبکه‌های عصبی
• 98. مقدمه‌ای بر پردازش زبان طبیعی