دوره کاربرد توزیع پسین در تفسیر نتایج همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد توزیع پسین در تفسیر نتایج

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

موضوع میانی: توزیع پسین (Posterior Distribution)

📋 سرفصل‌های دوره

• 1. مبانی احتمال و مفاهیم بنیادین
• 2. فضای نمونه و پیشامدها
• 3. قانون جمع احتمالات
• 4. قانون ضرب احتمالات و استقلال پیشامدها
• 5. احتمال شرطی
• 6. قضایای بیز و کاربردهای آن
• 7. متغیرهای تصادفی گسسته
• 8. توزیع دوجمله‌ای
• 9. توزیع پواسون
• 10. توزیع هندسی
• 11. توزیع فوق‌هندسی
• 12. متغیرهای تصادفی پیوسته
• 13. توزیع یکنواخت
• 14. توزیع نمایی
• 15. توزیع نرمال (گاوسی)
• 16. توزیع گاما
• 17. توزیع بتا
• 18. توزیع کای-دو
• 19. توزیع t استیودنت
• 20. توزیع F فیشر
• 21. توزیع‌های چندمتغیره
• 22. کوواریانس و همبستگی
• 23. توزیع‌های حاشیه‌ای و شرطی
• 24. تبدیل متغیرهای تصادفی
• 25. امید ریاضی و گشتاورها
• 26. تابع مولد گشتاور
• 27. نامساوی‌های احتمالاتی (چبیشف، مارکوف)
• 28. قانون اعداد بزرگ
• 29. قضیه حد مرکزی
• 30. مفاهیم استنباط آماری
• 31. برآوردگرها و خواص آن‌ها
• 32. برآورد حداکثر درست‌نمایی (MLE)
• 33. برآورد کمترین مربعات (OLS)
• 34. فاصله اطمینان
• 35. آزمون فرض آماری
• 36. خطای نوع اول و دوم
• 37. قدرت آزمون
• 38. آزمون فرض برای میانگین
• 39. آزمون فرض برای نسبت
• 40. آزمون فرض برای واریانس
• 41. آزمون فرض برای تفاوت میانگین‌ها
• 42. آزمون فرض برای نسبت‌ها
• 43. آزمون فرض برای همگنی واریانس‌ها
• 44. تحلیل واریانس (ANOVA)
• 45. رگرسیون خطی ساده
• 46. رگرسیون خطی چندگانه
• 47. ارزیابی مدل رگرسیون
• 48. معرفی توزیع پسین (Posterior Distribution)
• 49. قضیه بیز در عمل
• 50. مبانی مدل‌سازی بیزی
• 51. انتخاب پیشین (Prior Selection)
• 52. توزیع پیشین یکنواخت (Uniform Prior)
• 53. توزیع پیشین ژفریز (Jeffreys Prior)
• 54. توزیع پیشین مزدوج (Conjugate Prior)
• 55. توزیع پسین برای پارامتر میانگین (توزیع نرمال)
• 56. توزیع پسین برای پارامتر واریانس (توزیع گاما)
• 57. توزیع پسین برای پارامتر نسبت (توزیع بتا)
• 58. توزیع پسین برای پارامترهای رگرسیون
• 59. توزیع پسین برای پارامترهای مدل‌های گسسته
• 60. روش‌های نمونه‌گیری از توزیع پسین
• 61. روش مونت کارلو زنجیره مارکوف (MCMC)
• 62. الگوریتم گیبز (Gibbs Sampling)
• 63. الگوریتم متروپلیس-هستینگز (Metropolis-Hastings)
• 64. ارزیابی همگرایی MCMC
• 65. حسابداری عدم قطعیت در مدل‌سازی بیزی
• 66. پیش‌بینی بیزی (Bayesian Prediction)
• 67. فاصله پیش‌بینی بیزی (Bayesian Predictive Interval)
• 68. مقایسه مدل‌های بیزی
• 69. معیارهای انتخاب مدل (AIC, BIC, DIC)
• 70. تحلیل حساسیت پیشین
• 71. کاربرد توزیع پسین در علوم زیستی
• 72. کاربرد توزیع پسین در مهندسی
• 73. کاربرد توزیع پسین در اقتصاد
• 74. کاربرد توزیع پسین در علوم اجتماعی
• 75. کاربرد توزیع پسین در علوم کامپیوتر
• 76. کاربرد توزیع پسین در مدیریت ریسک
• 77. کاربرد توزیع پسین در تفسیر نتایج آزمایشگاهی
• 78. کاربرد توزیع پسین در تصمیم‌گیری‌های آماری
• 79. کاربرد توزیع پسین در بهینه‌سازی
• 80. روش‌های تحلیلی برای محاسبه توزیع پسین
• 81. مقدمه‌ای بر نرم‌افزارهای آماری بیزی (مانند Stan, PyMC)
• 82. نمونه‌سازی عملی با استفاده از داده‌های واقعی
• 83. تفسیر نتایج توزیع پسین در پروژه‌های عملی
• 84. ارزیابی اعتبار نتایج مدل‌های بیزی
• 85. ملاحظات اخلاقی در استفاده از مدل‌های بیزی