دوره JAGS و MCMC: روش‌های نوین در تحلیل داده‌های آماری همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره JAGS و MCMC: روش‌های نوین در تحلیل داده‌های آماری

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

موضوع میانی: JAGS

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده‌های آماری
• 2. مفاهیم پایه احتمال و آمار
• 3. توزیع‌های احتمال گسسته
• 4. توزیع‌های احتمال پیوسته
• 5. استنباط آماری: تخمین نقطه‌ای
• 6. استنباط آماری: فواصل اطمینان
• 7. آزمون فرض آماری
• 8. مقدمه‌ای بر زنجیره‌های مارکوف
• 9. اصول اساسی زنجیره‌های مارکوف
• 10. انواع زنجیره‌های مارکوف
• 11. فضاهای حالت و انتقال در زنجیره‌های مارکوف
• 12. نمایش ماتریسی زنجیره‌های مارکوف
• 13. خواص زنجیره‌های مارکوف: پایداری
• 14. خواص زنجیره‌های مارکوف: دوره‌ای بودن
• 15. خواص زنجیره‌های مارکوف: کاهش‌پذیری
• 16. زنجیره‌های مارکوف ناهمگن در زمان
• 17. کاربرد زنجیره‌های مارکوف در مدل‌سازی
• 18. مقدمه‌ای بر روش‌های مونت کارلو
• 19. اصول شبیه‌سازی مونت کارلو
• 20. تولید اعداد تصادفی
• 21. تولید اعداد تصادفی از توزیع‌های مختلف
• 22. روش‌های اساسی مونت کارلو
• 23. کاربردهای مونت کارلو در انتگرال‌گیری
• 24. کاربردهای مونت کارلو در بهینه‌سازی
• 25. مقدمه‌ای بر روش‌های MCMC
• 26. اصول اساسی MCMC
• 27. الگوریتم Metropolis-Hastings
• 28. الگوریتم Metropolis
• 29. الگوریتم Gibbs Sampling
• 30. مقایسه الگوریتم‌های MCMC
• 31. ارزیابی همگرایی در MCMC
• 32. معیارهای ارزیابی همگرایی
• 33. روش‌های بصری ارزیابی همگرایی
• 34. روش‌های کمی ارزیابی همگرایی
• 35. نمونه‌گیری از توزیع‌های پیچیده
• 36. کاربرد MCMC در مدل‌های بیزی
• 37. مدل‌های خطی تعمیم‌یافته بیزی
• 38. مدل‌های سلسله مراتبی بیزی
• 39. مدل‌سازی سری‌های زمانی بیزی
• 40. مدل‌سازی داده‌های مکانی بیزی
• 41. کاربرد MCMC در اقتصادسنجی
• 42. مدل‌های اقتصادسنجی بیزی
• 43. تحلیل سری‌های زمانی اقتصادی با MCMC
• 44. تحلیل داده‌های پنل با MCMC
• 45. مدل‌های انتخاب گسسته بیزی
• 46. کاربرد MCMC در زیست‌شناسی آماری
• 47. مدل‌سازی ژنتیکی با MCMC
• 48. مدل‌سازی اپیدمیولوژیک با MCMC
• 49. مدل‌سازی جمعیت با MCMC
• 50. تحلیل داده‌های بالینی با MCMC
• 51. کاربرد MCMC در علوم اجتماعی
• 52. تحلیل داده‌های پیمایشی با MCMC
• 53. مدل‌سازی رفتار با MCMC
• 54. مدل‌سازی شبکه‌های اجتماعی با MCMC
• 55. تحلیل داده‌های کیفی با MCMC
• 56. مقدمه‌ای بر نرم‌افزارهای MCMC
• 57. نرم‌افزار JAGS
• 58. نصب و پیکربندی JAGS
• 59. زبان مدل‌سازی JAGS (BUGS language)
• 60. نوشتن مدل‌ها در JAGS
• 61. اجرای مدل‌ها در JAGS
• 62. تفسیر نتایج JAGS
• 63. نرم‌افزار Stan
• 64. نصب و پیکربندی Stan
• 65. زبان مدل‌سازی Stan (Stan language)
• 66. نوشتن مدل‌ها در Stan
• 67. اجرای مدل‌ها در Stan
• 68. تفسیر نتایج Stan
• 69. نرم‌افزارهای دیگر MCMC
• 70. اتصال JAGS و R
• 71. اتصال Stan و R
• 72. اتصال JAGS و Python
• 73. اتصال Stan و Python
• 74. کاربرد MCMC در مسائل واقعی
• 75. مطالعه موردی ۱: مدل‌سازی مالی
• 76. مطالعه موردی ۲: مدل‌سازی سلامت عمومی
• 77. مطالعه موردی ۳: مدل‌سازی محیط زیست
• 78. مطالعه موردی ۴: مدل‌سازی ترافیک
• 79. مطالعه موردی ۵: مدل‌سازی رفتار مصرف‌کننده
• 80. بهینه‌سازی در MCMC
• 81. تنظیم پارامترهای MCMC
• 82. روش‌های پیشرفته MCMC
• 83. نمونه‌گیری اهمیت
• 84. نمونه‌گیری تطبیقی
• 85. روش‌های تشخیص و رفع مشکل همگرایی
• 86. کاربرد MCMC در علوم داده
• 87. پیش‌بینی با استفاده از MCMC
• 88. ارزیابی مدل‌های MCMC
• 89. مقایسه مدل‌های MCMC
• 90. توسعه مدل‌های MCMC سفارشی
• 91. ملاحظات عملی در پیاده‌سازی MCMC
• 92. اخلاق در تحلیل داده با MCMC
• 93. آینده MCMC و تحلیل داده‌های آماری