فلش‌کارت‌های آموزشی ارزیابی و اعتبارسنجی نتایج نمونه‌گیری زنجیره مارکوف در پروژه‌های تحقیقاتی

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب ارزیابی و اعتبارسنجی نتایج نمونه‌گیری زنجیره مارکوف در پروژه‌های تحقیقاتی

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

موضوع میانی: روش‌های نمونه‌گیری بر اساس زنجیره مارکوف

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر نمونه‌گیری زنجیره مارکوف (MCMC)
• 2. مبانی احتمال و آمار
• 3. فرآیندهای تصادفی
• 4. زنجیره‌های مارکوف
• 5. نظریه ارگودیسیته
• 6. مفهوم حالت پایدار
• 7. مقدمه ای بر روش‌های مونت کارلو
• 8. شبیه‌سازی مونت کارلو
• 9. کاربرد روش‌های مونت کارلو در آمار
• 10. انگیزه‌های استفاده از MCMC در تحقیقات
• 11. چالش‌های روش‌های سنتی نمونه‌گیری
• 12. مزایای MCMC
• 13. تاریخچه MCMC
• 14. مفاهیم کلیدی در MCMC
• 15. فضای حالت (State Space)
• 16. توزیع هدف (Target Distribution)
• 17. توزیع پیشنهادی (Proposal Distribution)
• 18. تابع انتقال (Transition Kernel)
• 19. حالت تعادل (Stationary Distribution)
• 20. همگرایی (Convergence)
• 21. حالت گذرا (Transient Phase)
• 22. نمونه‌های وابسته (Correlated Samples)
• 23. متریک‌های ارزیابی
• 24. تک‌نمونه‌ای (Single-chain) در مقابل چندنمونه‌ای (Multi-chain)
• 25. الگوریتم‌های اصلی MCMC
• 26. Metropolis-Hastings Algorithm
• 27. Metropolis Algorithm
• 28. Gibbs Sampling
• 29. Slice Sampling
• 30. Hamiltonian Monte Carlo (HMC)
• 31. No-U-Turn Sampler (NUTS)
• 32. Alternating Metropolis-Hastings
• 33. Reversible Jump MCMC (RJ-MCMC)
• 34. Blocked Gibbs Sampling
• 35. Collapsed Gibbs Sampling
• 36. Advanced MCMC Algorithms
• 37. Particle MCMC (PMCMC)
• 38. Sequential Monte Carlo (SMC)
• 39. Mean Field Variational Inference (MFVI)
• 40. Approximate Bayesian Computation (ABC)
• 41. پیاده‌سازی MCMC
• 42. انتخاب الگوریتم مناسب
• 43. مشخص کردن توزیع پیشنهادی
• 44. تنظیم پارامترهای الگوریتم
• 45. اولیه سازی (Initialization)
• 46. اجرای الگوریتم
• 47. ارزیابی همگرایی
• 48. تشخیص همگرایی
• 49. معیارهای بصری همگرایی
• 50. نمودار سری زمانی (Trace Plots)
• 51. نمودار تابع خودهمبستگی (Autocorrelation Function - ACF Plots)
• 52. نمودار تابع تراکم (Density Plots)
• 53. معیارهای آماری همگرایی
• 54. R-hat statistic (Gelman-Rubin statistic)
• 55. Effective Sample Size (ESS)
• 56. Autocorrelation Time (ACT)
• 57. بین‌نمونه‌ای (Between-chain) و درون‌نمونه‌ای (Within-chain) واریانس
• 58. معیارهای نهایی (Final Metrics)
• 59. تجزیه و تحلیل نتایج MCMC
• 60. تخمین پارامترها (Parameter Estimation)
• 61. میانگین، میانه، مد
• 62. واریانس، انحراف معیار
• 63. فواصل اطمینان (Credible Intervals)
• 64. تخمین توزیع پسین (Posterior Distribution Estimation)
• 65. هیستوگرام
• 66. تخمین تابع چگالی (Density Estimation)
• 67. مقایسه مدل‌ها (Model Comparison)
• 68. فاکتور بیز (Bayes Factor)
• 69. اطلاعات آکائیکی بیز (Bayesian Information Criterion - BIC)
• 70. اطلاعات آکائیکی اِکا (Akaike Information Criterion - AIC)
• 71. معیارهای ارزیابی دقت
• 72. خطای میانگین مربعات (Mean Squared Error - MSE)
• 73. خطای میانگین مطلق (Mean Absolute Error - MAE)
• 74. اعتبارسنجی نتایج
• 75. اعتبارسنجی با داده‌های شبیه‌سازی شده (Synthetic Data)
• 76. اعتبارسنجی با داده‌های واقعی (Real Data)
• 77. بررسی حساسیت به پارامترهای اولیه
• 78. بررسی حساسیت به انتخاب توزیع پیشنهادی
• 79. بررسی حساسیت به طول زنجیره
• 80. کاربردهای MCMC در پروژه‌های تحقیقاتی
• 81. مدل‌سازی آماری بیزی (Bayesian Statistical Modeling)
• 82. یادگیری ماشین بیزی (Bayesian Machine Learning)
• 83. اقتصاد سنجی بیزی (Bayesian Econometrics)
• 84. زیست‌شناسی محاسباتی (Computational Biology)
• 85. علوم اعصاب محاسباتی (Computational Neuroscience)
• 86. پردازش سیگنال (Signal Processing)
• 87. بینایی ماشین (Computer Vision)
• 88. پردازش زبان طبیعی (Natural Language Processing - NLP)
• 89. علوم اجتماعی (Social Sciences)
• 90. تحقیقات بازار (Market Research)
• 91. بهینه‌سازی (Optimization)
• 92. حل مسائل پیچیده
• 93. چالش‌ها و مشکلات رایج در MCMC
• 94. کندی همگرایی (Slow Convergence)
• 95. وابستگی نمونه‌ها (Sample Dependence)
• 96. انتخاب توزیع پیشنهادی نامناسب
• 97. مشکلات با توزیع‌های هدف با ابعاد بالا
• 98. توزیع‌های هدف با مودهای متعدد (Multimodal Distributions)
• 99. مسائل مربوط به حالت گذرا
• 100. انتخاب طول مناسب زنجیره