فلش‌کارت‌های آموزشی تکنیک‌های اعتبارسنجی مدل‌های آماری در Stan

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب تکنیک‌های اعتبارسنجی مدل‌های آماری در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر اعتبارسنجی مدل آماری
• 2. اهمیت اعتبارسنجی مدل
• 3. چالش های اعتبارسنجی در مدل سازی بیزی
• 4. نقش Stan در اعتبارسنجی مدل
• 5. مروری بر مفاهیم کلیدی اعتبارسنجی
• 6. انواع اعتبارسنجی
• 7. اعتبارسنجی داخلی در مقابل اعتبارسنجی خارجی
• 8. اعتبارسنجی پیش بینی در مقابل اعتبارسنجی توصیفی
• 9. اهمیت اعتبارسنجی در طول چرخه عمر مدل
• 10. نرم افزار Stan و اکوسیستم آن
• 11. مقدمه ای بر زبان برنامه نویسی Stan
• 12. نصب و راه اندازی Stan
• 13. کامپایل کردن و اجرای مدل های Stan
• 14. استفاده از Stan برای شبیه سازی و استنتاج
• 15. مقدمه ای بر توابع اعتبارسنجی در Stan
• 16. توابع مربوط به کیفیت نمونه برداری
• 17. توابع مربوط به برازش مدل
• 18. توابع مربوط به مقایسه مدل
• 19. تکنیک های اعتبارسنجی داخلی
• 20. بررسی بقایای مدل
• 21. بصری سازی بقایا
• 22. تست های آماری برای بقایا
• 23. تحلیل حساسیت به داده های پرت
• 24. بررسی مفروضات مدل
• 25. آزمون های برازش مدل
• 26. شاخص های اطلاعاتی (AIC, BIC)
• 27. شاخص اطلاعات بیزی (BIC)
• 28. شاخص اطلاعات آکائیک (AIC)
• 29. اعتبارسنجی متقابل (Cross-validation)
• 30. اعتبارسنجی متقابل K-Fold
• 31. اعتبارسنجی متقابل Leave-One-Out
• 32. اعتبارسنجی متقابل با استفاده از داده های جدید
• 33. تکنیک های اعتبارسنجی مبتنی بر شبیه سازی
• 34. شبیه سازی پس از برازش (Posterior Predictive Checks - PPCs)
• 35. تولید داده های شبیه سازی شده
• 36. مقایسه داده های شبیه سازی شده با داده های واقعی
• 37. توزیع های پسین پیش بین
• 38. توزیع های پیشین پیش بین
• 39. استفاده از توابع PPC در Stan
• 40. نوشتن توابع PPC سفارشی در Stan
• 41. بصری سازی نتایج PPC
• 42. تفسیر نتایج PPC
• 43. آزمون های آماری برای PPC
• 44. کاربرد PPC در تشخیص مسائل مدل
• 45. کاربرد PPC در مقایسه مدل ها
• 46. ارزیابی قابلیت پیش بینی مدل
• 47. ارزیابی دقت پیش بینی
• 48. ارزیابی صحت پیش بینی
• 49. میانگین خطای مربع (MSE)
• 50. ریشه میانگین خطای مربع (RMSE)
• 51. میانگین خطای مطلق (MAE)
• 52. خطای پیش بینی میانگین (MPE)
• 53. بصری سازی پیش بینی ها
• 54. بازه های اطمینان پیش بینی (Prediction Intervals)
• 55. ارزیابی عمومیت پذیری مدل
• 56. اعتبارسنجی خارجی
• 57. استفاده از مجموعه داده های مستقل
• 58. اعتبارسنجی در طول زمان (Temporal Validation)
• 59. اعتبارسنجی در فضاهای مختلف (Spatial Validation)
• 60. اعتبارسنجی در گروه های جمعیتی مختلف (Subgroup Validation)
• 61. مقایسه مدل ها با استفاده از معیارهای اعتبارسنجی
• 62. شاخص های مقایسه مدل
• 63. شاخص اطلاعات بیزی (Bayes Factor)
• 64. توزیع پسین احتمالات (Posterior Probabilities)
• 65. شاخص مقایسه مدل (Model Comparison Index)
• 66. استفاده از Stan برای محاسبه شاخص های مقایسه مدل
• 67. ترکیب تکنیک های مختلف اعتبارسنجی
• 68. رویکردهای جامع اعتبارسنجی
• 69. اعتبارسنجی در طول توسعه مدل
• 70. اعتبارسنجی در مرحله استقرار مدل
• 71. اعتبارسنجی مدل های پیچیده در Stan
• 72. مدل های سلسله مراتبی
• 73. مدل های مکانی-زمانی
• 74. مدل های شبکه ای
• 75. مدل های یادگیری ماشین در Stan
• 76. استفاده از کتابخانه های کمکی برای اعتبارسنجی
• 77. کتابخانه Shiny برای بصری سازی
• 78. کتابخانه RStanTools
• 79. کتابخانه CmdStanR
• 80. کتابخانه PyStan
• 81. چالش های رایج در اعتبارسنجی مدل های Stan
• 82. مشکلات نمونه برداری
• 83. همگرایی نادرست
• 84. تفسیر نادرست نتایج
• 85. انتخاب معیارهای مناسب
• 86. مدیریت داده های بزرگ
• 87. ملاحظات عملی برای اعتبارسنجی
• 88. مستندسازی فرآیند اعتبارسنجی
• 89. گزارش دهی نتایج اعتبارسنجی
• 90. بازنگری و بهبود مستمر مدل
• 91. اعتبارسنجی مدل های پایه (Baseline Models)
• 92. استفاده از مدل های ساده به عنوان مبنا
• 93. مقایسه مدل های پیچیده با مدل های پایه
• 94. اعتبارسنجی مدل های غیرخطی در Stan
• 95. اعتبارسنجی مدل های با داده های گمشده
• 96. اعتبارسنجی مدل های پویا
• 97. اعتبارسنجی مدل های با اثرات متقابل
• 98. نکات پیشرفته در اعتبارسنجی
• 99. بررسی حساسیت به پارامترهای پیشین
• 100. اعتبارسنجی با شبیه سازی های مونت کارلو