فلش‌کارت‌های آموزشی تحلیل آماری پیشرفته با SAS و Minitab: از آزمون‌های مقایسه‌ای تا خوشه‌بندی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل آماری پیشرفته با SAS و Minitab: از آزمون‌های مقایسه‌ای تا خوشه‌بندی

موضوع کلی: آمار و تحلیل داده‌های پیشرفته

موضوع میانی: روش‌های آماری چندمتغیره و نرم‌افزارهای تحلیلی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل آماری پیشرفته
• 2. مروری بر مفاهیم آماری پایه
• 3. آشنایی با نرم‌افزار SAS
• 4. آشنایی با نرم‌افزار Minitab
• 5. مبانی آزمون فرض آماری
• 6. آزمون t تک‌نمونه‌ای و کاربردهای آن
• 7. آزمون t دو نمونه‌ای مستقل
• 8. آزمون t دو نمونه‌ای زوجی
• 9. مفاهیم پراکندگی و واریانس
• 10. مقدمه‌ای بر تحلیل واریانس یک‌طرفه (ANOVA)
• 11. آزمون تعقیبی در ANOVA
• 12. تحلیل واریانس دو طرفه (Two-Way ANOVA)
• 13. تحلیل واریانس چند طرفه (N-Way ANOVA)
• 14. مفاهیم همگنی واریانس‌ها
• 15. مقدمه‌ای بر تحلیل کوواریانس (ANCOVA)
• 16. کاربردهای ANCOVA در پژوهش
• 17. مبانی تحلیل رگرسیون خطی ساده
• 18. تفسیر ضرایب رگرسیون خطی ساده
• 19. مفاهیم نیکویی برازش در رگرسیون
• 20. آزمون‌های فرض در رگرسیون خطی ساده
• 21. مقدمه‌ای بر تحلیل رگرسیون خطی چندگانه
• 22. انتخاب متغیر در رگرسیون چندگانه
• 23. مقدمه‌ای بر تحلیل عامل (Factor Analysis)
• 24. اهداف و کاربردهای تحلیل عامل
• 25. مراحل انجام تحلیل عامل اکتشافی
• 26. تفسیر نتایج تحلیل عامل
• 27. مقدمه‌ای بر تحلیل مؤلفه‌های اصلی (PCA)
• 28. تفاوت PCA و تحلیل عامل
• 29. کاربردهای PCA در کاهش ابعاد
• 30. مقدمه‌ای بر تحلیل خوشه‌بندی (Cluster Analysis)
• 31. انواع روش‌های خوشه‌بندی
• 32. خوشه‌بندی سلسله‌مراتبی
• 33. خوشه‌بندی غیرسلسله‌مراتبی (K-Means)
• 34. ارزیابی کیفیت خوشه‌ها
• 35. مقدمه‌ای بر تحلیل تمایز (Discriminant Analysis)
• 36. کاربردهای تحلیل تمایز
• 37. مبانی آزمون‌های ناپارامتری
• 38. آزمون ویلکاکسون (Wilcoxon Rank-Sum Test)
• 39. آزمون من-ویتنی (Mann-Whitney U Test)
• 40. آزمون کروسکال-والیس (Kruskal-Wallis H Test)
• 41. آزمون فریدمن (Friedman Test)
• 42. تحلیل آماری داده‌های پیمایشی
• 43. تحلیل آماری داده‌های تجربی
• 44. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
• 45. مدل‌های لجستیک (Logistic Regression)
• 46. مدل‌های پواسون (Poisson Regression)
• 47. کاربرد GLM در حوزه‌های مختلف
• 48. مقدمه‌ای بر تحلیل سری‌های زمانی (Time Series Analysis)
• 49. مفاهیم اولیه در سری‌های زمانی
• 50. پیش‌بینی در سری‌های زمانی
• 51. کاربرد SAS در تحلیل سری‌های زمانی
• 52. کاربرد Minitab در تحلیل سری‌های زمانی
• 53. مقدمه‌ای بر تحلیل بقا (Survival Analysis)
• 54. منحنی کاپلان-مایر (Kaplan-Meier Curve)
• 55. مدل‌های رگرسیون کوکس (Cox Proportional Hazards Model)
• 56. کاربردهای تحلیل بقا
• 57. مقدمه‌ای بر تحلیل داده‌های طولی (Longitudinal Data Analysis)
• 58. مدل‌های اثرات مختلط (Mixed-Effects Models)
• 59. کاربرد SAS در تحلیل داده‌های طولی
• 60. کاربرد Minitab در تحلیل داده‌های طولی
• 61. مقدمه‌ای بر روش‌های نمونه‌گیری آماری
• 62. انواع طرح‌های نمونه‌گیری
• 63. خطاهای نمونه‌گیری و غیرنمونه‌گیری
• 64. اصول طراحی پرسشنامه معتبر
• 65. تحلیل داده‌های کیفی با رویکرد آماری
• 66. مقدمه‌ای بر آمار توصیفی پیشرفته
• 67. نمودارهای آماری پیشرفته
• 68. مبانی تحلیل داده‌های پرت (Outlier Detection)
• 69. روش‌های شناسایی و برخورد با داده‌های پرت
• 70. مقدمه‌ای بر شبیه‌سازی مونت کارلو (Monte Carlo Simulation)
• 71. کاربردهای شبیه‌سازی در آمار
• 72. اصول طراحی آزمایش‌ها (DOE)
• 73. طرح‌های عاملی کامل و ناقص
• 74. روش تاگوچی (Taguchi Methods)
• 75. کاربرد SAS در طراحی آزمایش‌ها
• 76. کاربرد Minitab در طراحی آزمایش‌ها
• 77. مقدمه‌ای بر روش‌های بیزی (Bayesian Methods)
• 78. مقایسه رویکرد پارامتری و بیزی
• 79. کاربرد روش‌های بیزی در تحلیل داده
• 80. مقدمه‌ای بر یادگیری ماشین (Machine Learning)
• 81. ارتباط یادگیری ماشین با آمار
• 82. الگوریتم‌های یادگیری نظارت شده
• 83. الگوریتم‌های یادگیری نظارت نشده
• 84. ارزیابی مدل‌های یادگیری ماشین
• 85. مقدمه‌ای بر داده‌کاوی (Data Mining)
• 86. فرایندهای کشف دانش از پایگاه داده‌ها
• 87. کاربرد SAS در داده‌کاوی
• 88. کاربرد Minitab در داده‌کاوی
• 89. مقدمه‌ای بر بصری‌سازی داده‌ها (Data Visualization)
• 90. اصول بصری‌سازی مؤثر
• 91. ابزارهای بصری‌سازی داده‌ها
• 92. کاربرد SAS در بصری‌سازی
• 93. کاربرد Minitab در بصری‌سازی
• 94. اصول اخلاقی در تحلیل آماری
• 95. حفظ حریم خصوصی داده‌ها
• 96. ملاحظات حقوقی در تحلیل داده
• 97. گزارش‌نویسی نتایج آماری
• 98. ارائه نتایج آماری به مخاطبان غیرمتخصص
• 99. نکات تکمیلی در تحلیل آماری پیشرفته
• 100. بررسی موارد مطالعاتی کاربردی