فلش‌کارت‌های آموزشی اعتبارسنجی متقابل و انتخاب مدل برای سری‌های زمانی با MCMC

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اعتبارسنجی متقابل و انتخاب مدل برای سری‌های زمانی با MCMC

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

موضوع میانی: نمودارهای Time Series

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر سری‌های زمانی
• 2. مفاهیم پایه‌ای سری‌های زمانی
• 3. مدل‌های خودرگرسیونی (AR)
• 4. مدل‌های میانگین متحرک (MA)
• 5. مدل‌های ARMA
• 6. مدل‌های ARIMA
• 7. تشخیص مرتبه مدل‌های ARIMA
• 8. برآورد پارامترهای مدل‌های ARIMA
• 9. تشخیص و رفع عدم ایستایی
• 10. پیش‌بینی با مدل‌های ARIMA
• 11. مقدمه‌ای بر روش‌های بیزی
• 12. مفاهیم احتمال بیزی
• 13. نظریه بیز
• 14. توزیع‌های پیشین و پسین
• 15. روش‌های نمونه‌گیری از توزیع پسین
• 16. مقدمه‌ای بر زنجیره‌های مارکوف مونت کارلو (MCMC)
• 17. الگوریتم گیبس
• 18. الگوریتم متروپلیس-هستینگز
• 19. اعتبارسنجی متقابل برای سری‌های زمانی
• 20. انواع اعتبارسنجی متقابل
• 21. اعتبارسنجی متقابل پنجره‌ای
• 22. اعتبارسنجی متقابل با پنجره لغزان
• 23. انتخاب مدل در سری‌های زمانی
• 24. معیارهای انتخاب مدل
• 25. معیار اطلاعات آکائیکه (AIC)
• 26. معیار اطلاعات بیزی (BIC)
• 27. مقایسه مدل‌ها با استفاده از معیارهای اطلاعاتی
• 28. مقدمه‌ای بر مدل‌های سری زمانی بیزی
• 29. مدل‌های AR بیزی
• 30. مدل‌های MA بیزی
• 31. مدل‌های ARMA بیزی
• 32. مدل‌های ARIMA بیزی
• 33. استفاده از MCMC برای برآورد پارامترهای مدل‌های بیزی
• 34. بررسی همگرایی روش‌های MCMC
• 35. روش‌های تشخیص همگرایی
• 36. تفسیر نتایج MCMC
• 37. پیش‌بینی با مدل‌های سری زمانی بیزی
• 38. ارزیابی پیش‌بینی‌های بیزی
• 39. مقدمه‌ای بر مدل‌های غیرخطی سری زمانی
• 40. مدل‌های ARCH
• 41. مدل‌های GARCH
• 42. مدل‌های غیرخطی دیگر
• 43. کاربرد MCMC در مدل‌های غیرخطی
• 44. مقدمه‌ای بر مدل‌های حالت-فضا
• 45. معادلات حالت و مشاهده
• 46. مدل‌های حالت-فضا بیزی
• 47. فیلتر کالمن بیزی
• 48. هموارساز کالمن بیزی
• 49. استفاده از MCMC برای مدل‌های حالت-فضا
• 50. مقدمه‌ای بر مدل‌های سری زمانی مکانی-زمانی
• 51. مدل‌های مکانی-زمانی بیزی
• 52. اعتبارسنجی متقابل برای مدل‌های مکانی-زمانی
• 53. انتخاب مدل در مدل‌های مکانی-زمانی
• 54. مقدمه‌ای بر مدل‌های سری زمانی چند متغیره
• 55. مدل‌های VAR
• 56. مدل‌های VAR بیزی
• 57. اعتبارسنجی متقابل برای مدل‌های VAR
• 58. انتخاب مدل در مدل‌های VAR
• 59. مقدمه‌ای بر مدل‌های سری زمانی با ساختار پنهان
• 60. مدل‌های پنهان مارکوف
• 61. مدل‌های پنهان مارکوف بیزی
• 62. اعتبارسنجی متقابل برای مدل‌های پنهان مارکوف
• 63. انتخاب مدل در مدل‌های پنهان مارکوف
• 64. مقدمه‌ای بر مدل‌های سری زمانی با داده‌های گسسته
• 65. مدل‌های رگرسیون لجستیک برای سری‌های زمانی
• 66. مدل‌های رگرسیون پواسون برای سری‌های زمانی
• 67. مدل‌های سری زمانی گسسته بیزی
• 68. اعتبارسنجی متقابل برای مدل‌های سری زمانی گسسته
• 69. انتخاب مدل در مدل‌های سری زمانی گسسته
• 70. مقدمه‌ای بر کاربردهای سری زمانی در اقتصاد
• 71. تحلیل داده‌های اقتصادی
• 72. پیش‌بینی شاخص‌های اقتصادی
• 73. مدل‌سازی روندهای اقتصادی
• 74. مقدمه‌ای بر کاربردهای سری زمانی در مالی
• 75. تحلیل بازارهای مالی
• 76. مدل‌سازی ریسک
• 77. پیش‌بینی قیمت دارایی‌ها
• 78. مقدمه‌ای بر کاربردهای سری زمانی در علوم محیطی
• 79. تحلیل داده‌های آب و هوایی
• 80. مدل‌سازی تغییرات اقلیمی
• 81. پیش‌بینی رویدادهای محیطی
• 82. مقدمه‌ای بر کاربردهای سری زمانی در مهندسی
• 83. تحلیل سیگنال‌ها
• 84. مدل‌سازی سیستم‌ها
• 85. کنترل و بهینه‌سازی
• 86. مقدمه‌ای بر نرم‌افزارهای آماری برای سری‌های زمانی
• 87. R و بسته‌های مرتبط
• 88. Python و کتابخانه‌های مرتبط
• 89. نرم‌افزارهای تخصصی
• 90. تمرینات عملی با داده‌های واقعی
• 91. تحلیل داده‌های سری زمانی واقعی
• 92. پیاده‌سازی مدل‌های بیزی
• 93. ارزیابی عملکرد مدل‌ها
• 94. مقایسه رویکردهای مختلف
• 95. نتیجه‌گیری و گام‌های آینده
• 96. مرور کلی مفاهیم کلیدی
• 97. چالش‌های پیش رو در تحلیل سری‌های زمانی
• 98. روش‌های نوین در تحلیل سری‌های زمانی
• 99. مطالعات موردی پیشرفته
• 100. نکات کاربردی در پیاده‌سازی