کتاب صوتی مطالعه موردی: نمونه‌گیری Gibbs در تحقیقات علمی با JAGS

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مطالعه موردی: نمونه‌گیری Gibbs در تحقیقات علمی با JAGS

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

موضوع میانی: نمونه‌گیری Gibbs در JAGS

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر نمونه‌گیری Gibbs و کاربردهای آن
• 2. آشنایی با نرم‌افزار JAGS
• 3. نصب و پیکربندی JAGS
• 4. ساختار مدل‌های Bayesian
• 5. تعریف متغیرهای مدل در JAGS
• 6. مشخص کردن توزیع‌های پیشین (Prior Distributions)
• 7. مشخص کردن توزیع‌های درست‌نما (Likelihood Distributions)
• 8. نوشتن اولین مدل نمونه‌گیری Gibbs در JAGS
• 9. اجرای مدل و دریافت نمونه‌ها
• 10. ارزیابی همگرایی زنجیره‌های مارکوف مونت کارلو (MCMC)
• 11. شاخص‌های رایج همگرایی (Gelman-Rubin, Geweke)
• 12. روش‌های بصری برای ارزیابی همگرایی
• 13. تفسیر نتایج خروجی JAGS
• 14. محاسبه میانگین، میانه و واریانس نمونه‌ها
• 15. محاسبه فواصل اطمینان (Credible Intervals)
• 16. نمونه‌گیری Gibbs برای رگرسیون خطی ساده
• 17. نمونه‌گیری Gibbs برای رگرسیون خطی چندگانه
• 18. مدل‌های خطی تعمیم‌یافته (GLM) با JAGS
• 19. رگرسیون لجستیک با JAGS
• 20. رگرسیون پواسون با JAGS
• 21. مدل‌های سلسله‌مراتبی (Hierarchical Models)
• 22. مزایای مدل‌های سلسله‌مراتبی
• 23. پیاده‌سازی مدل‌های سلسله‌مراتبی در JAGS
• 24. مدل‌های اثرات مختلط (Mixed-Effects Models)
• 25. نمونه‌گیری Gibbs برای مدل‌های اثرات مختلط
• 26. مدل‌های سری زمانی با JAGS
• 27. مدل‌های AR(1) با JAGS
• 28. مدل‌های MA(1) با JAGS
• 29. مدل‌های ARMA با JAGS
• 30. مدل‌های ARIMA با JAGS
• 31. نمونه‌گیری Gibbs برای مدل‌های فضایی
• 32. مدل‌های خودرگرسیون فضایی (CAR)
• 33. مدل‌های خودهمبستگی فضایی (SAR)
• 34. مدل‌های رگرسیون فضایی با JAGS
• 35. مقدمه‌ای بر داده‌های گسسته
• 36. مدل‌سازی داده‌های گسسته با JAGS
• 37. مدل‌سازی داده‌های شمارشی
• 38. مدل‌سازی داده‌های دودویی
• 39. مدل‌سازی داده‌های دسته‌بندی شده
• 40. نمونه‌گیری Gibbs برای مدل‌های بقا
• 41. مدل کاکس (Cox Proportional Hazards) با JAGS
• 42. مدل‌های پارامتریک بقا با JAGS
• 43. مدل‌سازی داده‌های گمشده (Missing Data)
• 44. روش‌های مقادیر گمشده با JAGS
• 45. پیاده‌سازی مدل‌های چندگانه (Multiple Imputation)
• 46. نمونه‌گیری Gibbs برای مدل‌های عامل پنهان (Latent Factor Models)
• 47. تحلیل عاملی تأییدی (Confirmatory Factor Analysis) با JAGS
• 48. تحلیل عاملی اکتشافی (Exploratory Factor Analysis) با JAGS
• 49. مدل‌سازی معادلات ساختاری (SEM) با JAGS
• 50. مقدمه‌ای بر مدل‌های بیزی مبتنی بر عامل (Agent-Based Models)
• 51. پیاده‌سازی مدل‌های بیزی مبتنی بر عامل در JAGS
• 52. شبیه‌سازی و تحلیل نتایج مدل‌های بیزی مبتنی بر عامل
• 53. مقدمه‌ای بر بهینه‌سازی بیزی (Bayesian Optimization)
• 54. کاربرد بهینه‌سازی بیزی در تنظیم پارامتر مدل‌ها
• 55. استفاده از JAGS برای بهینه‌سازی پارامترهای مدل
• 56. مقدمه‌ای بر روش‌های نمونه‌گیری نمونه‌گیری مهمی (Importance Sampling)
• 57. مقایسه نمونه‌گیری Gibbs با نمونه‌گیری مهمی
• 58. مقدمه‌ای بر روش‌های نمونه‌گیری نمونه‌گیری با اهمیت تکراری (Repeated Importance Sampling)
• 59. مقایسه نمونه‌گیری Gibbs با نمونه‌گیری با اهمیت تکراری
• 60. مقدمه‌ای بر روش‌های نمونه‌گیری نمونه‌گیری ذرات (Particle Filtering)
• 61. کاربرد نمونه‌گیری ذرات در مدل‌های دینامیکی
• 62. پیاده‌سازی نمونه‌گیری ذرات در JAGS (در صورت امکان)
• 63. مقدمه‌ای بر روش‌های استنتاج بیزی برای داده‌های بزرگ
• 64. چالش‌های نمونه‌گیری Gibbs در مجموعه داده‌های بزرگ
• 65. راهکارهایی برای تسریع نمونه‌گیری Gibbs
• 66. استفاده از پردازش موازی در JAGs
• 67. کاربرد JAGS در علوم پزشکی و سلامت
• 68. مدل‌سازی آماری در اپیدمیولوژی با JAGS
• 69. مدل‌سازی بیزی در ژنتیک جمعیت با JAGS
• 70. کاربرد JAGS در علوم اقتصادی و مالی
• 71. مدل‌سازی ریسک با JAGS
• 72. پیش‌بینی سری‌های زمانی اقتصادی با JAGS
• 73. کاربرد JAGS در علوم اجتماعی و رفتاری
• 74. مدل‌سازی پیمایش‌ها با JAGS
• 75. تحلیل شبکه‌های اجتماعی با JAGS
• 76. کاربرد JAGS در علوم محیطی
• 77. مدل‌سازی آلودگی هوا با JAGS
• 78. مدل‌سازی تغییرات اقلیمی با JAGS
• 79. کاربرد JAGS در علوم داده
• 80. ساخت مدل‌های پیش‌بین با JAGS
• 81. ارزیابی و انتخاب مدل با JAGS
• 82. مقدمه‌ای بر مدل‌های بیزی قابل تفسیر
• 83. تفسیر نتایج مدل‌های بیزی پیچیده
• 84. نکات پیشرفته در نوشتن مدل‌های JAGS
• 85. اشکال‌زدایی مدل‌های پیچیده JAGS
• 86. کاربرد توابع کمکی در JAGS
• 87. مدیریت خروجی‌های بزرگ JAGS
• 88. مقایسه JAGS با سایر نرم‌افزارهای مدل‌سازی بیزی (Stan, PyMC)
• 89. مزایا و معایب استفاده از JAGS
• 90. انتخاب مناسب‌ترین روش نمونه‌گیری برای مسائل مختلف
• 91. مطالعه موردی: مدل‌سازی اثرات درمان در یک کارآزمایی بالینی با JAGS
• 92. مطالعه موردی: تحلیل داده‌های نظرسنجی با مدل‌های سلسله‌مراتبی در JAGS
• 93. مطالعه موردی: پیش‌بینی رفتار مصرف‌کننده با مدل‌های بیزی در JAGS
• 94. جمع‌بندی و مسیرهای آینده در مدل‌سازی بیزی