کتاب صوتی تحلیل رگرسیون خطی و مدل‌های تعمیم‌یافته

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل رگرسیون خطی و مدل‌های تعمیم‌یافته

موضوع کلی: علوم آماری و تحلیل داده

موضوع میانی: مدل‌سازی رگرسیون

📋 سرفصل‌های دوره

• 1. مقدمه ای بر علوم آماری و تحلیل داده
• 2. مفاهیم پایه ای در آمار استنباطی
• 3. شرح و توزیع داده ها
• 4. نمودارهای توصیفی و خلاصه سازی داده ها
• 5. مقدمه ای بر تحلیل رگرسیون
• 6. مدل رگرسیون خطی ساده
• 7. مفروضات مدل رگرسیون خطی ساده
• 8. برآورد پارامترها در رگرسیون خطی ساده
• 9. آزمون فرضیه ها برای پارامترهای رگرسیون
• 10. فواصل اطمینان برای پارامترهای رگرسیون
• 11. تشخیص و تفسیر ضریب تعیین (R-squared)
• 12. تحلیل واریانس (ANOVA) در رگرسیون خطی ساده
• 13. پیش بینی مقادیر جدید با استفاده از مدل رگرسیون
• 14. بررسی باقی مانده ها و تشخیص نقاط پرت
• 15. تحلیل باقی مانده ها برای ارزیابی مفروضات مدل
• 16. روش های تشخیص و اصلاح داده های پرت
• 17. مدل رگرسیون خطی چندگانه
• 18. مفروضات مدل رگرسیون خطی چندگانه
• 19. برآورد پارامترها در رگرسیون خطی چندگانه
• 20. آزمون فرضیه ها برای پارامترهای رگرسیون چندگانه
• 21. فواصل اطمینان برای پارامترهای رگرسیون چندگانه
• 22. بررسی اهمیت کلی مدل رگرسیون چندگانه
• 23. تفسیر ضرایب در رگرسیون چندگانه
• 24. مقایسه مدل های رگرسیون چندگانه
• 25. مدل های تعاملی در رگرسیون خطی
• 26. متغیرهای مجازی (Dummy Variables) در رگرسیون
• 27. مدل سازی با متغیرهای مجازی
• 28. تشخیص و مدیریت هم خطی (Multicollinearity)
• 29. روش های مدیریت هم خطی
• 30. انتخاب بهترین مدل رگرسیون
• 31. معیارهای انتخاب مدل (AIC, BIC)
• 32. روش های گام به گام انتخاب متغیر
• 33. انتخاب متغیر بر اساس اهمیت آماری
• 34. مدل سازی با متغیرهای کیفی و کمی
• 35. رگرسیون چند جمله ای (Polynomial Regression)
• 36. تفسیر نتایج رگرسیون چند جمله ای
• 37. مدل های تعمیم یافته خطی (GLM)
• 38. مقدمه ای بر مدل های تعمیم یافته خطی
• 39. تابع پیوند (Link Function)
• 40. توزیع های مرتبط در GLM
• 41. مدل رگرسیون لجستیک (Logistic Regression)
• 42. کاربرد رگرسیون لجستیک در پیش بینی وقوع
• 43. تفسیر ضرایب در رگرسیون لجستیک
• 44. ارزیابی مدل رگرسیون لجستیک
• 45. مدل رگرسیون پواسون (Poisson Regression)
• 46. کاربرد رگرسیون پواسون برای داده های شمارشی
• 47. تفسیر ضرایب در رگرسیون پواسون
• 48. ارزیابی مدل رگرسیون پواسون
• 49. مدل های خطی تعمیم یافته برای داده های سری زمانی
• 50. مقدمه ای بر داده های سری زمانی
• 51. خودهمبستگی و اثرات تاخیر
• 52. مدل های ARIMA
• 53. تشخیص و برآورد مدل های ARIMA
• 54. پیش بینی با مدل های ARIMA
• 55. مدل های میانگین متحرک (MA)
• 56. مدل های خودرگرسیون (AR)
• 57. مدل های خودرگرسیون میانگین متحرک (ARMA)
• 58. تحلیل داده های پانل (Panel Data Analysis)
• 59. مقدمه ای بر داده های پانل
• 60. مدل اثرات ثابت (Fixed Effects)
• 61. مدل اثرات تصادفی (Random Effects)
• 62. انتخاب بین مدل اثرات ثابت و تصادفی
• 63. کاربرد داده های پانل در اقتصاد و علوم اجتماعی
• 64. روش های پیشرفته در تحلیل رگرسیون
• 65. رگرسیون وزنی (Weighted Regression)
• 66. رگرسیون با خطاهای ناهمسانی واریانس (Heteroscedasticity)
• 67. تشخیص و اصلاح ناهمسانی واریانس
• 68. روش های برآورد GMM (Generalized Method of Moments)
• 69. تجزیه و تحلیل بقا (Survival Analysis)
• 70. مقدمه ای بر تحلیل بقا
• 71. تابع بقا و تابع خطر (Hazard Function)
• 72. تخمین کاپلان-مایر (Kaplan-Meier Estimator)
• 73. مدل کوکس (Cox Proportional Hazards Model)
• 74. تفسیر ضرایب در مدل کوکس
• 75. ارزیابی مدل های بقا
• 76. کاربرد تحلیل بقا در پزشکی و مهندسی
• 77. اعتبار سنجی مدل های رگرسیون
• 78. تقسیم داده ها به مجموعه های آموزشی و آزمایشی
• 79. اعتبارسنجی متقابل (Cross-validation)
• 80. اعتبارسنجی K-Fold
• 81. تنظیم فراپارامترها (Hyperparameter Tuning)
• 82. مقدمه ای بر یادگیری ماشین در تحلیل رگرسیون
• 83. رگرسیون با ماشین بردار پشتیبان (SVM Regression)
• 84. رگرسیون جنگل تصادفی (Random Forest Regression)
• 85. تقویت گرادیان (Gradient Boosting)
• 86. کاربرد یادگیری ماشین در پیش بینی های پیچیده
• 87. مقدمه ای بر نرم افزارهای آماری
• 88. استفاده از R در تحلیل رگرسیون
• 89. استفاده از Python (با کتابخانه های SciPy, Statsmodels, Scikit-learn)
• 90. تفسیر نتایج خروجی نرم افزارهای آماری
• 91. ملاحظات اخلاقی در تحلیل داده ها
• 92. حفظ حریم خصوصی داده ها
• 93. اجتناب از تعصب در مدل سازی
• 94. گزارش دهی شفاف نتایج
• 95. کاربرد عملی تحلیل رگرسیون در صنعت و پژوهش
• 96. تحلیل رگرسیون در بازاریابی
• 97. تحلیل رگرسیون در مالی
• 98. تحلیل رگرسیون در تحقیقات پزشکی
• 99. تحلیل رگرسیون در علوم اجتماعی
• 100. جمع بندی و نگاهی به آینده تحلیل رگرسیون