کتاب صوتی مبانی توزیع نرمال و متغیرهای تصادفی پیوسته

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی توزیع نرمال و متغیرهای تصادفی پیوسته

موضوع کلی: علوم پایه و مهندسی

موضوع میانی: آمار و احتمالات

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر نظریه احتمالات
• 2. تعریف فضای نمونه و پیشامد
• 3. قوانین احتمال
• 4. احتمال شرطی و استقلال
• 5. قضیه بیز
• 6. متغیرهای تصادفی گسسته
• 7. تابع جرم احتمال
• 8. امید ریاضی و واریانس متغیر گسسته
• 9. توزیع دوجمله‌ای
• 10. توزیع پواسون
• 11. توزیع هندسی
• 12. توزیع فوق هندسی
• 13. متغیرهای تصادفی پیوسته
• 14. تابع چگالی احتمال
• 15. تابع توزیع تجمعی
• 16. امید ریاضی و واریانس متغیر پیوسته
• 17. توزیع یکنواخت پیوسته
• 18. توزیع نمایی
• 19. توزیع گاما
• 20. توزیع بتا
• 21. توزیع نرمال (گوسی)
• 22. ویژگی‌های توزیع نرمال
• 23. توزیع نرمال استاندارد
• 24. کاربرد توزیع نرمال
• 25. تقریب نرمال برای توزیع دوجمله‌ای
• 26. تقریب نرمال برای توزیع پواسون
• 27. قضیه حد مرکزی
• 28. مقدمه‌ای بر برآورد آماری
• 29. برآوردگرهای نقطه ای
• 30. خواص برآوردگرها
• 31. فاصله‌های اطمینان
• 32. فاصله‌های اطمینان برای میانگین جامعه نرمال
• 33. فاصله‌های اطمینان برای واریانس جامعه نرمال
• 34. آزمون فرض آماری
• 35. خطای نوع اول و دوم
• 36. آزمون فرض برای میانگین جامعه نرمال
• 37. آزمون فرض برای واریانس جامعه نرمال
• 38. مقدمه‌ای بر رگرسیون خطی ساده
• 39. تخمین پارامترهای رگرسیون
• 40. آزمون فرض در رگرسیون
• 41. ضریب همبستگی پیرسون
• 42. رگرسیون خطی چندگانه
• 43. مقدمه‌ای بر سری‌های زمانی
• 44. تجزیه سری زمانی
• 45. مدل‌های ARIMA
• 46. کاربرد سری‌های زمانی در اقتصاد
• 47. مقدمه‌ای بر تحلیل داده‌های بزرگ
• 48. فناوری‌های کلان داده
• 49. چالش‌های تحلیل داده‌های بزرگ
• 50. کاربردهای تحلیل داده‌های بزرگ در صنعت
• 51. مقدمه‌ای بر یادگیری ماشین
• 52. یادگیری نظارت شده
• 53. یادگیری بدون نظارت
• 54. یادگیری تقویتی
• 55. الگوریتم‌های طبقه‌بندی
• 56. ماشین‌های بردار پشتیبان (SVM)
• 57. درختان تصمیم
• 58. جنگل‌های تصادفی
• 59. شبکه‌های عصبی مصنوعی
• 60. شبکه‌های عصبی کانولوشنی (CNN)
• 61. شبکه‌های عصبی بازگشتی (RNN)
• 62. پردازش زبان طبیعی
• 63. کاربرد شبکه‌های عصبی در بینایی ماشین
• 64. مقدمه‌ای بر شبیه‌سازی آماری
• 65. تولید اعداد تصادفی
• 66. شبیه‌سازی مونت کارلو
• 67. کاربرد شبیه‌سازی در بهینه‌سازی
• 68. مقدمه‌ای بر آمار فضایی
• 69. مدل‌های آمار فضایی
• 70. کاربرد آمار فضایی در سنجش از دور
• 71. مقدمه‌ای بر آمار بیزی
• 72. قضیه بیز در عمل
• 73. مدل‌های بیزی سلسله مراتبی
• 74. کاربرد آمار بیزی در علوم زیستی
• 75. مقدمه‌ای بر روش‌های ناپارامتری
• 76. آزمون‌های ناپارامتری
• 77. توزیع‌های ناپارامتری
• 78. کاربرد روش‌های ناپارامتری
• 79. مقدمه‌ای بر تحلیل بقا
• 80. تابع خطر
• 81. مدل کاکس
• 82. کاربرد تحلیل بقا در پزشکی
• 83. مقدمه‌ای بر روش‌های نمونه‌گیری
• 84. روش‌های نمونه‌گیری احتمالی
• 85. روش‌های نمونه‌گیری غیر احتمالی
• 86. خطاهای نمونه‌گیری
• 87. مقدمه‌ای بر داده‌کاوی
• 88. الگوریتم‌های خوشه‌بندی
• 89. قوانین وابستگی
• 90. تشخیص ناهنجاری
• 91. کاربرد داده‌کاوی در بازاریابی
• 92. مقدمه‌ای بر آماره‌های ترتیبی
• 93. کاربرد آماره‌های ترتیبی
• 94. مقدمه‌ای بر آمار توصیفی پیشرفته
• 95. نمودارهای ترکیبی
• 96. شاخص‌های پراکندگی پیشرفته
• 97. مقدمه‌ای بر آماره‌های چند متغیره
• 98. تحلیل مولفه‌های اصلی (PCA)
• 99. تحلیل عاملی
• 100. تحلیل خوشه‌ای چند متغیره