کتاب صوتی مبانی تحلیل داده و استنتاج آماری در عمل

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی تحلیل داده و استنتاج آماری در عمل

موضوع کلی: علوم داده و آمار کاربردی

موضوع میانی: تحلیل آماری و استنباط

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم داده و آمار کاربردی
• 2. فصل اول: معرفی مفاهیم کلیدی در آمار
• 3. فصل دوم: انواع داده‌ها و مقیاس‌های اندازه‌گیری
• 4. فصل سوم: آمار توصیفی: خلاصه‌سازی داده‌ها
• 5. فصل چهارم: نمایش بصری داده‌ها: نمودارها و جداول
• 6. فصل پنجم: معیارهای مرکزی و پراکندگی داده‌ها
• 7. فصل ششم: مقدمه‌ای بر توزیع‌های احتمالی
• 8. فصل هفتم: توزیع نرمال و خواص آن
• 9. فصل هشتم: توزیع‌های گسسته: برنولی، دوجمله‌ای، پواسون
• 10. فصل نهم: توزیع‌های پیوسته: نمایی، یکنواخت
• 11. فصل دهم: قضیه حد مرکزی و اهمیت آن
• 12. فصل یازدهم: نمونه‌گیری و انواع آن
• 13. فصل دوازدهم: برآورد پارامترها: نقطه ای و بازه‌ای
• 14. فصل سیزدهم: محاسبه فاصله اطمینان برای میانگین
• 15. فصل چهاردهم: محاسبه فاصله اطمینان برای نسبت
• 16. فصل پانزدهم: مقدمه‌ای بر آزمون فرض آماری
• 17. فصل شانزدهم: آزمون فرض برای میانگین با واریانس معلوم
• 18. فصل هفدهم: آزمون فرض برای میانگین با واریانس نامعلوم
• 19. فصل هجدهم: آزمون فرض برای نسبت
• 20. فصل نوزدهم: خطاهای نوع اول و دوم در آزمون فرض
• 21. فصل بیستم: سطح معنی‌داری و مقدار پی (p-value)
• 22. فصل بیست و یکم: آزمون فرض برای تفاوت میانگین دو جامعه مستقل
• 23. فصل بیست و دوم: آزمون فرض برای تفاوت میانگین دو جامعه وابسته
• 24. فصل بیست و سوم: آزمون فرض برای مقایسه دو نسبت
• 25. فصل بیست و چهارم: مقدمه‌ای بر تحلیل واریانس (ANOVA)
• 26. فصل بیست و پنجم: ANOVA یک‌طرفه
• 27. فصل بیست و ششم: آزمون‌های تعقیبی در ANOVA
• 28. فصل بیست و هفتم: مقدمه‌ای بر رگرسیون خطی ساده
• 29. فصل بیست و هشتم: تخمین ضرایب رگرسیون
• 30. فصل بیست و نهم: تفسیر ضرایب رگرسیون
• 31. فصل سی‌ام: آزمون فرض برای ضرایب رگرسیون
• 32. فصل سی و یکم: ضریب تعیین (R-squared)
• 33. فصل سی و دوم: پیش‌بینی با مدل رگرسیون خطی ساده
• 34. فصل سی و سوم: مقدمه‌ای بر رگرسیون خطی چندگانه
• 35. فصل سی و چهارم: انتخاب متغیرها در رگرسیون چندگانه
• 36. فصل سی و پنجم: تفسیر ضرایب در رگرسیون چندگانه
• 37. فصل سی و ششم: آزمون فرض کلی برای مدل رگرسیون چندگانه
• 38. فصل سی و هفتم: مفاهیم هم‌خطی (Multicollinearity)
• 39. فصل سی و هشتم: تشخیص و رفع ناهمسانی واریانس
• 40. فصل سی و نهم: مقدمه‌ای بر تحلیل سری‌های زمانی
• 41. فصل چهلم: مولفه‌های اصلی در تحلیل سری‌های زمانی
• 42. فصل چهل و یکم: مدل‌های میانگین متحرک (MA)
• 43. فصل چهل و دوم: مدل‌های خودرگرسیون (AR)
• 44. فصل چهل و سوم: مدل‌های ARMA و ARIMA
• 45. فصل چهل و چهارم: پیش‌بینی با مدل‌های سری زمانی
• 46. فصل چهل و پنجم: مقدمه‌ای بر آمار ناپارامتری
• 47. فصل چهل و ششم: آزمون ویلکاکسون رتبه-علامت‌دار
• 48. فصل چهل و هفتم: آزمون من-ویتنی U
• 49. فصل چهل و هشتم: آزمون کروسکال-والیس
• 50. فصل چهل و نهم: آزمون ضریب همبستگی رتبه‌ای اسپیرمن
• 51. فصل پنجاهم: مقدمه‌ای بر تحلیل داده‌های طبقه‌بندی شده
• 52. فصل پنجاه و یکم: آزمون خی‌دو (Chi-squared) برای استقلال
• 53. فصل پنجاه و دوم: آزمون خی‌دو برای نیکویی برازش
• 54. فصل پنجاه و سوم: مقدمه‌ای بر تحلیل بقا
• 55. فصل پنجاه و چهارم: تابع بقا و تابع خطر
• 56. فصل پنجاه و پنجم: تخمین کاپلان-مایر
• 57. فصل پنجاه و ششم: آزمون رتبه‌خوشه (Log-rank test)
• 58. فصل پنجاه و هفتم: مقدمه‌ای بر تحلیل عاملی
• 59. فصل پنجاه و هشتم: استخراج عوامل
• 60. فصل پنجاه و نهم: چرخش عوامل
• 61. فصل شصتم: تفسیر عوامل
• 62. فصل شصت و یکم: مقدمه‌ای بر تحلیل خوشه‌ای
• 63. فصل شصت و دوم: روش‌های خوشه‌بندی سلسله مراتبی
• 64. فصل شصت و سوم: روش‌های خوشه‌بندی غیرسلسله مراتبی (K-means)
• 65. فصل شصت و چهارم: ارزیابی کیفیت خوشه‌ها
• 66. فصل شصت و پنجم: مقدمه‌ای بر روش‌های شبیه‌سازی
• 67. فصل شصت و ششم: تولید اعداد تصادفی
• 68. فصل شصت و هفتم: شبیه‌سازی مونت کارلو
• 69. فصل شصت و هشتم: کاربردهای شبیه‌سازی در آمار
• 70. فصل شصت و نهم: مقدمه‌ای بر روش‌های بیزی
• 71. فصل هفتادم: توزیع پیشین و پسین
• 72. فصل هفتاد و یکم: قضیه بیز و استنتاج بیزی
• 73. فصل هفتاد و دوم: فاصله اطمینان بیزی
• 74. فصل هفتاد و سوم: کاربردهای آمار در علوم داده
• 75. فصل هفتاد و چهارم: مقدمه‌ای بر ابزارهای آماری (R/Python)
• 76. فصل هفتاد و پنجم: نصب و راه‌اندازی محیط آماری
• 77. فصل هفتاد و ششم: وارد کردن و پاکسازی داده‌ها
• 78. فصل هفتاد و هفتم: انجام تحلیل‌های توصیفی با نرم‌افزار
• 79. فصل هفتاد و هشتم: رسم نمودارهای آماری با نرم‌افزار
• 80. فصل هفتاد و نهم: انجام آزمون‌های فرض با نرم‌افزار
• 81. فصل هشتادم: پیاده‌سازی مدل‌های رگرسیون با نرم‌افزار
• 82. فصل هشتاد و یکم: تحلیل داده‌های سری زمانی با نرم‌افزار
• 83. فصل هشتاد و دوم: مقدمه‌ای بر یادگیری ماشین آماری
• 84. فصل هشتاد و سوم: طبقه‌بندی با مدل‌های آماری
• 85. فصل هشتاد و چهارم: رگرسیون با مدل‌های آماری
• 86. فصل هشتاد و پنجم: ارزیابی مدل‌های یادگیری ماشین
• 87. فصل هشتاد و ششم: مقدمه‌ای بر تحلیل داده‌های بزرگ
• 88. فصل هشتاد و هفتم: چالش‌های آماری در داده‌های بزرگ
• 89. فصل هشتاد و هشتم: تکنیک‌های نمونه‌گیری در داده‌های بزرگ
• 90. فصل هشتاد و نهم: مقدمه‌ای بر آمار در کسب و کار
• 91. فصل نودم: تحلیل ریسک و تصمیم‌گیری آماری
• 92. فصل نود و یکم: پیش‌بینی فروش و تقاضا
• 93. فصل نود و دوم: تحلیل رضایت مشتری
• 94. فصل نود و سوم: مقدمه‌ای بر آمار در علوم زیستی
• 95. فصل نود و چهارم: طراحی کارآزمایی‌های بالینی
• 96. فصل نود و پنجم: تحلیل داده‌های ژنتیکی
• 97. فصل نود و ششم: مقدمه‌ای بر آمار در علوم اجتماعی
• 98. فصل نود و هفتم: تحلیل پیمایش‌ها
• 99. فصل نود و هشتم: تحلیل شبکه‌های اجتماعی
• 100. فصل نود و نهم: ملاحظات اخلاقی در تحلیل داده‌ها