کتاب صوتی روش‌های رگرسیون مقاوم در تحلیل داده‌های پرت

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره روش‌های رگرسیون مقاوم در تحلیل داده‌های پرت

موضوع کلی: آمار و تحلیل داده

موضوع میانی: مدل‌سازی آماری و رگرسیون

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده و آمار
• 2. مبانی آمار توصیفی
• 3. مفاهیم احتمال و توزیع‌ها
• 4. مقدمه‌ای بر مدل‌سازی آماری
• 5. مبانی رگرسیون خطی ساده
• 6. مفاهیم مدل رگرسیون خطی چندگانه
• 7. مفروضات رگرسیون خطی کلاسیک
• 8. تشخیص و تحلیل داده‌های پرت
• 9. اثر داده‌های پرت بر تخمین رگرسیون
• 10. مفهوم مقاومت در آمار
• 11. چرا به رگرسیون مقاوم نیاز داریم؟
• 12. معرفی روش‌های رگرسیون مقاوم
• 13. رگرسیون حداقل مربعات معمولی (OLS) و محدودیت‌های آن
• 14. مفهوم مقاومت در مقابل داده‌های پرت
• 15. معرفی شاخص‌های اهرمی (Leverage)
• 16. معرفی شاخص‌های تأثیر (Influence)
• 17. اندازه‌گیری تأثیر داده‌های پرت
• 18. روش‌های شناسایی داده‌های پرت در رگرسیون
• 19. مفهوم مقاومت در مقایسه با OLS
• 20. معرفی رگرسیون حداقل مربعات وزنی (WLS)
• 21. محدودیت‌های WLS در مواجهه با داده‌های پرت
• 22. مقدمه‌ای بر روش‌های مقیاس‌پذیر
• 23. معرفی رگرسیون حداقل مربعات مقیاس‌پذیر (LMS)
• 24. نحوه عملکرد LMS
• 25. مزایای LMS
• 26. معایب LMS
• 27. معرفی رگرسیون حداقل مربعات مقیاس‌پذیر دو مرحله‌ای (LTS)
• 28. نحوه عملکرد LTS
• 29. مزایای LTS
• 30. معایب LTS
• 31. معرفی رگرسیون حداقل مربعات مقیاس‌پذیر ریشه‌ای (LQS)
• 32. نحوه عملکرد LQS
• 33. مزایای LQS
• 34. معایب LQS
• 35. معرفی رگرسیون حداقل مربعات مقیاس‌پذیر نمایی (LES)
• 36. نحوه عملکرد LES
• 37. مزایای LES
• 38. معایب LES
• 39. روش‌های مبتنی بر رتبه‌بندی (Rank-based methods)
• 40. معرفی رگرسیون مبتنی بر رتبه‌بندی
• 41. نحوه عملکرد رگرسیون مبتنی بر رتبه‌بندی
• 42. مزایای رگرسیون مبتنی بر رتبه‌بندی
• 43. معایب رگرسیون مبتنی بر رتبه‌بندی
• 44. معرفی رگرسیون M-estimator
• 45. نحوه عملکرد M-estimator
• 46. توابع هدف در M-estimator
• 47. انتخاب تابع هدف مناسب
• 48. مزایای M-estimator
• 49. معایب M-estimator
• 50. معرفی رگرسیون S-estimator
• 51. نحوه عملکرد S-estimator
• 52. مزایای S-estimator
• 53. معایب S-estimator
• 54. معرفی رگرسیون MM-estimator
• 55. نحوه عملکرد MM-estimator
• 56. مزایای MM-estimator
• 57. معایب MM-estimator
• 58. مقایسه روش‌های مختلف رگرسیون مقاوم
• 59. انتخاب روش مناسب بر اساس ویژگی‌های داده
• 60. ارزیابی عملکرد مدل‌های رگرسیون مقاوم
• 61. شاخص‌های ارزیابی مدل‌های مقاوم
• 62. تفسیر نتایج مدل‌های رگرسیون مقاوم
• 63. اعتبار سنجی مدل‌های رگرسیون مقاوم
• 64. کاربرد رگرسیون مقاوم در تحلیل داده‌های اقتصادی
• 65. کاربرد رگرسیون مقاوم در تحلیل داده‌های پزشکی
• 66. کاربرد رگرسیون مقاوم در تحلیل داده‌های مهندسی
• 67. کاربرد رگرسیون مقاوم در تحلیل داده‌های اجتماعی
• 68. کاربرد رگرسیون مقاوم در تحلیل داده‌های محیط زیست
• 69. کاربرد رگرسیون مقاوم در تحلیل داده‌های مالی
• 70. بررسی تفاوت‌های داده‌های پرت و داده‌های تأثیرگذار
• 71. تأثیر داده‌های پرت بر تصمیم‌گیری‌های آماری
• 72. اهمیت مدل‌سازی مقاوم در علوم داده
• 73. روش‌های مبتنی بر نمونه‌گیری (Resampling methods)
• 74. مقدمه‌ای بر بوت استرپ (Bootstrap) در رگرسیون مقاوم
• 75. کاربرد بوت استرپ برای تخمین واریانس ضرایب مقاوم
• 76. مقدمه‌ای بر کراس-ولیدیشن (Cross-validation) در انتخاب مدل مقاوم
• 77. ارزیابی مقاومت مدل در برابر داده‌های پرت
• 78. روش‌های گرافیکی برای ارزیابی مدل‌های مقاوم
• 79. نمودارهای باقی‌مانده (Residual plots) در رگرسیون مقاوم
• 80. نمودارهای اهرمی (Leverage plots)
• 81. نمودارهای تأثیر (Influence plots)
• 82. شناسایی گروه‌های داده پرت
• 83. تکنیک‌های پیشرفته در رگرسیون مقاوم
• 84. رگرسیون مقاوم برای داده‌های سری زمانی
• 85. رگرسیون مقاوم برای داده‌های پانلی
• 86. رگرسیون مقاوم برای مدل‌های خطی تعمیم‌یافته (GLM)
• 87. مقاومت در مدل‌های لجستیک
• 88. مقاومت در مدل‌های پواسون
• 89. مقایسه با روش‌های کلاسیک در شرایط داده‌های پرت
• 90. ملاحظات محاسباتی در رگرسیون مقاوم
• 91. پیاده‌سازی رگرسیون مقاوم با نرم‌افزارهای آماری
• 92. نرم‌افزار R و بسته‌های مربوط به رگرسیون مقاوم
• 93. نرم‌افزار Python و کتابخانه‌های مرتبط
• 94. ارزیابی عملیاتی روش‌های مقاوم در سناریوهای واقعی
• 95. جمع‌بندی و چشم‌انداز آینده رگرسیون مقاوم
• 96. نقش رگرسیون مقاوم در تضمین اعتبار نتایج آماری
• 97. اصول اخلاقی در تحلیل داده و گزارش‌دهی نتایج مقاوم
• 98. ملاحظات مربوط به تفسیر نتایج در چارچوب قوانین کشور
• 99. تطابق رویکردها با مبانی فقهی و شرعی در تحلیل داده