کتاب صوتی کاربرد MCMC با Stan در تحلیل‌های آماری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد MCMC با Stan در تحلیل‌های آماری

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر روش‌های مونت کارلو زنجیره مارکوف
• 2. مبانی نظری MCMC
• 3. آشنایی با نرم‌افزار Stan
• 4. نصب و راه‌اندازی Stan
• 5. ساختار کلی مدل در Stan
• 6. تعریف متغیرهای مشاهده‌شده و پنهان
• 7. توابع چگالی احتمال در Stan
• 8. نوشتن مدل‌های خطی ساده با Stan
• 9. برآورد پارامترها با MCMC
• 10. ارزیابی همگرایی زنجیره‌ها
• 11. تشخیص واگرایی و مشکلات همگرایی
• 12. روش‌های تشخیص همگرایی
• 13. تحلیل پسین توزیع پارامترها
• 14. رسم نمودارهای تراکمی و هیستوگرام
• 15. محاسبه فواصل اطمینان پسین
• 16. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
• 17. کاربرد GLM در Stan
• 18. مدل‌های رگرسیون لجستیک با Stan
• 19. مدل‌های رگرسیون پواسون با Stan
• 20. مدل‌های رگرسیون ناپارامتری با Stan
• 21. مدل‌های سلسله‌مراتبی در Stan
• 22. مزایای مدل‌های سلسله‌مراتبی
• 23. پیاده‌سازی مدل‌های سلسله‌مراتبی در Stan
• 24. مدل‌های اثرات تصادفی
• 25. مدل‌های اثرات ثابت
• 26. مدل‌های اثرات مختلط
• 27. کاربرد مدل‌های سلسله‌مراتبی در علوم زیستی
• 28. کاربرد مدل‌های سلسله‌مراتبی در علوم اجتماعی
• 29. کاربرد مدل‌های سلسله‌مراتبی در اقتصاد
• 30. مقدمه‌ای بر مدل‌های سری زمانی
• 31. مدل‌های ARIMA با Stan
• 32. مدل‌های GARCH با Stan
• 33. مدل‌های حالت-فضا با Stan
• 34. پیاده‌سازی مدل‌های سری زمانی در Stan
• 35. تحلیل داده‌های فضایی با Stan
• 36. مدل‌های رگرسیون فضایی
• 37. مدل‌های خودهمبستگی فضایی
• 38. مدل‌های ناهمگنی فضایی
• 39. پیاده‌سازی مدل‌های فضایی در Stan
• 40. مقدمه‌ای بر بهینه‌سازی بیزی
• 41. بهینه‌سازی تابع هدف با Stan
• 42. کاربرد بهینه‌سازی بیزی در انتخاب مدل
• 43. مقدمه‌ای بر استنتاج بیزی برای مدل‌های پیچیده
• 44. استنتاج بیزی برای مدل‌های آماری غیرخطی
• 45. استنتاج بیزی برای مدل‌های آماری چندمتغیره
• 46. مقدمه‌ای بر تحلیل بقا با Stan
• 47. مدل‌های کاکس با Stan
• 48. مدل‌های بقا با پارامترهای تصادفی
• 49. پیاده‌سازی تحلیل بقا در Stan
• 50. مقدمه‌ای بر مدل‌های آماری برای داده‌های پرتکرار
• 51. مدل‌های اثرات مختلط برای داده‌های پرتکرار
• 52. مدل‌های خطی تعمیم‌یافته مختلط
• 53. پیاده‌سازی مدل‌های داده‌های پرتکرار در Stan
• 54. مقدمه‌ای بر مدل‌های آماری برای داده‌های ترتیبی
• 55. مدل‌های ترتیبی با Stan
• 56. پیاده‌سازی مدل‌های ترتیبی در Stan
• 57. مقدمه‌ای بر مدل‌های آماری برای داده‌های طبقه‌بندی شده
• 58. مدل‌های طبقه‌بندی شده با Stan
• 59. پیاده‌سازی مدل‌های طبقه‌بندی شده در Stan
• 60. مقدمه‌ای بر مدل‌های آماری برای داده‌های بقا با رویدادهای متعدد
• 61. مدل‌های بقا با رویدادهای متعدد در Stan
• 62. پیاده‌سازی مدل‌های بقا با رویدادهای متعدد در Stan
• 63. مقدمه‌ای بر مدل‌های آماری برای داده‌های فاصله تا رویداد
• 64. مدل‌های فاصله تا رویداد در Stan
• 65. پیاده‌سازی مدل‌های فاصله تا رویداد در Stan
• 66. مقدمه‌ای بر مدل‌های آماری برای داده‌های خوشه‌ای
• 67. مدل‌های خوشه‌ای با Stan
• 68. پیاده‌سازی مدل‌های خوشه‌ای در Stan
• 69. مقدمه‌ای بر روش‌های پیش‌بینی با Stan
• 70. پیش‌بینی با مدل‌های MCMC
• 71. ارزیابی عملکرد پیش‌بینی
• 72. کاربرد Stan در تحلیل حساسیت
• 73. تحلیل حساسیت پارامترهای مدل
• 74. تحلیل حساسیت مدل‌ها
• 75. مقدمه‌ای بر اعتبارسنجی مدل با Stan
• 76. اعتبارسنجی متقابل (Cross-validation)
• 77. اعتبارسنجی با داده‌های جدید
• 78. مقدمه‌ای بر استنتاج علت و معلولی با Stan
• 79. مدل‌های مداخله (Intervention models)
• 80. تحلیل اثرات مداخله با Stan
• 81. مقدمه‌ای بر استفاده از Stan در مطالعات میدانی
• 82. تحلیل داده‌های مطالعات میدانی با Stan
• 83. کاربرد Stan در تحلیل نتایج آزمایش‌ها
• 84. مقدمه‌ای بر شبیه‌سازی مونت کارلو با Stan
• 85. تولید داده‌های شبیه‌سازی شده
• 86. ارزیابی مدل با داده‌های شبیه‌سازی شده
• 87. مقدمه‌ای بر مفاهیم پیشرفته در Stan
• 88. استفاده از Stan برای مدل‌های بسیار بزرگ
• 89. بهینه‌سازی کد Stan
• 90. نکات و ترفندهای پیشرفته در Stan
• 91. مقایسه Stan با سایر نرم‌افزارهای MCMC
• 92. کاربرد Stan در تحقیقات علمی
• 93. پروژه‌های عملی با Stan
• 94. مثال‌های کاربردی در علوم مختلف
• 95. تفسیر نتایج پیشرفته در Stan
• 96. گزارش‌نویسی نتایج تحلیل‌های آماری با Stan
• 97. نکات مهم در استفاده از Stan
• 98. جمع‌بندی و مسیرهای آینده در MCMC و Stan