, ,

کتاب تسلط بر رگرسیون کاربردی با R: از تحلیل خطی تا مدل‌های پیچیده

تومان249,950

انتخاب پلن

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب تسلط بر رگرسیون کاربردی با R: از تحلیل خطی تا مدل‌های پیچیده

موضوع کلی: مدل‌سازی آماری

موضوع میانی: مدل‌سازی رگرسیونی کاربردی با R

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه: چرا مدل‌سازی رگرسیونی؟
  • 2. نصب و راه‌اندازی R و RStudio
  • 3. آشنایی با محیط RStudio: اسکریپت، کنسول، پلات و پکیج‌ها
  • 4. مبانی کار با R: متغیرها، عملگرها و توابع پایه
  • 5. ساختارهای داده در R: بردارها، ماتریس‌ها و لیست‌ها
  • 6. دیتافریم (Data Frame): ساختار اصلی داده برای تحلیل آماری
  • 7. معرفی پکیج Tidyverse برای مدیریت و پاکسازی داده‌ها
  • 8. وارد کردن داده‌ها به R: خواندن فایل‌های CSV، Excel و SPSS
  • 9. پاکسازی و آماده‌سازی داده‌ها با پکیج dplyr
  • 10. اولین گام در تحلیل داده: آمار توصیفی و همبستگی
  • 11. مقدمه‌ای بر مصورسازی داده با ggplot2
  • 12. رسم نمودار پراکندگی (Scatter Plot) برای نمایش روابط
  • 13. مفهوم مدل رگرسیون خطی ساده
  • 14. برازش مدل خطی ساده با تابع lm() در R
  • 15. تفسیر خروجی تابع summary(): ضرایب، خطای استاندارد و p-value
  • 16. تفسیر شیب (Slope) و عرض از مبدأ (Intercept)
  • 17. ضریب تعیین (R-squared) و معنای آن
  • 18. آزمون فرضیه برای ضرایب رگرسیون
  • 19. محاسبه و تفسیر فواصل اطمینان برای ضرایب
  • 20. پیش‌بینی مقادیر جدید و فواصل پیش‌بینی (Prediction Intervals)
  • 21. فواصل اطمینان برای میانگین پاسخ (Confidence Intervals for the Mean Response)
  • 22. مصورسازی خط رگرسیون بر روی نمودار پراکندگی
  • 23. مفروضات اساسی مدل رگرسیون خطی (LINE Assumptions)
  • 24. تحلیل باقی‌مانده‌ها (Residuals) به عنوان ابزار اصلی تشخیص
  • 25. بررسی فرض خطی بودن (Linearity) با نمودارهای باقی‌مانده
  • 26. نمودارهای جزء و باقی‌مانده (Component-Plus-Residual Plots)
  • 27. بررسی فرض ثبات واریانس خطاها (Homoscedasticity)
  • 28. آزمون‌های رسمی برای ناهمسانی واریانس (آزمون Breusch-Pagan)
  • 29. بررسی فرض نرمال بودن خطاها با نمودار Q-Q Plot
  • 30. آزمون‌های نرمال بودن باقی‌مانده‌ها (Shapiro-Wilk Test)
  • 31. بررسی فرض استقلال خطاها و مفهوم خودهمبستگی
  • 32. آزمون دوربین-واتسون (Durbin-Watson Test) برای خودهمبستگی
  • 33. شناسایی داده‌های پرت (Outliers) با باقی‌مانده‌های استیودنتایز شده
  • 34. شناسایی نقاط با اهرم بالا (High-Leverage Points)
  • 35. شناسایی نقاط تأثیرگذار (Influential Observations) با فاصله کوک (Cook's Distance)
  • 36. نمودارهای تشخیصی پیش‌فرض در R
  • 37. معرفی رگرسیون خطی چندگانه
  • 38. برازش مدل چندگانه و تفسیر خروجی آن
  • 39. تفسیر ضرایب رگرسیون در مدل چندگانه
  • 40. ضریب تعیین تعدیل‌شده (Adjusted R-squared)
  • 41. آزمون F برای ارزیابی معناداری کلی مدل
  • 42. کار با متغیرهای پیش‌بین طبقه‌ای (Categorical Predictors)
  • 43. کدگذاری دامی (Dummy Coding) برای متغیرهای طبقه‌ای
  • 44. تغییر متغیر مرجع (Reference Level) در مدل
  • 45. مفهوم برهمکنش (Interaction) بین متغیرهای پیش‌بین
  • 46. مدل‌سازی برهمکنش بین یک متغیر کمی و یک متغیر کیفی
  • 47. مدل‌سازی برهمکنش بین دو متغیر کمی
  • 48. تفسیر ضرایب در حضور اثرات برهمکنش
  • 49. مصورسازی اثرات برهمکنش با پکیج effects
  • 50. چالش هم‌خطی چندگانه (Multicollinearity): تشخیص و اثرات
  • 51. محاسبه فاکتور تورم واریانس (Variance Inflation Factor – VIF)
  • 52. راهکارهای مقابله با هم‌خطی چندگانه
  • 53. اصول انتخاب مدل: سادگی در برابر دقت
  • 54. مقایسه مدل‌های تودرتو (Nested Models) با آزمون F
  • 55. معیارهای اطلاعاتی برای انتخاب مدل: AIC و BIC
  • 56. روش‌های انتخاب متغیر گام به گام (Stepwise Selection)
  • 57. انتخاب پیش‌رو (Forward Selection)
  • 58. انتخاب پس‌رو (Backward Elimination)
  • 59. نقد و بررسی روش‌های انتخاب گام به گام
  • 60. رگرسیون تمام زیرمجموعه‌ها (All Subsets Regression)
  • 61. اعتبارسنجی متقابل (Cross-Validation) برای ارزیابی مدل
  • 62. چرایی و چگونگی تبدیلات (Transformations) در رگرسیون
  • 63. تبدیل متغیرهای پیش‌بین: لگاریتم، ریشه دوم و معکوس
  • 64. تبدیل متغیر پاسخ: تبدیل باکس-کاکس (Box-Cox Transformation)
  • 65. رگرسیون چندجمله‌ای (Polynomial Regression) برای روابط غیرخطی
  • 66. استفاده از اسپلاین‌ها (Splines) برای انعطاف‌پذیری بیشتر مدل
  • 67. مدل‌های جمعی تعمیم‌یافته (Generalized Additive Models – GAMs)
  • 68. رگرسیون مقاوم (Robust Regression) در برابر داده‌های پرت
  • 69. رگرسیون کمترین مربعات وزن‌دار (Weighted Least Squares – WLS)
  • 70. بوت‌استرپ (Bootstrapping) در رگرسیون
  • 71. بوت‌استرپ برای فواصل اطمینان ضرایب رگرسیون
  • 72. فراتر از مدل خطی: معرفی مدل‌های خطی تعمیم‌یافته (GLM)
  • 73. اجزای یک GLM: توزیع خطا، تابع پیوند و بخش سیستماتیک
  • 74. رگرسیون لجستیک برای متغیرهای پاسخ دوتایی
  • 75. برازش مدل رگرسیون لجستیک با تابع glm()
  • 76. تفسیر ضرایب رگرسیون لجستیک: لگاریتم نسبت بخت‌ها (Log-Odds)
  • 77. تبدیل ضرایب به نسبت بخت‌ها (Odds Ratios)
  • 78. پیش‌بینی احتمالات در مدل لجستیک
  • 79. ارزیابی مدل لجستیک: ماتریس درهم‌ریختگی (Confusion Matrix)
  • 80. منحنی ROC و سطح زیر منحنی (AUC)
  • 81. آزمون هاسمر-لمشو (Hosmer-Lemeshow Test) برای نیکویی برازش
  • 82. تشخیص مدل برای رگرسیون لجستیک
  • 83. رگرسیون پواسون (Poisson Regression) برای داده‌های شمارشی
  • 84. تفسیر ضرایب مدل پواسون: لگاریتم نرخ رخداد
  • 85. مفهوم پراکندگی بیش از حد (Overdispersion) در مدل‌های شمارشی
  • 86. آزمون تشخیص پراکندگی بیش از حد
  • 87. رگرسیون دوجمله‌ای منفی (Negative Binomial Regression)
  • 88. مقایسه مدل پواسون و دوجمله‌ای منفی
  • 89. مدل‌های دوجمله‌ای برای داده‌های نسبی (Binomial GLM)
  • 90. مقدمه‌ای بر مدل‌های اثرات آمیخته (Mixed-Effects Models)
  • 91. مدل‌های با عرض از مبدأ تصادفی (Random-Intercept Models)
  • 92. مدل‌های با شیب تصادفی (Random-Slope Models)
  • 93. برازش مدل‌های آمیخته با پکیج lme4
  • 94. تفسیر بخش ثابت و تصادفی مدل‌های آمیخته
  • 95. تحلیل باقی‌مانده‌ها در مدل‌های اثرات آمیخته
  • 96. گزارش نتایج رگرسیون: جداول و نمودارهای استاندارد
  • 97. جمع‌بندی نهایی و نقشه راه برای مدل‌سازی پیشرفته

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب تسلط بر رگرسیون کاربردی با R: از تحلیل خطی تا مدل‌های پیچیده”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا