, ,

کتاب مبانی نظری و عملی MCMC برای استنتاج GLM

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.

📚 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 مبانی نظری و عملی MCMC برای استنتاج GLM

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

موضوع میانی: استنتاج مبتنی بر مدل‌های خطی تعمیم‌یافته (GLM)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر آمار بیزی
  • 2. مبانی احتمال
  • 3. قضیه بیز
  • 4. توزیع های احتمال
  • 5. توزیع های پیشین و پسین
  • 6. انتخاب توزیع پیشین
  • 7. توزیع های پیشین غیر اطلاعاتی
  • 8. توزیع های پیشین اطلاعاتی
  • 9. توزیع های پیشین مشترک
  • 10. توزیع های پیشین مستقل
  • 11. مبانی استنتاج آماری
  • 12. استنتاج پارامتری
  • 13. روش های حداکثر درستنمایی
  • 14. روش های بیزی
  • 15. تفاوت روش های بیزی و حداکثر درستنمایی
  • 16. معرفی مدل های خطی تعمیم یافته (GLM)
  • 17. مدل خطی عمومی (GLM)
  • 18. ساختار GLM
  • 19. تابع پیوند (Link Function)
  • 20. تابع توزیع (Distribution Family)
  • 21. مثال های GLM
  • 22. رگرسیون خطی
  • 23. رگرسیون لجستیک
  • 24. رگرسیون پواسون
  • 25. مدل های خطی تعمیم یافته غیرخطی
  • 26. محدودیت های روش های تحلیلی برای GLM
  • 27. چالش های استنتاج بیزی برای GLM
  • 28. نیاز به روش های عددی
  • 29. مقدمه ای بر زنجیره مارکوف مونت کارلو (MCMC)
  • 30. مفاهیم زنجیره مارکوف
  • 31. فضای حالت
  • 32. انتقال حالت
  • 33. ماتریس انتقال
  • 34. تعادل در زنجیره مارکوف
  • 35. قضیه حد مرکزی برای زنجیره مارکوف
  • 36. مفهوم مونت کارلو
  • 37. شبیه سازی مونت کارلو
  • 38. کاربرد شبیه سازی مونت کارلو در آمار
  • 39. معرفی الگوریتم های MCMC
  • 40. هدف MCMC در استنتاج بیزی
  • 41. تولید نمونه از توزیع پسین
  • 42. چالش های تولید نمونه
  • 43. الگوریتم های MCMC پایه
  • 44. Metropolis-Hastings Algorithm
  • 45. قوانین پذیرش و رد
  • 46. انتخاب تابع پیشنهاد (Proposal Distribution)
  • 47. مفاهیم تابع پیشنهاد
  • 48. ویژگی های تابع پیشنهاد خوب
  • 49. تنظیم پارامترهای الگوریتم Metropolis-Hastings
  • 50. Metropolis-within-Gibbs Sampler
  • 51. الگوریتم گیبس
  • 52. کاربرد الگوریتم گیبس در مدل های بیزی
  • 53. ترکیب Metropolis-Hastings و Gibbs
  • 54. نکات عملی در پیاده سازی Metropolis-Hastings
  • 55. تست همگرایی در MCMC
  • 56. معیارهای همگرایی
  • 57. نمودارهای سری زمانی (Trace Plots)
  • 58. نمودارهای خودهمبستگی (Autocorrelation Plots)
  • 59. آماره گلمن-ریوبین (Gelman-Rubin Statistic)
  • 60. معیارهای دیگر همگرایی
  • 61. مدیریت همگرایی
  • 62. تنظیم پارامترهای MCMC برای همگرایی سریعتر
  • 63. تنظیم اندازه گام (Step Size)
  • 64. تنظیم تابع پیشنهاد
  • 65. تنظیم تعداد تکرارها
  • 66. مشکل همبستگی بین نمونه ها
  • 67. کاهش همبستگی
  • 68. نمونه برداری با گام بزرگتر
  • 69. استفاده از تکنیک های کاهش همبستگی
  • 70. بررسی کیفیت نمونه ها
  • 71. توزیع های پیشین برای پارامترهای GLM
  • 72. انتخاب توزیع پیشین برای پارامترهای شیب (Slope Parameters)
  • 73. انتخاب توزیع پیشین برای پارامتر عرض از مبدأ (Intercept)
  • 74. انتخاب توزیع پیشین برای پارامتر مقیاس (Scale Parameter) در مدل های غیر گوسی
  • 75. کاربرد MCMC در مدل های خطی تعمیم یافته (GLM)
  • 76. استنتاج بیزی برای رگرسیون خطی با MCMC
  • 77. استنتاج بیزی برای رگرسیون لجستیک با MCMC
  • 78. استنتاج بیزی برای رگرسیون پواسون با MCMC
  • 79. استنتاج بیزی برای سایر GLM ها
  • 80. مدل های GLM پیچیده تر
  • 81. مدل های GLM با اثرات مختلط (Mixed Effects GLMs)
  • 82. استنتاج بیزی برای مدل های GLM با اثرات مختلط
  • 83. کاربرد MCMC در مدل های GLM با داده های گمشده
  • 84. روش های پیاده سازی MCMC
  • 85. بسته های نرم افزاری برای MCMC
  • 86. Stan
  • 87. JAGS
  • 88. BUGS
  • 89. PyMC3
  • 90. Pyro
  • 91. نکات عملی در استفاده از بسته های نرم افزاری
  • 92. انتخاب بسته نرم افزاری مناسب
  • 93. نوشتن کد برای مدل های GLM
  • 94. اشکال زدایی کد MCMC
  • 95. ارزیابی نتایج MCMC
  • 96. محاسبه میانگین، میانه و واریانس پارامترها
  • 97. محاسبه فواصل اطمینان بیزی (Credible Intervals)
  • 98. رسم نمودارهای توزیع پسین
  • 99. مقایسه مدل ها با استفاده از معیارهای بیزی
  • 100. معیار اطلاعات آکائیکه بیزی (Bayesian Information Criterion – BIC)

📚 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 مبانی نظری و عملی MCMC برای استنتاج GLM”

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

پیمایش به بالا