کتاب کاربرد MCMC با Stan در تحلیل‌های آماری
, ,

کتاب کاربرد MCMC با Stan در تحلیل‌های آماری

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000029631 دسته: , , برچسب: , , , , , , , , ,

📚 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 کاربرد MCMC با Stan در تحلیل‌های آماری

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر MCMC
  • 2. مقدمه ای بر Stan
  • 3. چرا MCMC؟
  • 4. چرا Stan؟
  • 5. تاریخچه MCMC
  • 6. تاریخچه Stan
  • 7. مبانی احتمال و آمار
  • 8. متغیرهای تصادفی
  • 9. توزیع های احتمال
  • 10. توابع چگالی احتمال
  • 11. توابع توزیع تجمعی
  • 12. امید ریاضی و واریانس
  • 13. قضیه حد مرکزی
  • 14. قضایای بیز
  • 15. قانون بیز
  • 16. احتمال پیشین
  • 17. احتمال درستنمایی
  • 18. احتمال پسین
  • 19. مدل سازی آماری
  • 20. انواع مدل های آماری
  • 21. مدل های خطی
  • 22. مدل های غیرخطی
  • 23. مدل های سلسله مراتبی
  • 24. مدل های رگرسیون
  • 25. مدل های طبقه بندی
  • 26. مدل های سری زمانی
  • 27. استنتاج آماری
  • 28. استنتاج فراوانی گرا
  • 29. استنتاج بیزی
  • 30. تفاوت استنتاج فراوانی گرا و بیزی
  • 31. مفاهیم کلیدی MCMC
  • 32. شبیه سازی مونت کارلو
  • 33. روش های نمونه برداری
  • 34. الگوریتم های MCMC
  • 35. زنجیره مارکوف
  • 36. فضای حالت
  • 37. توزیع پایدار
  • 38. همگرایی زنجیره مارکوف
  • 39. کشتن (Burn-in)
  • 40. نمونه برداری پسین (Posterior Sampling)
  • 41. الگوریتم Metropolis-Hastings
  • 42. ایده اصلی Metropolis-Hastings
  • 43. تابع پیشهاد (Proposal Function)
  • 44. تابع پذیرش (Acceptance Function)
  • 45. مزایا و معایب Metropolis-Hastings
  • 46. الگوریتم نمونه برداری گیبس (Gibbs Sampling)
  • 47. ایده اصلی نمونه برداری گیبس
  • 48. نمونه برداری از توزیع های شرطی
  • 49. مزایا و معایب نمونه برداری گیبس
  • 50. مقایسه Metropolis-Hastings و نمونه برداری گیبس
  • 51. روش های پیشرفته MCMC
  • 52. MCMC با گرادیان (Gradient-based MCMC)
  • 53. الگوریتم نمونه برداری بر اساس گرادیان (Gradient-based Sampling)
  • 54. نمونه برداری دینامیکی (Dynamic Sampling)
  • 55. نمونه برداری از مسیر تصادفی (Random Walk Sampling)
  • 56. نمونه برداری با مساحت (Area Sampling)
  • 57. MCMC برای مدل های پیچیده
  • 58. مدل های سلسله مراتبی با MCMC
  • 59. مدل های فضایی با MCMC
  • 60. مدل های ناپارامتری با MCMC
  • 61. مقدمه ای بر زبان Stan
  • 62. سینتکس Stan
  • 63. انواع داده در Stan
  • 64. متغیرهای در Stan
  • 65. توابع در Stan
  • 66. بخش های مدل در Stan
  • 67. model block
  • 68. data block
  • 69. parameters block
  • 70. transformed parameters block
  • 71. generated quantities block
  • 72. توابع توزیع در Stan
  • 73. توابع کمکی در Stan
  • 74. نصب Stan
  • 75. نصب RStan
  • 76. نصب PyStan
  • 77. نصب CmdStan
  • 78. نوشتن اولین مدل در Stan
  • 79. نمونه ساده رگرسیون خطی در Stan
  • 80. نمونه ساده مدل بیزی در Stan
  • 81. نوشتن مدل های پیچیده تر در Stan
  • 82. مدل های سلسله مراتبی در Stan
  • 83. مدل های رگرسیون لجستیک در Stan
  • 84. مدل های سری زمانی در Stan
  • 85. مدل های فضایی در Stan
  • 86. مدل های ناپارامتری در Stan
  • 87. ارزیابی همگرایی MCMC
  • 88. معیارهای ارزیابی همگرایی
  • 89. نمودارهای مسیر (Trace Plots)
  • 90. نمودارهای خودهمبستگی (Autocorrelation Plots)
  • 91. آماره R-hat (Gelman-Rubin Statistic)
  • 92. آماره Effective Sample Size (ESS)
  • 93. روش های بصری ارزیابی همگرایی
  • 94. روش های کمی ارزیابی همگرایی
  • 95. تشخیص واگرایی (Divergence)
  • 96. تنظیم پارامترهای MCMC در Stan
  • 97. تعداد تکرارها (Iterations)
  • 98. تعداد زنجیره ها (Chains)
  • 99. اندازه بچ (Batch Size)
  • 100. تعداد گام های پیشنهادی (Proposal Steps)

📚 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 کاربرد MCMC با Stan در تحلیل‌های آماری”

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

محصولات مشابه

پیمایش به بالا