کتاب بررسی و اعتبارسنجی مدل‌ها با BUGS
, ,

کتاب بررسی و اعتبارسنجی مدل‌ها با BUGS

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000029799 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 بررسی و اعتبارسنجی مدل‌ها با BUGS

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

موضوع میانی: BUGS (WinBUGS, OpenBUGS)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر مدل سازی آماری بیزی
  • 2. مبانی احتمالات و استنلال بیزی
  • 3. قضیه بیز و توزیع های پیشین و پسین
  • 4. انواع توزیع های پیشین (بیانگر، غیربیانگر، طبیعی-همجواری)
  • 5. مقدمه ای بر نرم افزار BUGS
  • 6. تاریخچه و تکامل نرم افزارهای BUGS (WinBUGS, OpenBUGS, JAGS)
  • 7. نصب و راه اندازی نرم افزار BUGS
  • 8. آشنایی با محیط کاربری BUGS
  • 9. زبان مدل سازی BUGS
  • 10. تعریف متغیرها و پارامترها در BUGS
  • 11. تعریف توزیع های پیشین در BUGS
  • 12. تعریف توزیع های درستنمایی در BUGS
  • 13. نمونه سازی از توزیع های پسین با استفاده از روش های MCMC
  • 14. مقدمه ای بر روش های زنجیره مارکوف مونت کارلو (MCMC)
  • 15. الگوریتم گیبس سمپلینگ (Gibbs Sampling)
  • 16. الگوریتم متروپلیس-هستینگز (Metropolis-Hastings)
  • 17. مبانی نظری MCMC
  • 18. تشخیص همگرایی زنجیره های MCMC
  • 19. معیارهای بصری همگرایی (نمودارهای زنجیره، نمودارهای تراکم)
  • 20. معیارهای کمی همگرایی (R-hat، نمودارهای خودهمبستگی)
  • 21. تشخیص و رفع مشکلات همگرایی
  • 22. اعتبارسنجی مدل ها با داده های شبیه سازی شده (Simulated Data)
  • 23. تولید داده های شبیه سازی شده از مدل
  • 24. مقایسه خروجی مدل با داده های شبیه سازی شده
  • 25. مقدمه ای بر توابع تناسب مدل (Goodness-of-Fit)
  • 26. آمار تناسب مدل (Goodness-of-Fit Statistics)
  • 27. آزمون نسبت درستنمایی (Likelihood Ratio Test)
  • 28. آزمون کای-دو (Chi-Squared Test)
  • 29. آزمون کولموگروف-اسمیرنوف (Kolmogorov-Smirnov Test)
  • 30. مقدمه ای بر اعتبارسنجی پیش بینی (Predictive Validation)
  • 31. اعتبارسنجی پیش بینی با استفاده از داده های خارج از نمونه (Out-of-Sample Data)
  • 32. اعتبارسنجی پیش بینی با استفاده از اعتبارسنجی متقابل (Cross-Validation)
  • 33. اعتبارسنجی پیش بینی با استفاده از روش های بایاس-اعتبار (Bias-Corrected)
  • 34. معیارهای ارزیابی پیش بینی (RMSE، MAE، R-squared)
  • 35. مقدمه ای بر معیارهای انتخاب مدل (Model Selection Criteria)
  • 36. معیار اطلاعاتی آکائیکه (AIC)
  • 37. معیار اطلاعاتی بیزیان (BIC)
  • 38. معیار اطلاعاتی واک-آکائیکه (WAIC)
  • 39. معیار اطلاعاتی پیش بینی پسین (LOO-CV)
  • 40. مقایسه مدل ها با استفاده از معیارهای انتخاب مدل
  • 41. مقدمه ای بر تحلیل حساسیت (Sensitivity Analysis)
  • 42. تاثیر تغییر توزیع های پیشین بر نتایج مدل
  • 43. تاثیر تغییر ساختار مدل بر نتایج مدل
  • 44. مطالعه موردی: مدل سازی رگرسیون خطی بیزی
  • 45. پیاده سازی مدل رگرسیون خطی در BUGS
  • 46. اعتبارسنجی مدل رگرسیون خطی با داده های شبیه سازی شده
  • 47. تحلیل تناسب مدل رگرسیون خطی
  • 48. پیش بینی در مدل رگرسیون خطی
  • 49. مطالعه موردی: مدل سازی رگرسیون لجستیک بیزی
  • 50. پیاده سازی مدل رگرسیون لجستیک در BUGS
  • 51. اعتبارسنجی مدل رگرسیون لجستیک با داده های شبیه سازی شده
  • 52. تحلیل تناسب مدل رگرسیون لجستیک
  • 53. پیش بینی در مدل رگرسیون لجستیک
  • 54. مطالعه موردی: مدل سازی مدل های سلسله مراتبی بیزی
  • 55. مفهوم مدل های سلسله مراتبی
  • 56. پیاده سازی مدل های سلسله مراتبی در BUGS
  • 57. اعتبارسنجی مدل های سلسله مراتبی
  • 58. تحلیل تناسب مدل های سلسله مراتبی
  • 59. مطالعه موردی: مدل سازی سری های زمانی بیزی
  • 60. پیاده سازی مدل های سری زمانی ساده در BUGS
  • 61. اعتبارسنجی مدل های سری زمانی
  • 62. مطالعه موردی: مدل سازی مدل های بقا بیزی
  • 63. مقدمه ای بر مدل های بقا
  • 64. پیاده سازی مدل کاکس در BUGS
  • 65. اعتبارسنجی مدل های بقا
  • 66. مطالعه موردی: مدل سازی مدل های فضایی بیزی
  • 67. مقدمه ای بر مدل های فضایی
  • 68. پیاده سازی مدل های فضایی ساده در BUGS
  • 69. اعتبارسنجی مدل های فضایی
  • 70. مقدمه ای بر مفاهیم پیشرفته در BUGS
  • 71. مدل سازی علّی (Causal Modeling) در BUGS
  • 72. مدل سازی ساختاری (Structural Equation Modeling) در BUGS
  • 73. مدل سازی پیچیده (Complex Models) در BUGS
  • 74. استفاده از بسته های R برای BUGS (مانند rjags, R2WinBUGS)
  • 75. ادغام BUGS با زبان های برنامه نویسی دیگر (Python)
  • 76. عیب یابی رایج در BUGS
  • 77. نکات پیشرفته در نوشتن کد BUGS
  • 78. بهینه سازی کد BUGS
  • 79. نکات کاربردی و ترفندها در BUGS
  • 80. ملاحظات اخلاقی در مدل سازی آماری
  • 81. تفسیر نتایج مدل های بیزی
  • 82. ارتباط نتایج مدل های بیزی با دنیای واقعی
  • 83. محدودیت های مدل سازی بیزی و BUGS
  • 84. آینده مدل سازی بیزی و نرم افزارهای MCMC
  • 85. منابع مطالعاتی بیشتر
  • 86. کارگاه های آموزشی و دوره های تخصصی
  • 87. انجمن های آنلاین و پشتیبانی
  • 88. انتخاب نرم افزار مناسب (WinBUGS, OpenBUGS, JAGS)
  • 89. مقایسه قابلیت های نرم افزارهای مختلف BUGS
  • 90. پیاده سازی مدل های سفارشی در BUGS
  • 91. استفاده از داده های پرت (Outliers) در مدل های بیزی
  • 92. مدل سازی با داده های از دست رفته (Missing Data) در BUGS
  • 93. مدل سازی با داده های گروه بندی شده (Grouped Data) در BUGS
  • 94. مدل سازی با داده های ترتیبی (Ordinal Data) در BUGS
  • 95. مدل سازی با داده های شمارشی (Count Data) در BUGS
  • 96. مدل سازی با داده های پیوسته (Continuous Data) در BUGS
  • 97. مدل سازی با توابع پیش بینی (Predictive Functions)
  • 98. مدل سازی با توابع توزیع دلخواه (Arbitrary Distributions)
  • 99. مقدمه ای بر تکنیک های نمونه سازی پیشرفته (Advanced Sampling Techniques)
  • 100. نمونه سازی با پارامترهای متمرکز (Reparameterization)

📚 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 بررسی و اعتبارسنجی مدل‌ها با BUGS”

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

محصولات مشابه

پیمایش به بالا