کتاب مدل‌سازی مدل‌های خطی تعمیم‌یافته با توابع پیوند غیرخطی از طریق MCMC

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی مدل‌های خطی تعمیم‌یافته با توابع پیوند غیرخطی از طریق MCMC

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

موضوع میانی: مدل‌های خطی تعمیم‌یافته بیزی (Bayesian Generalized Linear Models)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته
  • 2. مبانی آمار استنباطی
  • 3. توزیع‌های احتمال گسسته و پیوسته
  • 4. مفهوم تابع پیوند در مدل‌های خطی
  • 5. رگرسیون خطی ساده و چندگانه
  • 6. مفروضات مدل رگرسیون خطی
  • 7. ارزیابی برازش مدل رگرسیون
  • 8. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
  • 9. تفاوت GLM با مدل‌های خطی کلاسیک
  • 10. تابع پیوند خطی
  • 11. تابع پیوند لگاریتمی (Logit)
  • 12. تابع پیوند لگاریتمی (Log)
  • 13. تابع پیوند ریشه‌مربع (Square Root)
  • 14. تابع پیوند هوبر (Huber)
  • 15. تابع پیوند کوانتیل (Quantile)
  • 16. توزیع پواسون برای شمارش
  • 17. مدل رگرسیون پواسون
  • 18. توزیع دوجمله‌ای منفی برای شمارش
  • 19. مدل رگرسیون دوجمله‌ای منفی
  • 20. توزیع گاما برای داده‌های مثبت
  • 21. مدل رگرسیون گاما
  • 22. توزیع نرمال معکوس برای داده‌های مثبت
  • 23. مدل رگرسیون نرمال معکوس
  • 24. توزیع برنولی برای داده‌های دوتایی
  • 25. مدل رگرسیون لجستیک
  • 26. توزیع دسته‌بندی (Categorical)
  • 27. مدل رگرسیون دسته‌بندی
  • 28. توزیع چندجمله‌ای (Multinomial)
  • 29. مدل رگرسیون چندجمله‌ای
  • 30. مقدمه‌ای بر روش‌های زنجیره مارکوف مونت کارلو (MCMC)
  • 31. نیاز به MCMC در GLM
  • 32. مفهوم زنجیره مارکوف
  • 33. مفهوم مونت کارلو
  • 34. نمونه‌گیری از توزیع پسین
  • 35. الگوریتم گیبس (Gibbs Sampling)
  • 36. الگوریتم متروپولیس-هاستینگز (Metropolis-Hastings)
  • 37. تشخیص همگرایی در MCMC
  • 38. معیارهای همگرایی (Gelman-Rubin)
  • 39. تنظیم پارامترهای MCMC
  • 40. تولید نمونه از توزیع پسین پارامترها
  • 41. محاسبه امید ریاضی و واریانس پسین
  • 42. برآورد فواصل اطمینان پسین
  • 43. مدل‌سازی با تابع پیوند لگاریتمی و توزیع پواسون
  • 44. مدل‌سازی با تابع پیوند لگاریتمی و توزیع دوجمله‌ای منفی
  • 45. مدل‌سازی با تابع پیوند لگاریتمی و توزیع گاما
  • 46. مدل‌سازی با تابع پیوند لگاریتمی و توزیع نرمال معکوس
  • 47. مدل‌سازی با تابع پیوند لگاریتمی و توزیع برنولی
  • 48. مدل‌سازی با تابع پیوند لگاریتمی و توزیع دسته‌بندی
  • 49. مدل‌سازی با تابع پیوند لگاریتمی و توزیع چندجمله‌ای
  • 50. کاربرد GLM با MCMC در علوم اجتماعی
  • 51. کاربرد GLM با MCMC در اقتصاد
  • 52. کاربرد GLM با MCMC در پزشکی
  • 53. کاربرد GLM با MCMC در مهندسی
  • 54. کاربرد GLM با MCMC در علوم محیطی
  • 55. کاربرد GLM با MCMC در علوم زیستی
  • 56. کاربرد GLM با MCMC در مدیریت
  • 57. کاربرد GLM با MCMC در بازاریابی
  • 58. کاربرد GLM با MCMC در پژوهش‌های علوم انسانی
  • 59. استانداردهای داده در مدل‌سازی آماری
  • 60. پاکسازی و پیش‌پردازش داده‌ها
  • 61. شناسایی و مدیریت داده‌های پرت
  • 62. بررسی همبستگی بین متغیرها
  • 63. انتخاب متغیرهای مناسب
  • 64. ارزیابی و اعتبارسنجی مدل
  • 65. کاهش بعد در مدل‌سازی
  • 66. تحلیل حساسیت پارامترها
  • 67. تفسیر نتایج مدل‌سازی
  • 68. گزارش‌دهی نتایج مدل‌سازی
  • 69. مبانی برنامه‌نویسی آماری (R)
  • 70. پیاده‌سازی GLM در R
  • 71. استفاده از بسته‌های MCMC در R
  • 72. مقدمه‌ای بر زبان پایتون برای تحلیل آماری
  • 73. پیاده‌سازی GLM در پایتون
  • 74. استفاده از بسته‌های MCMC در پایتون
  • 75. مقایسه روش‌های MCMC با روش‌های بیزی مستقیم
  • 76. محدودیت‌های مدل‌های خطی تعمیم‌یافته
  • 77. گسترش مدل‌های خطی تعمیم‌یافته (GAM)
  • 78. مدل‌سازی داده‌های سری زمانی با GLM
  • 79. مدل‌سازی داده‌های فضایی با GLM
  • 80. مدل‌سازی داده‌های سلسله‌مراتبی با GLM
  • 81. مقدمه‌ای بر مدل‌های مبتنی بر عامل
  • 82. اخلاق در تحلیل داده و مدل‌سازی
  • 83. حفظ حریم خصوصی داده‌ها
  • 84. شفافیت در مدل‌سازی
  • 85. مسئولیت‌پذیری در نتایج مدل
  • 86. پیش‌بینی و تصمیم‌گیری مبتنی بر مدل
  • 87. آینده مدل‌سازی آماری
  • 88. نکات پیشرفته در MCMC
  • 89. بهینه‌سازی پیاده‌سازی MCMC
  • 90. مطالعات موردی پیشرفته GLM با MCMC
  • 91. جمع‌بندی و کاربردهای نهایی

📚 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.