🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: آمار مقدماتی با R: گام به گام تا تحلیل داده‌های واقعی

موضوع کلی: آمار و احتمال با رویکرد محاسباتی

موضوع میانی: تحلیل آماری مقدماتی با استفاده از R

📋 سرفصل‌های دوره (100 موضوع)

• 1. مقدمه‌ای بر آمار و احتمال
• 2. مقدمه‌ای بر زبان R
• 3. نصب و راه‌اندازی R و RStudio
• 4. کار با اشیاء و انواع داده در R
• 5. بردارها و عملیات بر روی آن‌ها
• 6. ماتریس‌ها و عملیات بر روی آن‌ها
• 7. فهرست‌ها (Lists) در R
• 8. فریم‌های داده (Data Frames) در R
• 9. بارگذاری و ذخیره داده‌ها در R
• 10. مقدمه‌ای بر آماره توصیفی
• 11. شاخص‌های مرکزی: میانگین، میانه، نما
• 12. شاخص‌های پراکندگی: واریانس، انحراف معیار، دامنه
• 13. شاخص‌های موقعیت: چارک‌ها، صدک‌ها
• 14. نمودارهای توصیفی: هیستوگرام
• 15. نمودارهای توصیفی: نمودار جعبه‌ای (Boxplot)
• 16. نمودارهای توصیفی: نمودار میله‌ای (Barchart)
• 17. نمودارهای توصیفی: نمودار دایره‌ای (Pie Chart)
• 18. نمودارهای توصیفی: نمودار پراکندگی (Scatterplot)
• 19. مقدمه‌ای بر احتمال
• 20. مفاهیم پایه احتمال: رویداد، فضای نمونه
• 21. احتمال شرطی
• 22. قضیه بیز
• 23. متغیرهای تصادفی گسسته
• 24. توزیع احتمال گسسته: دوجمله‌ای (Binomial)
• 25. توزیع احتمال گسسته: پواسون (Poisson)
• 26. متغیرهای تصادفی پیوسته
• 27. توزیع احتمال پیوسته: یکنواخت (Uniform)
• 28. توزیع احتمال پیوسته: نرمال (Normal)
• 29. ویژگی‌های توزیع نرمال
• 30. توزیع نرمال استاندارد
• 31. قضیه حد مرکزی (Central Limit Theorem)
• 32. مفاهیم نمونه‌گیری
• 33. خطای استاندارد میانگین
• 34. مقدمه‌ای بر استنباط آماری
• 35. برآورد فاصله‌ای (Interval Estimation)
• 36. فاصله اطمینان برای میانگین (توزیع نرمال)
• 37. فاصله اطمینان برای میانگین (توزیع t)
• 38. فاصله اطمینان برای نسبت
• 39. مقدمه‌ای بر آزمون فرض آماری
• 40. مفاهیم فرضیه صفر و فرضیه جایگزین
• 41. مقدار P (P-value)
• 42. سطح معناداری (Alpha)
• 43. خطای نوع اول و نوع دوم
• 44. آزمون z برای میانگین
• 45. آزمون t تک نمونه‌ای (One-sample t-test)
• 46. آزمون t دو نمونه‌ای مستقل (Independent two-sample t-test)
• 47. آزمون t زوجی (Paired t-test)
• 48. آزمون نسبت یک نمونه‌ای
• 49. آزمون نسبت دو نمونه‌ای
• 50. آزمون خی‌دو (Chi-squared test) برای استقلال
• 51. آزمون خی‌دو برای مطابقت (Goodness-of-fit)
• 52. مقدمه‌ای بر رگرسیون خطی ساده
• 53. مدل رگرسیون خطی ساده
• 54. برآورد ضرایب رگرسیون
• 55. تفسیر ضرایب رگرسیون
• 56. آزمون معناداری ضرایب رگرسیون
• 57. ضریب تعیین (R-squared)
• 58. فاصله‌های اطمینان برای ضرایب رگرسیون
• 59. پیش‌بینی در رگرسیون خطی
• 60. بررسی مفروضات رگرسیون خطی
• 61. باقیمانده‌ها (Residuals)
• 62. تحلیل باقیمانده‌ها
• 63. مقدمه‌ای بر رگرسیون خطی چندگانه
• 64. مدل رگرسیون خطی چندگانه
• 65. انتخاب متغیرها در رگرسیون
• 66. مقدمه‌ای بر تحلیل واریانس (ANOVA)
• 67. ANOVA یک‌طرفه (One-way ANOVA)
• 68. آزمون‌های تعقیبی (Post-hoc tests)
• 69. ANOVA دوطرفه (Two-way ANOVA)
• 70. مقدمه‌ای بر آمار ناپارامتری
• 71. آزمون ویلکاکسون مرتبه علامت‌دار (Wilcoxon Signed-Rank Test)
• 72. آزمون من-ویتنی (Mann-Whitney U Test)
• 73. آزمون کروسکال-والیس (Kruskal-Wallis Test)
• 74. مقدمه‌ای بر تحلیل سری‌های زمانی
• 75. اجزای سری زمانی: روند، فصلی، نوسان، تصادفی
• 76. شاخص‌های سری زمانی
• 77. پیش‌بینی در سری‌های زمانی
• 78. مقدمه‌ای بر تحلیل داده‌های طبقه‌بندی شده
• 79. جداول توافقی (Contingency Tables)
• 80. نسبت‌های جفت شده (Odds Ratio)
• 81. نسبت ریسک (Relative Risk)
• 82. مقدمه‌ای بر روش‌های شبیه‌سازی
• 83. تولید اعداد تصادفی
• 84. شبیه‌سازی مونت کارلو
• 85. کاربرد شبیه‌سازی در برآورد احتمالات
• 86. کاربرد شبیه‌سازی در تخمین فاصله‌های اطمینان
• 87. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLMs)
• 88. رگرسیون لجستیک (Logistic Regression)
• 89. تفسیر ضرایب در رگرسیون لجستیک
• 90. مقدمه‌ای بر تحلیل بقا (Survival Analysis)
• 91. توابع بقا و خطر (Hazard Function)
• 92. روش کاپلان-مایر (Kaplan-Meier)
• 93. آزمون رنک لوژ (Log-rank Test)
• 94. مقدمه‌ای بر تجزیه و تحلیل مؤلفه‌های اصلی (PCA)
• 95. مقدمه‌ای بر تحلیل عاملی (Factor Analysis)
• 96. مقدمه‌ای بر خوشه‌بندی (Clustering)
• 97. الگوریتم K-Means Clustering
• 98. مقدمه‌ای بر پردازش متن آماری
• 99. روش‌های ساده پردازش متن
• 100. مقدمه‌ای بر تحلیل داده‌های شبکه‌ای