اپلیکیشن اندرویدی فلش‌کارت آموزشی از توزیع‌های عمومی تا توزیع‌های اختصاصی: انتخاب تابع گام

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره از توزیع‌های عمومی تا توزیع‌های اختصاصی: انتخاب تابع گام

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

موضوع میانی: انتخاب گام (Proposal Distribution)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر نظریه احتمالات و توزیع‌ها
• 2. مفهوم متغیر تصادفی و انواع آن
• 3. تابع جرم احتمال برای متغیرهای گسسته
• 4. تابع چگالی احتمال برای متغیرهای پیوسته
• 5. تابع توزیع تجمعی
• 6. امید ریاضی و خواص آن
• 7. واریانس و انحراف معیار
• 8. گشتاورها و تابع مولد گشتاور
• 9. توزیع‌های گسسته مهم: برنولی و دوجمله‌ای
• 10. توزیع پواسون و کاربردهای آن
• 11. توزیع هندسی و مفهوم انتظار تعداد آزمایش
• 12. توزیع دوجمله‌ای منفی
• 13. توزیع فوق هندسی
• 14. توزیع یکنواخت گسسته
• 15. مقدمه‌ای بر توزیع‌های پیوسته
• 16. توزیع یکنواخت پیوسته
• 17. توزیع نرمال (گاوسی) و خواص کلیدی آن
• 18. توزیع نرمال استاندارد و کاربرد جداول
• 19. توزیع نمایی و مدل‌سازی زمان انتظار
• 20. توزیع گاما و ارتباط آن با توزیع نمایی
• 21. توزیع کای-دو و کاربرد در آمار استنباطی
• 22. توزیع t استیودنت
• 23. توزیع F فیشر
• 24. توزیع بتا و کاربرد در احتمال بیزی
• 25. مفهوم توزیع‌های شرطی
• 26. قضیه بیز و کاربرد در به‌روزرسانی احتمالات
• 27. قانون اعداد بزرگ
• 28. قضیه حد مرکزی
• 29. مفهوم تخمین‌گرها و خواص آن‌ها
• 30. تخمین‌گر درست‌نما (Maximum Likelihood Estimator)
• 31. تخمین‌گر گشتاورها (Method of Moments Estimator)
• 32. فاصله‌های اطمینان برای میانگین
• 33. فاصله‌های اطمینان برای واریانس
• 34. آزمون فرض آماری: اصول اولیه
• 35. خطای نوع اول و نوع دوم
• 36. آزمون فرض برای میانگین جامعه نرمال
• 37. آزمون فرض برای واریانس جامعه نرمال
• 38. مقدمه‌ای بر رگرسیون خطی ساده
• 39. تخمین پارامترها در رگرسیون خطی
• 40. آزمون فرض در مدل رگرسیون خطی
• 41. ضریب تعیین (R-squared)
• 42. مقدمه‌ای بر رگرسیون خطی چندگانه
• 43. آزمون فرض برای ضرایب رگرسیون چندگانه
• 44. تحلیل واریانس (ANOVA) در رگرسیون
• 45. مقدمه‌ای بر سری‌های زمانی
• 46. مدل‌های اتورگرسیو (AR)
• 47. مدل‌های میانگین متحرک (MA)
• 48. مدل‌های ARMA
• 49. مدل‌های ARIMA
• 50. مقدمه‌ای بر شبیه‌سازی مونت کارلو
• 51. تولید اعداد تصادفی با توزیع‌های مختلف
• 52. روش‌های نمونه‌گیری از توزیع‌های پیچیده
• 53. کاربرد شبیه‌سازی در تخمین انتگرال‌ها
• 54. کاربرد شبیه‌سازی در ارزیابی ریسک
• 55. مقدمه‌ای بر آمار غیرپارامتری
• 56. آزمون علامت‌دار (Sign Test)
• 57. آزمون رتبه‌امضا (Signed-Rank Test)
• 58. آزمون ویلکاکسون (Wilcoxon Rank-Sum Test)
• 59. آزمون کروسکال-والیس (Kruskal-Wallis Test)
• 60. آزمون اسپیرمن برای همبستگی رتبه‌ای
• 61. مقدمه‌ای بر توزیع‌های چندمتغیره
• 62. توزیع نرمال چندمتغیره
• 63. ماتریس کوواریانس و همبستگی
• 64. توزیع‌های شرطی در حالت چندمتغیره
• 65. تحلیل مؤلفه‌های اصلی (PCA)
• 66. تحلیل عاملی (Factor Analysis)
• 67. مقدمه‌ای بر توزیع‌های شرطی اختصاصی
• 68. انتخاب تابع توزیع مناسب بر اساس داده‌ها
• 69. توزیع‌های سفارشی برای مدل‌سازی پدیده‌های خاص
• 70. توزیع‌های ترکیبی و کاربرد آن‌ها
• 71. روش‌های تخمین پارامتر برای توزیع‌های پیچیده
• 72. مقدمه‌ای بر توزیع‌های گسسته خاص
• 73. توزیع لاتین (Negative Binomial)
• 74. توزیع کثیرالجمله‌ای (Multinomial)
• 75. توزیع ناپیوسته یکنواخت
• 76. توزیع هندسی معکوس
• 77. توزیع‌های پیوسته خاص
• 78. توزیع رایلی (Rayleigh)
• 79. توزیع وایبول (Weibull)
• 80. توزیع لوژستیک (Logistic)
• 81. توزیع لاپلاس (Laplace)
• 82. توزیع ارلنگ (Erlang)
• 83. کاربرد توزیع‌های خاص در مهندسی
• 84. کاربرد توزیع‌های خاص در علوم مالی
• 85. کاربرد توزیع‌های خاص در علوم پزشکی
• 86. کاربرد توزیع‌های خاص در علوم طبیعی
• 87. مقدمه‌ای بر توزیع‌های شرطی در آمار بیزی
• 88. انتخاب تابع پیشین (Prior Distribution)
• 89. انتخاب تابع درست‌نما (Likelihood Function)
• 90. محاسبه تابع پسین (Posterior Distribution)
• 91. روش‌های نمونه‌گیری از توزیع پسین
• 92. کاربرد توزیع‌های شرطی در مدل‌سازی پیش‌بینی
• 93. اصول انتخاب تابع توزیع گام مناسب
• 94. تحلیل حساسیت در انتخاب توزیع
• 95. ارزیابی کیفی توزیع‌های انتخاب شده
• 96. مقایسه توزیع‌ها با استفاده از معیارهای آماری
• 97. کاربرد توزیع‌های گام در بهینه‌سازی
• 98. کاربرد توزیع‌های گام در تحلیل بقا
• 99. کاربرد توزیع‌های گام در پردازش سیگنال
• 100. کاربرد توزیع‌های گام در یادگیری ماشین