اپلیکیشن اندرویدی فلشکارت آموزشی نمونهگیری بیزی با BUGS: راهنمای عملی
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره نمونهگیری بیزی با BUGS: راهنمای عملی
موضوع کلی: روشهای نمونهگیری مونتکارلو مارکوف (MCMC) در آمار بیزی
موضوع میانی: BUGS (WinBUGS, OpenBUGS)
📋 سرفصلهای دوره
- 1. مقدمهای بر آمار بیزی
- 2. قضیهٔ بیز و اصل بایی
- 3. توزیع پیشین، درستنما و پسین
- 4. توزیعهای احتمال رایج در تحلیل بیزی
- 5. توزیعهای مزدوج و نقش آنها
- 6. مقدمهای بر روشهای مونتکارلو
- 7. زنجیرههای مارکف: مفاهیم و خواص
- 8. الگوریتم متروپولیس-هاستینگز
- 9. نمونهگیری گیبس
- 10. تصویرسازی MCMC: رفتار زنجیره
- 11. تشخیص همگرایی: مفاهیم کلیدی
- 12. معرفی نرمافزار BUGS
- 13. WinBUGS در مقابل OpenBUGS
- 14. نصب و راهاندازی BUGS
- 15. رابط گرافیکی Doodle و طراحی مدل
- 16. ساختاردهی مدل در زبان BUGS
- 17. ورودی داده و ساختار دادهها
- 18. مقادیر اولیه (Initial Values)
- 19. تنظیمات MCMC: تکرار، باقیمانده، نمونه
- 20. خروجیها و تفسیر نتایج پسین
- 21. خلاصهٔ آماری پسین: میانگین، واریانس، کوانتیل
- 22. بازههای قابل اطمینان (Credible Intervals)
- 23. نمودار ردگرد (Trace Plot) و تفسیر
- 24. نمودار کثیفکاری (Autocorrelation Plot)
- 25. حذف باقیمانده و کاهش نمونه
- 26. اجرای چندین زنجیره و مقایسه
- 27. آمارهٔ Gelman-Rubin (R-hat)
- 28. تشخیص همگرایی عملی
- 29. معیار دیویانس اطلاعاتی (DIC)
- 30. محاسبهٔ DIC در BUGS
- 31. مقایسهٔ مدلها با DIC
- 32. عوامل بیزی (Bayes Factors)
- 33. بررسی پسین پیشبینی
- 34. تحلیل بقای بیزی
- 35. رگرسیون خطی بیزی
- 36. رگرسیون لجستیک بیزی
- 37. رگرسیون پواسون بیزی
- 38. مدلهای سلسلهمراتبی
- 39. مدلهای چندسطحی در BUGS
- 40. اثرات تصادفی و ثابت
- 41. مدلآرایهای، حلقهها و ماتریسها
- 42. دادههای حذفشده و کمنظیر
- 43. دادههای سانسورشده
- 44. مدلهای مخلوط (Mixture Models)
- 45. مدلهای صفر-افزودهشده
- 46. مدلهای مکانیک پنهان
- 47. تحلیل حساسیت پیشین
- 48. پیشینهای غیرمعلوماتی و نامناسب
- 49. پیشینهای اطلاعاتی و انتخاب آنها
- 50. محدودیتهای نامساوی و مرتبسازی پارامترها
- 51. توزیعهای سفارشی و توابع خارجی
- 52. اتصال R و BUGS (R2WinBUGS)
- 53. خروجی CODA و پردازش در R
- 54. پایش پارامترها و ذخیرهٔ نتایج
- 55. بهینهسازی سرعت اجرای مدل
- 56. رفع خطا و دیباگ مدل
- 57. پیامهای خطای رایج و راهحل
- 58. مدلیابی مکانیک بیماری و مرگ
- 59. تحلیل میتا-تحلیل بیزی
- 60. آزمایشهای بالینی بیزی
- 61. کاربرد بیزی در ژنتیک و بیمبانی
- 62. کاربرد بیزی در مالی و بیمه
- 63. مقایسهٔ BUGS با JAGS و Stan
- 64. اصول نوشتن مدلهای بیزی خوب
- 65. گزارشدهی نتایج بیزی و استدلال از مدل
- 66. استفادهٔ صحیح از DIC و معیارهای جایگزین
- 67. WAIC و LOO-CV
- 68. مدلیابی دادههای تکراری و پنلی
- 69. مدلهای فضایی با CAR
- 70. اعتبارسنجی مدل بیزی
- 71. Cross-Validation بیزی
- 72. Prior Predictive Check
- 73. Posterior Predictive Check تفصیلی
- 74. مدلهای نوسانی (Volatility Models)
- 75. فیلترینگ و پیشبینی کالمن بیزی
- 76. مدلهای حالت-فضا
- 77. باینری تو در تو و مدلهای سیستمیک
- 78. شیوهنامهٔ تحلیل بیزی عملی
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.