دوره مدل‌سازی ناوردا و کوپولاها: تضمین پایداری و انعطاف‌پذیری در توزیع‌های توام همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی ناوردا و کوپولاها: تضمین پایداری و انعطاف‌پذیری در توزیع‌های توام

موضوع کلی: تحلیل پیشرفته وابستگی‌ها در داده‌ها

موضوع میانی: اصول و روش‌های مدل‌سازی پایدار توزیع‌های توام

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل وابستگی و اهمیت آن
• 2. مفاهیم اساسی احتمال و متغیرهای تصادفی
• 3. توزیع‌های حاشیه‌ای و توزیع‌های توأم
• 4. تابع توزیع تجمعی (CDF) و تابع چگالی احتمال (PDF)
• 5. ماتریس کوواریانس و ساختار وابستگی
• 6. ضریب همبستگی پیرسون و محدودیت‌های آن
• 7. وابستگی خطی در مقابل وابستگی غیرخطی
• 8. معیارهای وابستگی مبتنی بر رتبه: کندال تاو و اسپیرمن رو
• 9. مفهوم ناوردایی (Invariance) در آمار و علوم داده
• 10. چرا به مدل‌سازی پیشرفته توزیع‌های توأم نیاز داریم؟
• 11. مقدمه‌ای بر کوپولا: ابزاری برای جداسازی وابستگی از حاشیه‌ها
• 12. قضیه اسکلار (Sklar's Theorem): سنگ بنای نظریه کوپولا
• 13. اثبات و درک شهودی قضیه اسکلار
• 14. ویژگی‌های اساسی یک تابع کوپولا
• 15. مرزهای فرشه-هوفدینگ (Fréchet-Hoeffding Bounds)
• 16. کوپولای استقلال و کوپولای هم‌یکنواختی
• 17. تابع چگالی کوپولا و نحوه محاسبه آن
• 18. تبدیل انتگرال احتمال (Probability Integral Transform) و کاربرد آن
• 19. تبدیل شرطی (Conditional Distribution) با استفاده از کوپولا
• 20. شبیه‌سازی داده از یک مدل کوپولا
• 21. خانواده کوپولاهای بیضوی: گوسی و t-استیودنت
• 22. ویژگی‌های کوپولای گوسی و ارتباط آن با توزیع نرمال چندمتغیره
• 23. ویژگی‌های کوپولای t-استیودنت و درجات آزادی
• 24. مفهوم وابستگی دمی (Tail Dependence) و اهمیت آن در ریسک
• 25. محاسبه وابستگی دمی بالا و پایین
• 26. خانواده کوپولاهای ارشمیدسی: معرفی و ساختار
• 27. مولدهای کوپولاهای ارشمیدسی
• 28. کوپولای کلایتون (Clayton) و وابستگی دمی پایین
• 29. کوپولای گامبل (Gumbel) و وابستگی دمی بالا
• 30. کوپولای فرانک (Frank) و وابستگی متقارن
• 31. چرخش (Rotation) کوپولاها برای مدل‌سازی انواع وابستگی
• 32. مدل‌سازی ناوردا برای توزیع‌های توأم: تعریف و انگیزه
• 33. ناوردایی نسبت به تبدیلات یکنوا و اکیداً صعودی حاشیه‌ها
• 34. کوپولاها به عنوان مدل‌های ذاتاً ناوردا
• 35. ارتباط ناوردایی با معیارهای وابستگی مبتنی بر رتبه
• 36. پایداری مدل در برابر تغییرات در توزیع‌های حاشیه‌ای
• 37. شبه-مشاهدات (Pseudo-observations) و نقش آن‌ها در ساخت کوپولا
• 38. مقایسه مدل‌سازی ناوردا با روش‌های کلاسیک (مانند مدل‌های رگرسیونی)
• 39. چارچوب ریاضیاتی برای تضمین ناوردایی در مدل‌ها
• 40. پیامدهای ناوردایی برای استنتاج آماری و پیش‌بینی
• 41. بررسی مقاله "Invariant Modeling for Joint Distributions": ایده‌های کلیدی
• 42. تخمین غیرپارامتریک توزیع‌های حاشیه‌ای
• 43. تخمین پارامتریک توزیع‌های حاشیه‌ای
• 44. تخمین غیرپارامتریک کوپولا: کوپولای تجربی (Empirical Copula)
• 45. تخمین پارامتریک کوپولاها: روش حداکثر درستنمایی (MLE)
• 46. روش حداکثر درستنمایی کامل (Full Maximum Likelihood Estimation)
• 47. روش حداکثر درستنمایی استنباطی برای حاشیه‌ها (IFM)
• 48. مقایسه روش‌های تخمین پارامتریک: مزایا و معایب
• 49. روش گشتاورها برای تخمین پارامترهای کوپولا
• 50. استفاده از کندال تاو برای کالیبراسیون پارامترهای کوپولاهای تک‌پارامتری
• 51. چالش‌های تخمین در ابعاد بالا
• 52. آزمون‌های نیکویی برازش (Goodness-of-Fit) برای کوپولاها
• 53. آزمون‌های مبتنی بر فرآیند تجربی کوپولا
• 54. آزمون‌های مبتنی بر تبدیل روزنبلات (Rosenblatt Transformation)
• 55. ابزارهای گرافیکی برای ارزیابی برازش کوپولا: نمودارهای Q-Q و P-P
• 56. معیارهای انتخاب مدل: معیار اطلاعاتی آکائیکه (AIC)
• 57. معیارهای انتخاب مدل: معیار اطلاعاتی بیزین (BIC)
• 58. اعتبارسنجی متقابل (Cross-Validation) برای انتخاب مدل کوپولا
• 59. انتخاب بین خانواده‌های مختلف کوپولا
• 60. انتخاب بهترین مدل حاشیه‌ای
• 61. تحلیل حساسیت مدل نسبت به انتخاب کوپولا و توزیع حاشیه‌ای
• 62. کوپولاهای چندمتغیره: فراتر از دو بعد
• 63. کوپولاهای ارشمیدسی چندمتغیره و محدودیت‌های آنها
• 64. چالش‌های مدل‌سازی وابستگی در ابعاد بالا: نفرین ابعاد
• 65. معرفی کوپولاهای واین (Vine Copulas) یا زوج-کوپولا (Pair-Copula)
• 66. تجزیه توزیع توأم به زوج-کوپولاها
• 67. ساختارهای R-vine و C-vine و D-vine
• 68. تخمین و انتخاب ساختار در کوپولاهای واین
• 69. کوپولاهای شرطی (Conditional Copulas)
• 70. کوپولاهای پویا: مدل‌سازی وابستگی متغیر با زمان
• 71. مدل‌های GARCH-Copula در مالی
• 72. مدل‌سازی وابستگی نامتقارن
• 73. استنباط بیزین برای مدل‌های کوپولا
• 74. کوپولاهای اکسترمال (Extreme Value Copulas) و تحلیل رویدادهای نادر
• 75. کوپولاهای سلسله‌مراتبی (Hierarchical Copulas)
• 76. کوپولاهای عاملی (Factor Copulas)
• 77. ترکیب کوپولاها (Mixture of Copulas)
• 78. کاربرد در مدیریت ریسک مالی: محاسبه ارزش در معرض خطر (VaR)
• 79. کاربرد در مدیریت ریسک مالی: محاسبه کسری مورد انتظار (Expected Shortfall)
• 80. کاربرد در بهینه‌سازی سبد سهام
• 81. کاربرد در قیمت‌گذاری مشتقات مالی چند دارایی
• 82. کاربرد در مدل‌سازی ریسک اعتباری و بدهی‌های وثیقه‌دار (CDO)
• 83. کاربرد در بیمه: مدل‌سازی ریسک‌های تجمعی و قیمت‌گذاری بیمه‌نامه‌های مشترک
• 84. کاربرد در هیدرولوژی: مدل‌سازی همزمان سیل و خشکسالی
• 85. کاربرد در علوم اقلیمی: تحلیل وابستگی بین متغیرهای آب و هوایی
• 86. کاربرد در مهندسی: تحلیل قابلیت اطمینان سیستم‌های پیچیده
• 87. کاربرد در علوم زیستی: مدل‌سازی وابستگی‌های ژنتیکی
• 88. جایگاه کوپولاها در یادگیری ماشین و مدل‌های مولد
• 89. استفاده از کوپولا در شبکه‌های بیزین
• 90. پیاده‌سازی مدل‌های کوپولا در پایتون با کتابخانه‌های آماری
• 91. پیاده‌سازی مدل‌های کوپولا در R
• 92. مطالعه موردی: تحلیل وابستگی در بازار سهام
• 93. مطالعه موردی: مدل‌سازی ریسک عملیاتی در یک بانک
• 94. چالش‌های عملی در مدل‌سازی با کوپولاها
• 95. تفسیر نتایج مدل‌های کوپولا
• 96. اشتباهات رایج در استفاده از کوپولاها
• 97. خلاصه دوره: قدرت مدل‌سازی ناوردا و انعطاف‌پذیری کوپولاها
• 98. چالش‌های باز و مسیرهای تحقیقاتی آینده در حوزه مدل‌سازی وابستگی