دوره روشهای مقاوم در برابر دادههای پرت برای تحلیل روند-چرخه در سریهای زمانی: از تئوری تا عمل همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره روشهای مقاوم در برابر دادههای پرت برای تحلیل روند-چرخه در سریهای زمانی: از تئوری تا عمل
موضوع کلی: اقتصادسنجی و تحلیل سریهای زمانی
موضوع میانی: تخمین روند-چرخه و نقاط عطف در سریهای زمانی
📋 سرفصلهای دوره
- 1. معرفی اقتصادسنجی سریهای زمانی
- 2. مفاهیم اساسی سریهای زمانی
- 3. انواع دادههای سری زمانی
- 4. نمودارها و توصیف اولیه سریهای زمانی
- 5. اجزای سریهای زمانی: روند، چرخه، فصلی، نامنظم
- 6. هدف از تجزیه سریهای زمانی
- 7. مدلهای جمعی و ضربی سریهای زمانی
- 8. مفهوم ایستایی و ناایستایی
- 9. روش میانگین متحرک ساده برای تخمین روند
- 10. میانگین متحرک وزندار و نمایی
- 11. روش رگرسیون برای تخمین روند خطی
- 12. روش رگرسیون برای تخمین روند غیرخطی
- 13. فیلتر هودریک-پرکات (HP filter): مبانی نظری
- 14. کاربرد فیلتر HP در تخمین روند-چرخه
- 15. محدودیتهای روشهای کلاسیک تجزیه
- 16. تعریف نقطه پرت و انواع آن در دادهها
- 17. نقاط پرت در سریهای زمانی: تعاریف و ویژگیها
- 18. انواع نقاط پرت سری زمانی: جمعی (Additive Outlier)
- 19. انواع نقاط پرت سری زمانی: نوآورانه (Innovational Outlier)
- 20. انواع نقاط پرت سری زمانی: تغییر سطح (Level Shift)
- 21. انواع نقاط پرت سری زمانی: تغییر موقت (Temporary Change)
- 22. تاثیر نقاط پرت بر میانگین و واریانس سری
- 23. تاثیر نقاط پرت بر توابع خودهمبستگی و همبستگی جزئی
- 24. تاثیر نقاط پرت بر تخمین روند با میانگین متحرک
- 25. تاثیر نقاط پرت بر تخمین روند با رگرسیون
- 26. تاثیر نقاط پرت بر تخمین روند با فیلتر HP
- 27. نیاز به روشهای مقاوم در برابر نقاط پرت
- 28. مبانی و فلسفه آمار مقاوم
- 29. نقطه شکست (Breakdown Point): مفهوم و اهمیت
- 30. تابع تاثیر (Influence Function) و کاربردهای آن
- 31. مفهوم تخمینگر مقاوم: مقایسه با تخمینگرهای کلاسیک
- 32. میانه: مقاومترین تخمینگر موقعیت
- 33. میانگین هرسشده (Trimmed Mean)
- 34. میانگین وینزورایز شده (Winsorized Mean)
- 35. تخمینگرهای M (M-estimators): مبانی و کاربردها
- 36. تخمینگر M هابر (Huber's M-estimator)
- 37. تخمینگر M توکی (Tukey's Biweight M-estimator)
- 38. تخمینگرهای L (L-estimators)
- 39. تخمینگرهای S (S-estimators) برای رگرسیون مقاوم
- 40. تخمینگرهای MM (MM-estimators) برای رگرسیون مقاوم
- 41. تخمین مقیاس مقاوم: انحراف مطلق میانه (MAD)
- 42. مفهوم باقیماندههای مقاوم در رگرسیون
- 43. میانگین متحرک مبتنی بر میانه (Median Filter)
- 44. کاربرد فیلتر میانه در هموارسازی سریهای زمانی
- 45. میانگین متحرک هرسشده مقاوم
- 46. رگرسیون حداقل انحرافات مطلق (LAD Regression) برای روند
- 47. رگرسیون M مقاوم برای تخمین روند
- 48. رگرسیون S و MM مقاوم برای تخمین روند پیچیده
- 49. هموارساز LOESS مقاوم (Robust LOESS)
- 50. هموارساز LOWESS مقاوم (Robust LOWESS)
- 51. فیلتر هودریک-پرکات مقاوم: رویکرد کلی
- 52. فیلتر HP مقاوم با استفاده از وزندهی مجدد تکراری (IRLS)
- 53. فیلتر HP مقاوم مبتنی بر Median Absolute Deviation (MAD)
- 54. فیلتر HP مقاوم با توابع وزندهی M-estimator
- 55. مقایسه فیلتر HP کلاسیک و مقاوم در حضور نقاط پرت
- 56. مفهوم فیلتر کالمن مقاوم (Robust Kalman Filter)
- 57. کاربرد فیلتر کالمن مقاوم در تخمین روند پویا
- 58. مدلهای سری زمانی ساختاری مقاوم
- 59. تجزیه سری زمانی فصلی-روند-چرخه-نامنظم مقاوم
- 60. روش STL (Seasonal-Trend decomposition using Loess) و نسخه مقاوم آن
- 61. الگوریتمهای مقاوم برای تفکیک فصلی-روند
- 62. تخمین مولفههای چرخه با روشهای مقاوم
- 63. تخمین مولفه فصلی با روشهای مقاوم
- 64. تخمین مولفه نامنظم (باقیمانده) با روشهای مقاوم
- 65. نرمافزارها و کتابخانههای موجود برای روشهای مقاوم
- 66. پیادهسازی فیلترهای مقاوم در زبان R
- 67. پیادهسازی فیلترهای مقاوم در زبان Python
- 68. انتخاب بهترین روش مقاوم برای یک مجموعه داده خاص
- 69. مقایسه عملکرد روشهای مقاوم مختلف (مطالعات شبیهسازی)
- 70. تحلیل حساسیت روشهای مقاوم به پارامترها و تنظیمات
- 71. مسائل عملی در پیادهسازی روشهای مقاوم
- 72. مطالعه موردی: تخمین روند تولید ناخالص داخلی با روشهای مقاوم
- 73. باقیماندههای مقاوم برای تشخیص نقاط پرت
- 74. نمودارهای تشخیص نقاط پرت (Robust Residual Plots)
- 75. معیارهای تشخیص نقاط پرت مبتنی بر فاصله ماهالانوبیس مقاوم
- 76. آزمونهای آماری مقاوم برای تشخیص نقاط پرت
- 77. تاثیر نقاط اهرمی (Leverage Points) بر تخمین مقاوم
- 78. تمایز بین نقاط پرت و نقاط اهرمی
- 79. روشهای تکراری برای تشخیص و حذف نقاط پرت
- 80. ادغام تشخیص نقاط پرت با تخمین مقاوم روند-چرخه
- 81. نقاط پرت در مولفه فصلی و نحوه تشخیص آنها
- 82. ارزیابی دقت و کارایی تشخیص نقاط پرت
- 83. شناسایی نقاط عطف (Turning Points) در چرخههای اقتصادی
- 84. اهمیت تحلیل نقاط عطف با استفاده از مولفههای مقاوم
- 85. روشهای کلاسیک شناسایی نقاط عطف (مانند NBER)
- 86. شناسایی نقاط عطف با استفاده از مشتقات مولفه روند مقاوم
- 87. کاربرد عملی روشهای مقاوم در تحلیل سریهای مالی
- 88. کاربرد روشهای مقاوم در تحلیل سریهای اقتصاد کلان
- 89. پیشبینی سریهای زمانی با استفاده از مولفههای روند-چرخه مقاوم
- 90. مدلهای ARMA/ARIMA مقاوم (Robust ARMA/ARIMA)
- 91. پیشبینی و مدلسازی نقاط پرت در سریهای زمانی
- 92. سریهای زمانی چند متغیره مقاوم: مقدمه و مفاهیم
- 93. تخمین روند-چرخه در مدلهای سری زمانی چند متغیره مقاوم
- 94. چالشهای تخمین مقاوم در دادههای با فرکانس بالا
- 95. موضوع ناهمگنی واریانس در سریهای زمانی و روشهای مقاوم
- 96. بررسی مطالعات موردی پیشرفته در ادبیات علمی
- 97. مقایسه نتایج روشهای کلاسیک و مقاوم در مطالعات کاربردی
- 98. محدودیتها و مشکلات روشهای مقاوم در عمل
- 99. راهکارهای عملی برای غلبه بر چالشهای روشهای مقاوم
- 100. تحقیقات آتی و مسیرهای جدید در زمینه روشهای مقاوم برای سریهای زمانی
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائهشده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم میکند. این سامانه از الگوریتم زمانبندی مرور SM-2 استفاده میکند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم میکند.
به این ترتیب، کارتهای دشوارتر میتوانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسبتری داشته باشید.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیتهای لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر میشود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً بهعنوان گواهی اتمام دوره آموزشی صادر میشود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.