🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: آمار و احتمال نوین: درک شهودی و کاربرد عملی

موضوع کلی: علم داده و تحلیل کمی

موضوع میانی: مبانی کاربردی آمار و احتمال

📋 سرفصل‌های دوره (100 موضوع)

• 1. چرا به علم داده، آمار و احتمال نیاز داریم؟
• 2. مقدمه‌ای بر داده‌ها: جمعیت، نمونه، متغیرها
• 3. انواع داده‌ها: کمی، کیفی، گسسته و پیوسته
• 4. آمار توصیفی در برابر آمار استنباطی
• 5. معیارهای گرایش به مرکز: میانگین، میانه، مد
• 6. معیارهای پراکندگی: دامنه، واریانس و انحراف معیار
• 7. صدک‌ها، چارک‌ها و دامنه میان چارکی (IQR)
• 8. تجسم داده‌ها: هیستوگرام و نمودار چگالی
• 9. تجسم داده‌ها: نمودار جعبه‌ای (Box Plot) و شناسایی داده‌های پرت
• 10. تجسم داده‌ها: نمودار پراکندگی (Scatter Plot) برای درک روابط
• 11. فضای نمونه، پیشامدها و اصول اولیه احتمال
• 12. تفسیرهای مختلف از احتمال: کلاسیک، فراوانی نسبی و بیزی
• 13. اصول شمارش: اصل ضرب و جمع
• 14. جایگشت‌ها (Permutations) و کاربردهای آن
• 15. ترکیب‌ها (Combinations) و تفاوت آن با جایگشت
• 16. اصول موضوعه احتمال (Axioms of Probability)
• 17. قانون جمع احتمالات و نمودارهای ون
• 18. احتمال شرطی و درک شهودی آن
• 19. قانون ضرب احتمالات و زنجیره پیشامدها
• 20. مفهوم استقلال پیشامدها
• 21. قانون احتمال کل (Law of Total Probability)
• 22. قضیه بیز (Bayes' Theorem): شهود و فرمول
• 23. کاربرد قضیه بیز: به‌روزرسانی باورها با داده‌های جدید
• 24. مفهوم متغیر تصادفی
• 25. متغیرهای تصادفی گسسته و تابع جرم احتمال (PMF)
• 26. تابع توزیع تجمعی (CDF) برای متغیرهای گسسته
• 27. امید ریاضی (Expected Value) یک متغیر تصادفی گسسته
• 28. واریانس و انحراف معیار یک متغیر تصادفی گسسته
• 29. توزیع برنولی (Bernoulli Distribution)
• 30. توزیع دوجمله‌ای (Binomial Distribution): داستان و کاربردها
• 31. محاسبه امید ریاضی و واریانس توزیع دوجمله‌ای
• 32. توزیع هندسی (Geometric Distribution)
• 33. توزیع دوجمله‌ای منفی (Negative Binomial Distribution)
• 34. توزیع فوق‌هندسی (Hypergeometric Distribution)
• 35. توزیع پواسون (Poisson Distribution): مدل‌سازی رویدادهای نادر
• 36. محاسبه امید ریاضی و واریانس توزیع پواسون
• 37. تقریب توزیع دوجمله‌ای با توزیع پواسون
• 38. متغیرهای تصادفی پیوسته و تابع چگالی احتمال (PDF)
• 39. تابع توزیع تجمعی (CDF) برای متغیرهای پیوسته
• 40. امید ریاضی و واریانس متغیرهای تصادفی پیوسته
• 41. توزیع یکنواخت پیوسته (Continuous Uniform Distribution)
• 42. توزیع نمایی (Exponential Distribution) و خاصیت بی‌حافظگی
• 43. مهم‌ترین توزیع در آمار: توزیع نرمال (Normal Distribution)
• 44. ویژگی‌های توزیع نرمال: منحنی زنگوله‌ای
• 45. توزیع نرمال استاندارد (Standard Normal Distribution)
• 46. استانداردسازی و استفاده از جدول Z
• 47. قانون تجربی (68-95-99.7 Rule)
• 48. تقریب توزیع دوجمله‌ای با توزیع نرمال
• 49. توزیع گاما و توزیع کای-دو (Chi-Squared)
• 50. توزیع تی-استیودنت (Student's t-distribution)
• 51. توابع تبدیل متغیرهای تصادفی
• 52. توزیع احتمال توأم (Joint Probability Distribution) برای متغیرهای گسسته
• 53. توزیع احتمال توأم برای متغیرهای پیوسته
• 54. توزیع‌های حاشیه‌ای (Marginal Distributions)
• 55. توزیع‌های شرطی (Conditional Distributions)
• 56. استقلال متغیرهای تصادفی
• 57. کوواریانس (Covariance) و تفسیر آن
• 58. ضریب همبستگی (Correlation Coefficient): شدت و جهت رابطه
• 59. امید ریاضی و واریانس ترکیب خطی متغیرهای تصادفی
• 60. قانون اعداد بزرگ (Law of Large Numbers)
• 61. قضیه حد مرکزی (Central Limit Theorem): سنگ بنای آمار استنباطی
• 62. کاربردهای عملی قضیه حد مرکزی
• 63. مقدمه‌ای بر آمار استنباطی: از نمونه به جمعیت
• 64. مفهوم پارامتر و آماره (Statistic)
• 65. توزیع نمونه‌گیری میانگین (Sampling Distribution of the Mean)
• 66. برآوردگر نقطه‌ای (Point Estimator)
• 67. ویژگی‌های برآوردگرها: نااریبی (Unbiasedness)
• 68. ویژگی‌های برآوردگرها: کارایی (Efficiency) و سازگاری (Consistency)
• 69. روش گشتاورها برای برآورد پارامترها (Method of Moments)
• 70. روش حداکثر درستنمایی (Maximum Likelihood Estimation - MLE)
• 71. مقدمه‌ای بر فاصله‌های اطمینان (Confidence Intervals)
• 72. تفسیر صحیح فاصله اطمینان: چه چیزی هست و چه چیزی نیست
• 73. ساخت فاصله اطمینان برای میانگین جمعیت (واریانس معلوم)
• 74. ساخت فاصله اطمینان برای میانگین جمعیت (واریانس نامعلوم)
• 75. ساخت فاصله اطمینان برای نسبت (Proportion) جمعیت
• 76. رابطه بین عرض فاصله اطمینان و اندازه نمونه
• 77. نحوه تعیین اندازه نمونه مورد نیاز (Sample Size Calculation)
• 78. منطق آزمون فرض آماری (Hypothesis Testing)
• 79. فرضیه صفر (Null) و فرضیه مقابل (Alternative)
• 80. خطاهای نوع اول و نوع دوم (Type I and Type II Errors)
• 81. سطح معناداری (Significance Level - α) و توان آزمون (Power - 1-β)
• 82. مفهوم پی-مقدار (p-value) و نحوه تفسیر آن
• 83. مراحل گام به گام یک آزمون فرض
• 84. آزمون فرض برای میانگین جمعیت (Z-test)
• 85. آزمون فرض برای میانگین جمعیت (t-test)
• 86. آزمون فرض برای نسبت جمعیت
• 87. آزمون فرض برای مقایسه میانگین دو جمعیت مستقل
• 88. آزمون فرض برای مقایسه میانگین دو جمعیت وابسته (Paired t-test)
• 89. آزمون فرض برای مقایسه نسبت دو جمعیت
• 90. آزمون کای-دو برای نیکویی برازش (Goodness-of-Fit Test)
• 91. آزمون کای-دو برای استقلال متغیرها (Test of Independence)
• 92. مقدمه‌ای بر مدل‌سازی خطی و رگرسیون
• 93. رگرسیون خطی ساده: مدل و مفروضات
• 94. تخمین ضرایب رگرسیون با روش حداقل مربعات (Least Squares)
• 95. تفسیر ضرایب مدل رگرسیون: عرض از مبدأ و شیب
• 96. ارزیابی مدل: ضریب تعیین (R-squared)
• 97. تحلیل باقیمانده‌ها (Residual Analysis)
• 98. استنباط آماری در رگرسیون: آزمون فرض برای ضرایب
• 99. فاصله اطمینان برای ضرایب رگرسیون
• 100. مقدمه‌ای بر رگرسیون خطی چندگانه (Multiple Linear Regression)