دوره مبانی طراحی مدل در BUGS همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی طراحی مدل در BUGS

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

موضوع میانی: BUGS (WinBUGS, OpenBUGS)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی آماری
• 2. مفاهیم پایه مدل‌سازی احتمالاتی
• 3. توزیع‌های احتمال گسسته
• 4. توزیع‌های احتمال پیوسته
• 5. مفهوم درست‌نمایی
• 6. برآورد حداکثر درست‌نمایی
• 7. محدودیت‌های حداکثر درست‌نمایی
• 8. مقدمه‌ای بر روش‌های بیزی
• 9. قضیه بیز
• 10. توزیع پیشین و پسین
• 11. میانگین‌گیری بیزی
• 12. استفاده از نرم‌افزار آماری
• 13. مقدمه‌ای بر زبان برنامه‌نویسی R
• 14. نصب و راه‌اندازی R
• 15. کار با داده‌ها در R
• 16. رسم نمودارهای پایه در R
• 17. مفاهیم اولیه در BUGS
• 18. نصب و راه‌اندازی WinBUGS
• 19. ساختار اولیه یک مدل در BUGS
• 20. تعریف متغیرهای مدل
• 21. تعریف توزیع‌های پیشین
• 22. تعریف توزیع درست‌نمایی
• 23. تعریف متغیرهای مشاهده‌شده
• 24. نمونه‌گیری مونت کارلو زنجیره مارکوف (MCMC)
• 25. الگوریتم گیبس
• 26. ارزیابی همگرایی زنجیره‌ها
• 27. معیارهای همگرایی
• 28. تشخیص همگرایی
• 29. تفسیر نتایج BUGS
• 30. برآورد پارامترها
• 31. فواصل اطمینان بیزی
• 32. نمودارهای پسین
• 33. مدل‌های خطی تعمیم‌یافته
• 34. مدل‌های رگرسیون خطی بیزی
• 35. مدل‌های رگرسیون لجستیک بیزی
• 36. مدل‌های شمارشی بیزی
• 37. مدل‌های سری زمانی بیزی
• 38. مدل‌های فضایی بیزی
• 39. مدل‌های سلسله‌مراتبی
• 40. مدل‌های سلسله‌مراتبی در BUGS
• 41. سطح اول سلسله‌مراتب
• 42. سطح دوم سلسله‌مراتب
• 43. اثرات تصادفی
• 44. اثرات ثابت
• 45. مدل‌های خطی تعمیم‌یافته سلسله‌مراتبی
• 46. مدل‌های رگرسیون خطی تعمیم‌یافته سلسله‌مراتبی
• 47. مدل‌های رگرسیون لجستیک تعمیم‌یافته سلسله‌مراتبی
• 48. مدل‌های شمارشی تعمیم‌یافته سلسله‌مراتبی
• 49. مدل‌های بقا بیزی
• 50. مدل‌های کوکس بیزی
• 51. مدل‌های بقای پارامتریک بیزی
• 52. مدل‌های بقای ناپارامتریک بیزی
• 53. مدل‌های عاملی در BUGS
• 54. تحلیل عاملی بیزی
• 55. مدل‌های ساختاری معادلات (SEM) بیزی
• 56. مقدمه‌ای بر مدل‌های ساختاری معادلات
• 57. اجزای مدل‌های SEM
• 58. تفسیر نتایج SEM
• 59. مدل‌های مبتنی بر عامل (Agent-Based Models)
• 60. مفاهیم پایه مدل‌های مبتنی بر عامل
• 61. طراحی عامل‌ها
• 62. طراحی محیط
• 63. شبیه‌سازی و تحلیل نتایج
• 64. اعتبارسنجی مدل‌های مبتنی بر عامل
• 65. کاربرد مدل‌های آماری در علوم اجتماعی
• 66. کاربرد مدل‌های آماری در علوم پزشکی
• 67. کاربرد مدل‌های آماری در اقتصاد
• 68. کاربرد مدل‌های آماری در مهندسی
• 69. مدل‌های بیزی برای داده‌های پرت
• 70. مدل‌های بیزی برای داده‌های گمشده
• 71. مدل‌های بیزی برای داده‌های حجیم
• 72. مدل‌های بیزی برای داده‌های با ابعاد بالا
• 73. مقدمه‌ای بر JASP
• 74. نصب و راه‌اندازی JASP
• 75. آمار توصیفی در JASP
• 76. آزمون‌های فرض آماری در JASP
• 77. رگرسیون خطی در JASP
• 78. رگرسیون لجستیک در JASP
• 79. تحلیل واریانس در JASP
• 80. تحلیل عاملی در JASP
• 81. مدل‌های معادلات ساختاری در JASP
• 82. مقدمه‌ای بر Stan
• 83. نصب و راه‌اندازی Stan
• 84. نوشتن مدل در زبان Stan
• 85. کامپایل و اجرای مدل‌های Stan
• 86. تفسیر نتایج Stan
• 87. مقایسه BUGS و Stan
• 88. کاربرد Stan در مدل‌های پیچیده
• 89. ملاحظات اخلاقی در مدل‌سازی آماری
• 90. حفظ حریم خصوصی داده‌ها
• 91. شفافیت در مدل‌سازی
• 92. تفسیر مسئولانه نتایج
• 93. محدودیت‌های مدل‌سازی آماری
• 94. مقدمه‌ای بر مدل‌سازی پیش‌بینی‌کننده
• 95. تکنیک‌های پیش‌بینی
• 96. ارزیابی مدل‌های پیش‌بینی‌کننده
• 97. کاربرد مدل‌های بیزی در پیش‌بینی
• 98. مدل‌سازی پویا
• 99. اصول مدل‌سازی پویا
• 100. کاربرد مدل‌های پویا در تحلیل داده