دوره توزیع پسین: نقشه راه بیزی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره توزیع پسین: نقشه راه بیزی

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

موضوع میانی: توزیع پسین (Posterior Distribution)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مفاهیم احتمال و آمار
• 2. فضای نمونه و پیشامدها
• 3. احتمال شرطی و قاعده بیز
• 4. متغیرهای تصادفی گسسته و پیوسته
• 5. توزیع‌های احتمال گسسته رایج
• 6. توزیع دوجمله‌ای و کاربردهای آن
• 7. توزیع پواسون و کاربردهای آن
• 8. توزیع هندسی و کاربردهای آن
• 9. توزیع فوق هندسی و کاربردهای آن
• 10. توزیع یکنواخت گسسته
• 11. متغیرهای تصادفی پیوسته
• 12. توزیع نرمال و ویژگی‌های آن
• 13. توزیع نمایی و کاربردهای آن
• 14. توزیع گاما و کاربردهای آن
• 15. توزیع بتا و کاربردهای آن
• 16. توزیع کا-دو و کاربردهای آن
• 17. توزیع t استیودنت و کاربردهای آن
• 18. توزیع F و کاربردهای آن
• 19. تابع چگالی احتمال و تابع توزیع تجمعی
• 20. امید ریاضی و واریانس
• 21. قضیه حد مرکزی
• 22. مقدمه‌ای بر استنباط آماری
• 23. برآوردگرها و ویژگی‌های آن‌ها
• 24. برآورد حداکثر درست‌نمایی
• 25. برآورد گشتاورها
• 26. فاصله‌های اطمینان
• 27. آزمون فرض آماری
• 28. خطاهای نوع اول و دوم
• 29. قدرت آزمون
• 30. آزمون‌های فرض برای میانگین جامعه
• 31. آزمون‌های فرض برای واریانس جامعه
• 32. آزمون‌های فرض برای نسبت جامعه
• 33. آزمون‌های فرض برای تفاوت میانگین دو جامعه
• 34. آزمون‌های فرض برای نسبت دو جامعه
• 35. تحلیل واریانس (ANOVA) یک‌طرفه
• 36. تحلیل واریانس (ANOVA) دوطرفه
• 37. مقدمه‌ای بر مدل‌های رگرسیون
• 38. رگرسیون خطی ساده
• 39. برآورد پارامترهای رگرسیون خطی ساده
• 40. آزمون فرض برای ضرایب رگرسیون
• 41. فاصله‌های اطمینان برای ضرایب رگرسیون
• 42. ضریب تعیین (R-squared)
• 43. تشخیص همبستگی چندگانه
• 44. رگرسیون خطی چندگانه
• 45. انتخاب بهترین مدل رگرسیون
• 46. متغیرهای مجازی در رگرسیون
• 47. مقدمه‌ای بر توزیع پسین
• 48. قاعده بیز برای توزیع‌های پسین
• 49. انتخاب توزیع پیشین مناسب
• 50. توزیع پیشین یکنواخت
• 51. توزیع پیشین ژوردان
• 52. توزیع پیشین بتا
• 53. توزیع پیشین گاما
• 54. توزیع پیشین نرمال
• 55. توزیع پسین برای پارامتر میانگین
• 56. توزیع پسین برای پارامتر واریانس
• 57. توزیع پسین برای پارامتر نسبت
• 58. توزیع پسین برای پارامترهای رگرسیون
• 59. توزیع پسین برای پارامترهای مدل‌های خطی تعمیم‌یافته
• 60. روش‌های نمونه‌گیری پسین
• 61. روش مونت کارلو با زنجیره مارکوف (MCMC)
• 62. الگوریتم گیبس سمپلینگ
• 63. الگوریتم متروپولیس-هستینگز
• 64. ارزیابی همگرایی MCMC
• 65. مقدمه‌ای بر مدل‌های بیزی سلسله مراتبی
• 66. مزایای مدل‌های بیزی سلسله مراتبی
• 67. مدل‌های بیزی برای داده‌های طولی
• 68. مدل‌های بیزی برای داده‌های مکانی
• 69. مدل‌های بیزی برای داده‌های شبکه‌ای
• 70. مدل‌های بیزی برای تجزیه و تحلیل سری‌های زمانی
• 71. مدل‌های بیزی برای پیش‌بینی
• 72. کاربرد توزیع پسین در تصمیم‌گیری
• 73. کاربرد توزیع پسین در بهینه‌سازی
• 74. کاربرد توزیع پسین در یادگیری ماشین
• 75. کاربرد توزیع پسین در پردازش سیگنال
• 76. کاربرد توزیع پسین در علوم زیستی
• 77. کاربرد توزیع پسین در علوم اقتصادی
• 78. کاربرد توزیع پسین در علوم اجتماعی
• 79. کاربرد توزیع پسین در مهندسی
• 80. کاربرد توزیع پسین در علوم محیطی
• 81. کاربرد توزیع پسین در علوم مالی
• 82. کاربرد توزیع پسین در مدیریت ریسک
• 83. کاربرد توزیع پسین در هوش مصنوعی
• 84. مقدمه‌ای بر نرم‌افزارهای آماری بیزی
• 85. نرم‌افزار Stan
• 86. نرم‌افزار JAGS
• 87. نرم‌افزار PyMC3
• 88. نرم‌افزار brms
• 89. مثال‌های کاربردی از توزیع پسین در عمل
• 90. تحلیل داده‌های واقعی با رویکرد بیزی
• 91. تفسیر نتایج توزیع پسین
• 92. ملاحظات عملی در مدل‌سازی بیزی
• 93. چالش‌ها و محدودیت‌های توزیع پسین
• 94. آینده پژوهش در توزیع پسین