دوره مدل‌سازی رگرسیونی پیشرفته همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی رگرسیونی پیشرفته

موضوع کلی: آمار و مدل‌سازی

موضوع میانی: پیش‌بینی آماری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی رگرسیونی
• 2. انواع متغیرها و مقیاس‌های اندازه‌گیری
• 3. نمودارهای پراکندگی و بررسی همبستگی
• 4. مفهوم همبستگی و ضریب همبستگی پیرسون
• 5. رگرسیون خطی ساده: مفاهیم پایه
• 6. برآورد پارامترهای رگرسیون خطی
• 7. ارزیابی برازش مدل رگرسیون خطی
• 8. تحلیل باقیمانده‌ها و تشخیص خطاها
• 9. فاصله‌های اطمینان برای ضرایب رگرسیون
• 10. آزمون فرض در رگرسیون خطی ساده
• 11. پیش‌بینی با استفاده از مدل رگرسیون خطی
• 12. رگرسیون خطی چندگانه: مفاهیم و کاربردها
• 13. برآورد پارامترها در رگرسیون خطی چندگانه
• 14. انتخاب متغیرها در مدل رگرسیون چندگانه
• 15. اثر متغیرهای طبقه‌ای در رگرسیون
• 16. متغیرهای مجازی و کدگذاری متغیرهای طبقه‌ای
• 17. بررسی چندخطی و راه‌های مقابله با آن
• 18. تحلیل واریانس (ANOVA) در رگرسیون
• 19. آزمون‌های معناداری در رگرسیون چندگانه
• 20. تفسیر ضرایب رگرسیون در مدل چندگانه
• 21. مفاهیم واریانس توضیح داده شده و R-squared
• 22. R-squared تعدیل‌شده و مقایسه مدل‌ها
• 23. تحلیل باقیمانده‌ها در رگرسیون چندگانه
• 24. تشخیص نقاط پرت و تأثیر آن‌ها بر مدل
• 25. رگرسیون غیرخطی: مقدمه‌ای
• 26. مدل‌های رگرسیون چند جمله‌ای
• 27. تبدیل متغیرها برای خطی‌سازی روابط
• 28. رگرسیون لجستیک: مفاهیم و کاربردها
• 29. احتمالات و odds در رگرسیون لجستیک
• 30. برآورد پارامترها در رگرسیون لجستیک
• 31. ارزیابی برازش مدل رگرسیون لجستیک
• 32. آزمون‌های معناداری در رگرسیون لجستیک
• 33. پیش‌بینی با استفاده از مدل رگرسیون لجستیک
• 34. رگرسیون پواسون: کاربردها در داده‌های شمارشی
• 35. مفاهیم واریانس بیش‌پراکندگی
• 36. مدل‌های تعمیم‌یافته خطی (GLM)
• 37. رگرسیون ridge و lasso: تنظیم مدل
• 38. انتخاب مدل با استفاده از cross-validation
• 39. رگرسیون کوادراتیک
• 40. مدل‌های اثرات تصادفی
• 41. تحلیل سری‌های زمانی با رگرسیون
• 42. رگرسیون با داده‌های پانل
• 43. رگرسیون ناپارامتری
• 44. نرم‌افزارهای رگرسیونی: SPSS
• 45. نرم‌افزارهای رگرسیونی: R