کتاب فراتر از بونفرونی: آزمون‌های چندگانه سلسله‌مراتبی در پژوهش‌های تجربی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره فراتر از بونفرونی: آزمون‌های چندگانه سلسله‌مراتبی در پژوهش‌های تجربی

موضوع کلی: آمار استنباطی و آزمون فرضیه

موضوع میانی: تصحیح آزمون‌های چندگانه و روش‌های پیشرفته

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر آمار استنباطی
• 2. مفاهیم اساسی در آزمون فرضیه
• 3. انواع فرضیه‌های آماری: صفر و جایگزین
• 4. خطاهای نوع اول و نوع دوم در آزمون فرضیه
• 5. مفهوم پی‌مقدار (p-value) و تفسیر آن
• 6. سطح معنی‌داری آلفا و بتا
• 7. توان آزمون آماری و عوامل مؤثر بر آن
• 8. فاصله اطمینان و نقش آن در استنتاج آماری
• 9. یک‌طرفه و دوطرفه بودن آزمون‌ها
• 10. انتخاب آزمون آماری مناسب
• 11. مرور آزمون Z برای میانگین
• 12. مرور آزمون t برای یک و دو نمونه
• 13. مرور آزمون کای‌اسکوئر برای داده‌های طبقه‌ای
• 14. مقدمه‌ای بر تحلیل واریانس (ANOVA)
• 15. رگرسیون خطی ساده و آزمون فرضیه‌ها در آن
• 16. مقدمه‌ای بر مسئله آزمون‌های چندگانه
• 17. افزایش نرخ خطای نوع اول (FWER) در آزمون‌های چندگانه
• 18. مفهوم مقایسه‌های چندگانه (Multiple Comparisons)
• 19. تعریف دقیق نرخ خطای خانواده (Family-Wise Error Rate - FWER)
• 20. تعریف نرخ کشف کاذب (False Discovery Rate - FDR)
• 21. تفاوت‌های کلیدی بین FWER و FDR
• 22. سناریوهایی که نیاز به تصحیح آزمون‌های چندگانه دارند
• 23. اهمیت کنترل خطا در پژوهش‌های تجربی
• 24. پیامدهای عدم تصحیح آزمون‌های چندگانه
• 25. اهداف اصلی روش‌های تصحیح آزمون‌های چندگانه
• 26. تصحیح بونفرونی: مبانی و منطق
• 27. کاربردهای تصحیح بونفرونی
• 28. محدودیت‌ها و محافظه‌کاری تصحیح بونفرونی
• 29. تصحیح سیداک: رویکرد جایگزین بونفرونی
• 30. مقایسه بونفرونی و سیداک
• 31. تصحیح هولم (Holm-Bonferroni): بهبود بونفرونی
• 32. گام‌های عملی در اجرای روش هولم
• 33. روش Hochberg برای تصحیح FWER
• 34. روش Hommel برای تصحیح FWER
• 35. مقایسه قدرت روش‌های کلاسیک FWER
• 36. مفهوم ساختار سلسله‌مراتبی در فرضیه‌ها
• 37. مثال‌هایی از فرضیه‌های سلسله‌مراتبی در طراحی مطالعه
• 38. سلسله‌مراتب فرضیه‌ها در کارآزمایی‌های بالینی
• 39. سلسله‌مراتب در مطالعات ژنتیک و بیوانفورماتیک
• 40. سلسله‌مراتب در تحقیقات علوم اجتماعی و روانشناسی
• 41. سلسله‌مراتب فرضیه‌ها بر اساس اهمیت بالینی یا علمی
• 42. مزایای در نظر گرفتن ساختار سلسله‌مراتبی
• 43. چرا روش‌های کلاسیک برای سلسله‌مراتب کافی نیستند؟
• 44. کنترل سلسله‌مراتبی خطای نوع اول
• 45. تعریف سلسله‌مراتب از منظر گراف تئوری
• 46. مبانی آزمون‌های چندگانه سلسله‌مراتبی
• 47. روش توالی ثابت (Fixed Sequence Procedure): اصول
• 48. اجرای روش توالی ثابت: گام به گام
• 49. محدودیت‌ها و کاربردهای روش توالی ثابت
• 50. روش Fallback (Sequential Rejection Principle)
• 51. پیاده‌سازی روش Fallback در عمل
• 52. انعطاف‌پذیری روش Fallback نسبت به توالی ثابت
• 53. روش‌های Gatekeeping: مقدمه
• 54. Gatekeeping از نوع Serial (متوالی)
• 55. Gatekeeping از نوع Parallel (موازی)
• 56. Gatekeeping با کنترل FWER
• 57. Gatekeeping با کنترل FDR
• 58. طراحی فرضیه‌های Gatekeeping
• 59. روش Dunnett برای مقایسه‌های چندگانه با کنترل گروه
• 60. اصل بسته شدن (Closure Principle) و ارتباط آن با روش‌های سلسله‌مراتبی
• 61. ساختن آزمون‌های سلسله‌مراتبی با استفاده از اصل بسته شدن
• 62. روش‌های گرافی (Graphical Approaches) برای آزمون‌های چندگانه سلسله‌مراتبی
• 63. نمایش گرافیکی فرضیه‌ها و انتقال آلفا
• 64. الگوریتم‌های گرافی برای کنترل FWER
• 65. الگوریتم‌های گرافی برای کنترل FDR
• 66. ترکیب روش‌های گرافی با Gatekeeping
• 67. انتخاب بهترین روش سلسله‌مراتبی: ملاحظات
• 68. مقایسه قدرت و انعطاف‌پذیری روش‌های سلسله‌مراتبی
• 69. مسائل مربوط به توان آماری در آزمون‌های سلسله‌مراتبی
• 70. آزمون‌های ترکیبی (Combination Tests) در چارچوب سلسله‌مراتبی
• 71. آزمون‌های چندگانه سلسله‌مراتبی برای نقاط پایانی ثانویه
• 72. کنترل خطاهای ترکیبی: FWER و FDR در یک چارچوب
• 73. طراحی مطالعات با چندین نقطه پایانی اولیه
• 74. تصحیح برای داده‌های گمشده در آزمون‌های چندگانه
• 75. تحلیل حساسیت در آزمون‌های سلسله‌مراتبی
• 76. نقش اندازه اثر (Effect Size) در تفسیر نتایج سلسله‌مراتبی
• 77. برنامه‌ریزی اندازه نمونه برای مطالعات با فرضیه‌های سلسله‌مراتبی
• 78. تحلیل توان (Power Analysis) برای طراحی سلسله‌مراتبی
• 79. کاربرد در مطالعات بالینی فاز II و III
• 80. کاربرد در مطالعات مشاهده‌ای و کوهورت
• 81. کاربرد در تحلیل داده‌های بیان ژن (Gene Expression)
• 82. کاربرد در غربالگری‌های بزرگ مقیاس (High-Throughput Screening)
• 83. آزمون‌های چندگانه سلسله‌مراتبی در متاآنالیز
• 84. ملاحظات اخلاقی در آزمون‌های چندگانه
• 85. ارتباط با رگولیشن‌های دارویی (FDA/EMA Guidelines)
• 86. چالش‌های مدل‌سازی سلسله‌مراتب فرضیه‌ها
• 87. تفسیر نتایج معنی‌دار و غیرمعنی‌دار در چارچوب سلسله‌مراتبی
• 88. گزارش‌دهی شفاف نتایج آزمون‌های چندگانه
• 89. ارتباط با Bayesian Multiple Testing
• 90. فراتر از آلفای ثابت: تخصیص آلفای پویا (Dynamic Alpha Allocation)
• 91. نرم‌افزارهای آماری برای آزمون‌های چندگانه
• 92. پیاده‌سازی روش‌های کلاسیک در R
• 93. پیاده‌سازی روش‌های سلسله‌مراتبی در R: بسته‌های مربوطه (multcomp, gMCP, etc.)
• 94. پیاده‌سازی روش‌های سلسله‌مراتبی در SAS
• 95. پیاده‌سازی روش‌های سلسله‌مراتبی در Python
• 96. مثال عملی: تحلیل داده‌های یک کارآزمایی بالینی با روش Gatekeeping
• 97. مثال عملی: تحلیل داده‌های ژنومی با روش گرافی
• 98. چالش‌ها و محدودیت‌های عملی در کاربرد
• 99. روندهای آینده در آزمون‌های چندگانه سلسله‌مراتبی
• 100. خلاصه و نتیجه‌گیری: فراتر از بونفرونی