کتاب تسلط بر آمار کاربردی و تحلیل داده با زبان برنامه‌نویسی SAS با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسلط بر آمار کاربردی و تحلیل داده با زبان برنامه‌نویسی SAS

موضوع کلی: آمار کاربردی و تحلیل داده

موضوع میانی: تجزیه و تحلیل آماری با SAS

📋 سرفصل‌های دوره

• 1. مبانی آمار و SAS
• 2. مقدمه ای بر آمار توصیفی و استنباطی
• 3. نصب و راه‌اندازی SAS
• 4. آشنایی با محیط SAS Studio
• 5. مفاهیم اولیه داده‌ها و متغیرها در SAS
• 6. ورود و مدیریت داده‌ها در SAS
• 7. خواندن داده‌ها از فایل‌های متنی و اکسل
• 8. پاکسازی و آماده‌سازی داده‌ها در SAS
• 9. آمار توصیفی با SAS: میانگین، میانه، مد، انحراف معیار
• 10. نمودارها و تجسم داده‌ها با SAS: هیستوگرام، نمودار جعبه‌ای، نمودار پراکندگی
• 11. استفاده از PROC MEANS برای محاسبات آماری
• 12. استفاده از PROC FREQ برای جداول فراوانی و آنالیز
• 13. مفاهیم احتمال و توزیع‌های آماری
• 14. توزیع نرمال و کاربردهای آن
• 15. توزیع‌های گسسته: دوجمله‌ای، پواسون
• 16. فاصله‌های اطمینان برای میانگین
• 17. آزمون‌های فرض آماری: مفاهیم و مراحل
• 18. آزمون t تک نمونه‌ای و دو نمونه‌ای
• 19. آزمون t زوجی
• 20. آزمون‌های ناپارامتری: ویلکاکسون، من-ویتنی
• 21. تحلیل واریانس (ANOVA) یک طرفه
• 22. مقایسات چندگانه در ANOVA
• 23. تحلیل واریانس دو طرفه
• 24. تحلیل واریانس با اندازه‌گیری‌های مکرر
• 25. همبستگی و رگرسیون خطی ساده
• 26. رسم نمودار پراکندگی و محاسبه ضریب همبستگی
• 27. رگرسیون خطی با PROC REG
• 28. آزمون‌های فرض در رگرسیون خطی
• 29. ارزیابی مدل رگرسیون: R-squared, MSE
• 30. تشخیص و رفع مشکلات در رگرسیون خطی
• 31. رگرسیون چندگانه
• 32. انتخاب متغیرها در مدل رگرسیون
• 33. تعامل بین متغیرها در مدل رگرسیون
• 34. رگرسیون لجستیک: مفاهیم و کاربردها
• 35. مدل‌سازی رگرسیون لجستیک با PROC LOGISTIC
• 36. تفسیر ضرایب در رگرسیون لجستیک
• 37. ارزیابی مدل رگرسیون لجستیک
• 38. مقدمه‌ای بر تحلیل داده‌های طبقه‌ای
• 39. جداول تقاطع و آزمون کای-دو
• 40. آنالیز بقا: مفاهیم و مقدمات
• 41. منحنی بقا Kaplan-Meier
• 42. آزمون Log-rank
• 43. مدل رگرسیون Cox
• 44. مقدمه‌ای بر سری‌های زمانی
• 45. تحلیل روند و فصلی بودن داده‌ها
• 46. هموارسازی داده‌های سری زمانی
• 47. آشنایی با مدل‌های ARIMA
• 48. مقدمه‌ای بر داده‌کاوی
• 49. خوشه‌بندی با SAS
• 50. طبقه‌بندی با SAS
• 51. مدل‌های درخت تصمیم
• 52. اعتبارسنجی مدل‌ها
• 53. آشنایی با روش‌های بوت استرپ
• 54. استفاده از ماکروها در SAS
• 55. نوشتن گزارش‌های آماری با SAS
• 56. بهینه‌سازی کد SAS
• 57. کاربرد SAS در صنایع مختلف
• 58. معرفی کتابخانه‌های تخصصی SAS
• 59. ادغام SAS با سایر زبان‌های برنامه‌نویسی
• 60. آشنایی با PROC SQL
• 61. مدیریت داده‌های بزرگ با SAS
• 62. آمار بیزی: مقدمه‌ای
• 63. کاربرد SAS در علوم اجتماعی
• 64. کاربرد SAS در علوم پزشکی
• 65. کاربرد SAS در بازاریابی
• 66. کاربرد SAS در مالی
• 67. مبانی برنامه‌نویسی SAS
• 68. ساختار کلی برنامه‌های SAS
• 69. انواع داده‌ها در SAS
• 70. عملگرها و عبارات در SAS
• 71. دستورات شرطی IF-THEN-ELSE
• 72. حلقه‌ها DO-LOOP
• 73. توابع پرکاربرد در SAS
• 74. ایجاد و مدیریت مجموعه‌داده‌ها در SAS
• 75. استفاده از کتابخانه‌ها و دایرکتوری‌ها در SAS
• 76. برنامه‌نویسی ماژولار در SAS
• 77. خطایابی و رفع اشکال در برنامه‌های SAS
• 78. آشنایی با انواع نمودارها در SAS
• 79. تنظیمات نمودارها و سفارشی‌سازی
• 80. نمودارهای پیشرفته در SAS
• 81. ایجاد گزارش‌های تعاملی
• 82. گزارش‌دهی پویا در SAS
• 83. مدیریت داده‌های گم‌شده
• 84. تبدیل داده‌ها و ایجاد متغیرهای جدید
• 85. ترکیب و ادغام مجموعه‌داده‌ها
• 86. پاک‌سازی داده‌ها و مدیریت خطاها
• 87. آنالیز واریانس با دستورات PROC GLM
• 88. آنالیز کوواریانس
• 89. بررسی فرض‌های تحلیل واریانس
• 90. تجزیه و تحلیل داده‌های نامتعادل
• 91. آنالیز مولفه‌های اصلی (PCA)
• 92. تحلیل عاملی
• 93. تحلیل خوشه‌ای سلسله مراتبی
• 94. تحلیل خوشه‌ای k-means
• 95. انتخاب مدل و اعتبارسنجی
• 96. مفاهیم و کاربردهای داده‌های فضایی
• 97. تحلیل سری‌های زمانی با استفاده از روش‌های پیشرفته
• 98. مدل‌سازی معادله ساختاری (SEM)
• 99. آمار ناپارامتری پیشرفته
• 100. روش‌های تصادفی‌سازی و طراحی آزمایش‌ها