کتاب استاد آمار پژوهشی: چگونه داده‌های خود را به نتایج معتبر تبدیل کنیم؟ با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استاد آمار پژوهشی: چگونه داده‌های خود را به نتایج معتبر تبدیل کنیم؟

موضوع کلی: تحلیل داده و علم داده

موضوع میانی: تحلیل آماری داده‌های پژوهشی

📋 سرفصل‌های دوره

• 1. مقدمه ای بر علم داده و آمار پژوهشی
• 2. انواع داده ها و سطوح اندازه گیری
• 3. مفاهیم جمعیت و نمونه
• 4. آمار توصیفی: معیارهای مرکزی و پراکندگی
• 5. نمودارها و تجسم داده ها
• 6. احتمال و توزیع های احتمال
• 7. توزیع نرمال و اهمیت آن
• 8. قضیه حد مرکزی
• 9. فاصله اطمینان: تخمین بازه ای پارامترها
• 10. آزمون فرضیه: مفاهیم و مراحل
• 11. آزمون فرضیه برای میانگین یک جامعه
• 12. آزمون فرضیه برای واریانس یک جامعه
• 13. آزمون فرضیه برای نسبت یک جامعه
• 14. خطاهای نوع اول و نوع دوم در آزمون فرضیه
• 15. توان آزمون و تعیین حجم نمونه
• 16. مقایسه میانگین دو جامعه مستقل: آزمون t
• 17. مقایسه میانگین دو جامعه وابسته: آزمون t زوجی
• 18. آزمون ناپارامتری Mann-Whitney U
• 19. آزمون ناپارامتری Wilcoxon Signed-Rank
• 20. تحلیل واریانس (ANOVA): مقایسه میانگین های چند جامعه
• 21. ANOVA یک طرفه: فرضیات و محاسبات
• 22. آزمون های تعقیبی (Post-hoc): Tukey, Bonferroni
• 23. ANOVA دو طرفه: اثرات اصلی و اثر متقابل
• 24. اندازه اثر: Cohen's d و Eta-squared
• 25. تحلیل واریانس برای اندازه گیری های مکرر
• 26. آزمون ناپارامتری Kruskal-Wallis
• 27. آزمون ناپارامتری Friedman
• 28. همبستگی: اندازه گیری رابطه بین دو متغیر
• 29. همبستگی پیرسون: مفروضات و تفسیر
• 30. همبستگی اسپیرمن: رتبه بندی و ناپارامتری
• 31. رگرسیون خطی ساده: مدل سازی رابطه بین دو متغیر
• 32. رگرسیون خطی چندگانه: مدل سازی با چند متغیر مستقل
• 33. تشخیص مفروضات رگرسیون: نرمال بودن، همسانی واریانس
• 34. تشخیص چند خطی بودن (Multicollinearity)
• 35. انتخاب متغیر در رگرسیون: روش های پیشرو، پسرو و مرحله ای
• 36. متغیرهای مجازی (Dummy Variables)
• 37. رگرسیون لجستیک: مدل سازی متغیر وابسته دو دویی
• 38. نسبت شانس (Odds Ratio) و تفسیر آن
• 39. ارزیابی برازش مدل رگرسیون لجستیک
• 40. رگرسیون پواسون: مدل سازی داده های شمارشی
• 41. تحلیل بقا: مفاهیم و کاربردها
• 42. منحنی کاپلان-میر: تخمین تابع بقا
• 43. آزمون Log-Rank: مقایسه منحنی های بقا
• 44. مدل رگرسیون کاکس: تحلیل عوامل موثر بر بقا
• 45. تحلیل عاملی: کاهش ابعاد و شناسایی ساختار زیربنایی
• 46. تحلیل مولفه های اصلی (PCA): کاهش ابعاد و استخراج مولفه ها
• 47. اعتبار و پایایی: اندازه گیری کیفیت ابزارهای پژوهش
• 48. آلفای کرونباخ: اندازه گیری پایایی درونی
• 49. روایی محتوا، صوری و سازه
• 50. طراحی پرسشنامه و جمع آوری داده ها
• 51. ملاحظات اخلاقی در پژوهش
• 52. مدیریت داده ها و پاکسازی داده ها
• 53. کار با نرم افزار SPSS: ورود داده ها و تحلیل های پایه
• 54. کار با نرم افزار R: معرفی و اصول برنامه نویسی
• 55. آمار Bayesian: مفاهیم و کاربردها
• 56. آزمون فرضیه Bayesian
• 57. مدل های خطی تعمیم یافته (GLM)
• 58. رگرسیون غیر خطی
• 59. مدل های سری زمانی
• 60. داده کاوی: مفاهیم و تکنیک ها
• 61. خوشه بندی (Clustering): K-means, Hierarchical
• 62. طبقه بندی (Classification): درخت تصمیم، ماشین بردار پشتیبان
• 63. شبکه های عصبی: مفاهیم و کاربردها در تحلیل داده
• 64. یادگیری ماشین: مفاهیم و انواع الگوریتم ها
• 65. اعتبارسنجی مدل های یادگیری ماشین
• 66. روش های نمونه برداری پیشرفته
• 67. تحلیل داده های پانلی
• 68. مدل های معادلات ساختاری (SEM)
• 69. تحلیل مسیر (Path Analysis)
• 70. Meta-Analysis: ترکیب نتایج مطالعات مختلف
• 71. تحلیل حساسیت (Sensitivity Analysis)
• 72. بررسی نرمال بودن داده ها: آزمون Kolmogorov-Smirnov و Shapiro-Wilk
• 73. مقایسه واریانس ها: آزمون Levene
• 74. اندازه گیری توافق بین ارزیابان (Inter-rater reliability)
• 75. تحلیل عاملی تاییدی (Confirmatory Factor Analysis)
• 76. تحلیل میانجیگری (Mediation Analysis)
• 77. تحلیل تعدیلگری (Moderation Analysis)
• 78. روش های برخورد با داده های گمشده
• 79. تبدیل داده ها: لگاریتمی، توانی
• 80. تحلیل داده های نظرسنجی
• 81. تحلیل متن (Text Analysis): مفاهیم پایه
• 82. تحلیل تصویر (Image Analysis): مفاهیم پایه
• 83. تصمیم گیری مبتنی بر داده ها
• 84. گزارش نویسی آماری: اصول و استانداردها
• 85. ارائه نتایج پژوهش: نمودارها و جدول ها
• 86. انتقال نتایج آماری به زبان ساده برای مخاطبان غیر متخصص
• 87. جستجوی مقالات علمی مرتبط با تحلیل داده
• 88. بررسی انتقادی مقالات آماری
• 89. تشخیص مغالطات آماری
• 90. استفاده از هوش مصنوعی در تحلیل داده
• 91. آینده علم داده و آمار پژوهشی
• 92. منابع و مراجع مفید برای یادگیری بیشتر
• 93. مطالعات موردی در تحلیل داده های پژوهشی
• 94. نکات کلیدی در انتخاب روش آماری مناسب
• 95. خلاصه و جمع بندی دوره
• 96. آزمون نهایی و ارزیابی یادگیری