کتاب مقدمه‌ای بر شبیه‌سازی‌های عددی: ابزاری در دست آمارگر با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر شبیه‌سازی‌های عددی: ابزاری در دست آمارگر

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

موضوع میانی: مقدمه‌ای بر روش‌های مونت‌کارلو

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مفاهیم پایه شبیه‌سازی عددی
  • 2. اهمیت شبیه‌سازی در علم آمار
  • 3. انواع روش‌های شبیه‌سازی عددی
  • 4. تولید اعداد تصادفی و شبه تصادفی
  • 5. مفهوم توزیع‌های احتمالی و کاربرد آن‌ها
  • 6. تولید اعداد تصادفی از توزیع‌های گسسته
  • 7. تولید اعداد تصادفی از توزیع‌های پیوسته
  • 8. روش تولید اعداد تصادفی با استفاده از تبدیل معکوس
  • 9. روش تولید اعداد تصادفی با استفاده از رد کردن
  • 10. روش تولید اعداد تصادفی با استفاده از ترکیب
  • 11. روش‌های نمونه‌گیری از توزیع‌های پیچیده
  • 12. مقدمه‌ای بر روش مونت کارلو
  • 13. کاربرد روش مونت کارلو در محاسبه انتگرال
  • 14. کاربرد روش مونت کارلو در تخمین پارامترها
  • 15. کاربرد روش مونت کارلو در بهینه‌سازی
  • 16. مقدمه‌ای بر زنجیره مارکوف مونت کارلو (MCMC)
  • 17. مفهوم زنجیره مارکوف
  • 18. شرط ایستا بودن زنجیره مارکوف
  • 19. الگوریتم Metropolis-Hastings
  • 20. الگوریتم Gibbs Sampling
  • 21. کاربرد MCMC در استنتاج بیزی
  • 22. انتخاب تابع هدف در MCMC
  • 23. ارزیابی همگرایی زنجیره‌های مارکوف
  • 24. روش‌های تشخیص همگرایی MCMC
  • 25. تنظیم پارامترهای الگوریتم‌های MCMC
  • 26. کاربرد MCMC در مدل‌های پیچیده آماری
  • 27. شبیه‌سازی در مدل‌های رگرسیون خطی
  • 28. شبیه‌سازی در مدل‌های رگرسیون لجستیک
  • 29. شبیه‌سازی در مدل‌های سری زمانی
  • 30. شبیه‌سازی در مدل‌های بقا
  • 31. شبیه‌سازی در مدل‌های خوشه‌بندی
  • 32. شبیه‌سازی در مدل‌های طبقه‌بندی
  • 33. شبیه‌سازی در مدل‌های پیش‌بینی
  • 34. شبیه‌سازی در مدل‌های آماری چندسطحی
  • 35. شبیه‌سازی در تحلیل داده‌های حجیم
  • 36. شبیه‌سازی در طراحی آزمایش‌ها
  • 37. شبیه‌سازی در کنترل کیفیت آماری
  • 38. شبیه‌سازی در تحلیل ریسک مالی
  • 39. شبیه‌سازی در مدل‌سازی اعتبار
  • 40. شبیه‌سازی در مدل‌سازی پرتفوی
  • 41. شبیه‌سازی در مدل‌سازی بیمه
  • 42. شبیه‌سازی در تحلیل داده‌های پزشکی
  • 43. شبیه‌سازی در ژنتیک آماری
  • 44. شبیه‌سازی در علوم محیطی
  • 45. شبیه‌سازی در مدل‌سازی ترافیک
  • 46. شبیه‌سازی در مدل‌سازی شبکه‌های اجتماعی
  • 47. شبیه‌سازی در پردازش زبان طبیعی
  • 48. شبیه‌سازی در بینایی ماشین
  • 49. شبیه‌سازی در یادگیری ماشین
  • 50. مقدمه‌ای بر نرم‌افزارهای آماری برای شبیه‌سازی
  • 51. استفاده از R برای شبیه‌سازی
  • 52. استفاده از Python برای شبیه‌سازی
  • 53. استفاده از نرم‌افزارهای تخصصی شبیه‌سازی
  • 54. برنامه‌نویسی برای شبیه‌سازی‌های سفارشی
  • 55. بهینه‌سازی کد برای شبیه‌سازی‌های سریع
  • 56. ملاحظات اخلاقی در شبیه‌سازی‌های آماری
  • 57. کاربرد شبیه‌سازی در آموزش آمار
  • 58. شبیه‌سازی برای درک مفاهیم پیچیده آماری
  • 59. شبیه‌سازی برای ارزیابی عملکرد روش‌های آماری
  • 60. شبیه‌سازی برای مقایسه روش‌های مختلف
  • 61. شبیه‌سازی برای توسعه روش‌های جدید آماری
  • 62. شبیه‌سازی در مسائل واقعی اقتصادی
  • 63. شبیه‌سازی در مسائل واقعی اجتماعی
  • 64. شبیه‌سازی در مسائل واقعی مهندسی
  • 65. شبیه‌سازی در مسائل واقعی پزشکی
  • 66. شبیه‌سازی در مسائل واقعی علوم پایه
  • 67. شبیه‌سازی در مدل‌سازی پدیده‌های پیچیده
  • 68. شبیه‌سازی در تحلیل حساسیت مدل‌ها
  • 69. شبیه‌سازی در تحلیل عدم قطعیت
  • 70. شبیه‌سازی برای اعتبارسنجی مدل‌ها
  • 71. شبیه‌سازی برای مقیاس‌پذیری مدل‌ها
  • 72. شبیه‌سازی در مدل‌های مبتنی بر عامل
  • 73. شبیه‌سازی در سیستم‌های دینامیکی
  • 74. شبیه‌سازی در یادگیری تقویتی
  • 75. شبیه‌سازی در شبکه‌های عصبی عمیق
  • 76. شبیه‌سازی در پردازش سیگنال
  • 77. شبیه‌سازی در توزیع داده‌ها
  • 78. شبیه‌سازی در تحلیل آماری چندمتغیره
  • 79. شبیه‌سازی در تحلیل آماری غیرپارامتری
  • 80. شبیه‌سازی در مدل‌های سلسله مراتبی
  • 81. شبیه‌سازی در مدل‌های احتمالی گرافیکی
  • 82. شبیه‌سازی در مدل‌های آماری بیزی
  • 83. شبیه‌سازی در تحلیل داده‌های مکانی
  • 84. شبیه‌سازی در تحلیل داده‌های زمانی
  • 85. شبیه‌سازی در مدل‌سازی پدیده‌های طبیعی
  • 86. شبیه‌سازی در مدل‌سازی پدیده‌های انسانی
  • 87. شبیه‌سازی در مدل‌سازی سیستم‌های پیچیده سازمانی
  • 88. شبیه‌سازی در ارزیابی سیاست‌گذاری‌ها
  • 89. شبیه‌سازی در پیش‌بینی سناریوهای آینده
  • 90. شبیه‌سازی در درک رفتار سیستم‌ها
  • 91. شبیه‌سازی در توسعه الگوریتم‌های بهینه
  • 92. شبیه‌سازی در ارزیابی کارایی سیستم‌ها
  • 93. شبیه‌سازی در مدل‌سازی تصمیم‌گیری
  • 94. شبیه‌سازی در آموزش مفاهیم پیچیده ریاضی
  • 95. شبیه‌سازی در درک روابط علت و معلولی
  • 96. شبیه‌سازی در تحلیل داده‌های پراکنده
  • 97. شبیه‌سازی در مدل‌سازی پیش‌بینی‌های آماری
تگ‌ها: MCMC آمار بیزی آمارگر توزیع احتمالی روش‌های مونت‌کارلو شبیه‌سازی آماری شبیه‌سازی عددی مونت‌کارلو نمونه‌گیری مونت‌کارلو

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.