کتاب راهنمای گام به گام برای استفاده از JAGS در R با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای گام به گام برای استفاده از JAGS در R

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

موضوع میانی: ادغام JAGS با R

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر نرم‌افزار JAGS و کاربردهای آن
• 2. نصب و راه‌اندازی JAGS و R
• 3. آشنایی با محیط R و دستورات پایه
• 4. مفاهیم اولیه مدل‌سازی آماری
• 5. انواع مدل‌های آماری
• 6. مقدمه‌ای بر مدل‌سازی بیزی
• 7. تفاوت مدل‌سازی فراوانی‌گرا و بیزی
• 8. اجزای یک مدل بیزی: پیشین، درست‌نمایی، پسین
• 9. نوشتن اولین مدل بیزی در JAGS
• 10. مفهوم پارامتر و تخمین آن
• 11. توزیع‌های پیشین رایج
• 12. انتخاب توزیع پیشین مناسب
• 13. مفهوم درست‌نمایی
• 14. توزیع‌های درست‌نمایی رایج
• 15. نوشتن مدل با توزیع نرمال
• 16. نوشتن مدل با توزیع برنولی
• 17. نوشتن مدل با توزیع پواسون
• 18. نوشتن مدل با توزیع گاما
• 19. نوشتن مدل با توزیع بتا
• 20. مفهوم زنجیره مارکوف مونت کارلو (MCMC)
• 21. الگوریتم گیبس سمپلینگ
• 22. الگوریتم متروپولیس-هستینگز
• 23. اجرای MCMC در JAGS
• 24. بررسی همگرایی زنجیره‌ها
• 25. معیارهای تشخیص همگرایی (Gelman-Rubin)
• 26. روش‌های بصری بررسی همگرایی
• 27. تعداد تکرارها و طول زنجیره
• 28. نمونه‌گیری پسین (Posterior Sampling)
• 29. محاسبه آماره‌های پسین
• 30. میانگین، میانه، واریانس پسین
• 31. فواصل اطمینان بیزی (Credible Intervals)
• 32. نمودارهای توزیع پسین
• 33. مدل‌های خطی در JAGS
• 34. رگرسیون خطی ساده بیزی
• 35. رگرسیون خطی چندگانه بیزی
• 36. مدل‌های سلسله‌مراتبی (Hierarchical Models)
• 37. مفهوم سلسله‌مراتب
• 38. مدل‌های سلسله‌مراتبی تک‌سطحی
• 39. مدل‌های سلسله‌مراتبی دو سطحی
• 40. کاربرد مدل‌های سلسله‌مراتبی در داده‌های خوشه‌ای
• 41. مدل‌سازی داده‌های دسته‌بندی شده
• 42. رگرسیون لجستیک بیزی
• 43. مدل‌سازی داده‌های شمارشی
• 44. مدل‌سازی با توزیع منفی دوجمله‌ای
• 45. مدل‌سازی سری‌های زمانی
• 46. مدل‌های ARIMA بیزی
• 47. مدل‌های انتقال مارکوف (Markov Switching Models)
• 48. مدل‌سازی فضایی
• 49. مدل‌های اتورگرسیو فضایی (CAR)
• 50. مدل‌های اتورگرسیو فضایی (SAR)
• 51. مقدمه‌ای بر مدل‌های خطای ساختاری
• 52. مدل‌سازی داده‌های بقا
• 53. مدل کاکس بیزی
• 54. مدل‌های بقا با پارامترهای متغیر
• 55. مدل‌سازی داده‌های طولانی (Longitudinal Data)
• 56. مدل‌های اثرات مختلط (Mixed Effects Models)
• 57. مدل‌سازی داده‌های گمشده (Missing Data)
• 58. روش‌های imputing در JAGS
• 59. مدل‌سازی با داده‌های گمشده با استفاده از MCMC
• 60. مقدمه‌ای بر روش‌های بیزی بیزین
• 61. مدل‌های خطی تعمیم‌یافته بیزی (GLM)
• 62. کاربرد GLM در JAGS
• 63. مدل‌سازی توزیع‌های غیرنرمال
• 64. مدل‌سازی شاخص‌های سلامت
• 65. مدل‌سازی پیش‌بینی در سلامت
• 66. تحلیل حساسیت مدل
• 67. اعتبارسنجی مدل بیزی
• 68. مقایسه مدل‌های بیزی مختلف
• 69. استفاده از بسته‌های R برای تعامل با JAGS
• 70. بسته rjags
• 71. بسته R2jags
• 72. بسته runjags
• 73. نوشتن مدل‌های پیچیده‌تر
• 74. مدل‌سازی با پارامترهای محدود
• 75. مدل‌سازی با قیدهای غیرخطی
• 76. بهینه‌سازی کد JAGS
• 77. اشکال‌زدایی مدل‌های JAGS
• 78. بررسی و تفسیر نتایج مدل‌های پیچیده
• 79. مدل‌سازی پدیده‌های اجتماعی
• 80. مدل‌سازی اقتصادسنجی بیزی
• 81. مدل‌سازی در علوم محیط زیست
• 82. مدل‌سازی در زیست‌شناسی آماری
• 83. کاربرد JAGS در تحقیقات پزشکی
• 84. مدل‌سازی در علوم رفتاری
• 85. مدل‌سازی تصمیم‌گیری
• 86. مدل‌سازی شبکه‌های اجتماعی
• 87. مدل‌سازی یادگیری ماشین بیزی
• 88. مقدمه‌ای بر شبکه‌های عصبی بیزی
• 89. روش‌های پیشرفته MCMC
• 90. چندریسمانی (Parallelization) در JAGS
• 91. نوشتن توابع سفارشی در JAGS
• 92. مقایسه نتایج JAGS با نرم‌افزارهای دیگر
• 93. نکات و ترفندهای پیشرفته
• 94. ملاحظات اخلاقی در مدل‌سازی بیزی
• 95. کاربرد JAGS در مطالعات اپیدمیولوژیک
• 96. مدل‌سازی پیش‌بینی در سیاست‌گذاری
• 97. مدل‌سازی ریسک در بیمه
• 98. مدل‌سازی در مدیریت پروژه
• 99. مدل‌سازی در تحلیل داده‌های بزرگ
• 100. راهنمای عیب‌یابی رایج در JAGS