کتاب نمونه‌گیری بیزی با BUGS: راهنمای عملی 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 نمونه‌گیری بیزی با BUGS: راهنمای عملی

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

موضوع میانی: BUGS (WinBUGS, OpenBUGS)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر آمار بیزی
  • 2. قضیهٔ بیز و اصل بایی
  • 3. توزیع پیشین، درست‌نما و پسین
  • 4. توزیع‌های احتمال رایج در تحلیل بیزی
  • 5. توزیع‌های مزدوج و نقش آنها
  • 6. مقدمه‌ای بر روش‌های مونت‌کارلو
  • 7. زنجیره‌های مارکف: مفاهیم و خواص
  • 8. الگوریتم متروپولیس-هاستینگز
  • 9. نمونه‌گیری گیبس
  • 10. تصویرسازی MCMC: رفتار زنجیره
  • 11. تشخیص همگرایی: مفاهیم کلیدی
  • 12. معرفی نرم‌افزار BUGS
  • 13. WinBUGS در مقابل OpenBUGS
  • 14. نصب و راه‌اندازی BUGS
  • 15. رابط گرافیکی Doodle و طراحی مدل
  • 16. ساختاردهی مدل در زبان BUGS
  • 17. ورودی داده و ساختار داده‌ها
  • 18. مقادیر اولیه (Initial Values)
  • 19. تنظیمات MCMC: تکرار، باقیمانده، نمونه
  • 20. خروجی‌ها و تفسیر نتایج پسین
  • 21. خلاصهٔ آماری پسین: میانگین، واریانس، کوانتیل
  • 22. بازه‌های قابل اطمینان (Credible Intervals)
  • 23. نمودار ردگرد (Trace Plot) و تفسیر
  • 24. نمودار کثیف‌کاری (Autocorrelation Plot)
  • 25. حذف باقیمانده و کاهش نمونه
  • 26. اجرای چندین زنجیره و مقایسه
  • 27. آمارهٔ Gelman-Rubin (R-hat)
  • 28. تشخیص همگرایی عملی
  • 29. معیار دیویانس اطلاعاتی (DIC)
  • 30. محاسبهٔ DIC در BUGS
  • 31. مقایسهٔ مدل‌ها با DIC
  • 32. عوامل بیزی (Bayes Factors)
  • 33. بررسی پسین پیش‌بینی
  • 34. تحلیل بقای بیزی
  • 35. رگرسیون خطی بیزی
  • 36. رگرسیون لجستیک بیزی
  • 37. رگرسیون پواسون بیزی
  • 38. مدل‌های سلسله‌مراتبی
  • 39. مدل‌های چندسطحی در BUGS
  • 40. اثرات تصادفی و ثابت
  • 41. مدل‌آرایه‌ای، حلقه‌ها و ماتریس‌ها
  • 42. داده‌های حذف‌شده و کم‌نظیر
  • 43. داده‌های سانسورشده
  • 44. مدل‌های مخلوط (Mixture Models)
  • 45. مدل‌های صفر-افزوده‌شده
  • 46. مدل‌های مکانیک پنهان
  • 47. تحلیل حساسیت پیشین
  • 48. پیشین‌های غیرمعلوماتی و نامناسب
  • 49. پیشین‌های اطلاعاتی و انتخاب آنها
  • 50. محدودیت‌های نامساوی و مرتب‌سازی پارامترها
  • 51. توزیع‌های سفارشی و توابع خارجی
  • 52. اتصال R و BUGS (R2WinBUGS)
  • 53. خروجی CODA و پردازش در R
  • 54. پایش پارامترها و ذخیرهٔ نتایج
  • 55. بهینه‌سازی سرعت اجرای مدل
  • 56. رفع خطا و دیباگ مدل
  • 57. پیام‌های خطای رایج و راه‌حل
  • 58. مدل‌یابی مکانیک بیماری و مرگ
  • 59. تحلیل میتا-تحلیل بیزی
  • 60. آزمایش‌های بالینی بیزی
  • 61. کاربرد بیزی در ژنتیک و بی‌مبانی
  • 62. کاربرد بیزی در مالی و بیمه
  • 63. مقایسهٔ BUGS با JAGS و Stan
  • 64. اصول نوشتن مدل‌های بیزی خوب
  • 65. گزارش‌دهی نتایج بیزی و استدلال از مدل
  • 66. استفادهٔ صحیح از DIC و معیارهای جایگزین
  • 67. WAIC و LOO-CV
  • 68. مدل‌یابی داده‌های تکراری و پنلی
  • 69. مدل‌های فضایی با CAR
  • 70. اعتبارسنجی مدل بیزی
  • 71. Cross-Validation بیزی
  • 72. Prior Predictive Check
  • 73. Posterior Predictive Check تفصیلی
  • 74. مدل‌های نوسانی (Volatility Models)
  • 75. فیلترینگ و پیش‌بینی کالمن بیزی
  • 76. مدل‌های حالت-فضا
  • 77. باینری تو در تو و مدل‌های سیستمیک
  • 78. شیوه‌نامهٔ تحلیل بیزی عملی
تگ‌ها: BUGS DIC Gibbs Sampling MCMC Metropolis-Hastings OpenBUGS R2WinBUGS WinBUGS آمار بیزی تحلیل بیزی رگرسیون بیزی سلسله‌مراتبی مدل‌سازی آماری نمونه‌گیری بیزی نمونه‌گیری مونت‌کارلو

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.