کتاب تکنیک‌های اعتبارسنجی نتایج MCMC در Stan با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

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 تکنیک‌های اعتبارسنجی نتایج MCMC در Stan

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

موضوع میانی: مخاطرات و تنظیمات Stan

📋 سرفصل‌های دوره

  • 1. مبانی اعتبارسنجی نتایج MCMC در Stan
  • 2. هدف اعتبارسنجی در استنباط بیزی با Stan
  • 3. ساختار خروجی نمونه‌گیری در Stan
  • 4. بررسی زنجیره‌های MCMC و نقش آن‌ها در اعتبارسنجی
  • 5. تعداد زنجیره‌ها و تأثیر آن بر ارزیابی همگرایی
  • 6. Warmup و تفاوت آن با نمونه‌های پسین
  • 7. Iteration و تعداد نمونه‌های مورد نیاز
  • 8. Seed و بازتولیدپذیری نتایج MCMC
  • 9. بررسی Trace Plot برای ارزیابی زنجیره‌ها
  • 10. تشخیص همگرایی با R-hat
  • 11. تفسیر R-hat در مدل‌های بیزی
  • 12. R-hat رتبه‌محور در نسخه‌های جدید Stan
  • 13. مقایسه R-hat بین پارامترهای مدل
  • 14. تشخیص همگرایی ناقص با Trace Plot و R-hat
  • 15. Effective Sample Size و اهمیت آن
  • 16. محاسبه Bulk ESS در Stan
  • 17. محاسبه Tail ESS در Stan
  • 18. تفسیر ESS در پارامترهای مختلف
  • 19. نسبت ESS به تعداد نمونه‌ها
  • 20. Autocorrelation در زنجیره‌های MCMC
  • 21. تحلیل خودهمبستگی نمونه‌های پسین
  • 22. اثر خودهمبستگی بر کیفیت استنباط
  • 23. Monte Carlo Standard Error و دقت برآوردها
  • 24. بررسی دقت میانگین‌های پسین
  • 25. بررسی دقت کوانتایل‌ها و صدک‌های پسین
  • 26. اعتبارسنجی توزیع‌های پسین
  • 27. تشخیص Divergent Transitions
  • 28. علل اصلی Divergence در نمونه‌گیری HMC
  • 29. رابطه Divergence با هندسه توزیع پسین
  • 30. تحلیل موقعیت Divergence در فضای پارامترها
  • 31. استفاده از Pair Plot برای تشخیص مشکلات هندسی
  • 32. افزایش adapt_delta و تأثیر آن بر Divergence
  • 33. محدودیت‌های افزایش بیش از حد adapt_delta
  • 34. تشخیص خطاهای مربوط به max_treedepth
  • 35. بررسی اثر max_treedepth بر نمونه‌گیری
  • 36. تفسیر هشدارهای Sampler در Stan
  • 37. بررسی E-BFMI در نمونه‌گیری HMC
  • 38. تشخیص انرژی نامناسب در زنجیره‌های Stan
  • 39. مقایسه رفتار زنجیره‌ها از نظر انرژی
  • 40. بررسی Funnel در مدل‌های سلسله‌مراتبی
  • 41. اعتبارسنجی پارامترسازی متمرکز
  • 42. اعتبارسنجی پارامترسازی غیرمتمرکز
  • 43. استانداردسازی متغیرهای پیش‌بین برای بهبود نمونه‌گیری
  • 44. بررسی مقیاس پارامترها و تأثیر آن بر همگرایی
  • 45. تشخیص مشکلات شناسایی‌پذیری پارامترها
  • 46. اعتبارسنجی مدل‌های دارای همبستگی شدید پارامترها
  • 47. بررسی Posterior Geometry در HMC
  • 48. تشخیص Multimodality در توزیع پسین
  • 49. شناسایی زنجیره‌های گرفتار در مدهای متفاوت
  • 50. بررسی Mixing بین زنجیره‌های MCMC
  • 51. مقایسه زنجیره‌ها از نظر میانگین و واریانس
  • 52. بررسی اختلاف زنجیره‌ها در توزیع پسین
  • 53. تحلیل Summary خروجی Stan
  • 54. اعتبارسنجی پارامترهای اسکالر
  • 55. اعتبارسنجی پارامترهای برداری
  • 56. اعتبارسنجی پارامترهای ماتریسی
  • 57. بررسی پارامترهای مشتق‌شده در خروجی Stan
  • 58. اعتبارسنجی Generated Quantities
  • 59. تشخیص نمونه‌های غیرعادی در خروجی MCMC
  • 60. بررسی کیفیت نمونه‌های انتهایی توزیع پسین
  • 61. اعتبارسنجی پیش‌بینی‌های پسین
  • 62. Posterior Predictive Check در Stan
  • 63. مقایسه داده‌های مشاهده‌شده و داده‌های شبیه‌سازی‌شده
  • 64. تشخیص ناکافی بودن مدل با Posterior Predictive Check
  • 65. اعتبارسنجی مدل‌های رگرسیون با پیش‌بینی پسین
  • 66. اعتبارسنجی مدل‌های سلسله‌مراتبی با پیش‌بینی پسین
  • 67. اعتبارسنجی مدل‌های زمانی و سری‌های زمانی
  • 68. اعتبارسنجی مدل‌های باینری و شمارشی
  • 69. اعتبارسنجی مدل‌های غیرخطی
  • 70. بررسی حساسیت نتایج نسبت به Prior
  • 71. Prior Predictive Check و اعتبارسنجی پیشین
  • 72. مقایسه نتایج تحت Priorهای مختلف
  • 73. تحلیل حساسیت استنباط نسبت به تنظیمات مدل
  • 74. مقایسه نتایج چند اجرای مستقل Stan
  • 75. اعتبارسنجی نتایج با افزایش تعداد Iteration
  • 76. اعتبارسنجی نتایج با افزایش تعداد Chain
  • 77. مقایسه کیفیت نمونه‌گیری با تنظیمات مختلف
  • 78. تشخیص Overfitting از طریق ارزیابی پسین
  • 79. مقایسه اعتبارسنجی MCMC و اعتبارسنجی مدل
  • 80. تفاوت همگرایی محاسباتی و کفایت آماری مدل
  • 81. تشخیص نتایج ظاهراً همگرا اما نامعتبر
  • 82. اعتبارسنجی مدل‌های بزرگ و پیچیده
  • 83. اعتبارسنجی مدل‌های سلسله‌مراتبی عمیق
  • 84. اعتبارسنجی مدل‌های دارای پارامترهای زیاد
  • 85. استفاده از خلاصه‌های تشخیصی برای کنترل کیفیت
  • 86. طراحی چک‌لیست اعتبارسنجی نتایج Stan
  • 87. تحلیل خودکار Diagnostics در خروجی Stan
  • 88. اعتبارسنجی چندمدلی و مقایسه Diagnostics
  • 89. مقایسه مدل‌ها پس از اطمینان از همگرایی
  • 90. ثبت و گزارش معیارهای اعتبارسنجی MCMC
  • 91. گزارش R-hat و ESS در نتایج پژوهشی
  • 92. گزارش Divergence و هشدارهای Sampling
  • 93. تولید گزارش قابل بازتولید از Diagnostics
  • 94. اعتبارسنجی نتایج Stan در پروژه‌های پژوهشی
  • 95. طراحی فرایند کامل کنترل کیفیت MCMC
  • 96. پروژه عملی اعتبارسنجی یک مدل بیزی در Stan
تگ‌ها: Bayesian Inference Bayesian Statistics Effective Sample Size ESS HMC MCMC NUTS Posterior Predictive Check R-hat Stan اعتبارسنجی MCMC تحلیل زنجیره‌های MCMC تکنیک‌های Stan مدل‌سازی بیزی همگرایی MCMC

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.