کتاب توزیع پسین: نمایش کامل دانش ما در مورد پارامترهای مدل 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 توزیع پسین: نمایش کامل دانش ما در مورد پارامترهای مدل

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

موضوع میانی: توزیع پسین (Posterior Distribution)

📋 سرفصل‌های دوره

  • 1. توزیع پسین: مبانی و مفاهیم
  • 2. احتمال و آمار: مروری بر پیش‌نیازها
  • 3. قضیه بیز: قلب استدلال احتمالی
  • 4. توزیع‌های احتمال: انواع و ویژگی‌ها
  • 5. توزیع نرمال: ویژگی‌ها و کاربردها
  • 6. توزیع‌های گسسته: برنولی، دوجمله‌ای، پواسون
  • 7. توزیع‌های پیوسته: نمایی، یکنواخت، گاما
  • 8. تابع چگالی احتمال (PDF) و تابع توزیع تجمعی (CDF)
  • 9. میانگین، واریانس و انحراف معیار
  • 10. مفهوم پارامترهای مدل
  • 11. تخمین نقطه‌ای: روش‌های مختلف
  • 12. تخمین بازه‌ای: فواصل اطمینان
  • 13. تست فرضیه: اصول و مراحل
  • 14. مقدار p و سطح معنی‌داری
  • 15. خطای نوع اول و نوع دوم
  • 16. توزیع‌های نمونه‌برداری
  • 17. نمونه‌برداری تصادفی و غیر تصادفی
  • 18. قضیه حد مرکزی
  • 19. توزیع t و کاربردهای آن
  • 20. تحلیل واریانس (ANOVA): یک طرفه و دو طرفه
  • 21. رگرسیون خطی ساده: مفاهیم و کاربردها
  • 22. رگرسیون خطی چندگانه: مفاهیم و کاربردها
  • 23. ارزیابی مدل رگرسیون: R-squared و RMSE
  • 24. تشخیص و رفع مشکلات رگرسیون
  • 25. مدل‌های تعمیم‌یافته خطی (GLM)
  • 26. رگرسیون لجستیک: مدل‌سازی متغیرهای دسته‌ای
  • 27. مدل‌های بقا: تحلیل زمان تا وقوع رویداد
  • 28. روش‌های بیزی: مقدمه‌ای
  • 29. توزیع پیشین: انتخاب و تفسیر
  • 30. تابع درستنمایی
  • 31. توزیع پسین: محاسبه و تفسیر
  • 32. روش‌های نمونه‌برداری مونت کارلو مارکوف (MCMC)
  • 33. زنجیره مارکوف و الگوریتم Metropolis-Hastings
  • 34. الگوریتم Gibbs Sampling
  • 35. بررسی همگرایی MCMC
  • 36. مدل‌های سلسله مراتبی
  • 37. مدل‌های بیزی غیرپارامتری
  • 38. فرآیندهای گوسی
  • 39. مدل‌های پنهان مارکوف (HMM)
  • 40. فیلتر کالمن
  • 41. مدل‌های بیزی گرافیکی
  • 42. شبکه‌های بیزی
  • 43. مدل‌های مختلط
  • 44. تحلیل خوشه‌ای
  • 45. کاهش ابعاد: PCA و t-SNE
  • 46. اعتبارسنجی مدل: Cross-validation
  • 47. انتخاب مدل: AIC و BIC
  • 48. تفسیر نتایج توزیع پسین
  • 49. نرم‌افزارهای آماری: R، Python، Stan
  • 50. کاربردهای توزیع پسین در علوم مختلف
  • 51. توزیع پسین در پزشکی و سلامت
  • 52. توزیع پسین در اقتصاد و مالی
  • 53. توزیع پسین در مهندسی و علوم کامپیوتر
  • 54. توزیع پسین در علوم اجتماعی و رفتاری
  • 55. چالش‌ها و محدودیت‌های توزیع پسین
  • 56. آینده توزیع پسین و یادگیری ماشین
تگ‌ها: MCMC آمار استنباطی آمار بیزی احتمالات پارامترهای مدل تحلیل بیزی توزیع پسین روش‌های نمونه‌گیری مدل‌سازی آماری یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.