کتاب روش‌های شبیه‌سازی برای استنتاج GLM: تمرکز بر MCMC و الگوریتم‌های آن 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 روش‌های شبیه‌سازی برای استنتاج GLM: تمرکز بر MCMC و الگوریتم‌های آن

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

موضوع میانی: استنتاج مبتنی بر مدل‌های خطی تعمیم‌یافته (GLM)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌های خطی تعمیم‌یافته (GLM)
  • 2. مفاهیم اساسی آمار و احتمال برای GLM
  • 3. توابع پیوند و توزیع‌های احتمالی در GLM
  • 4. مدل رگرسیون لجستیک: یک مثال از GLM
  • 5. مدل پواسون: کاربرد در داده‌های شمارشی
  • 6. مدل گاما: کاربرد در داده‌های پیوسته و مثبت
  • 7. برآورد پارامترهای GLM با روش حداکثر درستنمایی (MLE)
  • 8. آزمون فرض و ارزیابی مدل GLM
  • 9. مقدمه‌ای بر روش‌های شبیه‌سازی مونت کارلو (MCMC)
  • 10. زنجیره مارکوف و شرایط همگرایی
  • 11. الگوریتم Metropolis-Hastings
  • 12. الگوریتم Gibbs Sampling
  • 13. برآورد توزیع پسین با استفاده از MCMC
  • 14. کاربرد MCMC در GLM: نمونه‌برداری از پارامترها
  • 15. انتخاب توزیع پیشین مناسب برای پارامترهای GLM
  • 16. ارزیابی همگرایی زنجیره‌های MCMC
  • 17. روش‌های تشخیص مشکلات همگرایی MCMC
  • 18. بهبود کارایی الگوریتم‌های MCMC
  • 19. شبیه‌سازی از توزیع‌های چندمتغیره با MCMC
  • 20. استفاده از MCMC برای محاسبه امید ریاضی و واریانس پارامترهای GLM
  • 21. مدل‌های GLM پیچیده‌تر و کاربرد MCMC
  • 22. GLM با داده‌های از دست رفته: روش‌های MCMC
  • 23. GLM با متغیرهای طبقه‌ای: رویکردهای MCMC
  • 24. GLM سلسله مراتبی و MCMC
  • 25. مدل‌های تعمیم‌یافته افزایشی (GAM) و MCMC
  • 26. استفاده از MCMC برای تخمین مدل GAM
  • 27. تکنیک‌های کاهش ابعاد و MCMC در GLM
  • 28. مقدمه‌ای بر روش‌های تقریبی بیزی
  • 29. روش‌های تقریبی واریانسی (Variational Inference)
  • 30. مقایسه MCMC و روش‌های تقریبی
  • 31. کاربرد MCMC در مدل‌سازی داده‌های مکانی
  • 32. GLM مکانی و MCMC
  • 33. مدل‌سازی سری‌های زمانی با GLM و MCMC
  • 34. تحلیل بقا با GLM و MCMC
  • 35. مدل‌های GLM برای داده‌های طول عمر
  • 36. شبیه‌سازی و ارزیابی مدل‌های GLM در R
  • 37. شبیه‌سازی و ارزیابی مدل‌های GLM در Python
  • 38. بررسی موردی: کاربرد MCMC در GLM در علوم زیستی
  • 39. بررسی موردی: کاربرد MCMC در GLM در اقتصاد
  • 40. بهینه‌سازی کد MCMC برای افزایش سرعت
  • 41. مفاهیم پیشرفته MCMC: Hamiltonian Monte Carlo
  • 42. روش‌های موازی‌سازی MCMC
  • 43. تفسیر نتایج MCMC و GLM
  • 44. محدودیت‌ها و چالش‌های استفاده از MCMC در GLM
  • 45. آینده شبیه‌سازی در استنتاج GLM
تگ‌ها: GLM MCMC آمار بیزی استنتاج آماری الگوریتم MCMC تحلیل داده‌ها روش‌های نمونه‌گیری شبیه‌سازی مونت‌کارلو مدل خطی تعمیم‌یافته مدل‌سازی آماری

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.