کتاب روش‌های مبتنی بر شبیه‌سازی برای مدل‌های پیچیده 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 روش‌های مبتنی بر شبیه‌سازی برای مدل‌های پیچیده

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

موضوع میانی: روش‌های مبتنی بر شبیه‌سازی (Simulation-based Methods)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر روش‌های مبتنی بر شبیه‌سازی در آمار و ضرورت استفاده از آن‌ها در مدل‌های پیچیده
  • 2. مروری بر تئوری اعداد تصادفی و روش‌های تولید متغیرهای تصادفی از توزیع‌های پایه
  • 3. روش مونت‌کارلو استاندارد (Monte Carlo Integration) و تخمین انتگرال‌های سخت آماری
  • 4. بررسی خطای تخمین مونت‌کارلو و ق قضیه حد مرکزی در ارزیابی دقت شبیه‌سازی
  • 5. روش نمونه‌گیری اهمیتی (Importance Sampling) و کاهش واریانس در تخمین‌های آماری
  • 6. نمونه‌گیری استنباطی و روش‌های پذیرش-رد (Acceptance-Rejection Sampling)
  • 7. مبانی نظری زنجیره‌های مارکوف و رفتار آن‌ها در فضای حالت پیوسته
  • 8. مقدمه‌ای بر روش‌های مونت‌کارلو زنجیره مارکوف (MCMC) و ساختار کلی آن‌ها
  • 9. الگوریتم متروپلیس-هستینگز (Metropolis-Hastings) به عنوان هسته مرکزی روش‌های شبیه‌سازی پیشرفته
  • 10. طراحی توزیع پیشنهادی (Proposal Distribution) و تاثیر آن بر کارایی الگوریتم متروپلیس-هستینگز
  • 11. نمونه‌گیری گیبس (Gibbs Sampling) و کاربرد آن در تفکیک توزیع‌های چندمتغیره پیچیده
  • 12. روش‌های شبیه‌سازی مبتنی بر گرادیان و الگوریتم مونت‌کارلو هامیلتونی (HMC)
  • 13. نمونه‌گیری گیبس فروکش‌کرده (Collapsed Gibbs Sampling) برای بهینه‌سازی مدل‌های ابعادی بالا
  • 14. روش‌های شبیه‌سازی ترتیبی مونت‌کارلو (Sequential Monte Carlo) و فیلترهای ذرات (Particle Filters)
  • 15. مقابله با توزیع‌های پسین چندوجهی با استفاده از روش‌های نمونه‌گیری موازی (Parallel Tempering)
  • 16. روش‌های استنتاج تقریبی بر پایه شبیه‌سازی (Approximate Bayesian Computation - ABC) برای مدل‌های بدون تابع احتمال صریح
  • 17. تشخیص همگرایی زنجیره‌های مارکوف و تحلیل پایداری نمونه‌ها در مدل‌های کلان
  • 18. ارزیابی مدل‌های پیچیده با استفاده از معیارهای اعتبارسنجی پسین پیش‌بینی‌کننده (Posterior Predictive Checks)
  • 19. پیاده‌سازی کارآمد الگوریتم‌های شبیه‌سازی در نرم‌افزارهای تخصصی و بهینه‌سازی سرعت کدها
  • 20. پروژه جامع: طراحی، پیاده‌سازی و ارزیابی کامل یک سیستم شبیه‌سازی پیشرفته برای حل یک مدل آماری پیچیده چندبعدی
تگ‌ها: Approximate Bayesian Computation Bayesian Inference Hamiltonian Monte Carlo Importance Sampling Markov Chain MCMC Metropolis-Hastings Monte Carlo Simulation Simulation-based Methods Statistical Modeling آمار بیزی استنباط آماری روش‌های شبیه‌سازی مدل‌های پیچیده مونت‌کارلو

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.