کتاب روشهای مبتنی بر شبیهسازی برای مدلهای پیچیده با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
249,950 تومان
🎓 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.