فلش‌کارت‌های آموزشی مبانی آمار توصیفی و تحلیل داده‌های آماری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی آمار توصیفی و تحلیل داده‌های آماری

موضوع کلی: علوم آماری و تحلیل داده

موضوع میانی: آمار توصیفی

📋 سرفصل‌های دوره

• 1. مبانی علم آمار و مفاهیم کلیدی
• 2. انواع داده‌ها و مقیاس‌های اندازه‌گیری
• 3. جمع‌آوری و سازماندهی داده‌ها
• 4. نمایش گرافیکی داده‌ها: نمودار میله‌ای
• 5. نمایش گرافیکی داده‌ها: نمودار دایره‌ای
• 6. نمایش گرافیکی داده‌ها: هیستوگرام
• 7. نمایش گرافیکی داده‌ها: نمودار جعبه‌ای
• 8. نمایش گرافیکی داده‌ها: نمودار پراکندگی
• 9. شاخص‌های مرکزی: میانگین حسابی
• 10. شاخص‌های مرکزی: میانه
• 11. شاخص‌های مرکزی: نما
• 12. محاسبه شاخص‌های مرکزی برای داده‌های طبقه‌بندی شده
• 13. شاخص‌های پراکندگی: دامنه تغییرات
• 14. شاخص‌های پراکندگی: دامنه میان‌چارکی
• 15. شاخص‌های پراکندگی: واریانس
• 16. شاخص‌های پراکندگی: انحراف معیار
• 17. ضریب تغییرات
• 18. شاخص‌های شکل توزیع: چولگی
• 19. شاخص‌های شکل توزیع: کشیدگی
• 20. محاسبه شاخص‌های پراکندگی برای داده‌های طبقه‌بندی شده
• 21. مقدمه‌ای بر توزیع‌های احتمال
• 22. توزیع نرمال و ویژگی‌های آن
• 23. قضیه حد مرکزی
• 24. توزیع t استیودنت
• 25. توزیع کای دو (χ²)
• 26. توزیع F
• 27. مفاهیم نمونه‌گیری و انواع آن
• 28. نمونه‌گیری تصادفی ساده
• 29. نمونه‌گیری طبقه‌ای
• 30. نمونه‌گیری خوشه‌ای
• 31. نمونه‌گیری سیستماتیک
• 32. مقدمه‌ای بر استنباط آماری
• 33. برآورد نقطه‌ای
• 34. برآورد فاصله‌ای
• 35. فاصله اطمینان برای میانگین جامعه
• 36. فاصله اطمینان برای نسبت جامعه
• 37. فاصله اطمینان برای واریانس جامعه
• 38. آزمون فرض آماری: مفاهیم پایه
• 39. مراحل انجام آزمون فرض
• 40. آزمون فرض برای میانگین جامعه (داده‌های بزرگ)
• 41. آزمون فرض برای میانگین جامعه (داده‌های کوچک)
• 42. آزمون فرض برای نسبت جامعه
• 43. آزمون فرض برای واریانس جامعه
• 44. آزمون فرض برای مقایسه دو میانگین (نمونه‌های مستقل)
• 45. آزمون فرض برای مقایسه دو میانگین (نمونه‌های وابسته)
• 46. آزمون فرض برای مقایسه دو نسبت
• 47. آزمون فرض برای مقایسه دو واریانس
• 48. تحلیل واریانس (ANOVA) یک‌طرفه
• 49. تحلیل واریانس (ANOVA) دوطرفه
• 50. مقدمه‌ای بر رگرسیون و همبستگی
• 51. همبستگی پیرسون
• 52. ضریب همبستگی اسپیرمن
• 53. رگرسیون خطی ساده
• 54. تفسیر ضرایب رگرسیون
• 55. ارزیابی مدل رگرسیون
• 56. مقدمه‌ای بر سری‌های زمانی
• 57. شاخص‌های روند در سری‌های زمانی
• 58. شاخص‌های فصلی در سری‌های زمانی
• 59. تحلیل واریانس برای سری‌های زمانی
• 60. مقدمه‌ای بر شاخص‌های قیمت
• 61. روش‌های محاسبه شاخص‌های قیمت
• 62. شاخص لاسپیرز
• 63. شاخص پاشه
• 64. شاخص فیشر
• 65. کاربرد شاخص‌های قیمت در اقتصاد
• 66. مقدمه‌ای بر داده‌های حجیم (Big Data)
• 67. چالش‌های تحلیل داده‌های حجیم
• 68. ابزارهای تحلیل داده‌های حجیم
• 69. مقدمه‌ای بر یادگیری ماشین
• 70. انواع الگوریتم‌های یادگیری ماشین
• 71. یادگیری نظارت شده
• 72. یادگیری نظارت نشده
• 73. یادگیری تقویتی
• 74. مقدمه‌ای بر آمار در علوم زیستی
• 75. کاربرد آمار در پژوهش‌های پزشکی
• 76. کاربرد آمار در بهداشت عمومی
• 77. مقدمه‌ای بر آمار در علوم اجتماعی
• 78. کاربرد آمار در نظرسنجی‌ها
• 79. کاربرد آمار در تحلیل داده‌های اقتصادی
• 80. مقدمه‌ای بر آمار در علوم انسانی
• 81. کاربرد آمار در تحلیل متون
• 82. کاربرد آمار در علوم رفتاری
• 83. مقدمه‌ای بر آمار در علوم مهندسی
• 84. کاربرد آمار در کنترل کیفیت
• 85. کاربرد آمار در پیش‌بینی
• 86. آمار غیرپارامتری: آزمون ویلکاکسون
• 87. آمار غیرپارامتری: آزمون مان-ویتنی
• 88. آمار غیرپارامتری: آزمون کروسکال-والیس
• 89. آمار غیرپارامتری: آزمون فریدمن
• 90. مقدمه‌ای بر شبیه‌سازی مونت کارلو
• 91. کاربرد شبیه‌سازی در آمار
• 92. طراحی آزمایش‌ها (DOE)
• 93. اصول طراحی آزمایش‌ها
• 94. انواع طرح‌های عاملی
• 95. تحلیل داده‌های حاصل از طرح‌های عاملی
• 96. مقدمه‌ای بر داده‌کاوی (Data Mining)
• 97. تکنیک‌های یافتن الگو در داده‌کاوی
• 98. خوشه‌بندی در داده‌کاوی
• 99. قوانین وابستگی در داده‌کاوی
• 100. مقدمه‌ای بر آمار بیزی