فلش‌کارت‌های آموزشی تحلیل آماری توزیع پسین: آزمون فرضیه و فواصل اطمینان

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل آماری توزیع پسین: آزمون فرضیه و فواصل اطمینان

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

موضوع میانی: توزیع پسین (Posterior Distribution)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر استنباط آماری و توزیع پسین
• 2. مبانی نظری احتمال و توزیع‌های آماری
• 3. مفهوم احتمال شرطی و قضیه بیز
• 4. مقدمه‌ای بر استنباط بیزی
• 5. توزیع پیشین و نحوه انتخاب آن
• 6. توزیع درستنمایی و ارتباط آن با داده‌ها
• 7. توزیع پسین: ترکیب پیشین و درستنمایی
• 8. روش‌های محاسبه توزیع پسین
• 9. توزیع‌های پسین رایج در آمار
• 10. کاربرد توزیع پسین در مدل‌سازی آماری
• 11. مقدمه‌ای بر آزمون فرضیه آماری
• 12. فرضیه صفر و فرضیه جایگزین
• 13. خطای نوع اول و خطای نوع دوم
• 14. سطح معنی‌داری و مقدار پی (p-value)
• 15. آزمون‌های یک‌دامنه و دو دامنه
• 16. مقدمه‌ای بر فواصل اطمینان
• 17. مفهوم و تفسیر فواصل اطمینان
• 18. محاسبه فاصله اطمینان برای میانگین جامعه (واریانس معلوم)
• 19. محاسبه فاصله اطمینان برای میانگین جامعه (واریانس نامعلوم)
• 20. محاسبه فاصله اطمینان برای نسبت جامعه
• 21. محاسبه فاصله اطمینان برای واریانس جامعه
• 22. محاسبه فاصله اطمینان برای تفاوت میانگین دو جامعه (مستقل)
• 23. محاسبه فاصله اطمینان برای تفاوت میانگین دو جامعه (وابسته)
• 24. محاسبه فاصله اطمینان برای تفاوت نسبت دو جامعه
• 25. آزمون فرض بیزی: مفاهیم و روش‌ها
• 26. مقایسه آزمون فرضیه کلاسیک و بیزی
• 27. نقش توزیع پیشین در آزمون فرض بیزی
• 28. تفسیر نتایج آزمون فرض بیزی
• 29. کاربرد آزمون فرض بیزی در تصمیم‌گیری
• 30. آزمون فرض برای میانگین جامعه با رویکرد بیزی
• 31. آزمون فرض برای نسبت جامعه با رویکرد بیزی
• 32. آزمون فرض برای واریانس جامعه با رویکرد بیزی
• 33. آزمون فرض برای مقایسه میانگین دو جامعه با رویکرد بیزی
• 34. آزمون فرض برای مقایسه نسبت دو جامعه با رویکرد بیزی
• 35. مفاهیم پیشرفته در استنباط بیزی
• 36. مدل‌های سلسله مراتبی بیزی
• 37. روش‌های نمونه‌برداری از توزیع پسین (MCMC)
• 38. کاربرد نرم‌افزارهای آماری در تحلیل بیزی (مانند R, Python)
• 39. مقدمه‌ای بر رگرسیون خطی
• 40. مدل رگرسیون خطی ساده
• 41. برآورد پارامترها در رگرسیون خطی
• 42. آزمون فرضیه در رگرسیون خطی
• 43. فواصل اطمینان در رگرسیون خطی
• 44. مقدمه‌ای بر رگرسیون خطی چندگانه
• 45. انتخاب بهترین مدل رگرسیون
• 46. تشخیص و رفع هم‌خطی چندگانه
• 47. مقدمه‌ای بر رگرسیون لجستیک
• 48. کاربرد رگرسیون لجستیک در مسائل طبقه‌بندی
• 49. برآورد پارامترها در رگرسیون لجستیک
• 50. آزمون فرضیه و فواصل اطمینان در رگرسیون لجستیک
• 51. مقدمه‌ای بر مدل‌های سری زمانی
• 52. تحلیل روند و فصلی در سری‌های زمانی
• 53. مدل‌های ARIMA
• 54. پیش‌بینی در مدل‌های سری زمانی
• 55. ارزیابی مدل‌های سری زمانی
• 56. مقدمه‌ای بر تحلیل واریانس (ANOVA)
• 57. ANOVA یک‌طرفه
• 58. ANOVA دوطرفه
• 59. آزمون‌های تعقیبی در ANOVA
• 60. مقدمه‌ای بر تحلیل عاملی
• 61. کاربرد تحلیل عاملی در کاهش ابعاد
• 62. مقدمه‌ای بر تحلیل خوشه‌ای
• 63. کاربرد تحلیل خوشه‌ای در گروه‌بندی داده‌ها
• 64. مقدمه‌ای بر روش‌های ناپارامتری
• 65. آزمون ویلکاکسون رتبه علامت‌دار
• 66. آزمون کروسکال-والیس
• 67. آزمون مان-ویتنی یو
• 68. کاربرد روش‌های ناپارامتری در داده‌های غیرنرمال
• 69. مقدمه‌ای بر طراحی آزمایش‌ها
• 70. اصول طراحی آزمایش‌ها
• 71. انواع طرح‌های آزمایش (طرح بلوکی، طرح عاملی)
• 72. تحلیل نتایج آزمایش‌ها
• 73. ملاحظات اخلاقی در تحلیل آماری
• 74. مقدمه‌ای بر مدل‌سازی معادلات ساختاری (SEM)
• 75. کاربرد SEM در تایید مدل‌های نظری
• 76. مفاهیم پایه‌ای SEM (بار عاملی، برازش مدل)
• 77. مقدمه‌ای بر یادگیری ماشین آماری
• 78. تفاوت یادگیری ماشین با آمار سنتی
• 79. روش‌های یادگیری نظارت شده
• 80. روش‌های یادگیری نظارت نشده
• 81. مقدمه‌ای بر تحلیل داده‌های بزرگ
• 82. چالش‌های تحلیل داده‌های بزرگ
• 83. ابزارها و تکنیک‌های تحلیل داده‌های بزرگ
• 84. مقدمه‌ای بر آمار فضایی
• 85. تحلیل داده‌های مکانی
• 86. کاربرد آمار فضایی در حوزه‌های مختلف
• 87. مقدمه‌ای بر آمار زیستی
• 88. کاربرد آمار در علوم زیستی و پزشکی
• 89. طراحی و تحلیل کارآزمایی‌های بالینی
• 90. مقدمه‌ای بر آمار در علوم اجتماعی
• 91. کاربرد آمار در تحلیل داده‌های اجتماعی
• 92. تحلیل پیمایش‌ها و پرسشنامه‌ها
• 93. مقدمه‌ای بر اقتصاد سنجی
• 94. مدل‌های اقتصاد سنجی پایه‌ای
• 95. کاربرد مدل‌های اقتصاد سنجی در تحلیل اقتصادی
• 96. مقدمه‌ای بر تحلیل بقا
• 97. کاربرد تحلیل بقا در پزشکی و مهندسی
• 98. روش‌های تخمین تابع بقا
• 99. مقدمه‌ای بر روش‌های شبیه‌سازی مونت کارلو
• 100. کاربرد شبیه‌سازی در مسائل آماری پیچیده