فلش‌کارت‌های آموزشی قضیه بیز: ابزاری برای درک و کمی‌سازی عدم قطعیت

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره قضیه بیز: ابزاری برای درک و کمی‌سازی عدم قطعیت

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

موضوع میانی: قضیه بیز

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر احتمال و آمار
• 2. مفاهیم پایه احتمال
• 3. فضای نمونه و پیشامدها
• 4. قوانین احتمال
• 5. احتمال شرطی
• 6. قاعده بیز
• 7. مفهوم تابع احتمال
• 8. توزیع‌های احتمال گسسته
• 9. توزیع دوجمله‌ای
• 10. توزیع پواسون
• 11. توزیع هندسی
• 12. توزیع فوق هندسی
• 13. توزیع یکنواخت گسسته
• 14. توزیع چندجمله‌ای
• 15. توزیع‌های احتمال پیوسته
• 16. توزیع نرمال
• 17. توزیع یکنواخت پیوسته
• 18. توزیع نمایی
• 19. توزیع گاما
• 20. توزیع بتا
• 21. توزیع کای-دو
• 22. توزیع t استیودنت
• 23. توزیع F فیشر
• 24. متغیرهای تصادفی چندگانه
• 25. توزیع مشترک
• 26. توزیع حاشیه‌ای
• 27. امید ریاضی مشترک
• 28. کوواریانس و همبستگی
• 29. توزیع شرطی
• 30. استقلال آماری
• 31. قضیه حد مرکزی
• 32. تقریب نرمال برای توزیع دوجمله‌ای
• 33. تقریب پواسون برای توزیع دوجمله‌ای
• 34. استنباط آماری
• 35. برآوردگرها
• 36. برآوردگر حداکثر درست‌نمایی
• 37. برآوردگرهای گشتاورها
• 38. ویژگی‌های برآوردگرها
• 39. خطای استاندارد
• 40. فواصل اطمینان
• 41. فواصل اطمینان برای میانگین
• 42. فواصل اطمینان برای واریانس
• 43. فواصل اطمینان برای نسبت
• 44. آزمون فرض آماری
• 45. مفاهیم پایه آزمون فرض
• 46. خطای نوع اول و دوم
• 47. توان آزمون
• 48. آزمون فرض برای میانگین
• 49. آزمون فرض برای واریانس
• 50. آزمون فرض برای نسبت
• 51. آزمون فرض برای تفاوت میانگین‌ها (نمونه‌های مستقل)
• 52. آزمون فرض برای تفاوت میانگین‌ها (نمونه‌های زوج)
• 53. آزمون فرض برای نسبت‌ها
• 54. آزمون فرض برای واریانس‌ها
• 55. تحلیل واریانس یک‌طرفه (ANOVA)
• 56. رگرسیون خطی ساده
• 57. برآورد ضرایب رگرسیون
• 58. آزمون فرض برای ضرایب رگرسیون
• 59. فواصل اطمینان برای ضرایب رگرسیون
• 60. ضریب تعیین (R-squared)
• 61. رگرسیون خطی چندگانه
• 62. متغیرهای مجازی در رگرسیون
• 63. انتخاب مدل رگرسیونی
• 64. مقدمه‌ای بر شبکه‌های عصبی
• 65. شبکه‌های عصبی پرسپترون چندلایه
• 66. تابع فعال‌سازی
• 67. پس‌انتشار خطا
• 68. آموزش شبکه‌های عصبی
• 69. بیز و شبکه‌های عصبی
• 70. استفاده از قضیه بیز در یادگیری ماشین
• 71. طبقه‌بندی بیزی
• 72. نایوش بیزی (Naive Bayes)
• 73. کاربرد قضیه بیز در تشخیص اسپم
• 74. کاربرد قضیه بیز در پردازش زبان طبیعی
• 75. کاربرد قضیه بیز در تشخیص تصویر
• 76. مدل‌های گرافیکی بیزی
• 77. شبکه‌های بیزی
• 78. استنتاج در شبکه‌های بیزی
• 79. کاربرد شبکه‌های بیزی در پزشکی
• 80. کاربرد شبکه‌های بیزی در مالی
• 81. مقدمه‌ای بر یادگیری تقویتی
• 82. ارزیابی عملکرد مدل
• 83. اعتبارسنجی متقابل
• 84. نکات عملی در استفاده از قضیه بیز
• 85. تفسیر نتایج بیزی
• 86. توزیع‌های پیشین و پسین
• 87. بیزیانیسم در مقابل فرکونتیسم
• 88. مزایای رویکرد بیزی
• 89. محدودیت‌های رویکرد بیزی
• 90. کاربردهای پیشرفته قضیه بیز
• 91. مقدمه‌ای بر مدل‌های سری زمانی
• 92. مدل‌های ARIMA
• 93. کاربرد قضیه بیز در مدل‌های سری زمانی
• 94. مدل‌های مارکوف پنهان
• 95. کاربرد قضیه بیز در مدل‌های مارکوف پنهان
• 96. شبیه‌سازی مونت کارلو
• 97. روش‌های نمونه‌گیری بیزی
• 98. آزمون‌های آماری بیزی
• 99. تصمیم‌گیری بیزی
• 100. مقدمه‌ای بر اقتصاد سنجی بیزی