فلش‌کارت‌های آموزشی تفسیر نتایج BUGS

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تفسیر نتایج BUGS

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

موضوع میانی: BUGS (WinBUGS, OpenBUGS)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر نرم‌افزارهای آماری و مدل‌سازی
• 2. آشنایی با مفاهیم پایه BUGS
• 3. نصب و راه‌اندازی نرم‌افزار WinBUGS
• 4. مبانی زبان برنامه‌نویسی BUGS
• 5. ساختارهای داده‌ای در BUGS
• 6. تعریف مدل‌های احتمالی
• 7. توزیع‌های پیشین در BUGS
• 8. توزیع‌های پسین در BUGS
• 9. نمونه‌گیری از توزیع‌های پسین
• 10. روش‌های مونت‌کارلو زنجیره مارکوف (MCMC)
• 11. الگوریتم گیبس سمپلینگ
• 12. الگوریتم متروپولیس-هستینگز
• 13. ارزیابی همگرایی زنجیره‌های مارکوف
• 14. معیارهای تشخیص همگرایی
• 15. تفسیر نتایج همگرایی
• 16. خروجی‌های نرم‌افزار WinBUGS
• 17. خلاصه‌های آماری نتایج
• 18. نمودارهای سری زمانی
• 19. نمودارهای چگالی
• 20. تفسیر نمودارهای چگالی
• 21. محاسبه فواصل اطمینان
• 22. تفسیر فواصل اطمینان
• 23. مقایسه مدل‌ها
• 24. معیارهای انتخاب مدل
• 25. معیار اطلاعات آکائیکه (AIC)
• 26. معیار اطلاعات بیزی (BIC)
• 27. اعتبارسنجی مدل
• 28. شبیه‌سازی از مدل
• 29. بررسی حساسیت مدل
• 30. مدل‌های خطی تعمیم‌یافته (GLM) در BUGS
• 31. مدل‌های خطی تعمیم‌یافته بیزی
• 32. مدل‌های رگرسیون لجستیک بیزی
• 33. مدل‌های رگرسیون پواسون بیزی
• 34. مدل‌های سری زمانی بیزی
• 35. مدل‌های فضایی بیزی
• 36. مدل‌های سلسله مراتبی بیزی
• 37. کاربرد BUGS در علوم زیستی
• 38. کاربرد BUGS در اقتصاد
• 39. کاربرد BUGS در علوم اجتماعی
• 40. کاربرد BUGS در مهندسی
• 41. کاربرد BUGS در پزشکی
• 42. کاربرد BUGS در بهداشت عمومی
• 43. مدل‌سازی بقا در BUGS
• 44. مدل‌سازی داده‌های گمشده در BUGS
• 45. مدل‌سازی داده‌های طبقه‌بندی شده
• 46. مدل‌سازی داده‌های شمارشی
• 47. مدل‌سازی داده‌های پیوسته
• 48. مدل‌سازی داده‌های طولی
• 49. مدل‌سازی داده‌های فضایی-زمانی
• 50. مقدمه‌ای بر مدل‌سازی آماری بیزی
• 51. تفاوت رویکردهای بیزی و فراوانی‌گرا
• 52. نقش باورهای پیشین در مدل‌سازی بیزی
• 53. انتخاب توزیع‌های پیشین مناسب
• 54. توزیع‌های پیشین غیرمطلع
• 55. توزیع‌های پیشین مطلع
• 56. توزیع‌های پیشین نیمه‌مطلع
• 57. اهمیت انتخاب توزیع پیشین
• 58. روش‌های نمونه‌گیری پیشرفته
• 59. کاربرد MCMC در مدل‌های پیچیده
• 60. مدل‌سازی با استفاده از نرم‌افزار JAGS
• 61. مقایسه WinBUGS و JAGS
• 62. مقدمه‌ای بر زبان برنامه‌نویسی BUGS
• 63. ساختارهای شرطی در BUGS
• 64. حلقه‌ها در BUGS
• 65. توابع در BUGS
• 66. اشکال‌زدایی کد BUGS
• 67. بهینه‌سازی کد BUGS
• 68. نوشتن گزارش نتایج مدل‌سازی
• 69. ارائه یافته‌های آماری
• 70. تفسیر کاربردی نتایج مدل‌سازی
• 71. نکات تکمیلی در تفسیر نتایج BUGS
• 72. کاربرد BUGS در تحلیل داده‌های واقعی
• 73. مطالعات موردی در تفسیر نتایج BUGS
• 74. تحلیل داده‌های نظرسنجی
• 75. تحلیل داده‌های آزمایشگاهی
• 76. تحلیل داده‌های بالینی
• 77. تحلیل داده‌های اقتصادی کلان
• 78. تحلیل داده‌های مالی
• 79. تحلیل داده‌های زیست‌محیطی
• 80. تحلیل داده‌های اجتماعی
• 81. تحلیل داده‌های آموزشی
• 82. تحلیل داده‌های مهندسی عمران
• 83. تحلیل داده‌های مهندسی برق
• 84. تحلیل داده‌های مهندسی مکانیک
• 85. تحلیل داده‌های مهندسی شیمی
• 86. مدل‌سازی پیش‌بینی در BUGS
• 87. ارزیابی عدم قطعیت مدل
• 88. استفاده از نرم‌افزارهای کمکی برای BUGS
• 89. تکنیک‌های بصری‌سازی نتایج
• 90. آموزش پیشرفته BUGS
• 91. مباحث نوین در مدل‌سازی بیزی
• 92. کاربرد BUGS در هوش مصنوعی
• 93. مقایسه با سایر نرم‌افزارهای آماری
• 94. نکات پایانی در تفسیر نتایج BUGS