کتاب صوتی تحلیل داده‌های اکولوژیکی با R: راهنمای جامع از مقدماتی تا پیشرفته (بر اساس کتاب Analyzing Ecological Data)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل داده‌های اکولوژیکی با R: راهنمای جامع از مقدماتی تا پیشرفته (بر اساس کتاب Analyzing Ecological Data)

موضوع کلی: آمار کاربردی در اکولوژی

موضوع میانی: تحلیل داده‌های اکولوژیکی با رویکرد مدلسازی

📋 سرفصل‌های دوره

• 1. مبانی آمار در اکولوژی
• 2. مقدمه ای بر اکولوژی کاربردی
• 3. اهمیت داده ها در اکولوژی
• 4. مفاهیم پایه ای آماری
• 5. انواع داده ها در اکولوژی
• 6. نمونه برداری در مطالعات اکولوژیکی
• 7. طراحی آزمایش در اکولوژی
• 8. مقدمه ای بر نرم افزار R
• 9. نصب و راه اندازی R و RStudio
• 10. کار با داده ها در R
• 11. انواع ساختارهای داده در R
• 12. مرور داده ها و خلاصه آماری
• 13. مصورسازی داده ها در R
• 14. نمودارهای پراکندگی
• 15. نمودارهای جعبه ای (Box Plots)
• 16. نمودارهای هیستوگرام
• 17. نمودارهای میله ای
• 18. روند واریانس در داده های اکولوژیکی
• 19. مقدمه ای بر توزیع های احتمالی
• 20. توزیع نرمال
• 21. توزیع پواسون
• 22. توزیع دوجمله ای
• 23. توزیع فراوانی طبیعی
• 24. آزمون های فرض آماری
• 25. مفهوم p-value
• 26. آزمون t تک نمونه ای
• 27. آزمون t دو نمونه ای مستقل
• 28. آزمون t دو نمونه ای زوجی
• 29. آزمون فرض برای نسبت ها
• 30. رگرسیون خطی ساده
• 31. مفاهیم رگرسیون
• 32. مدل رگرسیون خطی ساده
• 33. تفسیر ضرایب رگرسیون
• 34. فرضیات مدل رگرسیون خطی
• 35. تشخیص ناهمگنی واریانس
• 36. تشخیص خودهمبستگی
• 37. رگرسیون خطی چندگانه
• 38. انتخاب متغیر در رگرسیون
• 39. مدل های خطی تعمیم یافته (GLMs)
• 40. مقدمه ای بر GLMs
• 41. توزیع مناسب برای GLMs
• 42. رابطه بین متغیرهای مستقل و وابسته
• 43. مدل رگرسیون لجستیک
• 44. کاربرد رگرسیون لجستیک در اکولوژی
• 45. مدل رگرسیون پواسون
• 46. کاربرد مدل پواسون در مطالعات شمارشی
• 47. مدل رگرسیون منفی دوجمله ای
• 48. مدل های غیرخطی
• 49. مقدمه ای بر مدل های غیرخطی
• 50. تخمین پارامترهای مدل های غیرخطی
• 51. مقدمه ای بر تحلیل واریانس (ANOVA)
• 52. ANOVA یک طرفه
• 53. ANOVA دو طرفه
• 54. اثرات اصلی و اثرات متقابل
• 55. آزمون های تعقیبی (Post-hoc tests)
• 56. کشف ناهمگنی واریانس در ANOVA
• 57. مدل های خطی مخلوط (LMMs)
• 58. کاربرد LMMs در داده های تکراری
• 59. اثرات ثابت و اثرات تصادفی
• 60. ساخت مدل های LMM در R
• 61. بررسی برازش مدل ها
• 62. معیارهای انتخاب مدل
• 63. AIC و BIC
• 64. مدل سازی مبتنی بر شاخص
• 65. مدل های زیست جمعیتی
• 66. مدل سازی توزیع گونه ها
• 67. مدل های فراوانی
• 68. مدل سازی روابط غذا و تغذیه
• 69. مدل سازی پاسخ فشارهای محیطی
• 70. مدل سازی پویایی جمعیت
• 71. مدل های شبیه سازی
• 72. مقدمه ای بر تجزیه و تحلیل سری های زمانی
• 73. تجزیه و تحلیل روند در سری های زمانی
• 74. پیش بینی در سری های زمانی
• 75. مدل سازی داده های مکانی
• 76. مقدمه ای بر آمار فضایی
• 77. شاخص موران (Moran's I)
• 78. رگرسیون ژئواستاتیستیک
• 79. استفاده از بسته های تخصصی در R
• 80. بسته های مربوط به GLMs
• 81. بسته های مربوط به LMMs
• 82. بسته های مربوط به مدل سازی فضایی
• 83. بسته های مربوط به مدل سازی تنوع زیستی
• 84. مقدمه ای بر آزمون های ناپارامتری
• 85. آزمون ویلکاکسون (Wilcoxon test)
• 86. آزمون کروسکال-والیس (Kruskal-Wallis test)
• 87. کلاس بندی و تحلیل داده های کیفی
• 88. مدل سازی بقا (Survival Analysis)
• 89. مقدمه ای بر مدل سازی بقا
• 90. تابع کاپلان-مایر (Kaplan-Meier estimator)
• 91. مدل های رگرسیون کوکس (Cox Regression)
• 92. تحلیل همبستگی در اکولوژی
• 93. تحلیل عاملی (Factor Analysis)
• 94. تحلیل مؤلفه های اصلی (Principal Component Analysis)
• 95. خوشه بندی (Clustering)
• 96. دسته بندی (Classification)
• 97. مقدمه ای بر یادگیری ماشین در اکولوژی
• 98. روندهای پیشرفته در تحلیل داده های اکولوژیکی
• 99. مباحث تکمیلی و کاربردی
• 100. نمایش نتایج و گزارش دهی