کتاب صوتی شرطی‌های پشت سرهم: ابزاری قدرتمند در آمار محاسباتی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شرطی‌های پشت سرهم: ابزاری قدرتمند در آمار محاسباتی

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

موضوع میانی: شرطی‌های پشت سرهم

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر احتمالات شرطی
• 2. تعریف احتمال شرطی
• 3. قاعده ضرب احتمالات
• 4. قاعده بیز
• 5. کاربرد قاعده بیز در تشخیص
• 6. استقلال رویدادها
• 7. احتمال شرطی و استقلال
• 8. مثال‌هایی از احتمال شرطی
• 9. تمرین‌های احتمالات شرطی
• 10. مقدمه‌ای بر متغیرهای تصادفی
• 11. تعریف متغیر تصادفی گسسته
• 12. تابع جرم احتمال (PMF)
• 13. تابع توزیع تجمعی (CDF)
• 14. امید ریاضی متغیر تصادفی گسسته
• 15. واریانس متغیر تصادفی گسسته
• 16. توزیع برنولی
• 17. توزیع دوجمله‌ای
• 18. کاربردهای توزیع دوجمله‌ای
• 19. توزیع پواسون
• 20. کاربردهای توزیع پواسون
• 21. متغیرهای تصادفی پیوسته
• 22. تابع چگالی احتمال (PDF)
• 23. تابع توزیع تجمعی (CDF) برای پیوسته
• 24. امید ریاضی متغیر تصادفی پیوسته
• 25. واریانس متغیر تصادفی پیوسته
• 26. توزیع یکنواخت پیوسته
• 27. توزیع نرمال (گوسی)
• 28. پارامترهای توزیع نرمال
• 29. قاعده ۶۸-۹۵-۹۹.۷
• 30. کاربردهای توزیع نرمال
• 31. توزیع نمایی
• 32. کاربردهای توزیع نمایی
• 33. مقدمه‌ای بر توزیع‌های چندمتغیره
• 34. توزیع دوجمله‌ای مشترک
• 35. توزیع نرمال چندمتغیره
• 36. کوواریانس و همبستگی
• 37. ماتریس کوواریانس
• 38. مقدمه‌ای بر زنجیره‌های مارکوف
• 39. تعریف زنجیره مارکوف
• 40. ماتریس انتقال
• 41. مسیرهای مارکوف
• 42. حالت‌های زنجیره مارکوف
• 43. حالت‌های پایدار
• 44. توزیع حالت پایدار
• 45. کاربرد زنجیره‌های مارکوف در مدل‌سازی
• 46. مقدمه‌ای بر شبیه‌سازی مونت کارلو
• 47. اصول شبیه‌سازی مونت کارلو
• 48. تولید اعداد تصادفی
• 49. تولید اعداد تصادفی از توزیع‌های مختلف
• 50. کاربرد شبیه‌سازی مونت کارلو در محاسبات
• 51. برآورد انتگرال با مونت کارلو
• 52. مقدمه‌ای بر استنباط آماری
• 53. مفاهیم جامعه و نمونه
• 54. برآوردگر نقطه‌ای
• 55. خواص برآوردگرها (نااریبی، سازگاری، کارایی)
• 56. فاصله اطمینان
• 57. فاصله اطمینان برای میانگین
• 58. فاصله اطمینان برای نسبت
• 59. مقدمه‌ای بر آزمون فرض آماری
• 60. مفاهیم فرضیه صفر و فرضیه جایگزین
• 61. خطای نوع اول و نوع دوم
• 62. سطح معنی‌داری (آلفا)
• 63. مقدار پی (p-value)
• 64. آزمون فرض برای میانگین
• 65. آزمون فرض برای نسبت
• 66. آزمون فرض برای واریانس
• 67. مقدمه‌ای بر رگرسیون خطی
• 68. مدل رگرسیون خطی ساده
• 69. برآورد پارامترهای رگرسیون
• 70. آزمون فرض برای ضرایب رگرسیون
• 71. ضریب تعیین (R-squared)
• 72. مقدمه‌ای بر رگرسیون خطی چندگانه
• 73. مدل رگرسیون خطی چندگانه
• 74. تفسیر ضرایب در رگرسیون چندگانه
• 75. تشخیص هم‌خطی چندگانه
• 76. کاربرد رگرسیون در پیش‌بینی
• 77. مقدمه‌ای بر تحلیل سری‌های زمانی
• 78. مفاهیم پایه در سری‌های زمانی
• 79. فصل‌بندی سری‌های زمانی (روند، فصلی، نوسان)
• 80. مدل‌های ARIMA
• 81. کاربرد تحلیل سری زمانی در اقتصاد
• 82. مقدمه‌ای بر یادگیری ماشین آماری
• 83. یادگیری با نظارت و بدون نظارت
• 84. طبقه‌بندی و رگرسیون
• 85. الگوریتم‌های طبقه‌بندی (k-نزدیکترین همسایه)
• 86. الگوریتم‌های رگرسیون (درخت تصمیم)
• 87. ارزیابی مدل‌های یادگیری ماشین
• 88. مقدمه‌ای بر بهینه‌سازی در آمار
• 89. تابع هدف
• 90. روش‌های بهینه‌سازی (گرادیان نزولی)
• 91. کاربرد بهینه‌سازی در برازش مدل
• 92. مقدمه‌ای بر آمار محاسباتی و کاربردهای آن
• 93. نرم‌افزارهای آماری (R، Python)
• 94. بسته‌های آماری پرکاربرد
• 95. تحلیل داده‌های واقعی با ابزارهای آماری
• 96. مطالعات موردی کاربردی در ایران
• 97. جمع‌بندی و چشم‌انداز آینده