آموزش برنامه نویسی R برای شبیه سازی و روش های مونت کارلو

R Programming for Simulation and Monte Carlo Methods

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: برنامه نویسی برنامه های کاربردی آماری و شبیه سازی های مونت کارلو را با موارد متعدد "واقعی" و نرم افزار R یاد بگیرید. از نرم افزار R برای برنامه ریزی شبیه سازی های احتمالی استفاده کنید که اغلب شبیه سازی مونت کارلو نامیده می شود. از نرم افزار R برای برنامه ریزی شبیه سازی های ریاضی و ایجاد توابع شبیه سازی ریاضی جدید استفاده کنید. از توابع R موجود استفاده کنید و نحوه نوشتن توابع R خود را برای انجام تخمین استنتاج شبیه سازی شده، از جمله احتمالات و فواصل اطمینان، و مدل سازی موارد دیگر شبیه سازی تصادفی، درک کنید. قادر به تولید خانواده های مختلف (و لحظه های) مختلف از متغیرهای تصادفی گسسته و پیوسته باشید. قادر به شبیه سازی تخمین پارامتر، ادغام مونت کارلو توابع پیوسته و گسسته و تکنیک های کاهش واریانس باشد. پیش نیازها:دانشجویان باید نرم افزار محبوب R Console و RStudio را نصب کنند (دستورالعمل های ارائه شده).

برنامه‌نویسی R برای شبیه‌سازی و روش‌های مونت کارلو بر استفاده از نرم‌افزار R برای برنامه‌ریزی شبیه‌سازی‌های احتمالی متمرکز است که اغلب شبیه‌سازی مونت کارلو نامیده می‌شود. نمونه‌های ساده‌شده معمولی «دنیای واقعی» شامل شبیه‌سازی احتمالات یک بازیکن بیسبال است که یک «رشته» از بیست بازی فصل متوالی با «ضربه‌های ضربه‌ای» یا تخمین تعداد احتمالی کل تاکسی‌ها در یک شهر غریب، زمانی که فرد مشاهده می‌کند. توالی خاصی از تاکسی های شماره گذاری شده در مدت 60 دقیقه از گوشه خیابان خاصی عبور می کنند. این دوره علاوه بر جزئیات نیم دوجین (گاهی اوقات سرگرم کننده) برنامه های کاربردی نمونه توسعه یافته «دنیای واقعی»، نحوه استفاده از توابع R موجود، و نحوه نوشتن توابع R خود را برای انجام تخمین استنتاج شبیه سازی شده، از جمله احتمالات، به تفصیل توضیح می دهد. و فواصل اطمینان، و سایر موارد شبیه سازی تصادفی. تکنیک های استفاده از R برای تولید ویژگی های مختلف خانواده های مختلف متغیرهای تصادفی به تفصیل توضیح داده شده است. این دوره مهارت‌های پیاده‌سازی رویکردهای مختلف برای شبیه‌سازی توابع توزیع احتمال متغیر تصادفی پیوسته و گسسته، تخمین پارامتر، ادغام مونت کارلو، و تکنیک‌های کاهش واریانس را آموزش می‌دهد. این دوره تا حدی از بسته spuRs Comprehensive R Archive Network (CRAN) برای نشان دادن نحوه ساختار و نوشتن برنامه‌ها برای انجام شبیه‌سازی‌های ریاضی و احتمالاتی با استفاده از نرم‌افزار آماری R استفاده می‌کند.


سرفصل ها و درس ها

نمایش نظرات

آموزش برنامه نویسی R برای شبیه سازی و روش های مونت کارلو
جزییات دوره
11.5 hours
107
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
4,400
4.5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Geoffrey Hubona, Ph.D. Geoffrey Hubona, Ph.D.

دانشیار سیستم های اطلاعاتی دکتر جفری هوبونا از سال 1993 در 4 دانشگاه بزرگ ایالتی در ایالات متحده دوره های تصدی تمام مدت و استعفا ، استادیار و دانشیار را حفظ کرده است. در حال حاضر ، وی دانشیار MIS در دانشگاه بین المللی A&M تگزاس است که برای آن تدریس می کند دوره های اعتباری در تجسم داده های تجاری (دوره کارشناسی) ، برنامه نویسی پیشرفته با استفاده از R (فارغ التحصیل) و داده کاوی و تجزیه و تحلیل تجارت (فارغ التحصیل). در سمت های قبلی دانشکده دانشگاهی ، او ده ها آماره مختلف ، سیستم های اطلاعات کسب و کار و دوره های علوم کامپیوتر را در مقطع کارشناسی ، کارشناسی ارشد و دکتری تدریس کرد. دانش آموزان. وی دکترای خود را کسب کرد. در رشته مدیریت بازرگانی (سیستم های اطلاعاتی و علوم کامپیوتر) از دانشگاه فلوریدا جنوبی (USF) در تامپا ، فلوریدا. کارشناسی ارشد اقتصاد ، همچنین از USF. MBA در رشته مالی از دانشگاه جورج میسون در فیرفکس ، VA ؛ و لیسانس روانشناسی از دانشگاه ویرجینیا در شارلوتسویل ، VA. او بنیانگذار مدرسه جورجیا R (2010-2014) و R-Courseware (2014 تا کنون) ، سازمان های آموزشی آنلاین است که روش های تحقیق و تکنیک های تجزیه و تحلیل کمی را آموزش می دهند. این تکنیک های روش تحقیق شامل مدلسازی خطی و غیرخطی ، روش های چند متغیره ، داده کاوی ، برنامه نویسی و شبیه سازی و مدل سازی معادلات ساختاری و مدل حداقل مربعات جزئی (PLS) است.