آموزش رگرسیون خطی برای آمار کسب‌و‌کار - آخرین آپدیت

دانلود Linear Regression for Business Statistics

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: تحلیل رگرسیون شاید مهم‌ترین ابزار آمار کسب‌و‌کار باشد که در صنعت مورد استفاده قرار می‌گیرد. رگرسیون موتور محرک بسیاری از کاربردهای تحلیل داده است که برای انواع پیش‌بینی‌ها به کار می‌رود. این چهارمین دوره از تخصص «آمار و تحلیل کسب‌و‌کار» است. در این دوره با ابزار بسیار حیاتی رگرسیون خطی آشنا می‌شوید و یاد می‌گیرید که چگونه رویه‌های مختلفی مانند رگرسیون متغیرهای مجازی (Dummy Variables)، تبدیل متغیرها و اثرات متقابل را به کار ببرید. تمامی این موارد با استفاده از مثال‌های ساده و قابل فهم در نرم‌افزار مایکروسافت اکسل آموزش داده شده‌اند. تمرکز این دوره بر درک مفاهیم و کاربرد عملی آن‌ها است تا استخراجات پیچیده ریاضی. نکته: در این دوره از ابزار ‘Data Analysis’ استفاده شده است که در نسخه ویندوز مایکروسافت اکسل و نسخه‌های ۲۰۱۶ به بعد مک به صورت استاندارد موجود است. هفته اول ماژول ۱: تحلیل رگرسیون: مقدمه در این بخش با مدل رگرسیون خطی آشنا می‌شوید. ما یک مدل رگرسیون می‌سازیم و آن را با استفاده از اکسل تخمین می‌زنیم. سپس از مدل تخمین‌زده شده برای استنتاج روابط بین متغیرهای مختلف و انجام پیش‌بینی‌ها استفاده می‌کنیم. همچنین مفاهیم خطاها، باقی‌مانده‌ها (Residuals) و ضریب تعیین (R-square) معرفی می‌شوند. مباحث پوشش داده شده: • معرفی رگرسیون خطی • ساخت مدل رگرسیون و تخمین آن با اکسل • استنتاج با استفاده از مدل تخمین‌زده شده • استفاده از مدل رگرسیون برای پیش‌بینی • خطاها، باقی‌مانده‌ها و R-square هفته دوم ماژول ۲: تحلیل رگرسیون: آزمون فرضیه و نیکویی برازش این بخش آزمون‌های فرضیه مختلفی را ارائه می‌دهد که می‌توانید با استفاده از خروجی رگرسیون انجام دهید. این آزمون‌ها بخش مهمی از استنتاج آماری هستند و در اینجا با مثال‌های اکسل آموزش داده می‌شوند. مقادیر p-value به همراه معیارهای نیکویی برازش شامل R-square و R-square تعدیل شده معرفی می‌گردند. در پایان این ماژول، «رگرسیون متغیر مجازی» برای گنجاندن متغیرهای کیفی در مدل معرفی می‌شود. مباحث پوشش داده شده: • آزمون فرضیه در رگرسیون خطی • معیارهای «نیکویی برازش» (R-square و Adjusted R-square) • رگرسیون متغیر مجازی (استفاده از متغیرهای کیفی در رگرسیون) هفته سوم ماژول ۳: تحلیل رگرسیون: متغیرهای مجازی و هم‌خطی این بخش به ادامه کاربردهای رگرسیون متغیر مجازی می‌پردازد. شما یاد می‌گیرید که چگونه خروجی رگرسیون را در حضور متغیرهای کیفی تفسیر کنید. مثال‌های متعددی برای تثبیت مفاهیم ارائه شده و همچنین مفهوم هم‌خطی (Multicollinearity) و نحوه مقابله با آن توضیح داده می‌شود. مباحث پوشش داده شده: • رگرسیون متغیر مجازی (استفاده از متغیرهای کیفی در رگرسیون) • تفسیر ضرایب و p-valueها در حضور متغیرهای مجازی • هم‌خطی در مدل‌های رگرسیون هفته چهارم ماژول ۴: تحلیل رگرسیون: توسعه‌های مختلف این ماژول درک شما را از رگرسیون خطی گسترش داده و تکنیک‌هایی مانند مرکزیت میانگین متغیرها (Mean-centering) و ایجاد بازه‌های اطمینان برای پیش‌بینی‌ها را معرفی می‌کند. همچنین ابزار قدرتمندی به نام «متغیرهای متقابل» (Interaction variables) با مثال توضیح داده می‌شود. در نهایت، تبدیل متغیرها در رگرسیون و مدل‌های رگرسیون لگاریتمی (Log-Log و Semi-Log) بررسی می‌شوند. مباحث پوشش داده شده: • مرکزیت میانگین متغیرها در مدل رگرسیون • ساخت بازه‌های اطمینان برای پیش‌بینی با مدل رگرسیون • اثرات متقابل در رگرسیون • تبدیل متغیرها • مدل‌های رگرسیون Log-Log و Semi-Log

سرفصل ها و درس ها

تحلیل رگرسیون: مقدمه Regression Analysis: An Introduction

  • آشنایی با استاد Meet the Professor

  • معرفی رگرسیون خطی: ساخت مدل Introducing Linear Regression: Building a Model

  • معرفی رگرسیون خطی: تخمین مدل Introducing Linear Regression: Estimating the Model

  • معرفی رگرسیون خطی: تفسیر مدل Introducing Linear Regression: Interpreting the Model

  • معرفی رگرسیون خطی: پیش‌بینی با مدل Introducing Linear Regression: Predictions using the Model

  • خطاها، باقی‌مانده‌ها و R-square Errors, Residuals and R-square

  • فرض نرمال بودن خطاها Normality Assumption on the Errors

تحلیل رگرسیون: آزمون فرضیه و نیکویی برازش Regression Analysis: Hypothesis Testing and Goodness of Fit

  • آزمون فرضیه در رگرسیون خطی Hypothesis Testing in a Linear Regression

  • آزمون فرضیه در رگرسیون خطی: استفاده از p-valueها Hypothesis Testing in a Linear Regression: using 'p-values'

  • آزمون فرضیه در رگرسیون خطی: بازه‌های اطمینان Hypothesis Testing in a Linear Regression: Confidence Intervals

  • کاربرد رگرسیون با استفاده از داده‌های مسکن A Regression Application Using Housing Data

  • معیارهای نیکویی برازش: R-square و Adjusted R-square 'Goodness of Fit' measures: R-square and Adjusted R-square

  • متغیرهای کیفی در رگرسیون: متغیرهای مجازی Categorical Variables in a Regression: Dummy Variables

تحلیل رگرسیون: متغیرهای مجازی و هم‌خطی Regression Analysis: Dummy Variables, Multicollinearity

  • رگرسیون متغیر مجازی: تعمیم به دسته‌های متعدد Dummy Variable Regression: Extension to Multiple Categories

  • رگرسیون متغیر مجازی: تفسیر ضرایب Dummy Variable Regression: Interpretation of Coefficients

  • رگرسیون متغیر مجازی: تخمین و تفسیر p-valueها Dummy Variable Regression: Estimation, Interpretation of p-values

  • کاربرد رگرسیون با استفاده از داده‌های یخچال (بخش اول) A Regression Application Using Refrigerator data

  • کاربرد رگرسیون با استفاده از داده‌های یخچال (ادامه) A Regression Application Using Refrigerator data (continued...)

  • هم‌خطی در مدل‌های رگرسیون: چیستی و نحوه مدیریت Multicollinearity in Regression Models: What it is and How to Deal with it

تحلیل رگرسیون: توسعه‌های مختلف Regression Analysis: Various Extensions

  • مرکزیت میانگین متغیرها در مدل رگرسیون Mean Centering Variables in a Regression Model

  • ساخت بازه‌های اطمینان برای پیش‌بینی با مدل رگرسیون Building Confidence Bounds for Prediction Using a Regression Model

  • اثرات متقابل در رگرسیون: مقدمه Interaction Effects in a Regression: An Introduction

  • اثرات متقابل در رگرسیون: کاربرد عملی Interaction Effects in a Regression: An Application

  • تبدیل متغیرها در رگرسیون: بهبود خطی بودن Transformation of Variables in a Regression: Improving Linearity

  • مدل‌های رگرسیون Log-Log و Semi-Log The Log-Log and the Semi-Log Regression Models

  • مرور کلی دوره چهارم Course 4 Recap

نمایش نظرات

آموزش رگرسیون خطی برای آمار کسب‌و‌کار
جزییات دوره
26h 46m
26
(آخرین آپدیت)
49,642
4.9 از 5
دارد
دارد
دارد
Sharad Borle
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar