رگرسیون و همبستگی

Regressions & Correlation

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: گشودن روابط آماری: تسلط بر تحلیل همبستگی و رگرسیون درک مفاهیم اساسی همبستگی و رگرسیون در تجزیه و تحلیل آماری. انواع مختلف همبستگی ها و پیامدهای آنها را در مجموعه داده های مختلف شناسایی کنید. ضریب همبستگی (r) را برای تعیین کمیت قدرت و جهت روابط خطی محاسبه کنید. برای تجسم روابط داده ها و شناسایی الگوهای خطی، نمودارهای پراکندگی ایجاد کنید. نمودارهای پراکندگی را برای تعیین وجود یا عدم وجود همبستگی تفسیر کنید. از اصول رگرسیون خطی ساده برای مدل سازی رابطه بین دو متغیر استفاده کنید. باقیمانده ها را تجزیه و تحلیل کنید و از روش حداقل مربعات برای به حداقل رساندن آنها استفاده کنید. تمایز بین همبستگی و علیت را با تشخیص همبستگی های جعلی ارزیابی کنید. مثال هایی از روابط آماری را با استفاده از سناریوهای داده های دنیای واقعی نشان دهید. با تأکید بر اهمیت تجزیه و تحلیل دقیق، تفسیرهای نادرست از روابط داده ها را نقد کنید. پیش نیازها: مهارت های پایه ریاضی: درک پایه ای از مفاهیم اساسی حساب، جبر و ریاضی. مقدمه ای بر آمار: مواجهه قبلی با مفاهیم اولیه آماری مانند میانگین، میانه، حالت و انحراف معیار. سواد کامپیوتری: مهارت در استفاده از کامپیوتر برای کارهای اساسی، از جمله مدیریت فایل و ناوبری اینترنتی. مهارت های مدیریت داده ها: آشنایی با ورود داده ها، دستکاری، و توابع اولیه صفحه گسترده (البته هیچ نرم افزار خاصی مانند اکسل مورد نیاز نخواهد بود). تفکر تحلیلی: استعدادی برای استدلال منطقی و حل مسئله.

به این دوره آمار خوش آمدید، جایی که ما پیچیدگی های روابط آماری و مدل سازی پیش بینی را کشف می کنیم. این دوره با دقت برای کسانی طراحی شده است که می خواهند درک عمیقی از همبستگی، رگرسیون و نقش حیاتی آنها در تجزیه و تحلیل داده ها داشته باشند.

ما سفر خود را با تشریح مفهوم همبستگی، کاوش در انواع و مفاهیم آن، و تأکید بر اینکه همبستگی دلالت بر علیت ندارد، آغاز می‌کنیم. از طریق مثال‌های گویا مانند رابطه بین قد و وزن، و فروش بستنی با دما، این مفاهیم را ملموس می‌کنیم. ما ضریب همبستگی (r) را محاسبه می کنیم و به ما کمک می کند تا قدرت و جهت روابط خطی را کمی کنیم.

با کاوش عمیق تر، نمودارهای پراکندگی را معرفی می کنیم، ابزاری محوری در تجسم روابط داده ها. شرکت‌کنندگان یاد می‌گیرند که نمودارهای پراکنده را ایجاد و تفسیر کنند، الگوهای خطی را شناسایی کرده و زمانی که ممکن است اصلاً همبستگی وجود نداشته باشد، درک کنند. این مهارت بصری زمینه را برای موضوع بزرگ بعدی ما فراهم می کند: رگرسیون.

چرا از رگرسیون استفاده کنیم؟ این درس با راهنمایی دانشجویان از طریق اصول رگرسیون خطی ساده، مدل سازی رابطه بین دو متغیر به این سوال پاسخ می دهد. ما مفهوم باقیمانده‌ها را بررسی می‌کنیم و بر هدف به حداقل رساندن این مقادیر از طریق روش حداقل مربعات تأکید می‌کنیم.

با این حال، ما فقط به ساخت مدل‌ها بسنده نمی‌کنیم. این دوره درک انتقادی از چرایی "همبستگی ≠ علت" را القا می کند، همبستگی های جعلی را بررسی می کند و اهمیت عدم تعبیر نادرست روابط داده ها را برجسته می کند. مثال‌های جذاب تضمین می‌کنند که این درس‌ها نه تنها آموخته می‌شوند، بلکه به کار می‌روند.

در پایان این دوره، دانش‌آموزان نه تنها بر مفاهیم همبستگی و رگرسیون تسلط خواهند یافت، بلکه در استفاده از این تکنیک‌ها برای تجزیه و تحلیل آماری و مدل‌سازی پیش‌بینی نیز برتری خواهند یافت. به ما بپیوندید تا این سفر روشنگرانه را آغاز کنیم و درک خود را از روابط داده ها و هنر پیش بینی تغییر دهیم.


سرفصل ها و درس ها

مقدمه Introduction

  • 1710 همبستگی و رگرسیون 1710 Correlation and Regression

مشکلات تمرینی OneNote OneNote Practice Problems

  • مرجع OneNote OneNote Recourse

  • 1711 همبستگی مثبت کامل 1711 Perfect Positive Correlation

  • 1719 همبستگی منفی کامل 1719 Perfect Negative Correlation

  • 1726 همبستگی ساده نقاط داده کم مثال 1726 Correlation Simple Low Data Points Example

  • 1731 همبستگی مثال تولید اعداد تصادفی 1731 Correlation Random Number Generation Example

  • 1741 محاسبه همبستگی با نتیجه عجیب 1741 Correlation Calculation with Strange Result

  • 1751 همبستگی مجموعه داده های بزرگ تمرکز رابطه امتیاز Z 1751 Correlation Large Data Sets Focus of Z Score Relationship

  • 1761 همبستگی آمار بیسبال 1761 Correlation Baseball Statistics

نمایش نظرات

رگرسیون و همبستگی
جزییات دوره
2.5 hours
9
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,525
4.6 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

Robert (Bob) Steele Robert (Bob) Steele

CPA ، CGMA ، MS مالیات ، CPIT از طریق کار با دانش آموزان از مدارس مختلف ، آقای استیل بهترین روش ها را برای کمک به مردم در درک سریع حسابداری فرا گرفته است. یادگیری مهارت های جدید و یافتن بهترین راه برای به اشتراک گذاشتن دانش با افرادی که می توانند از آن بهره مند شوند ، علاقه وی به اوست. آقای استیل تجربه کار به عنوان یک حسابدار رسمی معتبر (CPA) ، یک مربی حسابداری و بازرگانی و یک برنامه نویس برنامه درسی را دارد. او از کنار هم قرار دادن ابزارهای با کیفیت برای بهبود یادگیری لذت برده است و از سال 2009 به تدریس ، تهیه منابع آموزشی و ساخت برنامه درسی مشغول بوده است. وی از سال 2005 یک CPA را تمرین می کند. آقای استیل یک CPA عملی است ، یک مربی مجاز پس از متوسطه دارد ( اعتبار CPI) ، کارشناسی ارشد مالیات از دانشگاه گلدن گیت ، لیسانس اقتصاد بازرگانی با تأکید در حسابداری از دانشگاه کالیفرنیا سانتا باربارا و تعیین حسابداری مدیریت جهانی (CGMA) از موسسه آمریکایی CPA ( AICPA)