دوره آموزشی گواهینامه تحلیل‌گر آماری با برنامه‌نویسی SAS - آخرین آپدیت

سرفصل ها و درس ها

مرور دوره و مواد دوره قابل دانلود Course Overview and downloadable course materials

• مرور دوره Course Overview

• مواد دوره قابل دانلود Downloadable course materials

استفاده از SAS Studio مبتنی بر وب رایگان "SAS OnDemand for Academics" با این دوره Use the free web-based SAS studio "SAS OnDemand for Academics" with this course

• دسترسی به نرم‌افزار رایگان SAS "SAS OnDemand for Academics" دستورالعمل گام به گام Access free SAS software "SAS OnDemand for Academics" step by step instruction

• بارگذاری فایل‌های داده دوره و برنامه‌های SAS در SAS OnDemand for Academics Upload course data files and SAS programs into SAS ondemand for academics

• تغییر مسیر فایل/دایرکتوری در SAS OnDemand for Academics change file path/directory in SAS ondemand for academics

• مثال‌ها: به‌روزرسانی و اجرای برنامه‌های SAS در SAS OnDemand for Academics examples: update and run SAS programs in SAS ondemand for academics

آنالیز واریانس (ANOVA) Analysis of Variance (ANOVA)

• ANOVA 0. استفاده از TTEST برای مقایسه میانگین‌ها ANOVA 0. Using TTEST to compare means

• استفاده از Proc Univariate برای آزمون فرض نرمال بودن با استفاده از آزمون K-S Using Proc Univariate to Test the Normality Assumption Using the K-S Test

• ANOVA 1. مدل ANOVA تک عاملی و آماره آزمون در ارائه پاورپوینت ANOVA 1. One-factor ANOVA model and Test Statistic in PowerPoint Presentation

• ANOVA 2. رویه GLM برای بررسی تفاوت میانگین‌ها ANOVA 2. The GLM Procedure for Investigating Mean Differences

• ANOVA 3. تولید مقادیر پیش‌بینی‌شده و باقیمانده با استفاده از عبارت OUTPUT در Proc GLM ANOVA 3. generate Predicted Values & Residuals Use OUTPUT Statement in Proc GLM

• ANOVA 4. معیارهای برازش: توضیح خروجی ANOVA یک طرفه ANOVA 4. Measures of fit: output explanation of one-way ANOVA

• ANOVA 5. فرض نرمال بودن و گزینه PLOTS در Proc GLM ANOVA 5. The Normality Assumption and the PLOTS Option in Proc GLM

• ANOVA 6. آزمون Levene برای واریانس‌های برابر و عبارت MEANS در Proc GLM ANOVA 6. Levene’s Test for Equal Variances and the MEANS Statement in Proc GLM

• ANOVA 7. آزمون‌های پس از هاک: رویه Tukey-Kramer و عبارت MEANS ANOVA 7. Post Hoc Tests: The Tukey-Kramer Procedure and the MEANS Statement

• ANOVA 8. سایر رویه‌های پس از هاک، عبارت LSMEANS و Diffogram ANOVA 8. Other Post Hoc Procedures, the LSMEANS Statement, and the Diffogram

• ANOVA 9. طرح بلوکی تصادفی با مثال و تفسیر ANOVA 9. the Randomized Block Design with example and Interpretation

• ANOVA 10. طرح بلوکی تصادفی: آزمون‌های پس از هاک با استفاده از عبارت LSMEANS ANOVA 10. Randomized block design: Post Hoc Tests Using the LSMEANS Statement

• ANOVA 11. ارزیابی مفروضات طرح بلوکی تصادفی با استفاده از گزینه PLOTS ANOVA 11. Assess Assumptions of a Randomized Block Design Using the PLOTS Option

• ANOVA 12. طرح‌های نامتعادل، عبارت LSMEANS و مجموع مربعات نوع III ANOVA 12. Unbalanced Designs, the LSMEANS Statement and Type III Sums of Squares

• ANOVA 13. ANOVA دو عاملی: مروری در ارائه پاورپوینت ANOVA 13. Two factor ANOVA: overview in PowerPoint Presentation

• ANOVA 14. مثال و تفسیر ANOVA دو عاملی ANOVA 14. Example and Interpretation of the Two-Factor ANOVA

• ANOVA 15. تحلیل اثرات ساده در صورت وجود تعامل با استفاده از LSMEANS با Slice ANOVA 15. Analyze Simple Effects When Interaction Exists Use LSMEANS with Slice

• ANOVA 16. ارزیابی مفروضات آنالیز واریانس دو عاملی ANOVA 16. Assessing the Assumptions of a Two-Factor Analysis of Variance

• آزمون: آنالیز واریانس (ANOVA) Quiz: Analysis of Variance (ANOVA)

آماده‌سازی متغیرهای ورودی برای مدل‌سازی پیش‌بینانه Prepare Inputs Vars for predictive Modeling

• آماده‌سازی متغیرهای ورودی_1. مرور فصل Prepare Inputs Vars_1. Chapter Overview

• آماده‌سازی متغیرهای ورودی_2. مقادیر گمشده و جایگزینی Prepare Inputs Vars_2. Missing values and imputation

• آماده‌سازی متغیرهای ورودی_3. متغیر ورودی طبقه‌ای_1. نکات دانشی Prepare Inputs Vars_3.Categorical Input Variable_1.Knowledge points

• آماده‌سازی متغیرهای ورودی_3. متغیرهای ورودی طبقه‌ای_2. Proc freq و Proc Means Prepare Inputs Vars_3. Categorical Input Variables_2. Proc freq and Proc Means

• آماده‌سازی متغیرهای ورودی_3. متغیرهای ورودی طبقه‌ای_3. Proc Cluster Prepare Inputs Vars_3. Categorical Input Variables_3. Proc Cluster

• آماده‌سازی متغیرهای ورودی_3. متغیرهای ورودی طبقه‌ای_4. نقطه برش Prepare Inputs Vars_3. Categorical Input Variables_4. Cut off point

• آماده‌سازی متغیرهای ورودی_3. متغیرهای ورودی طبقه‌ای_5. متغیر خوشه Prepare Inputs Vars_3. Categorical Input Variables_5. cluster var

• آماده‌سازی متغیرهای ورودی_4. خوشه‌بندی متغیر_1. اسلایدها در مورد VARCLUS برای افزونگی Prepare Inputs Vars_4. Variable Cluster_1. Slides on VARCLUS for redundancy

• آماده‌سازی متغیرهای ورودی_4. خوشه‌بندی متغیر_2. Proc VARCLUS برای کاهش افزونگی Prepare Inputs Vars_4. Variable Cluster_2. Proc VARCLUS for reduce redundancy

• آماده‌سازی متغیرهای ورودی_5. غربالگری متغیر_1. مروری بر نکات دانشی Prepare Inputs Vars_5. Variable Screening_1. Overview on Knowledge Points

• آماده‌سازی متغیرهای ورودی_5. غربالگری متغیر_2. Proc CORR برای شناسایی همبستگی_بخش الف Prepare Inputs Vars_5. Variable Screening_2. Proc CORR detect Association_Part A

• آماده‌سازی متغیرهای ورودی_5. غربالگری متغیر_3. Proc CORR برای شناسایی همبستگی_بخش ب Prepare Inputs Vars_5. Variable Screening_3. Proc CORR detect Association_Part B

• آماده‌سازی متغیرهای ورودی_5. غربالگری متغیر_4. Proc CORR برای شناسایی همبستگی_بخش ج Prepare Inputs Vars_5. Variable Screening_4. Proc CORR detect Association_Part C

• آماده‌سازی متغیرهای ورودی_5. غربالگری متغیر_5. رگرسیون لجستیک تجربی برای شناسایی غیر خطی بودن Prepare Inputs Vars_5. Variable Screening_5. Empirical Logit detect Non-Linear

• آزمون: آماده‌سازی متغیرهای ورودی Quiz: Prepare Inputs Vars

تحلیل رگرسیون خطی Linear Regression Analysis

• بررسی رابطه بین دو متغیر پیوسته با استفاده از نمودارهای پراکندگی Exploring the Relationship between Two Continuous Variables using Scatter Plots

• تولید ضرایب همبستگی با استفاده از رویه CORR Producing Correlation Coefficients Using the CORR Procedure

• رگرسیون خطی چندگانه: برازش رگرسیون چندگانه با Proc REG Multiple Linear Regression: fit multiple regression with Proc REG

• رگرسیون خطی چندگانه: معیارهای برازش Multiple Linear Regression: Measures of fit

• رگرسیون خطی چندگانه: کمی کردن تأثیر نسبی یک پیش‌بین Multiple Linear Regression: Quantifying the Relative Impact of a Predictor

• رگرسیون خطی چندگانه: بررسی هم‌خطی با استفاده از VIF، COLLIN و COLLINOINT Multiple Linear Regression: Check Collinearity Using VIF, COLLIN, and COLLINOINT

• برازش رگرسیون خطی ساده با Proc GLM fit simple linear regression with Proc GLM

• رگرسیون خطی چندگانه: انتخاب متغیر با Proc REG: تمام زیرمجموعه‌های ممکن: تنظیم R2 Multiple Linear Reg: Var Selection With Proc REG:all possible subset: adjust R2

• رگرسیون خطی چندگانه: انتخاب متغیر با Proc REG: تمام زیرمجموعه‌های ممکن: Mallows Cp Multiple Linear Reg: Var Selection With Proc REG:all possible subset: Mallows Cp

• رگرسیون خطی چندگانه: انتخاب متغیر با Proc REG: حذف پس رو Multiple Linear Regression:Variable Selection With Proc REG:Backward Elimination

• رگرسیون خطی چندگانه: انتخاب متغیر با Proc REG: انتخاب پیش رو Multiple Linear Regression: Variable Selection With Proc REG: Forward selection

• رگرسیون خطی چندگانه: انتخاب متغیر با Proc REG: انتخاب گام به گام Multiple Linear Regression:Variable Selection With Proc REG: Stepwise selection

• رگرسیون خطی چندگانه: انتخاب متغیر با Proc GLMSELECT Multiple Linear Regression: Variable Selection With Proc GLMSELECT

• رگرسیون خطی چندگانه: اسلاید پاورپوینت در مورد مفروضات رگرسیون Multiple Linear Regression: PowerPoint Slides on regression assumptions

• رگرسیون خطی چندگانه: مفروضات رگرسیون Multiple Linear Regression: regression assumptions

• رگرسیون خطی چندگانه: اسلاید پاورپوینت در مورد مشاهدات تأثیرگذار Multiple Linear Regression: PowerPoint Slides on influential observations

• رگرسیون خطی چندگانه: استفاده از آمار برای شناسایی مشاهدات تأثیرگذار Multiple Linear Regression: Using statistics to identify influential observation

• آزمون: تحلیل رگرسیون خطی Quiz: Linear Regression Analysis

تحلیل رگرسیون لجستیک Logistic Regression Analysis

• تحلیل رگرسیون لجستیک: مروری Logistic Regression Analysis: Overview

• رگرسیون لجستیک با پیش‌بین عددی پیوسته بخش اول logistic regression with a continuous numeric predictor Part 1

• رگرسیون لجستیک با پیش‌بین عددی پیوسته بخش دوم logistic regression with a continuous numeric predictor Part 2

• نمودارهایی برای احتمالات یک رویداد Plots for Probabilities of an Event

• نمودارهای نسبت شانس (Odds Ratio) Plots of the Odds Ratio

• رگرسیون لجستیک با پیش‌بین طبقه‌ای: پارامترسازی کدگذاری اثر logistic regression with a categorical predictor: Effect Coding Parameterization

• رگرسیون لجستیک با پیش‌بین طبقه‌ای: پارامترسازی کدگذاری سلول مرجع logistic reg with categorical predictor: Reference Cell Coding Parameterization

• رگرسیون لجستیک چندگانه: مدل کامل SELECTION=NONE Multiple Logistic Regression: full model SELECTION=NONE

• رگرسیون لجستیک چندگانه: حذف پس رو Multiple Logistic Regression: Backward Elimination

• رگرسیون لجستیک چندگانه: انتخاب پیش رو Multiple Logistic Regression: Forward Selection

• رگرسیون لجستیک چندگانه: انتخاب گام به گام Multiple Logistic Regression: Stepwise Selection

• رگرسیون لجستیک چندگانه: گزینه‌های سفارشی Multiple Logistic Regression: Customized Options

• رگرسیون لجستیک چندگانه: انتخاب بهترین زیرمجموعه Multiple Logistic Regression: Best Subset Selection

• رگرسیون لجستیک چندگانه: تعامل مدل Multiple Logistic Regression: model interaction

• رگرسیون لجستیک چندگانه: امتیازدهی داده‌های جدید: عبارت SCORE با PROC LOGISTIC Multiple Logistic Reg: Scoring New Data: SCORE Statement with PROC LOGISTIC

• رگرسیون لجستیک چندگانه: امتیازدهی داده‌های جدید: استفاده از رویه PLM Multiple Logistic Reg: Scoring New Data: Using the PLM Procedure

• رگرسیون لجستیک چندگانه: امتیازدهی داده‌های جدید: عبارت CODE در PROC LOGISTIC Multiple Logistic Reg: Scoring New Data: the CODE Statement within PROC LOGISTIC

• رگرسیون لجستیک چندگانه: امتیازدهی داده‌های جدید: گزینه‌های OUTMODEL و INMODEL با Logistic Multiple Logistic Reg: Score New Data: OUTMODEL & INMODEL Options with Logistic

• آزمون: تحلیل رگرسیون لجستیک Quiz: Logistic Regression Analysis

اندازه‌گیری عملکرد مدل Measure of Model Performance

• اندازه‌گیری عملکرد مدل: مروری Measure of Model Performance: Overview

• PROC SURVEYSELECT برای ایجاد مجموعه داده‌های آموزش و اعتبارسنجی PROC SURVEYSELECT for Creating Training and Validation Data Sets

• اندازه‌گیری عملکرد با استفاده از جدول طبقه‌بندی: ارائه پاورپوینت Measures of Performance Using the Classification Table: PowerPoint Presentation

• استفاده از گزینه CTABLE در Proc Logistic برای تولید نتایج طبقه‌بندی Using The CTABLE Option in Proc Logistic for Producing Classification Results

• ارزیابی عملکرد و قابلیت تعمیم یک طبقه‌بند: اسلایدهای پاورپوینت Assessing the Performance & Generalizability of a Classifier: PowerPoint slides

• تأثیر مقادیر آستانه بر تخمین‌های حساسیت و ویژگی The Effect of Cutoff Values on Sensitivity and Specificity Estimates

• اندازه‌گیری عملکرد با استفاده از منحنی مشخصه گیرنده-عامل (ROC) Measure of Performance Using the Receiver-Operator-Characteristic (ROC) Curve

• مقایسه مدل با استفاده از عبارات ROC و ROCCONTRAST Model Comparison Using the ROC and ROCCONTRAST Statements

• اندازه‌گیری عملکرد با استفاده از نمودارهای Gains Measures of Performance Using the Gains Charts

• اندازه‌گیری عملکرد با استفاده از نمودارهای Lift Measures of Performance Using the Lift Charts

• تنظیم برای بیش‌نمونه‌گیری: گزینه PEVENT برای اولویت‌ها و تنظیم دستی طبقه‌بندی Adjust for Oversample: PEVENT Option for Priors & Manually adjust Classification

• تنظیم دستی احتمالات پسین برای در نظر گرفتن بیش‌نمونه‌گیری Manually Adjusting Posterior Probabilities to Account for Oversampling

• تنظیم دستی عرض از مبدأ با استفاده از Offset برای در نظر گرفتن بیش‌نمونه‌گیری Manually Adjusted Intercept Using the Offset to account for oversampling

• تنظیم خودکار احتمالات پسین برای در نظر گرفتن بیش‌نمونه‌گیری Automatically Adjusted Posterior Probabilities to Account for Oversampling

• نظریه تصمیم: آستانه‌های تصمیم و سود مورد انتظار برای انتخاب مدل Decision Theory: Decision Cutoffs and Expected Profits for Model Selection

• نظریه تصمیم: استفاده از احتمالات پسین تخمینی برای تعیین آستانه‌ها Decision Theory: Using Estimated Posterior Probabilities to Determine Cutoffs

• آزمون: اندازه‌گیری عملکرد مدل Quiz: Measure of Model Performance