آموزش یادگیری آمار و تحلیل داده‌های زیستی (Biostatistics) از پایه - آخرین آپدیت

دانلود Learn Statistics & Biostatistics Data Analysis From Scratch

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

به دوره چهارم ما خوش آمدید: "یادگیری تحلیل داده‌های آماری و زیست‌آماری از صفر". در این دوره، شما از مبانی اولیه داده‌ها شروع کرده و به تدریج به سمت تجزیه و تحلیل داده‌ها با استفاده از ابزارهای مختلف آماری پیش خواهید رفت. در عصری که داده‌های بزرگ و یادگیری ماشین بر آن تسلط دارند، آمار سنگ بنایی است که به ما امکان می‌دهد حجم وسیعی از اطلاعاتی را که جمع‌آوری می‌کنیم، درک کنیم. آمار روش‌هایی برای جمع‌آوری، تجزیه و تحلیل، تفسیر و ارائه داده‌ها ارائه می‌دهد. این دوره نه تنها شما را در زبان داده‌ها باسواد می‌کند، بلکه به شما قدرت می‌دهد تا در کسب‌وکار، علم و فناوری تصمیمات آگاهانه بگیرید.

در این دوره، شما همچنین برنامه‌نویسی R را برای محاسبه آمارهای مختلف روی داده‌های خود یاد خواهید گرفت. برنامه‌نویسی R یکی از مهارت‌های پرطرفدار در زمینه‌های آمار، زیست‌آمار و تحلیل داده است. R با کتابخانه‌ها و فریم‌ورک‌های گسترده خود، یک پلتفرم بی‌نظیر برای تجزیه و تحلیل و تجسم داده‌ها فراهم می‌کند و آن را به ابزاری ضروری برای آماردانان و دانشمندان داده برای آمار تبدیل می‌کند. این دوره تجربه عملی با R را فراهم می‌کند و اطمینان می‌دهد که می‌توانید روش‌های آماری را به طور موثر در سناریوهای واقعی به کار ببرید.

این دوره به هشت ماژول تقسیم شده است:

  1. داده چیست؟ - اصول اولیه داده، انواع آن و نحوه جمع‌آوری و سازماندهی آن را درک کنید.

  2. مقدمه‌ای بر برنامه‌نویسی R - به R و R-studio، ابزاری قدرتمند برای محاسبات آماری و گرافیکی، که برای تجزیه و تحلیل داده‌های مدرن ضروری است، شیرجه بزنید.

  3. آمار توصیفی - یاد بگیرید که ویژگی‌های اساسی داده‌های عددی را خلاصه و توصیف کنید، که برای اکتشاف اولیه داده‌ها بسیار مهم است. همچنین نحوه ایجاد تجسم آن‌ها را یاد خواهید گرفت.

  4. مدیریت داده‌های طبقه‌بندی شده - تکنیک‌هایی را برای مدیریت و تجزیه و تحلیل مؤثر متغیرهای طبقه‌بندی شده کاوش کنید.

  5. احتمالات - بینشی در مورد مفاهیم احتمال، ستون اصلی استنباط آماری، به دست آورید. در پایان این ماژول، مفاهیم احتمالات ذهنی، کلاسیک، شرطی و غیره را درک خواهید کرد.

  6. همبستگی - روش‌هایی را برای اندازه‌گیری قدرت و جهت رابطه بین دو متغیر کشف کنید. ما همبستگی‌های پیرسون، کندال و اسپیرمن را برای شما توضیح خواهیم داد.

  7. رگرسیون - درک کنید که چگونه روابط بین متغیرها را مدل‌سازی کنید و پیش‌بینی کنید. ما رگرسیون خطی ساده، رگرسیون خطی چندگانه و رگرسیون لجستیک را به شما آموزش خواهیم داد.

  8. آزمون فرضیه - توانایی تست فرضیات و تصمیم‌گیری بر اساس داده‌ها را توسعه دهید. شما آزمون Z، آزمون T و انواع آن، آزمون F، ANOVA و انواع آن و آزمون Chi-Sq و انواع آن را یاد خواهید گرفت.

این دوره ترکیبی منحصر به فرد از تئوری و عملی است. شما تئوری مفاهیم آماری را یاد خواهید گرفت و در کنار آن برنامه‌نویسی R را یاد خواهید گرفت تا آن مفاهیم آماری را روی داده‌های خود اعمال کنید. امیدواریم این سفر برای شما روشنگر باشد. پس از گذراندن این دوره، شما اعتماد به نفس خواهید داشت که داده‌های خود را به تنهایی تجزیه و تحلیل کنید.

آموزش آمار و زیست آمار با R: از مقدماتی تا پیشرفته (همراه با تمرین کدنویسی)

آیا به دنبال یادگیری مبانی آمار و زیست آمار با R هستید؟ این دوره جامع، مفاهیم پایه تا پیشرفته را با تمرکز بر کاربردهای عملی و تمرین کدنویسی با R پوشش می‌دهد.

آنچه در این دوره خواهید آموخت:

  • مفاهیم پایه مرتبط با داده و انواع آن
  • انواع روش‌های نمونه‌گیری و کاربردهای آن‌ها در جمع‌آوری داده
  • نصب R و R-Studio در سیستم عامل
  • عملکرد اصلی R و R-Studio و مبانی برنامه‌نویسی R
  • نصب بسته‌های R و استفاده از توابع آن‌ها در کدنویسی
  • مفاهیم اصلی آمار توصیفی و تجسم داده
  • استفاده از برنامه‌نویسی R برای محاسبه آمار توصیفی و تجسم داده
  • مفهوم احتمال، انواع آن و کاربرد آن‌ها در زندگی روزمره
  • استفاده از برنامه‌نویسی R برای محاسبه احتمالات
  • مفهوم همبستگی و انواع آن
  • استفاده از برنامه‌نویسی R برای محاسبه همبستگی پیرسون، کندال و اسپیرمن
  • مفهوم دقیق رگرسیون و انواع آن
  • استفاده از برنامه‌نویسی R برای ساخت رگرسیون خطی و لجستیک
  • مفهوم دقیق آزمون فرضیه و انواع مختلف آزمون‌های فرضیه (Z-Test, T-Test, F-Test, ANOVA, Chi-Sq)
  • استفاده از برنامه‌نویسی R برای محاسبه آماره‌های آزمون مختلف

پیش نیازها:

این دوره برای مبتدیان طراحی شده است و هیچ پیش‌نیازی ندارد. حتی اگر در آمار و برنامه‌نویسی R تازه کار هستید، جای نگرانی نیست. ما از اصول اولیه شروع می‌کنیم و به تدریج درک شما را گام به گام افزایش می‌دهیم، و اطمینان می‌دهیم که هر مفهوم را به وضوح درک می‌کنید و به راحتی می‌توانید محتوا را دنبال کنید.


سرفصل ها و درس ها

داده چیست؟ What is Data?

  • به این دوره خوش آمدید Welcome to the Course

  • داده چیست؟ What is Data?

  • انواع مختلف داده؛ داده‌های عددی و دسته‌ای (Categorical) Different Types Data; Numeric & Categorical Data

  • انواع داده‌های دسته‌ای (Categorical)؛ ترتیبی (Ordinal) و دسته‌ای ساده Types of Categorical Data; Ordinal & Simple Categorical

  • داده‌های فاکتوریل (Factorial) Factorial Data

  • گسسته‌سازی داده؛ تبدیل متغیر عددی به متغیر دسته‌ای Discretization of Data; Converting Numeric Variable to Categorical One

  • مقدمه‌ای بر داده Introduction to Data

  • چگونه داده به دست آوریم؟ (مطالعات مشاهده‌ای و تجربی) How to Get Data? (Observational and Experimental Studies)

  • متغیرهای مخدوش‌کننده (Confounding Variables) Confounding Variables

  • نمونه‌گیری تصادفی و تخصیص تصادفی برای جمع‌آوری داده Random Sampling and Random Assignment to Collect Data

  • چگونه داده‌های نمونه را از جمعیت برای مطالعات مشاهده‌ای بدست آوریم؟ How to Get Sample Data From Population For Observational Studies?

  • نمونه‌گیری تصادفی؛ استراتژی نمونه‌گیری محبوب Random Sampling; Popular Sampling Strategy

  • استراتژی نمونه‌گیری طبقه‌بندی شده برای داده‌های ناهمگن توزیع شده Stratified Sampling Strategy for Data That is Heterogenous Distributed

  • استراتژی‌های نمونه‌گیری خوشه‌ای و چند مرحله‌ای Cluster and Multi-Stage Sampling Strategies

  • جمع‌آوری داده و استراتژی‌های نمونه‌گیری Data Collection and Sampling Strategies

  • تکنیک‌های نمونه‌گیری - آزمون نسبتاً پیچیده Sampling Techniques Bit Complex Quiz

  • تمرین ۱: مجموعه داده را بررسی کنید و درک خود از انواع متغیرها را آزمایش کنید Assignment 1: Explore the Dataset and Test Your Understanding of Variables Types

کار عملی با R و R-Studio (اصول اولیه کار) Hands On on R and R-Studio (Basic Working Principles)

  • نصب R و R-Studio Installation of R and R-Studio

  • تنظیم دایرکتوری کاری در R-Studio Setting Working Directory in R-Studio

  • انواع داده‌های اساسی که R می‌تواند مدیریت کند Basic Data Types That R can Handle

  • بردار (Vector)؛ ساده‌ترین شکل نوع داده در R Vector; A Simplest Form Of Data Type in R

  • تمرین بردار (Vector) Practice Vector

  • ماتریس (Matrix)؛ یک فرم جدولی از داده در R Matrix; A Tabular Form of Data in R

  • تمرین ماتریس (Matrix) Practice Matrix

  • DataFrame؛ پرکاربردترین نوع داده در R DataFrame; Most Used Data Type in R

  • مبانی R و R-Studio Basics of R and R-Studio

  • تمرین DataFrame Practice Data Frame

  • لیست (List)؛ یک ظرف بزرگ برای نگهداری داده List; A Big Container to Hold Data

  • تمرین لیست (List) Practice List

  • متغیر چیست؟ قوانینی برای تنظیم نام متغیرها What is Variable? Rules to Set Variable Names

  • ساختارهای داده در R Data Structures in R

  • بسته و توابع R Base؛ یک ویدیوی مهم R Base Package and Functions; An Important Video

  • توابع و بسته‌ها در R Functions and Packages in R

  • نصب بسته‌ها Installation Packages

  • معرفی مختصر Bioconductor برای داده‌های بیولوژیکی Brief Introduction of Bioconductor For Biological Data

  • تمرین-۲: مهارت‌های خود را در مورد انواع داده‌ها، بسته‌ها و توابع R آزمایش کنید Assignment-2: Test Your Skills About R Data Types, Packages and Functions

آمار توصیفی Descriptive Statistics

  • تعریف اساسی آمار Basic Definition of Statistics

  • دو نوع اساسی آمار Two Basic Types of Statistics

  • توزیع داده؛ نرمال و نامتقارن (Skewed) Distribution of Data; Normal and Skewed

  • انواع مختلف نمودارها برای دیدن توزیع داده Different Types of Plots to See Distribution of Data

  • عملی-۳.۱: چگونه نمودارها را در R برای دیدن توزیع داده بسازیم Practical-3.1: How to Build Plots in R to See Distribution of Data

  • تمرین-۳: ساخت توزیع داده از متغیرهای عددی Assignmnet-3: Build Data Distribution of Numeric Variables

  • مفهوم تمایل مرکزی و میانگین Concept of Central Tendency and Mean

  • مفهوم مقدار میانه (Median) داده Concept of Median Value of Data

  • مفهوم اساسی داده‌های پرت (Outliers) در داده Basic Concept of Outliers in Data

  • چگونه داده‌های پرت (Outliers) را شناسایی کنیم How to Identify the Outliers

  • ویژگی‌های مهم میانگین و میانه Important Properties of Mean and Median

  • کجا میانگین و میانه را اعمال کنیم؛ یک مثال بالینی Where to Apply Mean and Median; A Clinical Example

  • مفهوم مُد (Mode)؛ پُر تکرارترین مقدار در داده Concept of Mode; Most Frequent Value in Data

  • مبانی آمار توصیفی Basics of Descriptive Statistics

  • عملی-۳.۲: محاسبه میانگین، میانه و مُد در R Practical-3.2: Calculate Mean, Median and Mode In R

  • تمرین میانگین Practice Mean

  • تمرین میانه Practice Median

  • تمرین مُد Practice Mode

  • تمرین-۴: محاسبه میانگین، میانه و مُد در R توسط خودتان در R-studio Assignment-4: Calcualte Mean, Median, and Mode in R by Yourself in R-studio

  • دامنه میان چارکی (IQR)؛ ایده‌ای در مورد گسترش داده بدست آورید Interquartile Range (IQR); Get an Idea about Spread of Data

  • عملی-۳.۳: محاسبه IQR در R Practical-3.3: Calculation of IQR in R

  • تمرین چارک (Quantile) Practice Quantile

  • تمرین دامنه میان چارکی (IQR) Practice Interquartile Range (IQR)

  • تمرین-۵: محاسبه چارک (Quantile) و IQR در R-studio Assignment-5: Calcualte Quantile and IQR in R-studio

  • واریانس و انحراف معیار (بخش-۱) Variance and Standard Deviation (Part-1)

  • عملی-۳.۴: محاسبه واریانس در R Practical-3.4: Calculation of Variance in R

  • تمرین واریانس Practice Variance

  • تمرین-۶: محاسبه واریانس در R-studio Assignment-6: Calculate the Variance in the R-studio

  • واریانس و انحراف معیار (بخش-۲) Variance and Standard Deviation (Part-2)

  • عملی-۳.۵: محاسبه انحراف معیار در R Practical-3.5: Calculation of Standard Deviation in R

  • تمایل مرکزی و تغییرپذیری Central Tendency and Variability

  • تمرین انحراف معیار Practice Standard Deviation

  • محاسبه تمام آمارهای توصیفی برای متغیرهای عددی به طور همزمان Calculate All Descriptive Statistics For Numeric Variables At Once

  • کاربردهای عملی آمار توصیفی Practical Applications of Descriptive Statistics

  • تمرین-II (میانگین | میانه) Practice-II (Mean | Median)

مدیریت داده‌های دسته‌ای (Categorical) Handling the Categorical Data

  • به ماژول ۴ خوش آمدید؛ مدیریت داده‌های دسته‌ای (Catagorical) Welcome to Module 4; Handling of Catagorical Data

  • R ممکن است متغیرهای دسته‌ای (Categorical) را به درستی شناسایی نکند R may Not Identify Categorical Variables Properly

  • عملی-۴.۱: چگونه اشتباه R در مورد متغیرهای دسته‌ای (Categorical) را اصلاح کنیم Practical-4.1: How to Rectify R Mistake Regarding Categorical Variables

  • تمرین مدیریت داده Practice Data Handling

  • تمرین-۷: اولین قدم در مدیریت داده‌های دسته‌ای (Categorical)؛ تصحیح اشتباه Assignment-7: 1st Step in Handling the Categorical Data; Correcting Mistake

  • جدول فراوانی (Frequency Table)؛ تجزیه و تحلیل آماری اساسی از متغیرهای دسته‌ای (Categorical) Frequency Tables; Basic Statistical Analysis of Categorical Variables

  • عملی-۴.۲: ساخت جدول فراوانی (Frequency Table) در R Practical-4.2: Building Frequency Tables in R

  • تمرین جدول فراوانی (Frequency Table) Practice Frequency Table

  • تمرین-۸: ساخت جدول فراوانی (Frequency Table) در R Assignmnet-8: Building the Frequency Table in R

  • درصدها و تناسب‌ها برای درک داده‌های دسته‌ای (Categorical) Percentages & Proportions to Make Sense of Categorical Data

  • عملی-۴.۳: محاسبات درصدها و تناسب‌ها در R Practical-4.3: Calculations of Percentages & Proportions in R

  • تمرین تناسب Practice Proportion

  • تمرین درصد Practice Percentage

  • تمرین-۹: محاسبه درصدها و تناسب‌ها در R Assignment-9: Caculate Percentages and Proportions in R

  • مبانی داده‌های دسته‌ای (Categorical) Fundamentals of Categorical Data

  • مد (Mode) برای داده‌های دسته‌ای (Categorical) Mode for Categorical Data

  • عملی-۴.۴: یافتن مُد (Mode) داده‌های دسته‌ای (Categorical) Practical-4.4: Finding Mode of Categorical Data

  • تمرین مُد (Mode) برای داده‌های دسته‌ای (Categorical) Practice Mode for Categorical Data

  • تمرین ۱۰: محاسبه مُد (Mode) دسته‌ای (Categorical) Assignmet 10: Calculate Mode of Categorical

  • جدول توافقی (Contingency Table) برای یافتن رابطه بین دو متغیر دسته‌ای (Categorical) Contingency Table To Figure Out Relationship of Two Categorical Variables

  • عملی-۴.۵: ساخت جدول توافقی (Contingency Table) از دو متغیر دسته‌ای (Categorical) Practical-4.5: Building Contingency Table of Two Categorical Variables

  • تمرین-۱۱: ساخت جدول توافقی (Contingency Table) از دو متغیر دسته‌ای (Categorical) در R Assignment-11: Building of Contingency Table of Two Categorical Variables in R

  • روش‌های مختلف تجسم برای داده‌های دسته‌ای (Categorical) Different Visualization Method for Categorical Data

  • عملی-۴.۶: ساخت تجسم از داده‌های دسته‌ای (Categorical) تکی Practical-4.6: Building Visualization of Single Categorical Data

  • عملی-۴.۷: ساخت تجسم از دو داده دسته‌ای (Categorical) با هم Practical-4.7: Building Visualization of Two Categorical Data Together

  • تمرین-۱۲: ساخت تجسم از داده‌های دسته‌ای (Categorical) Assignment-12: Build Visulization of the Categorical Data

  • تجزیه و تحلیل داده‌های دسته‌ای (Categorical) Analyzing Categorical Data

  • مدیریت پیشرفته داده‌های دسته‌ای (Categorical) Advanced Handling of Categorical Data

احتمال Probability

  • مقدمه‌ای بر احتمال Introduction of Probability

  • انواع احتمال و احتمال کلاسیک Types of Probability and Classical Probability

  • احتمال کلاسیک Classical Probability

  • مقدمه‌ای بر احتمال Introduction to Probability

  • احتمال تجربی و ذهنی Emperical and Subjective Probability

  • احتمال تجربی Empirical Probability

  • احتمال ذهنی Subjective Probability

  • مفاهیم پیشرفته احتمال Advanced Probability Concepts

  • احتمال شرطی Conditional Probability

  • احتمال شرطی Conditional Probability

  • کاربردهای عملی احتمال Practical Probability Applications

همبستگی (Correlation) Correlation

  • معرفی همبستگی (Correlation)؛ مفهوم مهم آماری Introduction of Correlation; Important Statistical Concept

  • توزیع پارامتری و غیر پارامتری Parametric and Non-Parametric Distribution

  • همبستگی پیرسون (Pearson Correlation) Pearson Correlation

  • عملی: محاسبه همبستگی پیرسون (Pearson Correlation) در R Practical: Pearson Correlation Calculation in R

  • همبستگی پیرسون (Pearson Correlation) Pearson Correlation

  • تمرین-۱۳: محاسبه همبستگی پیرسون (Pearson Correlation) در R Assignment-13: Calculation of Pearson Correlation in R

  • مقدمه‌ای بر همبستگی (Correlation) Introduction to Correlation

  • ggplot2: معرفی مختصر بسته تجسم داده ggplot2: Brief Introduction of Data Visulization Package

  • ggplot2: آموزش عملی برای ایجاد تجسم در R-Studio ggplot2: Practical Tutoriall To Make Visulization in R-Studio

  • همبستگی اسپیرمن (Spearman Correlation) Spearman Correlation

  • مثال همبستگی اسپیرمن (Spearman Correlation) Spearman Correlation Example

  • عملی: محاسبه همبستگی اسپیرمن (Spearman Correlation) در R Practical: Spearman Correlation Calculation in R

  • همبستگی اسپیرمن (Spearman Correlation) Spearman Correlation

  • تمرین-۱۴: محاسبه همبستگی اسپیرمن (Spearman Correlation) در R Assignment-14: Calculation of Spearman Correlation in R

  • همبستگی کندال (Kendall Correlation) Kendall Correlation

  • همبستگی کندال (Kendall Correlation) Kendall Correlation

  • تمرین-۱۵: محاسبه همبستگی کندال (Kendall Correlation) در R Assignment-15: Calculate Kendall Correlation in R

  • همبستگی غیر پارامتری Non-Parametric Correlation

  • خلاصه همبستگی (Correlation) Correlation Summary

  • کاربرد عملی همبستگی (Correlation) Practical Application of Correlation

تجزیه و تحلیل رگرسیون (Regression Analysis) Regression Analysis

  • رگرسیون (Regression)؛ با ارزش‌ترین مفهوم آماری Regression; Most Decorated Statistical Concept

  • تعریف اساسی رگرسیون (Regression) Fundamental Defination of Regression

  • انواع مختلف رگرسیون (Regression) Different Types of Regression

  • رگرسیون خطی ساده (Simple Linear Regression)؛ توضیح ساده Simple Linear Regression; A Simple Elaboration

  • قدرت پیش‌بینی رگرسیون خطی ساده (Simple Linear Regression) Predicted Power of Simple Linear Regression

  • مفهوم پسماند (Residual) در رگرسیون (Regression) (بسیار مهم) Concept of Residual in Regression (Very Important)

  • مفهوم مقدار R-Square در نتایج رگرسیون (Regression) Concept of R-Square Value in Regression Results

  • توضیح کد R برای ساخت رگرسیون خطی ساده (Simple Linear Regression) Explantion of R Code to Build Simple Linear Regression

  • عملی-۷.۱: ساخت مدل رگرسیون ساده (Simple Regression Model) در R Practical-7.1: Building Simple Regression Model in R

  • عملی-۷.۲: درک نتایج رگرسیون خطی ساده (Simple Linear Regression) در R Practical-7.2: Understanding of Simple Linear Regression Results in R

  • رگرسیون خطی ساده (Simple Linear Regression) Simple Linear Regression

  • تمرین-۱۶: ساخت مدل رگرسیون خطی ساده (Simple Linear Regression Model) در R Assignment-16: Build Simple Linear Regression Model in R

  • رگرسیون خطی ساده (Simple Linear Regression) Simple Linear Regression

  • معرفی رگرسیون خطی چندگانه (Multiple Linear Regression) Introduction of Multiple Linear Regression

  • تعریف رگرسیون خطی چندگانه (Multiple Linear Regression) Defination of Multiple Linear Regression

  • عملی-۷.۳: چگونه مدل رگرسیون چندگانه (Multiple Regression Model) را در R بسازیم Practical-7.3: How to Build Multiple Regression Model in R

  • عملی-۷.۴: چگونه مدل رگرسیون چندگانه (Multiple Regression Model) را در R با استفاده از ggplot تجسم کنیم Practical-7.4: How to Visulize Multiple Regression Model in R Using ggplot

  • عملی-۷.۵: درک نتایج مدل رگرسیون چندگانه (Multiple Regression Model) در R Practical-7.5: Understanding of Multiple Regression Model Results in R

  • فرضیه اساسی که در یک مدل رگرسیون چندگانه (Multiple Regression Model) خوب صادق است Basic Assumption that Holds True in Good Multiple Regression Model

  • مفهوم خطی بودن (Linearity) Concept of Linearity

  • مفهوم استقلال (Independence) Concept of Independence

  • رگرسیون خطی چندگانه (Multiple Linear Regression) Multiple Linear Regression

  • تمرین-۱۷: ساخت مدل رگرسیون خطی چندگانه (Multiple Linear Regression Model) در R Assignment-17: Build Multiple Linear Regression Model in R

  • رگرسیون خطی چندگانه (Multiple Linear Regression) Multiple Linear Regression

  • معرفی رگرسیون لجستیک (Logistic Regression) (بخش-۱) Introduction to Logistic Regression (Part-1)

  • معرفی رگرسیون لجستیک (Logistic Regression) (بخش-۲) Introduction to Logistic Regression (Part-2)

  • توضیح فرمول آماری رگرسیون لجستیک (Logistic Regression) Explantion of Statistical Formula of Logistic Regression

  • کد R رگرسیون لجستیک (Logistic Regression)؛ یک مقدمه Logistic Regression R-Code; An Introduction

  • عملی ۷.۶: ساخت مدل رگرسیون لجستیک (Logistic Regression Model) در R-Studio Practical 7.6: Building Logistic Regression Model in R-Studio

  • تفسیر نتایج مدل لجستیک (Logistic Model) از R-Studio Interpretation of Logistic Model Results From R-Studio

  • محاسبه احتمالات از مدل رگرسیون لجستیک (Logistic Regression Model) Calculation of Probabilities From Logistic Regression Model

  • تفسیر منحنی رگرسیون لجستیک (Logistic Regression Curve) Interpretation of Logistic Regression Curve

  • رگرسیون لجستیک (Logistic Regression) Logistic Regression

  • تمرین-۱۸: ساخت رگرسیون لجستیک چندگانه (Multiple Logistic Regression) در R Assignment-18: Build Multiple Logistic Regression In R

  • رگرسیون لجستیک (Logistic Regression) Logistic Regression

آزمون فرضیه (Hypothesis Testing) Hypothesis Testing

  • معرفی ماژول Introduction of Module

  • فرضیه چیست، انواع آن و خطای نوع اول و نوع دوم (Type-I & Type-II Error) What is hypothesis, Its types and Type-I & Type-II Error

  • چند مثال از فرمول‌بندی فرضیه Couple of Examples of Hypothesis Formulation

  • گردش کار اساسی آزمون فرضیه (Hypothesis Testing) Basic Workflow of Hypothesis Testing

  • سطح اهمیت (Level of Significance) چیست؟ What is Level of Significance?

  • انواع مختلف آزمون برای آزمون فرضیه (Hypothesis Testing) Different type of Test for Hypothesis Testing

  • روش سنتی برای تصمیم‌گیری درباره فرضیه Traditional Method to Make Decsion About Hypothesis

  • روش مبتنی بر P-value برای تصمیم‌گیری P-value based Method to Take decsion

  • نکته بسیار مهم قبل از صحبت در مورد تست‌ها Very Important Note Before Talking About Tests

  • مبانی آزمون فرضیه (Hypothesis Testing) Fundamentals of Hypothesis Testing

  • معرفی آزمون Z و انواع آن Introduction to Z-test and Its Types

  • مثال آزمون Z برای تست فرضیه Example of Z-test to Test Hypothesis

  • اگر مقدار آزمون منفی داشته باشیم چه؟ What if we have Negative Test Value?

  • عملی-۸.۱: انجام آزمون Z تک نمونه‌ای در R Practical-8.1: Performing One Sample Z-test in R

  • تمرین-۱۹: انجام آزمون Z تک نمونه‌ای در R Assignment-19: Perform One Sample Z-test in R

  • معرفی آزمون T Introduction ot T-Test

  • آزمون T تک نمونه‌ای و مثال آن One Sample T-Test and Its Example

  • عملی-۸.۲: انجام آزمون T تک نمونه‌ای در R Practical-8.2: Performing One Sample T-test in R

  • آزمون t تک نمونه‌ای One-Sample t-Test

  • آزمون T دو نمونه‌ای مستقل Two Sample Independent T-Test

  • توضیح کد R برای انجام آزمون T دو نمونه‌ای مستقل Explanation of R Code to Perform Two Sample Independent T-Test

  • عملی-۸.۳: انجام آزمون T دو نمونه‌ای مستقل در R Practical-8.3: Performing Two Sample Indepedent T-test in R

  • آزمون t دو نمونه‌ای مستقل Two-Sample Independent t-Test

  • تمرین-۲۰: انجام آزمون t دو نمونه‌ای مستقل در R Assigment-20: Perform Two-Sample Independent t-Test in R

  • آزمون T دو نمونه‌ای وابسته (زوجی) Two Sample Dependent (Paired) T-test

  • توضیح کد R برای انجام آزمون T دو نمونه‌ای وابسته (زوجی) Explanation of R Code to Perform Two Sample Dependent (Paired) T-Test

  • عملی-۸.۴: انجام آزمون T دو نمونه‌ای وابسته (زوجی) در R Practical-8.4: Performing Two Sample Dependent (Paired) T-Test in R

  • آزمون t زوجی Paired t-Test

  • عملی-۸.۵: چگونه خطای نوع اول و نوع دوم (Type-I & Type-II Error) می‌تواند رخ دهد؟ Practical-8.5: How Type-I and Type-II Error can Occur?

  • آزمون Z و آزمون T Z-Test and T-Test

  • آزمون F F-Test

  • مقایسه آزمون F با آزمون T و Z Comparsion of F-Test with T and Z-Test

  • توضیح کد R برای انجام آزمون F Explantion of R Code to perform F-Test

  • عملی-۸.۶: انجام آزمون F در R Practical-8.6: Performing F-Test in R

  • آزمون F F-Test

  • تمرین-۲۱: محاسبه F-Statistics در R Assignment-21: Calcualte F-Statistics in R

  • آزمون F F-Test

  • معرفی ANOVA و انواع آن Introduction of ANOVA and Its Types

  • ANOVA یک طرفه چیست و چگونه آن را محاسبه کنیم؟ What is One Way ANOVA & How to Calculate it?

  • توضیح کد R برای انجام ANOVA یک طرفه Explanation of R Code to Perform One Way ANOVA

  • عملی-۸.۷: انجام ANOVA یک طرفه در R Practical-8.7: Performing One Way ANOVA in R

  • ANOVA یک طرفه One-Way ANOVA

  • ANOVA دو طرفه چیست و چگونه آن را محاسبه کنیم؟ What is Two Way ANOVA & How to Calculate it?

  • توضیح کد R برای ANOVA دو طرفه Explanation of R Code for Two Way ANOVA

  • عملی-۸.۸: انجام ANOVA دو طرفه در R Practical-8.8: Performing Two Way ANOVA in R

  • ANOVA دو طرفه Two-Way ANOVA

  • تمرین-۲۲: محاسبه ANOVA دو طرفه در R Assignment-22: Calculate Two-Way ANOVA in R

  • ANOVA (تجزیه و تحلیل واریانس) ANOVA (Analysis of Variance)

  • معرفی آزمون Chi-Sq؛ یک آزمون غیر پارامتری Introduction of Chi-Sq Test; A Non-parametric Test

  • نظریه آزمون Chi-Sq استقلال Chi-Sq Test of Independence Theory

  • توضیح کد R آزمون Chi-Sq استقلال Explanation of R Code of Chi-Sq Test of Independence

  • عملی:۸.۹: آزمون Chi-Sq استقلال در R Practical:8.9: Chi-Sq Test of Independence in R

  • آزمون Chi-Square استقلال Chi-Square Test of Independence

  • آزمون Chi-Sq برازش نیکو Chi-Sq Goodness of Fit Test

  • آزمون Chi-Sq Chi-Sq Test

  • توضیح کد R آزمون Chi-Sq برازش نیکو Explanation of R Code of Chi-Sq Goodness of Fit

  • آزمون Chi-square -II Chi-square Test -II

نمایش نظرات

آموزش یادگیری آمار و تحلیل داده‌های زیستی (Biostatistics) از پایه
جزییات دوره
10.5 hours
139
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
637
4.3 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

Muhammad Dujana Muhammad Dujana

دکتر محمد دوجانا

Arslan Hamid Arslan Hamid

دانشمند داده و متخصص بیوانفورماتیک