آموزش استنباط آماری - آخرین آپدیت

دانلود Statistical Inference

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: استنباط آماری فرآیند نتیجه‌گیری در مورد جمعیت‌ها یا حقایق علمی بر اساس داده‌ها است. روش‌های متعددی برای انجام استنباط وجود دارد، از جمله مدل‌سازی آماری، استراتژی‌های داده‌محور و استفاده صریح از طرح‌های آزمایشی و تصادفی‌سازی در تحلیل‌ها. علاوه بر این، تئوری‌های گسترده‌ای (فراوانی‌گرا، بیزی، درست‌نمایی، مبتنی بر طراحی و ...) و پیچیدگی‌های متعددی (داده‌های گم‌شده، متغیرهای مخدوش مشاهده شده و نشده، سوگیری‌ها) برای انجام استنباط وجود دارد. یک متخصص اغلب ممکن است در هزارتویی از تکنیک‌ها، فلسفه‌ها و جزئیات گرفتار شود. این دوره مبانی استنباط را با رویکردی کاربردی برای دستیابی به نتایج ارائه می‌دهد. پس از گذراندن این دوره، دانشجویان جهت‌گیری‌های کلی استنباط آماری را درک کرده و از این اطلاعات برای اتخاذ تصمیمات آگاهانه در تحلیل داده‌ها استفاده خواهند کرد.

سرفصل ها و درس ها

هفته اول: احتمال و مقادیر مورد انتظار Week 1: Probability & Expected Values

  • ویدیو مقدماتی Introductory video

  • مقدمه‌ای بر احتمال 02 01 Introduction to probability

  • توابع جرم احتمال 02 02 Probability mass functions

  • توابع چگالی احتمال 02 03 Probability density functions

  • احتمال شرطی 03 01 Conditional Probability

  • قاعده بیز 03 02 Bayes' rule

  • استقلال 03 03 Independence

  • مقادیر مورد انتظار 04 01 Expected values

  • مقادیر مورد انتظار؛ مثال‌های ساده 04 02 Expected values, simple examples

  • مقادیر مورد انتظار برای توابع چگالی احتمال (PDF) 04 03 Expected values for PDFs

هفته دوم: تغییرپذیری، توزیع و مجانبت Week 2: Variability, Distribution, & Asymptotics

  • مقدمه‌ای بر تغییرپذیری 05 01 Introduction to variability

  • مثال‌های شبیه‌سازی واریانس 05 02 Variance simulation examples

  • خطای استاندارد میانگین 05 03 Standard error of the mean

  • مثال داده‌های واریانس 05 04 Variance data example

  • توزیع دوجمله‌ای 06 01 Binomial distrubtion

  • توزیع نرمال 06 02 Normal distribution

  • توزیع پوآسون 06 03 Poisson

  • مجانبت و قانون اعداد بزرگ (LLN) 07 01 Asymptotics and LLN

  • مجانبت و نظریه حد مرکزی (CLT) 07 02 Asymptotics and the CLT

  • مجانبت و فواصل اطمینان 07 03 Asymptotics and confidence intervals

هفته سوم: فواصل اطمینان، آزمون‌ها و P-valueها Week: Intervals, Testing, & Pvalues

  • فواصل اطمینان T 08 01 T confidence intervals

  • مثال فواصل اطمینان T 08 02 T confidence intervals example

  • فواصل T برای گروه‌های مستقل 08 03 Independent group T intervals

  • نکته‌ای درباره واریانس نامساوی 08 04 A note on unequal variance

  • آزمون فرضیه 09 01 Hypothesis testing

  • مثالی از انتخاب ناحیه رد 09 02 Example of choosing a rejection region

  • آزمون‌های T 09 03 T tests

  • آزمون دو گروهی 09 04 Two group testing

  • مقادیر P-value 10 01 Pvalues

  • مثال‌های تکمیلی P-value 10 02 Pvalue further examples

  • آموزش مختصر knitr برای انجام پروژه Just enough knitr to do the project

هفته چهارم: توان آزمون، بوت‌استرپینگ و آزمون‌های جایگشتی Week 4: Power, Bootstrapping, & Permutation Tests

  • توان آزمون 11 01 Power

  • محاسبه توان آزمون 11 02 Calculating Power

  • نکاتی درباره توان آزمون 11 03 Notes on power

  • توان آزمون T 11 04 T test power

  • مقایسه‌های چندگانه 12 01 Multiple Comparisons

  • بوت‌استرپینگ (Bootstrapping) 13 01 Bootstrapping

  • مثال بوت‌استرپینگ 13 02 Bootstrapping example

  • نکاتی درباره بوت‌استرپ 13 03 Notes on the bootstrap

  • آزمون‌های جایگشتی 13 04 Permutation tests

نمایش نظرات

آموزش استنباط آماری
جزییات دوره
55h 9m
40
(آخرین آپدیت)
189,757
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

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده

Roger D. Peng, PhD Roger D. Peng, PhD