آموزش تحلیل های بیزی با نرم افزار وین باگز WinBUGS + گواهینامه

آموزش تحلیل های بیزی با نرم افزار وین باگز WinBUGS + گواهینامه

شامل مقدمه ای بر آمار بیزی، معرفی توزیع های پیشین و پسین و بررسی روش های شبیه سازی، کار با منون های مختلف نرم‌افزار OpenBUGS همراه با حل مثال های مختلف

تریلر دوره

توضیحات کامل دوره

یکی از شاخه‌های علم آمار که در دهه‌‌های اخیر مورد توجه محققین بوده، آمار بیزی (Bayesian Statistics) است. در آمار بیزی، با استفاده از فرمول بیز، تابع درستنمایی (Likelihood Func...

یکی از شاخه‌های علم آمار که در دهه‌‌های اخیر مورد توجه محققین بوده، آمار بیزی (Bayesian Statistics) است. در آمار بیزی، با استفاده از فرمول بیز، تابع درستنمایی (Likelihood Function) و توزیع پیشین (Prior Probability) را ترکیب می‌کنیم و توزیع پسین (Posterior Probability) را می‌سازیم و هر نوع استنباطی که بخواهیم بسازیم مبتنی بر توزیع پسین است اما معمولا فرم بسته‌ای در ساختن استنباط‌ها بر مبنای توزیع پسین به دست نمی‌آید، یعنی برآوردهای بیزی پارامترها، فرم بسته‌ای نداشته و در نتیجه نیاز است از روش‌های شبیه‌سازی، مانند متروپلیس-هستینگز (Metropolis-Hastings)، نمونه‌گیری گیبز (Gibbs Sampling)، نمونه‌گیری برشی و... استفاده کنیم، سپس با توزیع پسین، نمونه‌هایی را به دست آوریم و آنگاه با توجه به نمونه‌های به دست آمده، برآوردهای بیزی را محاسبه کنیم.

از آنجایی که بکارگیری روش‌های شبیه‌سازی مذکور، همیشه به سادگی امکان‌پذیر نیست، بنابراین اگر بتوان از نرم‌افزارهایی استفاده کرد که روش‌های بیان شده را به راحتی اجرا کنند، عملا کار کردن با مدل‌های بیزی خیلی ساده‌تر خواهد شد. یکی از نرم‌افزارهایی که در این زمینه می‌توان استفاده کرد، نرم‌افزار WinBUGS است. BUGS یک زبان برنامه‌نویسی است که نسخه‌هایی برای سیستم‌عامل‌های Windows, Linux و دیگر سیستم‌عامل‌ها دارد. نسخه BUGS برای سیستم‌عامل Windows را WinBUGS می‌نامند.

کلمه BUGS مخفف عبارت Bayesian Using With Gibbs Sampling است و این موضوع را بیان می‌کند که این نرم‌افزار برای اجرای مدل‌های بیزی با استفاده از نمونه‌گیری گیبز طراحی شده است. به دلیل مشکلاتی از جمله دامنه محدود توزیع‌های احتمالی که در نرم‌افزار WinBUGS داریم، ترجیح می‌دهیم با نسخه جدید این نرم‌افزار، یعنی OpenBUGS کار کنیم که این نسخه جدید عملا توزیع‌های طول عمر را نیز پوشش می‌دهد.

در این فرادرس ما ابتدا مقدمه‌ای در مورد آمار بیزی ارائه می‌دهیم و توزیع‌های پیشین و پسین را معرفی می‌کنیم، آنگاه در مورد روش‌های شبیه‌سازی، صحبت خواهیم کرد، در ادامه منوهای مختلف نرم‌افزار OpenBUGS را توضیح خواهیم داد و در فصل آخر، مثال‌های مختلفی را با استفاده از نرم‌افزار مذکور حل می‌کنیم.

هدف این آموزش، انجام تحلیل‌های بیزی با استفاده از نرم‌افزار OpenBUGS است. با توجه به پیچیدگی‌های زیادی که در دستیابی به استنباط‌های بیزی داریم، اگر بتوانیم از این نرم‌افزار استفاده کنیم، عملا بدون اینکه مستقیما درگیر کار کردن با روش‌های شبیه‌سازی شویم، می‌توانیم استنباط‌های بیزی را محاسبه کنیم. با توجه به فراگیر شدن روش‌های آمار بیزی، ضرورت دارد که دانشجویان و کاربران آمار بیزی با این نرم‌افزار آشنا شوند تا بتوانند به راحتی تحلیل‌های بیزی برای مدل‌های مختلف آماری را به دست آورند.

در این آموزش ما نشان می‌دهیم که چگونه می‌توان در نرم‌افزار مذکور به کدنویسی پرداخت، چگونه کد نوشته شده را اجرا و خروجی‌های نرم‌افزار را تجزیه و تحلیل کرد. همچنین سعی شده است تا با حل مثال‌های مختلف، دانشجویان را به لحاظ مهارت‌های کدنویسی در نرم‌‌افزار OpenBUGS توانمند کنیم، بنابراین چنانچه دانشجویان، مطالب این آموزش را به دقت مطالعه کنند، در انتهای این آموزش قادر خواهند بود به مهارت کدنویسی در نرم‌افزار مذکور دست یابند و کد مربوط به هر برنامه حتی برنامه‌های پیچیده را بنویسند.

سرفصل‌های دوره

  • چکیده
    0:01:19

  • پیشین‌های مزدوج
    رایگان 0:15:57
  • پیشین‌های غیر مزدوج
    0:12:24
  • محاسبه پسین تحت پیشین مزدوج
    رایگان 0:06:32
  • محاسبه پسین تحت پیشین غیر مزدوج
    0:09:34
  • الگوریتم‌های گیبز (Gibbs) و برشی
    رایگان 0:10:13
  • تمرین ۱ - پیشین جفریز
  • تمرین ٢ - برآوردگر بیزی
  • تمرین ۳ - توزیع پسین
  • تمرین ۴ - برآورد بیزی
  • آزمون ۱

  • معرفی منوها
    0:17:37
  • نحوه کدنویسی و اجرای آن
    0:11:39
  • خروجی‌های نرم‌افزار
    0:14:30
  • نمودار Traceplot در RStudio
    0:14:01
  • بررسی همگرایی در RStudio
    رایگان 0:09:01
  • بررسی همگرایی با روش گوک (GOK)
    0:12:28
  • بررسی همگرایی با دیگر روش‌ها
    0:11:35
  • محاسبه شاخص DIC (Disseminated Intravascular Coagulation)
    0:06:59
  • منوی Doodle
    0:14:27
  • تحلیل‌های بقا بدون داده‌های سانسورشده
    رایگان 0:12:35
  • تحلیل‌های بقا با داده‌های سانسورشده
    0:13:40
  • معرفی توزیع‌ها با تکنیک Trick
    0:11:49
  • تمرین ۱ - فرض صفر بودن میانگین در خطای ۵ درصد

  • تجزیه‌ و تحلیل مجموع داده واقعی
    0:13:14
  • رگرسیون خطی – تحت پیشین ۱
    0:14:55
  • رگرسیون خطی – تحت پیشین ۲
    رایگان 0:13:58
  • رگرسیون لجستیک (Logistic Regression) – لود مقادیر تولید شده و رسم نمودارهای آن
    0:15:08
  • رگرسیون لجستیک – حل مشکل آمیختگی
    0:13:25
  • رگرسیون پواسون (Poisson Regression)
    0:13:08
  • رگرسیون بقای وایبل (Weibull) – ورود و لود داده‌ها
    0:13:45
  • رگرسیون بقای وایبل – فرایند آپدیت‌ شدن و بررسی نمودار مقادیر
    0:16:09
  • پیشین‌های سلسله‌مراتبی
    0:09:39
  • تمرین ۱ - آمیختگی زنجیره‌های مارکف
  • تمرین ٢ - محاسبه مقادیر توابع
  • تمرین ۳ - نمودار پراکنش

  • نتیجه‌گیری و جمع‌بندی
    0:04:21

  • تمرین ۱ - الگوی رگرسیون پواسن بیزی
  • تمرین ٢ - الگوی بقای بور
  • ادامه مسیر تا ورود به بازار کار

  • آزمون نهایی و دریافت گواهینامه دوزبانه

ارسال نظر شما

نظرات کاربران

نظرات کاربران

هنوز نظری ثبت نشده است.

1,990,000 تومان
398,000 تومان
80% تخفیف

این دوره شامل:
7 فصل آموزشی
5:34:1 ساعت آموزش
دسترسی مادام‌العمر
گواهی پایان دوره: مشخص نیست
تاریخ انتشار: 1405/07/23
آخرین به‌روزرسانی: 2026-10-29 15:03:40
تعداد امتیازها: 4
تعداد دانشجو: 95
خرید اقساطی: ندارد
ضمانت بازگشت وجه: ندارد
برچسب‌ها: