آموزش درس رگرسیون 2 – جامع و کاربردی

آموزش درس رگرسیون 2 – جامع و کاربردی

13 ساعت
4.5

اهمیت یادگیری رگرسیون ۲ چیست؟ در برازش الگوهای رگرسیونی فرض بر این است که یک مجموعه از شرایط اولیه در مورد جمله خطا و متغیرهای پیشگو برقرار هستند و با این فرض مجموعه‌ای از استنباط‌ها ارائه می‌شود. چنانچه شرایط مذکور برقرار نباشند آنگاه استنباط‌ها نیز تا حدی اعتبار خود را از دست می‌دهند. بنابراین ضروری است که با استفاده از روش‌های صحت، فرضیات رگرسیونی بررسی شود و چنانچه صحت برخی از فرضیات مدل رگرسیونی تایید نشد آنگاه گام‌ها برای بررسی الگوی رگرسیونی برداشته شود و در ادامه با انجام برخی اصلاح‌ها و یا احتمالا تغییر الگوی رگرسیونی مشکل را برطرف کرد. رگرسیون ۲ یکی از دروس رشته آمار و مدل‌سازی است که در بسیاری از دانشگاه‌ها و موسسات آموزشی با عنوان درسی پیشرفته در آمار و تحلیل داده‌ها ارائه می‌شود. در این درس، مباحث پیشرفته‌تری مورد بررسی قرار می‌گیرند. این درس به دانشجویان کمک می‌کند تا توانایی تحلیل داده‌های پیچیده و پیش‌بینی دقیق‌تر با استفاده از روش‌های پیشرفته‌تر رگرسیون را به دست آورند. در کاربردهای مختلفی مانند تحلیل اقتصادی، بررسی پدیده‌های طبیعی و زیست‌محیطی، تحلیل فرایندهای صنعتی و غیره از این درس استفاده می‌شود. در این فرادرس چه چیزی یاد می‌گیریم؟ در این آموزش ضمن ارائه تکنیک‌ها برای بررسی صحت فرضیات رگرسیونی، به مطالعه برخی از الگوهای رگرسیونی پرکاربرد مانند رگرسیون لجستیک (Logestic Regression)، رگرسیون پواسن (Poisson Regression)، رگرسیون سری زمانی، رگرسیون لاسو، الگوهای رگرسیون چندجمله‌ای و غیر خطی، رگرسیون چندکی می‌پردازیم.

تریلر دوره

توضیحات کامل دوره

...

سرفصل‌های دوره

  • چکیده
    0:02:20

  • مقدمه‌ای بر روش‌هایی برای بررسی فرض نرمال‌بودن توزیع خطا و مستقل‌بودن خط
    رایگان 0:12:45
  • انواع مانده‌ها
    رایگان 0:13:47
  • مانده استیودنت‌شده حذفی
    رایگان 0:04:23
  • نمودار مانده‌ها
    رایگان 0:11:18
  • آزمون‌های دوربین - واتسون و گشت
    رایگان 0:12:20
  • نمودار مانده‌ها در مقابل ترتیب زمانی
    رایگان 0:09:14
  • روش‌های بررسی نرمال‌بودن مانده‌ها - بخش یکم
    رایگان 0:11:41
  • روش‌های بررسی نرمال‌بودن مانده‌ها - بخش دوم
    رایگان 0:11:48
  • روش‌های بررسی نرمال‌بودن مانده‌ها - بخش سوم
    رایگان 0:11:49
  • روش‌های بررسی نرمال‌بودن مانده‌ها - بخش چهارم
    رایگان 0:06:05
  • روش‌های بررسی نرمال‌بودن مانده‌ها - بخش پنجم
    0:13:23
  • روش‌های بررسی نرمال‌بودن مانده‌ها - بخش ششم
    0:15:02
  • مقدمه‌ای بر روش‌های انتخاب متغیر و بهترین زیرمدل
    0:04:51
  • معیارهای مقایسه الگوهای رگرسیونی
    0:10:57
  • تعیین استراتژی انتخاب متغیرها
    0:09:05
  • روش پسرو
    0:09:08
  • روش پیشرو
    0:13:25
  • روش گام‌به‌گام - بخش یکم
    0:04:41
  • روش گام‌به‌گام - بخش دوم
    0:12:20
  • روش گام‌به‌گام - بخش سوم
    0:13:28
  • روش گام‌به‌گام - بخش چهارم
    0:12:09
  • روش گام‌به‌گام - بخش پنجم
    0:14:52
  • مقدمه‌ای بر هم‌خطی در الگوهای رگرسیون خطی چندگانه
    0:10:52
  • حل مثال - بخش یکم
    0:11:53
  • حل مثال - بخش دوم
    0:11:43
  • حل مثال - بخش سوم
    0:07:01
  • رگرسیون ستیغی - بخش یکم
    0:11:30
  • رگرسیون ستیغی - بخش دوم
    0:07:03
  • رگرسیون لاسو
    0:07:54
  • رگرسیون مولفه‌های اصلی
    0:08:24
  • اثرات هم‌خطی ناقص
    0:11:03
  • مقدمه‌ای بر ناهمگنی واریانس خطا‌ها و همبستگی خطا‌ها در الگو‌های رگرسیونی
    0:13:25
  • تبدیلات تثبیت‌کننده واریانس خطاها - بخش یکم
    0:14:26
  • تبدیلات تثبیت‌کننده واریانس خطاها - بخش دوم
    0:11:33
  • تبدیلات تثبیت‌کننده واریانس خطاها - بخش سوم
    0:12:53
  • تبدیلات تثبیت‌کننده واریانس خطاها - بخش چهارم
    0:08:56
  • تبدیلات توانی - بخش یکم
    0:11:17
  • تبدیلات توانی - بخش دوم
    0:10:23
  • برآورد کمترین توان‌های دوم وزنی
    0:10:55
  • همبستگی خطاها
    0:10:15
  • رگرسیون سری زمانی - بخش یکم
    0:11:07
  • رگرسیون سری زمانی - بخش دوم
    0:10:23
  • رگرسیون سری زمانی - بخش سوم
    0:08:41
  • روش کوکران - اورکات
    0:06:53
  • برآورد ماتریس همبستگی خطا‌ها
    0:04:40
  • مقدمه‌ای بر الگوهای رگرسیون چندجمله‌ای و غیر خطی
    0:13:30
  • روش گاوس - نیوتن - بخش یکم
    0:11:22
  • روش گاوس - نیوتن - بخش دوم
    0:12:41
  • متغیرهای نشانگر
    0:14:33
  • الگوی رگرسیون چندجمله‌ای
    0:07:31
  • الگوی رگرسیون چندجمله‌ای متعامد - بخش یکم
    0:13:18
  • الگوی رگرسیون چندجمله‌ای متعامد - بخش دوم
    0:08:00
  • مقدمه‌ای بر داده‌های موثر و دورافتاده و روش‌‌های رگرسیون استوار
    0:12:59
  • روش‌های رگرسیونی استوار - بخش یکم
    0:10:31
  • روش‌های رگرسیونی استوار - بخش دوم
    0:16:09
  • روش کمترین میانه توان‌های دوم
    0:08:34
  • روش‌هایی برای شناسایی داده‌های پرت
    0:10:19
  • روش‌هایی برای شناسایی داده‌های موثر
    0:13:45
  • حل مثال - بخش یکم
    0:13:27
  • حل مثال - بخش دوم
    0:11:10
  • حل مثال - بخش سوم
    0:09:12
  • رگرسیون لجستیک - بخش یکم
    0:12:09
  • رگرسیون لجستیک - بخش دوم
    0:11:09
  • رگرسیونلجستیک - بخش سوم
    0:15:13
  • رگرسیون پواسن - بخش یکم
    0:13:54
  • رگرسیون پواسون - بخش دوم
    0:07:34
  • رگرسیون چندکی - بخش یکم
    0:08:28
  • رگرسیون چندکی - بخش دوم
    0:12:50
  • رگرسیون ترتیبی
    0:14:03
  • الگوهای رگرسیون بقا - بخش یکم
    0:17:14
  • الگوهای رگرسیون بقا - بخش دوم
    0:15:09

  • تمرین ۱ - روش کمترین توان‌های دوم
  • تمرین ٢ - الگوی رگرسیون
  • تمرین ۳ - متعامد بودن ستون‌های ماتریس
  • تمرین ۴ - الگوی رگرسیون خطی
  • تمرین ۵ - نمودار مقادیر متغیر پیشگو و مقادیر مانده‌
  • تمرین ۶ - به‌کار بردن آزمون گشت‌
  • تمرین ۷ - الگوی رگرسیونی بهینه
  • تمرین ۸ - روش پسرو
  • تمرین ۹ - هم‌خطی در مدل رگرسیونی
  • تمرین ۱۰ - تاثیر داده‌های پرت بر استنباط‌های رگرسیونی
  • تمرین ۱۱ - بررسی حساسیت به داده‌های پرت
  • تمرین ۱۲ - مقایسه روش LMS و روش OLS
  • تمرین ۱۳ - تمرینی در نرم‌افزار R
  • تمرین ۱۴ - تاثیر نقطه دور افتاده بر برآوردهای OLS و LMS
  • تمرین ۱۵ - الگوی رگرسیون بقای لگ نرمال
  • ادامه مسیر تا ورود به بازار کار

  • خلاصه و مرور آموزش
  • واژه‌نامه (Glossary)
  • سوالات متداول (FAQ)
  • مشاغل مرتبط
  • نمونه سئوالات مصاحبه شغلی

ارسال نظر شما

نظرات کاربران

نظرات کاربران

هنوز نظری ثبت نشده است.

2,190,000 تومان
438,000 تومان
80% تخفیف

این دوره شامل:
4 فصل آموزشی
13 ساعت ساعت آموزش
دسترسی مادام‌العمر
سطح: مبتدی
گواهی پایان دوره: ندارد
تاریخ انتشار: 1403/12/09
آخرین به‌روزرسانی: 2026-10-29 15:16:12
تعداد امتیازها: 0
تعداد دانشجو:
خرید اقساطی: ندارد
ضمانت بازگشت وجه: ندارد
برچسب‌ها: