مدلهای سلسلهمراتبی و اثرات آمیخته در R
✅ سرفصل و جزئیات آموزش
این دوره با مرور شیبها و عرض از مبدأها در رگرسیونهای خطی آغاز میشود و سپس به مبحث اثرات تصادفی میپردازد. فراگیران یاد خواهند گرفت که اثر تصادفی چیست و چگونه میتوان از آن برای مدلسازی داده استفاده کرد. در ادامه، این دوره رگرسیونهای خطی با اثرات آمیخته را پوشش میدهد. این مدلهای قدرتمند امکان بررسی داده با ساختار پیچیدهتر نسبت به رگرسیون خطی استاندارد را فراهم میکنند. سپس، دوره به آموزش رگرسیونهای خطی تعمیمیافته با اثرات آمیخته میپردازد.
مدلهای خطی تعمیمیافته با اثرات آمیخته اجازه میدهند تا انواع بیشتری از داده، از جمله پاسخهای باینری و داده شمارشی، مدلسازی شوند. در نهایت، این دوره به تحلیل اندازهگیریهای مکرر به عنوان حالت خاصی از مدلسازی اثرات آمیخته میپردازد. این نوع داده زمانی ظاهر میشوند که سوژهها در طول زمان پیگیری شده و اندازهگیریها در فواصل زمانی جمعآوری شوند. در طول دوره، با استفاده از داده واقعی و مدلهای اثرات آمیخته، به سوالات جالبی پاسخ داده خواهد شد.
مدلهای سلسلهمراتبی و اثرات آمیخته در R
-
مدل سلسلهمراتبی چیست؟ None
-
اجزای یک رگرسیون None
-
اثرات تصادفی در رگرسیونها با دادههای مدارس None
-
مدل خطی با اثرات آمیخته - دادههای نرخ تولد None
-
درک و گزارش خروجیهای lmer None
-
استنباط آماری با دادههای جرم و جنایت مریلند None
-
دوره فشرده GLMها None
-
دادههای دوجملهای None
-
دادههای شمارشی None
-
مقدمهای بر اندازهگیریهای مکرر None
-
مطالعه خواب None
-
نفرت در ایالت نیویورک؟ None
-
نتیجهگیری None
مشخصات آموزش
مدلهای سلسلهمراتبی و اثرات آمیخته در R
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:پیشرفته
- تعداد درس:13
- مدت زمان :4:00:00
- حجم :687.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy