استنباط آماری برای برآورد در علم داده
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- شناسایی ویژگیهای برآوردگرهای «خوب» و مقایسه برآوردگرهای رقیب
- ساخت برآودگرهای معتبر با استفاده از تکنیکهای درستنمایی بیشینه و روش برآورد ممانها
- ساخت و تفسیر فواصل اطمینان برای میانگینهای یک و دو جمعیت، نسبتها و واریانس یک جمعیت
توضیحات دوره
این دوره استنباط آماری، توزیعهای نمونهگیری و فواصل اطمینان را معرفی میکند. دانشجویان یاد می گیرند که چگونه برآوردگرهای خوب را تعریف کرده و بسازند و همچنین با متد برآورد ممانها، برآورد درستنمایی بیشینه و متدهای ساخت فواصل اطمینان که به زمینههای عمومیتر گسترش خواهند یافت آشنا میشوند.
این دوره میتواند به عنوان بخشی از مدرک کارشناسی ارشد در علم داده (MS-DS) دانشگاه کلرادو بولدر که در پلتفرم Coursera ارائه میشود، اعتبار علمی کسب کند. MS-DS یک مدرک بینرشتهای است که استادان از دپارتمانهای ریاضیات کاربردی، علوم کامپیوتر، علم اطلاعات و دیگر دپارتمانها در کلرادو بولدر را گرد هم میآورد. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، MS-DS برای افرادی با دامنه وسیع از تحصیلات کارشناسی و یا تجربه حرفهای در علوم کامپیوتر، علم اطلاعات، ریاضیات و آمار ایدهآل است.
استنباط آماری برای برآورد در علم داده
-
به استنباط آماری خوش آمدید 6:57
-
به استنباط آماری خوش آمدید None
-
اعتبار علمی برای کارتان کسب کنید! None
-
پشتیبانی دوره None
-
منابع و مطالعات دوره None
-
متغیرهای تصادفی گسسته و توابع جرم احتمال 11:40
-
متغیرهای تصادفی پیوسته و توابع چگالی احتمال 7:04
-
توزیعهای مشترک و استقلال 10:43
-
توزیع گاما 17:50
-
تبدیلهای توزیعها 20:23
-
انتظار و ویژگیهای انتظار 16:52
-
واریانس و کوواریانس 17:05
-
برآوردگرها و توزیعهای نمونهگیری 15:01
-
توزیعهای مجموعها 22:58
-
متد برآوردگرهای ممانها 13:17
-
توزیعهای گسسته مهم None
-
توزیعهای پیوسته مهم None
-
جدولی که توزیعهای مهم را خلاصه میکند None
-
توزیعهای مشترک None
-
اسلایدهای ویدئویی - توزیع گاما None
-
اسلایدهای ویدئویی - تبدیلهای توزیعها None
-
اسلایدهای ویدئویی - انتظار و ویژگیهای انتظار None
-
اسلایدهای ویدئویی - واریانس و کوواریانس None
-
اسلایدهای ویدئویی - برآوردگرها و توزیعهای نمونهگیری None
-
اسلایدهای ویدئویی - توزیعهای مجموعها None
-
اسلایدهای ویدئویی - متد برآوردگرهای ممانها None
-
یک مثال انگیزشی 8:06
-
نماد، اصطلاحات و اولین مثالهای کامل 13:45
-
MLEs برای پارامترهای متعدد و پشتیبانی 17:12
-
ویژگی عدم واریانس 20:06
-
خطای میانگین مربعات، بایاس و کارآیی نسبی 7:40
-
اسلایدهای ویدئویی - یک مثال انگیزشی None
-
اسلایدهای ویدئویی - نماد، اصطلاحات و اولین مثالهای کامل None
-
اسلایدهای ویدئویی - MLEs برای پارامترهای متعدد و پشتیبانی None
-
اسلایدهای ویدئویی - ویژگی عدم واریانس None
-
اسلایدهای ویدئویی - خطای میانگین مربعات، بایاس و کارآیی نسبی None
-
اطلاعات فیشر و کران پایین کرامر-راو 19:59
-
سادهسازیهای محاسباتی برای CRLB 14:30
-
قانون ضعف اعداد بزرگ 22:08
-
قضیه حد مرکزی 22:04
-
ویژگیهای نمونه بزرگ MLEs 21:21
-
اسلایدهای ویدئویی - اطلاعات فیشر و کران پایین کرامر-راو None
-
اسلایدهای ویدئویی - سادهسازیهای محاسباتی برای CRLB None
-
اسلایدهای ویدئویی - قانون ضعف اعداد بزرگ None
-
اسلایدهای ویدئویی - قضیه حد مرکزی None
-
اسلایدهای ویدئویی - ویژگیهای نمونه بزرگ MLEs None
-
بیایید یک فاصله اطمینان بسازیم! 19:39
-
مربع کای و توزیعهای تی 27:22
-
فواصل اطمینان توزیع تی 20:18
-
فواصل اطمینان برای تفاضل میانگینهای جمعیت 11:17
-
فواصل اطمینان نمونه کوچک برای تفاضل میانگینهای جمعیت 20:15
-
اسلایدهای ویدئویی - بیایید یک فاصله اطمینان بسازیم! None
-
اسلایدهای ویدئویی - مربع کای و توزیعهای تی None
-
اسلایدهای ویدئویی - فواصل اطمینان توزیع تی None
-
اسلایدهای ویدئویی - فواصل اطمینان برای تفاضل میانگینهای جمعیت None
-
اسلایدهای ویدئویی - فواصل اطمینان نمونه کوچک برای تفاضل میانگینهای جمعیت None
-
فاصله اطمینان برای نسبتها 16:56
-
فواصل اطمینان برای واریانسها 17:36
-
فاصله اطمینان برای نسبت واریانسها 17:30
-
چه کسی به نرمالیته نیاز دارد؟ 9:01
-
فواصل اطمینان عمومی 11:29
-
اسلایدهای ویدئویی - فاصله اطمینان برای نسبتها None
-
اسلایدهای ویدئویی - فواصل اطمینان برای واریانسها None
-
اسلایدهای ویدئویی - فاصله اطمینان برای نسبت واریانسها None
-
اسلایدهای ویدئویی - چه کسی به نرمالیته نیاز دارد؟ None
-
اسلایدهای ویدئویی - فواصل اطمینان عمومی 2 None
مشخصات آموزش
استنباط آماری برای برآورد در علم داده
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:66
- مدت زمان :08:18:04
- حجم :2.58GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy