Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-7 of 7 items.

coursera آمار استنباطی (Mitalearn-327026)

  • 5 hours 26 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Mine Çetinkaya-Rundel
درباره این دوره:

این دوره روش‌های استنتاج آماری رایج را برای داده‌های عددی و طبقه‌ای پوشش می‌دهد. شما یاد خواهید گرفت که چگونه تست های فرضیه را تنظیم و انجام دهید، مقادیر p را تفسیر کنید، و نتایج تجزیه و تحلیل خود را به گونه ای گزارش کنید که برای مشتریان یا عموم قابل تفسیر باشد. با استفاده از مثال های داده های متعدد، یاد خواهید گرفت که تخمین های کمیت ها را به گونه ای گزارش کنید که عدم قطعیت کمیت مورد علاقه را بیان کند. شما از طریق نصب و استفاده از R و RStudio (نرم افزار آماری رایگان) راهنمایی خواهید شد و از این نرم افزار برای تمرینات آزمایشگاهی و پروژه نهایی استفاده خواهید کرد. این دوره ابزارهای عملی را برای انجام تجزیه و تحلیل داده ها معرفی می کند و مفاهیم اساسی لازم برای تفسیر و گزارش نتایج را برای داده های دسته بندی و عددی بررسی می کند.

coursera آمار استنباطی [coursera] (Mitalearn-334625)

  • 4 hours 47 minutes
  • مناسب همه
  • Release date: 27 June 2026
  • Author: Annemarie Zand Scholten,Emiel van Loon
درباره این دوره:

آمار استنباطی به استنباط بر اساس روابط یافت شده در نمونه، به روابط در جامعه مربوط می شود. آمار استنباطی به ما کمک می کند برای مثال تصمیم بگیریم که آیا تفاوت بین گروه هایی که در داده های خود می بینیم به اندازه کافی قوی است تا از فرضیه ما حمایت کند که تفاوت های گروهی به طور کلی در کل جمعیت وجود دارد یا خیر. ما با در نظر گرفتن اصول اولیه آزمون معناداری شروع خواهیم کرد: توزیع آماری نمونه گیری و آزمون، مقدار p، سطح معنی داری، قدرت و خطاهای نوع I و نوع II. سپس تعداد زیادی آزمون و تکنیک های آماری را در نظر خواهیم گرفت که به ما کمک می کند تا برای انواع مختلف داده ها و انواع مختلف طرح های تحقیقاتی استنتاج کنیم. برای هر آزمون آماری فردی، نحوه عملکرد آن، برای چه داده‌ها و طرحی مناسب است و نتایج چگونه باید تفسیر شوند را در نظر خواهیم گرفت. همچنین نحوه انجام این تست ها را با استفاده از نرم افزارهای رایگان در دسترس خواهید آموخت. برای کسانی که قبلاً با آزمون های آماری آشنا هستند: ما به آزمون های z برای نسبت های 1 و 2، آزمون مک نمار برای نسبت های وابسته، آزمون های t برای میانگین 1 (تفاوت های زوجی) و 2 میانگین، آزمون کای دو برای استقلال نگاه خواهیم کرد. آزمون دقیق فیشر، رگرسیون ساده (خطی و نمایی) و رگرسیون چندگانه (خطی و لجستیک)، آنالیز واریانس یک طرفه و فاکتوریل و آزمون های ناپارامتریک (ویلکاکسون، کروسکال-والیس، آزمون علامت، آزمون رتبه علامتی، اجرا) تست).

coursera آمار استنباطی و پیش بینی برای کسب و کار (Mitalearn-294709)

  • 5 hours 7 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Fataneh Taghaboni-Dutta, Ph.D., PMP, CSM, CSPO
درباره این دوره:

این دوره یک چارچوب تحلیلی برای کمک به شما در ارزیابی مشکلات کلیدی به روشی ساختاریافته ارائه می‌کند و شما را با ابزارهایی برای مدیریت بهتر عدم قطعیت‌هایی که فرآیندهای کسب‌وکار را فرا گرفته و پیچیده می‌کنند، مجهز می‌کند. برای این منظور، این دوره با بحث در مورد دو موضوع اساسی، ایده‌های آماری را پوشش می‌دهد که برای مدیران اعمال می‌شود: اول، شناخت و توصیف تغییرات موجود در هر چیزی که در اطراف ما وجود دارد، و سپس مدل‌سازی و تصمیم‌گیری در حضور این تغییرات. مفاهیم اساسی مورد مطالعه در این دوره در بسیاری از کلاس ها و محیط های تجاری دیگر دوباره ظاهر می شوند. تمرکز ما بر تفسیر معنای نتایج در یک محیط تجاری و مدیریتی خواهد بود. در حالی که شما با برخی از علوم آنچه تدریس می شود آشنا خواهید شد، تمرکز بر روی استفاده از روش ها خواهد بود. این امر از طریق استفاده از اکسل و استفاده از مجموعه داده ها از رشته های مختلف انجام می شود و به شما امکان می دهد استفاده از آمار را در تنظیمات بسیار متنوع مشاهده کنید. این دوره نه تنها بر توضیح این مفاهیم بلکه درک معنای نتایج به دست آمده نیز تمرکز خواهد داشت. شما قادر خواهید بود: • باورهای مربوط به یک جمعیت را آزمایش کنید • تفاوت بین جمعیت ها را مقایسه کنید • از مدل رگرسیون خطی برای پیش بینی استفاده کنید • برای تجزیه و تحلیل آماری از Excel استفاده کنید این دوره بخشی از مجموعه برنامه های آنلاین کالج تجارت Gies، از جمله iMBA و iMSM است. درباره پذیرش در این برنامه‌ها بیشتر بیاموزید و بررسی کنید که چگونه می‌توان در صورت پذیرش در یک برنامه تحصیلی در https://degrees.giesbusiness.illinois.edu/idegrees/ از کار Coursera شما استفاده کرد.

coursera استنتاج آماری (Mitalearn-335407)

  • 5 hours 9 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Brian Caffo, PhD,Roger D. Peng, PhD,Jeff Leek, PhD
درباره این دوره:

استنتاج آماری فرآیند نتیجه گیری در مورد جمعیت ها یا حقایق علمی از داده ها است. روش‌های زیادی برای انجام استنتاج وجود دارد که از جمله آن‌ها می‌توان به مدل‌سازی آماری، استراتژی‌های داده‌محور و استفاده صریح از طرح‌ها و تصادفی‌سازی در تحلیل‌ها اشاره کرد. علاوه بر این، تئوری‌های گسترده‌ای (تکرارگرا، بیزی، احتمال، مبتنی بر طراحی، ...) و پیچیدگی‌های متعدد (داده‌های از دست رفته، آشفتگی مشاهده شده و مشاهده نشده، سوگیری‌ها) برای انجام استنتاج وجود دارد. یک تمرین‌کننده اغلب می‌تواند در پیچ و خم ناتوان‌کننده‌ای از تکنیک‌ها، فلسفه‌ها و نکات ظریف رها شود. این دوره اصول استنتاج را در یک رویکرد عملی برای انجام کارها ارائه می دهد. پس از گذراندن این دوره، دانشجویان جهات گسترده استنتاج آماری را درک کرده و از این اطلاعات برای انتخاب آگاهانه در تجزیه و تحلیل داده ها استفاده می کنند.

coursera اکتساب داده، ریسک و تخمین (Mitalearn-331854)

  • 4 hours 1 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Wendy Martin
درباره این دوره:

متخصصان مهندسی و تجارت اغلب به بسیاری از منابع داده دسترسی دارند. بهترین راه برای اطمینان از معتبر و قابل اعتماد بودن داده های شما این است که از قبل برای آن برنامه ریزی کنید. از طریق این کلاس، شما قادر خواهید بود برای تولید داده های دقیق و دقیق برنامه ریزی کنید، سپس از آن داده ها برای برآورد و کاهش ریسک مربوط به سرمایه گذاری های سرمایه ای استفاده کنید. این تخصص را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد مهندسی CU Boulder در مدیریت مهندسی (ME-EM) ارائه شده در پلت فرم Coursera در نظر گرفت. ME-EM برای کمک به مهندسان، دانشمندان و متخصصان فنی طراحی شده است تا به سمت نقش های رهبری و مدیریت در بخش های مهندسی و فنی حرکت کنند. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، ME-EM برای افرادی با طیف گسترده ای از تحصیلات کارشناسی و/یا تجربه حرفه ای ایده آل است. درباره برنامه ME-EM در https://www.coursera.org/degrees/me-engineering-management-boulder اطلاعات بیشتری کسب کنید.

coursera بهبود استنباط های آماری شما (Mitalearn-330239)

  • 4 hours 51 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Daniel Lakens
درباره این دوره:

هدف این دوره کمک به شما برای استنتاج آماری بهتر از تحقیقات تجربی است. ابتدا، نحوه تفسیر صحیح مقادیر p، اندازه اثر، فواصل اطمینان، عوامل بیز، و نسبت‌های احتمال را مورد بحث قرار می‌دهیم، و اینکه چگونه این آمار به سوالات مختلفی که ممکن است به آنها علاقه مند باشید پاسخ می‌دهند. سپس، نحوه طراحی آزمایش‌هایی را که نرخ مثبت کاذب کنترل می شود و چگونه می توان در مورد حجم نمونه برای مطالعه خود تصمیم گرفت، به عنوان مثال به منظور دستیابی به قدرت آماری بالا. متعاقباً، یاد خواهید گرفت که چگونه شواهد را در ادبیات علمی با توجه به سوگیری انتشار گسترده تفسیر کنید، برای مثال با یادگیری در مورد تجزیه و تحلیل منحنی p. در نهایت، ما در مورد چگونگی انجام فلسفه علم، ساخت نظریه، و علم تجمعی، از جمله نحوه انجام مطالعات تکرار، چرایی و نحوه پیش ثبت نام آزمایش خود، و نحوه به اشتراک گذاشتن نتایج خود با رعایت اصول علوم باز صحبت خواهیم کرد. به طور عملی، به صورت عملی، یاد خواهید گرفت که چگونه آزمون های t را شبیه سازی کنید تا بفهمید کدام مقادیر p را می توانید انتظار داشته باشید، نسبت احتمال را محاسبه کنید و آمار بیزی دو جمله ای را معرفی کنید، و در مورد ارزش پیش بینی مثبت که احتمال منتشر شده را بیان می کند، یاد خواهید گرفت. یافته های تحقیق درست است ما مشکلات مربوط به توقف اختیاری را تجربه خواهیم کرد و نحوه جلوگیری از این مشکلات را با استفاده از تحلیل های متوالی یاد خواهیم گرفت. اندازه افکت‌ها را محاسبه می‌کنید، خواهید دید که فواصل اطمینان از طریق شبیه‌سازی چگونه کار می‌کنند، و انجام تحلیل‌های توان پیشینی را تمرین می‌کنید. در نهایت، یاد خواهید گرفت که چگونه با استفاده از آزمون هم ارزی و آمار بیزی صحت فرضیه صفر را بررسی کنید و چگونه یک مطالعه را از قبل ثبت کنید و داده های خود را در چارچوب علوم باز به اشتراک بگذارید. اکنون همه ویدیوها زیرنویس چینی دارند. بیش از 30000 زبان آموز تاکنون ثبت نام کرده اند! اگر از این دوره لذت بردید، می توانم توصیه کنم آن را با دوره جدید "بهبود سوالات آماری شما" دنبال کنید.

coursera تجزیه و تحلیل آماری استنباطی با پایتون (Mitalearn-332721)

  • 5 hours 4 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Brenda Gunderson,Brady T. West,Kerby Shedden
درباره این دوره:

در این دوره، ما اصول اولیه استفاده از داده ها برای تخمین و ارزیابی نظریه ها را بررسی خواهیم کرد. ما هم داده های طبقه بندی شده و هم داده های کمی را تجزیه و تحلیل خواهیم کرد، از تکنیک های یک جمعیت شروع می کنیم و برای مقایسه دو جمعیت گسترش می دهیم. ما یاد خواهیم گرفت که چگونه فواصل اطمینان ایجاد کنیم. ما همچنین از داده های نمونه برای ارزیابی اینکه آیا یک نظریه در مورد مقدار یک پارامتر با داده ها مطابقت دارد یا خیر استفاده خواهیم کرد. تمرکز اصلی بر تفسیر مناسب نتایج استنباطی خواهد بود. در پایان هر هفته، فراگیران آموخته های خود را با استفاده از پایتون در محیط دوره به کار می گیرند. در طول این جلسات مبتنی بر آزمایشگاه، فراگیران از طریق آموزش هایی با تمرکز بر مطالعات موردی خاص برای کمک به تقویت مفاهیم آماری هفته، که شامل غواصی عمیق بیشتر در کتابخانه های پایتون از جمله Statsmodels، Pandas و Seaborn است، کار خواهند کرد. این دوره از محیط نوت بوک Jupyter در Coursera استفاده می کند.

Suggestions