🔺 دوره رایگان "فرآیندهای تصادفی"
#منابع_آموزشی

زبان ->  فارسی
مدرس -> دکتر جواد کاظمی تبار دانشگاه صنعتی نوشیروان بابل


📌طریقه دسترسی:
----لینک ویدیو ها----

🆔@StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی

🔻دانشمند "Francis Galton"
#افرادبرجسته

گالتون اولین فردی بود که از روش های آماری برای مطالعه تفاوت های انسانی و وراثت هوش استفاده کرد. او به‌خاطر تحقیقاتش در زمینه‌ی ژنتیک و وراثت شناخته می‌شود. همچنین در توسعه رگرسیون خطی و همبستگی نقش مهمی ایفا کرد.

🔺مهم‌ترین اقدامات او در آمار

-بازگشت به میانگین
گالتون با معرفی این مفهوم، نشان داد که صفات فرزندان معمولاً به میانگین جمعیت نزدیک‌تر می‌شود که این اصل مهمی در تحلیل آماری است.

-مفهوم همبستگی
او به‌عنوان نخستین کسی که از همبستگی استفاده کرد، این روش آماری را برای تحلیل روابط بین صفات مختلف توسعه داد.

-آزمایش گالتون
گالتون با طراحی این آزمایش که به تخته گالتون یا دستگاه پین‌بال نیز معروف است، توانست به صورت تصویری و ساده مفهوم توزیع نرمال و تصادف را نشان دهد. این آزمایش نشان می‌دهد که پدیده‌های تصادفی در نهایت به توزیع نرمال میل می‌کنند.

🔺کتاب‌های تاثیرگذار
-Hereditary Genius
-Natural Inheritance
-English Men of Science: Their Nature and Nurture
و ...

🆔 @StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی

🔻کتاب Hereditary Genius
#منابع_آموزشی

این کتاب، یکی از آثار برجسته فرانسیس گالتون، به بررسی وراثت و نقش آن در نبوغ و استعدادهای فردی می‌پردازد. گالتون در این اثر با استفاده از روش‌های آماری و داده‌های جمع‌آوری‌شده، تأثیر ژنتیک را بر موفقیت و توانایی‌های افراد بررسی کرده و از اولین کسانی است که مفهوم "بازگشت به میانگین" را مطرح کرده است.

🔻محتویات و ویژگی‌ها

- بررسی وراثت: گالتون با بررسی خانواده‌های مشهور و موفق، نشان می‌دهد که نبوغ و استعداد در برخی خانواده‌ها بیشتر به چشم می‌خورد و از نسلی به نسل دیگر منتقل می‌شود.

- تحلیل آماری: این کتاب شامل تحلیل‌های آماری برای سنجش ارتباط بین ژنتیک و موفقیت است و پایه‌ای برای تحقیقات آینده در زمینه ژنتیک رفتاری و آمار می‌گذارد.

- مفهوم بازگشت به میانگین: گالتون در این کتاب، مفهوم "بازگشت به میانگین" را معرفی می‌کند که نشان می‌دهد ویژگی‌های استثنایی نسل به نسل به میانگین جامعه نزدیک‌تر می‌شوند.

این کتاب یکی از آثار پایه‌ای در مطالعات ژنتیک آماری است و برای علاقه‌مندان به تاریخ آمار و ژنتیک قابل توجه است.


🆔 @StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی

🔻کتاب Natural Inheritance

این کتاب یکی از آثار مهم در زمینه ژنتیک و آمار است که به بررسی الگوهای وراثتی و چگونگی انتقال ویژگی‌های فیزیکی و روانی از نسلی به نسل دیگر می‌پردازد. گالتون در این اثر با استفاده از تحلیل‌های آماری تلاش کرده است که الگوهای ثابت و تکرارپذیری را در صفات وراثتی پیدا کند و به فهم علمی از ژنتیک کمک کند.

🔻محتویات و ویژگی‌ها

- تحلیل‌های آماری: گالتون از روش‌های آماری برای بررسی و پیش‌بینی انتقال صفات از والدین به فرزندان استفاده کرده است و به توسعه‌ی ابزارهای آماری نظیر "ضریب همبستگی" کمک کرده است.

- الگوهای وراثتی: در این کتاب، گالتون به بررسی نحوه توزیع صفات در یک جمعیت و چگونگی تأثیر ژنتیک بر ویژگی‌های جمعیتی می‌پردازد، و اولین بار از مفاهیمی مانند "نرمال دیستربیوشن" یا توزیع نرمال در مطالعه صفات ارثی استفاده می‌کند.

- مبانی ژنتیک آماری: این کتاب به عنوان یکی از آثار پایه‌ای در ژنتیک آماری شناخته می‌شود و گالتون در آن به گسترش ایده‌های خود در زمینه وراثت و بازگشت به میانگین می‌پردازد.


🆔 @StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی

🔻کتاب English Men of Science: Their Nature and Nurture

این کتاب اثری پژوهشی است که به بررسی نقش وراثت و محیط در شکل‌گیری شخصیت و توانایی‌های علمی افراد می‌پردازد. گالتون در این کتاب با جمع‌آوری داده‌ها و تحلیل آن‌ها تلاش کرده تا مشخص کند که چه عواملی در موفقیت علمی افراد تأثیرگذار هستند و آیا نبوغ و استعداد به واسطه وراثت به ارث می‌رسند یا تحت تأثیر شرایط محیطی شکل می‌گیرند.

🔻محتویات و ویژگی‌ها

- بررسی تأثیر وراثت و محیط: گالتون به مقایسه نقش ژنتیک و محیط در شکل‌گیری توانایی‌های علمی می‌پردازد و با تحلیل داستان‌های زندگی افراد برجسته، نتایجی در خصوص تأثیر هر یک به دست می‌آورد.

- تحلیل آماری و مقایسه‌ای: این کتاب یکی از اولین تلاش‌ها برای استفاده از تحلیل آماری در مطالعه تفاوت‌های فردی است. گالتون از مصاحبه‌ها و پرسشنامه‌ها برای جمع‌آوری داده‌ها استفاده کرده و تحلیل آماری خود را بر اساس این داده‌ها بنا نهاده است.


🆔 @StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی

🔻خودهمبستگی (Autocorrelation)
#مطلب_علمی

خودهمبستگی به بررسی ارتباط بین مقادیر یک سری زمانی در زمان‌های مختلف می‌پردازد. این مفهوم در تحلیل داده‌های زمانی به ویژه در اقتصاد و آمار کاربرد دارد و به ما کمک می‌کند تا الگوهای تکراری و وابستگی‌های زمانی را شناسایی کنیم.

💢 مفهوم خودهمبستگی
خودهمبستگی به این معناست که مقادیر یک متغیر در زمان‌های مختلف ممکن است به یکدیگر وابسته باشند. به عبارت دیگر، اگر مقدار یک متغیر در یک زمان مشخص بالا یا پایین باشد، احتمالاً مقدار آن در زمان‌های بعدی نیز تحت تأثیر قرار خواهد گرفت. این وابستگی می‌تواند ناشی از عوامل مختلفی باشد، مانند روندهای اقتصادی، فصول سال یا حتی الگوهای رفتاری.

💢 تابع خودهمبستگی
برای اندازه‌گیری خودهمبستگی، معمولاً از تابع خودهمبستگی (ACF) استفاده می‌شود که نشان می‌دهد چگونه مقادیر یک سری زمانی با تأخیرهای مختلف به یکدیگر مرتبط هستند. این تابع به شکل زیر تعریف می‌شود:

ACF(k) = Cov(Xt, X{t-k}) / Var(X_t)

که در آن:

• تابع ACF(k) خودهمبستگی در تأخیر k است.

• و Cov() کوواریانس بین مقادیر در زمان t و t-k است.

• همچنین Var() واریانس مقادیر در زمان t است.

💢 اهمیت خودهمبستگی
تحلیل خودهمبستگی می‌تواند به شناسایی الگوهای پنهان در داده‌ها کمک کند و به تحلیل‌گران این امکان را می‌دهد که پیش‌بینی‌های دقیق‌تری انجام دهند. به عنوان مثال، در مدل‌سازی اقتصادی، شناسایی خودهمبستگی می‌تواند نشان‌دهنده وجود روندها یا سیکل‌های اقتصادی باشد که بر تصمیم‌گیری‌های مالی تأثیر می‌گذارد.

💢 کاربردها و نتایج خودهمبستگی
خودهمبستگی در بسیاری از زمینه‌ها کاربرد دارد، از جمله:

1. پیش‌بینی سری‌های زمانی: با استفاده از خودهمبستگی می‌توان به پیش‌بینی مقادیر آینده یک سری زمانی پرداخت و الگوهای موجود را شناسایی کرد.

2. تحلیل ریسک: در مدیریت ریسک، شناسایی خودهمبستگی‌ها می‌تواند به درک بهتر از رفتار بازار و ارزیابی ریسک‌های مرتبط کمک کند.

3. مدل‌سازی اقتصادی: بسیاری از مدل‌های اقتصادی بر اساس فرضیه‌های خودهمبستگی بنا شده‌اند و تحلیلگران برای بررسی روابط بین متغیرها از این مفهوم بهره می‌برند.

خودهمبستگی به عنوان یکی از ابزارهای کلیدی در تحلیل داده‌های زمانی شناخته می‌شود و نشان‌دهنده پیچیدگی رفتارهای انسانی و اقتصادی است که تنها با مدل‌های ساده قابل توضیح نیستند.

🆔 @StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی

🔻مهمترین مهارت هایی که یک تحلیلگر داده باید داشته باشد
#نکته_آموزشی

1. SQL


2. Statistical programming(python, R, ...)


3. Machine learning
بطور کلی، تسلط بر یادگیری ماشین برای تحلیلگران داده ضروری نیست؛ اما دانستن آن بسیار کمک‌کننده است.

4. Probability and statistics


5. Data management
مدیریت داده به منظور روش های جمع‌آوری، سازماندهی و ذخیره‌سازی داده‌ها در بهینه‌ترین حالت.

6. Statistical visualization


7. Econometrics(اقتصادسنجی)


منبع یادگیری مهارت ها -> coursera

🆔 @StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی

🔻 خلاصه ای از ابزارهای مورد نیاز علم داده
#خلاصه

این مجموعه فوق‌العاده، کتابخانه های علم داده پایتون، SQL, NLP, R و ... را شامل می‌شود.

منبع -> علم داده | Data Science

🆔 @StatisticsSBU2 | انجمن علمی آمار دانشگاه شهید بهشتی