| 1 |
آشنایی با مدل های خطی |
|
| 2 |
مروری بر مدل رگرسیون خطی با اثرات ثابت |
|
| 3 |
مشکلات هم خطی و روشهای تشخیص آن |
|
| 4 |
رگرسیون ریج و لاسو |
|
| 5 |
آشنایی با مدل های آمیخته |
|
| 6 |
مدل با عرض از مبدأ تصادفی |
|
| 7 |
مدل رگرسیون خطی چندگانه با اثرات آمیخته |
|
| 8 |
استنباط در مدل های خطی با اثرات آمیخته |
|
| 9 |
پیشگویی اثرات تصادفی |
|
| 10 |
میان ترم |
|
| 11 |
مدل های خطی تعمیم یافته |
|
| 12 |
برازش در GLM |
|
| 13 |
آزمون فرضیه |
|
| 14 |
مباحث تشخیصی در GLM |
|
| 15 |
نقاط غیر عادی |
|
| 16 |
گاما و گوسی معکوس GLM |
|
| 17 |
مدل بندی توام پارمترهای میانگین و پراکندگی |
|
| 18 |
شبه درستنمایی |
|
| 19 |
معرفی مدل خطی تعمیم یافته با اثرات آمیخته |
|
| 20 |
معادلات برآوردی تعمیم یافته |
|
| 21 |
مدل های خطی برای داده های طولی |
|
| 22 |
برازش منحنی هموار به داده های طولی |
|
| 23 |
برآورد کمترین توانهای دوم وزنی و MLE |
|
| 24 |
ا ستنباط بیزی در مدل رگرسیونی خطی آمیخته |
|