| 1 |
مروری بر مدل رگرسیون خطی با اثرات ثابت |
|
| 2 |
گاما و گوسی معکوس GLM |
|
| 3 |
برازش منحنی هموار به داده های طولی |
|
| 4 |
مدل با عرض از مبدأ تصادفی |
|
| 5 |
مدل رگرسیون خطی چندگانه با اثرات آمیخته |
|
| 6 |
استنباط در مدل های خطی با اثرات آمیخته |
|
| 7 |
پیشگویی اثرات تصادفی |
|
| 8 |
بررسی اشکالات و حل تمرین |
|
| 9 |
بررسی مثال دوم فصل 11 کتاب ELM |
|
| 10 |
بررسی مثال سوم فصل 11 کتاب ELM |
|
| 11 |
سمینار دانشجویان |
|
| 12 |
مباحث تشخیصی در GLM |
|
| 13 |
آزمون فرضیه |
|
| 14 |
آشنایی با مدل های آمیخته |
|
| 15 |
سمینار دانشجویان |
|
| 16 |
سمینار دانشجویان |
|
| 17 |
میان ترم |
|
| 18 |
مدل های خطی تعمیم یافته |
|
| 19 |
برازش در GLM |
|
| 20 |
مدل بندی توام پارمترهای میانگین و پراکندگی |
|
| 21 |
شبه درستنمایی |
|
| 22 |
معرفی مدل خطی تعمیم یافته با اثرات آمیخته |
|
| 23 |
مروری بر مدل رگرسیون خطی با اثرات ثابت |
|
| 24 |
مدل بیزی داده های طولی |
|
| 25 |
معادلات برآوردی تعمیم یافته |
|
| 26 |
حل مساله و رفع اشکال |
|
| 27 |
مدل های خطی برای داده های طولی |
|
| 28 |
مدل بیزی اثرات تصادفی |
|
| 29 |
مدل بیزی داده های طولی |
|
| 30 |
مدل بیزی اثرات تصادفی |
|