| 1 |
مقدماتی بر مفهوم استنباط آماری، مروری براصول کاهش داده ها، خلاصه سازی داده های آماری |
|
| 2 |
بسندگی و بسندگی مینیمال - بسندگی کامل و کامل کرندار |
|
| 3 |
قضیه باسو و اماره فرعی وبسندگی |
|
| 4 |
خانوداه های مکان، مقیاس، متقارن و نمایی ویژگی های خانواده نمایی |
|
| 5 |
اصول درستتنمایی و اصول پایایی، آشنایی با انواع تابع درستتنمایی )درستنمایی جزئی، درستنمایی گوسی، درستنمایی شرطی، درستنمایی جریمه شده و درستنمایی نیمرخ( |
|
| 6 |
روشهای براورد یابی، گشتاوری، جایگذاری |
|
| 7 |
روشهای برآوردیابی ماکسیمم درستنمایی |
|
| 8 |
روشهای برآوردیابی ( جانهی، نینتن رافسون و الگوریتم EM) |
|
| 9 |
ویژ گی هایی از براورد گر ها |
|
| 10 |
UMVUE |
|
| 11 |
امتحان نیم ترم اول |
|
| 12 |
اطلا ع فیشر و کران نامساوی کرامر رایو |
|
| 13 |
اطلاع فیشر و نامساوی اطلاع در حالت چند پارامتری و کران چپمن رابینز |
|
| 14 |
نکاتی در مورد تابع زیان و انواع ان |
|
| 15 |
نظریه تصمیم وبرآوردگرهای MinMax |
|
| 16 |
مقدماتی از نگاه بیزی |
|
| 17 |
امتحان نیم ترم دوم |
|
| 18 |
مفاهیمی از براوردگر بیز |
|
| 19 |
مفاهیمی از براوردگر بیز |
|
| 20 |
براوردگر های مجازو مینیماکس و بیان ارتباط انها با براوردگر بیز |
|
| 21 |
مروی کوتاه بر برآوردگر بیز تعمیم یافته، بیز تجربی، بیز سلسه مراتبی |
|
| 22 |
مروی کوتاه بر نمونه گیری گیبس و MCMC-روش بوت استرپ و جک نایف |
|
| 23 |
مروی کوتاه بر روشهای ناپارامتری در برآوردیابی U-آماره ها، برآورد تابع توزیع |
|
| 24 |
مروی کوتاه بر روشهای ناپارامتری در برآورد چندک برآورد تابع چگالی به روش هسته، بیز ناپارامتری |
|