| 1 |
جایگاه درس در برنامه درسی دوره |
در این درس کاربرد برخی مدل های آماری خطی را در برازش به داده ها بیان می کند. |
| 2 |
هدف کلی |
آشنایی با مفاهیم اساسی و پایهای مدلهای خطی در قالب مدل رگرسیون خطی ساده و چندگانه |
| 3 |
شایستگی های پایه |
فراگیری مباحث نظری رگرسیون و توانمندی مدلسازی و به کارگیری آن در پروژه های کاربردی
یاد داشتن کار با حداقل یک نرم افزار آماری و الگوریتم برنامه نویسی |
| 4 |
اهداف یادگیری |
مقدمات مدل سازی و مفهوم آن
نحوه برازش مدل
نحوه برآورد پارامترهای مدل
کاربرد مدل سازی رگرسیونی در برازش به داده ها
شبیه سازی برآوردگرهای نقطه ای و فاصله ای و آزمون فرضیه ها در مدل های رگرسیونی |
| 5 |
روش تدریس |
سخنرانی؛ شبیه سازی و محاسبات نرم افزاری
دانشجویان باید تکلیفهای محول شده را انجام و ارائه نمایند.
به صورت تتوری برای بیان مفاهیم اولیه و نظریه آزمون فرضیه
به صورت عملی با استفاده از نرم افزار آماری R و SPSS |
| 6 |
وظایف دانشجو |
رعایت نظم و انظباط
حل تمرین های تحویلی
ارائه پروژه |
| 7 |
منبع |
مونتگومری، پک و پک، ا. ) 1390 (. مقدمهای بر تحلیل رگرسیون خطی ترجمه سید ابراهیم رضوی پاریزی، انتشارات
دانشگاه شهید باهنر کرمان.
جباری نوقابی، م، 1395، روش های آماری پیشرفته و مدل های خطی در علوم دامی با استفاده از نرم افزار R، انتشارات دانشگاه فردوسی مشهد. |
| 8 |
مواد و امکانات آموزشی |
نمودار پراکنش، رگرسیون خطی ساده، برآوردهای حداقل مربعات ) OLS (، برآورد درست نمایی ماکسیمم و ویژگی
آنها، معرفی و بررسی پذیرههای زیربنایی مدل در رگرسیون خطی، جدول آنالیز واریانس، آزمون فرضیه و بازه اطمینان
برای پارامترهای مدل، بازه پیشبین برای تک مشاهدات و میانگین آنها، رگرسیون ساده بدون عرض از مبدأ، ضریب
تعیین.
رگرسیون خطی چندگانه، بیان مدل رگرسیون خطی چندگانه با نماد ماتریسی، برآوردهای OLS و درست نمایی
ماکسیمم پارامترها، ویژگی برآوردگرها، برآورد ضرایب مدل رگرسیون خطی چندگانه با متغیرهای استانداردشده و
تفسیر آن، جدول آنالیز واریانس، آزمونهای معنیداری ضرایب مدل، پذیرههای زیربنایی مدل رگرسیون چندگانه،
ضریب تعیین، مشتقات آن و تعبیر آنها.
همبستگیهای جزئی، روشهای گزینش متغیرهای توضیحی در مدل رگرسیون خطی چندگانه )انواع روشها: هم
ورود، پیش رو، پس رو، قدمبهقدم(، معرفی رویکرد تائیدی.
معیارهای مختلف در انتخاب مدل ) Cp ، مالوس، PRESS ، AIC )
تبدیل برخی از مدلهای رگرسیون غیرخطی )برحسب متغیرها( به مدل خطی
استفاده از حداقل یکی از نرمافزارهای رایج آماری و یا ریاضی توصیه میشود. |
| 9 |
نحوه ارزشیابی |
- تمرین های تحویلی، کار در کلاس و حضور و غیاب: 6 نمره
- پایان ترم: 14 نمره |