Forwarded from خانه آمار اصفهان
کانون دانش آموختگان آمار استان اصفهان:
کارگاه تیمی و کاربردی داده پردازی حرفه ای
علاقه مندان می توانند برای کسب اطلاعات بیشتر و ثبت نام با شماره تلفن 031-36690866 (خانه آمار اصفهان) تماس حاصل نمایند.
کارگاه تیمی و کاربردی داده پردازی حرفه ای
علاقه مندان می توانند برای کسب اطلاعات بیشتر و ثبت نام با شماره تلفن 031-36690866 (خانه آمار اصفهان) تماس حاصل نمایند.
امروز..
۷ اسفند ۱۳۹۶
بازدید دانش آموزان برتر از دانشکده آمار و ریاضی
جهت آشنایی با رشته ی آمار
همراه با سخنرانی زیبای استاد ایرانپناه
و برگزاری مسابقه ی "تعریف علم آمار"
@UI_statistics
۷ اسفند ۱۳۹۶
بازدید دانش آموزان برتر از دانشکده آمار و ریاضی
جهت آشنایی با رشته ی آمار
همراه با سخنرانی زیبای استاد ایرانپناه
و برگزاری مسابقه ی "تعریف علم آمار"
@UI_statistics
دیدار دانش آموزان برتر از پروژه های آماری درس های آمار و احتمال مقدماتی و روشهای آماری
#آشنایی_با_رشته_آمار
@UI_statistics
#آشنایی_با_رشته_آمار
@UI_statistics
امروز..
۷ اسفند ۱۳۹۶
بازدید دانش آموزان برتر از دانشکده آمار و ریاضی
جهت آشنایی با رشته ی آمار
بروشور هایی آشنایی با رشته ی آمار و آشنایی با خانه آمار اصفهان
@UI_statistics
۷ اسفند ۱۳۹۶
بازدید دانش آموزان برتر از دانشکده آمار و ریاضی
جهت آشنایی با رشته ی آمار
بروشور هایی آشنایی با رشته ی آمار و آشنایی با خانه آمار اصفهان
@UI_statistics
امروز..
۷ اسفند ۱۳۹۶
بازدید دانش آموزان برتر از دانشکده آمار و ریاضی
جهت آشنایی با رشته ی آمار
همراه با سخنرانی زیبای استاد ایرانپناه
و برگزاری مسابقه "تعریف علم آمار"
@UI_statistics
۷ اسفند ۱۳۹۶
بازدید دانش آموزان برتر از دانشکده آمار و ریاضی
جهت آشنایی با رشته ی آمار
همراه با سخنرانی زیبای استاد ایرانپناه
و برگزاری مسابقه "تعریف علم آمار"
@UI_statistics
كانال جامع دانشجويان دانشگاه اصفهان
اطلاع رسانی آخرین:
اخبار، مصوبه ها و تغییرات
کلاسها، کارگاهها و دورههای آموزشی
همایش ها و برنامه ها در دانشگاه اصفهان
لینک کانال :@Uistudent
اطلاع رسانی آخرین:
اخبار، مصوبه ها و تغییرات
کلاسها، کارگاهها و دورههای آموزشی
همایش ها و برنامه ها در دانشگاه اصفهان
لینک کانال :@Uistudent
سمینار آموزشی رایگان
آشنایی با نرم افزار R
زمان: ۴شنبه_۱۶ اسفندماه
ساعت ۱۷
خانه آمار اصفهان
@UI_statistics
آشنایی با نرم افزار R
زمان: ۴شنبه_۱۶ اسفندماه
ساعت ۱۷
خانه آمار اصفهان
@UI_statistics
📩 #ارسالی
سلام ببخشید برا زبان ارشد آمار زیستی ،فقط از لغات سوال میدن یا قواعد هم هست؟
👈 با سلام. مجموعه سوالات زبان پزشکی شامل لغت و پسیج است که قواعد را در برنمیگیرد.
👈تعداد تست های زبان : 40
👈ضریب : 3
@UI_statistics
سلام ببخشید برا زبان ارشد آمار زیستی ،فقط از لغات سوال میدن یا قواعد هم هست؟
👈 با سلام. مجموعه سوالات زبان پزشکی شامل لغت و پسیج است که قواعد را در برنمیگیرد.
👈تعداد تست های زبان : 40
👈ضریب : 3
@UI_statistics
🔴 مقایسه تعداد متقاضیان کارشناسی ارشد سازمان سنجش در سال های گذشته و روند کاهشی شدن تعداد متقاضیان در سالهای اخیر
ارشد 91: 930 هزار و 172 نفر
ارشد 92: 896 هزار و 044 نفر
ارشد 93: 950 هزار و 429 نفر
ارشد 94: 813 هزار و 013 نفر
ارشد 95: 761 هزار و 649 نفر
ارشد 96: 867 هزار و 262 نفر
ارشد 97 : فعلا 615 هزار نفر
@UI_statistics
ارشد 91: 930 هزار و 172 نفر
ارشد 92: 896 هزار و 044 نفر
ارشد 93: 950 هزار و 429 نفر
ارشد 94: 813 هزار و 013 نفر
ارشد 95: 761 هزار و 649 نفر
ارشد 96: 867 هزار و 262 نفر
ارشد 97 : فعلا 615 هزار نفر
@UI_statistics
قانون بیز: پلی میان گذشته و حال ...
بدون شک قضیه بیز (Bayes’ Theorem) یکی از مهمترین اصول آمار و احتمالات است که بخش قابل توجهی از دانش مدرن ما در حوزههای مختلف، به طور خاص در حوزه هوش مصنوعی و مهندسی کنترل، بر آن استوار است. پروازهای امن در خطوط هوایی، سیستمهای نظارتی و کنترلی شبکه برق، روباتهای متحرک، موتورهای جستجو و دهها کاربرد دیگر در زندگی روزمره ما، بدون این قانون عملا نمیتوانستند وجود داشته باشند. بخش قابل توجهی از دانش هوش مصنوعی، که وظیفه آن توسعه هوشمندی سیستمهای کامپیوتری است، بر روی قانون بیز و آمار بیزی بنا شده است. به عقیده بسیاری از دانشمندان علوم کامپیوتر، اساسیترین معادله توصیف کننده هوش، همین قانون بیز است.
در این نوشتار، قصد ندارم مطالبی را که اغلب در کلاس درس آمار و احتمالات گفته میشود، بازگو کنم. بلکه، میخواهم یک خاصیت جالب از این قانون را بیان نمایم، که شاید کمتر مورد توجه قرار میگیرد. قانون بیز، یک پل و موازنه میان گذشته و حال است؛ چیزی که همیشه در قضاوتها و تصمیمگیریهای ما هم، مسأله مهمی است. اما چطور؟ خواهم گفت.
در تصویر این نوشته، رابطه ریاضی قضیه بیز آمده است و هر بخش از فرمول، با رنگ و توضیح مربوط به خودش، مشخص شده است. در این رابطه، هدف محاسبه احتمال صحت یک فرضیه، با در نظر گرفتن شواهدی است که در دست داریم. این احتمال، اغلب به راحتی قابل محاسبه نیست. اما هدف قانون بیز این است که این کمیت را، به سه کمیت دیگر مربوط میکند که اغلب محاسبه آنها، راحتتر است. پیشنهاد میکنم اگر با این قانون آشنا نیستید، توضیحات تصویر را مطالعه کنید.
فرض کنید، یک فرد کاری میکند که چندان ظاهر خوبی ندارد. اما اگر او انسانی با سابقه خوب باشد، به احتمال زیاد شما به این فکر خواهید بود که، احتمالا حکمتی یا دلیلی داشته است؛ و گر نه، او این طور عمل نمیکرد. در واقع، شما در این استدلال، با وجود علم به نامناسب بودن عملکرد وی، وزنی هم به گذشته او میدهید. توصیف ریاضی این منطق، همان قضیه بیز است؛ قانونی که موازنهای بهینه میان حال فعلی و سابقه فراهم میکند. به این دلیل، قانون بیز، پلی میان حال و گذشته است.
به طور خاص، اگر در حوزه تخمین حالت سیستمهای دینامیکی مطالعه کرده باشید، این موازنه برای شما ملموستر خواهد بود. زمانی که خروجی یک سیستم را میبینید، همان قدر که به خروجی سیستم و مشاهدات توجه دارید، باید به سابقه یا مسیر حالت سیستم نیز توجه کنید. یکی از نتایج جالبی که در رساله دکتریام آمده است، این بود که میشود این موضوع را به صورت یک مسأله چند هدفه تعریف و حل کرد، که نتیجه مستقیم آن، معرفی مفهوم تخمین حالت چندهدفه برای نخستین بار بود.
@UI_statistics
بدون شک قضیه بیز (Bayes’ Theorem) یکی از مهمترین اصول آمار و احتمالات است که بخش قابل توجهی از دانش مدرن ما در حوزههای مختلف، به طور خاص در حوزه هوش مصنوعی و مهندسی کنترل، بر آن استوار است. پروازهای امن در خطوط هوایی، سیستمهای نظارتی و کنترلی شبکه برق، روباتهای متحرک، موتورهای جستجو و دهها کاربرد دیگر در زندگی روزمره ما، بدون این قانون عملا نمیتوانستند وجود داشته باشند. بخش قابل توجهی از دانش هوش مصنوعی، که وظیفه آن توسعه هوشمندی سیستمهای کامپیوتری است، بر روی قانون بیز و آمار بیزی بنا شده است. به عقیده بسیاری از دانشمندان علوم کامپیوتر، اساسیترین معادله توصیف کننده هوش، همین قانون بیز است.
در این نوشتار، قصد ندارم مطالبی را که اغلب در کلاس درس آمار و احتمالات گفته میشود، بازگو کنم. بلکه، میخواهم یک خاصیت جالب از این قانون را بیان نمایم، که شاید کمتر مورد توجه قرار میگیرد. قانون بیز، یک پل و موازنه میان گذشته و حال است؛ چیزی که همیشه در قضاوتها و تصمیمگیریهای ما هم، مسأله مهمی است. اما چطور؟ خواهم گفت.
در تصویر این نوشته، رابطه ریاضی قضیه بیز آمده است و هر بخش از فرمول، با رنگ و توضیح مربوط به خودش، مشخص شده است. در این رابطه، هدف محاسبه احتمال صحت یک فرضیه، با در نظر گرفتن شواهدی است که در دست داریم. این احتمال، اغلب به راحتی قابل محاسبه نیست. اما هدف قانون بیز این است که این کمیت را، به سه کمیت دیگر مربوط میکند که اغلب محاسبه آنها، راحتتر است. پیشنهاد میکنم اگر با این قانون آشنا نیستید، توضیحات تصویر را مطالعه کنید.
فرض کنید، یک فرد کاری میکند که چندان ظاهر خوبی ندارد. اما اگر او انسانی با سابقه خوب باشد، به احتمال زیاد شما به این فکر خواهید بود که، احتمالا حکمتی یا دلیلی داشته است؛ و گر نه، او این طور عمل نمیکرد. در واقع، شما در این استدلال، با وجود علم به نامناسب بودن عملکرد وی، وزنی هم به گذشته او میدهید. توصیف ریاضی این منطق، همان قضیه بیز است؛ قانونی که موازنهای بهینه میان حال فعلی و سابقه فراهم میکند. به این دلیل، قانون بیز، پلی میان حال و گذشته است.
به طور خاص، اگر در حوزه تخمین حالت سیستمهای دینامیکی مطالعه کرده باشید، این موازنه برای شما ملموستر خواهد بود. زمانی که خروجی یک سیستم را میبینید، همان قدر که به خروجی سیستم و مشاهدات توجه دارید، باید به سابقه یا مسیر حالت سیستم نیز توجه کنید. یکی از نتایج جالبی که در رساله دکتریام آمده است، این بود که میشود این موضوع را به صورت یک مسأله چند هدفه تعریف و حل کرد، که نتیجه مستقیم آن، معرفی مفهوم تخمین حالت چندهدفه برای نخستین بار بود.
@UI_statistics