統計學題解 (4版)

相關熱銷的書籍推薦給您

【中文書】 書名：統計學題解(第四版) 作者：陳順宇 出版社：華泰 出版日期：2004/11/16 ISBN：9789574116652 內容簡介 　　本書為作者出版「統計學」一書中各章習題詳解。 目錄 第1章 統計的認識 第2章 統計圖表 第3章 敘述統計量 第4章 機率概論 第5章 離散型隨機變數 第6章 常態分配 第7章 抽樣分配 第8章 假設之檢定與信賴區間 第9章 兩組樣本之檢定 第10章 比例問題的推論 第11章 卡方檢定 第12章 變異數分析 第13章 簡單線性迴歸 第14章 複相關與複迴歸分析 第15章 時間數列 第16章 無母數方法 附錄A 統計查表

金融風險管理的機器學習應用｜使用Python (1版)

類似書籍推薦給您

　金融風險管理在人工智慧的幫助下發展迅速。透過這本實用指南，開發人員、程式設計師、工程師、金融分析師、風險分析師及定量和演算法分析師，將可以機器學習和深度學習模型進行金融風險評估。建立基於人工智慧的財務建模實務技能後，您將學習要如何運用機器學習模型來取代傳統的金融風險模型。 　　作者Abdullah Karasan幫助您探索金融風險建模背後的理論，再深入研究使用Python運用機器學習模型以對金融風險進行建模的實際方法。 　　有了這本書，您將可以： 　　‧回顧經典的時間序列應用並將其與深度學習模型進行比較 　　‧使用支撐向量迴歸、神經網路和深度學習來探索波動率模型以衡量風險程度 　　‧使用機器學習技術來改善市場風險模型(VaR和ES)，並包括了流動性維度 　　‧使用分群和貝氏方法來進行信用風險分析 　　‧使用高斯混合模型和關聯結構模型來捕捉流動性風險的不同面向 　　‧使用機器學習模型來進行詐欺偵測 　　‧使用機器學習模型來預測股價崩盤並識別其決定因素 目錄 第一部分 風險管理基礎 第一章 風險管理基礎 第二章 時間序列建模簡介 第三章 應用深度學習於時間序列建模 第二部分 針對市場、信用、流動性和營運風險的機器學習 第四章 基於機器學習的波動率預測 第五章 市場風險建模 第六章 信用風險估計 第七章 流動性建模 第八章 營運風險建模 第三部分 其他金融風險來源之建模 第九章 公司治理風險度量：股價崩盤 第十章 合成資料產生與金融中的隱藏馬可夫模型

AI 時代的管理數學：使用 R 語言實作 (1版)

類似書籍推薦給您

【簡介】 如果你主要關注統計分析、數據可視化、線性代數、初等微積分， 並希望較快上手，「R語言」會是較佳的選擇！ 本書獨特之處在於以直觀且實用的方式，清楚介紹人工智慧及機器學習領域中常用的管理數學工具。透過R語言的實作，讀者得以深入理解並實際應用於不同實務情境。 書中的實例不侷限於理論探討，更著重實際應用，貼近日常生活，喚起讀者對數學的共鳴與學習熱情。舉例而言，透過應用貝氏定理，探討運動員實際服用興奮劑的真相，以及判斷過濾垃圾郵件的情境。同時，透過極佳化方法的應用，協助航空公司訂定最適價格和最大利潤路線圖等案例，使得理論更具實用性。 除此之外，本書擴大管理數學的範疇：從管理數學傳統上僅處理統計、線性代數的刻板印象，將此核心概念延伸至線性轉換、特徵值與特徵向量等進階議題，並且更進一步涵蓋一般書籍較少觸及的「極佳化方法」，包括微分、極值、偏微分以及拉氏乘數等內容，於實用範例中為機器學習（Machine learning）的數學應用奠定基礎。 線性規劃的討論更是引領讀者回溯至二戰時期，線性規劃應用於確定空中力量和雷達（radar）的最佳使用，具有時代非凡之意義。同時探討在各種混和限制條件下，欲達目標極大、極小化，使用線性代數中構築人工基底手法，自標準的極大化問題做為起點，經二階段法、對偶問題法、對偶單形法，深入解說 R 軟體 lpSolveAPI 套件背後的數學脈絡或故事。 本書精彩內容 —— 線性代數｜線性函數｜線性方程組｜矩陣｜向量空間｜線性轉換｜ 極佳化方法｜拉氏函數｜機率與統計｜單利．複利｜線性規劃｜馬可夫鏈｜預測｜ 本書特色 ☑ 以 R 軟體的程式語言與過程，深入解說並印證數學定義、定理 ☑ 透過 R 軟體的印證，經驗的移轉，形塑跨電腦語言的整體處理思維 ☑ 促成 R 軟體成為數學符號以外的第二語言，加速數學學習效率 ☑ 將人工智慧及機器學習常用之數學思維，應用於資料分析及解決管理問題 【目錄】 CHAPTER 01 截彎取直：線性函數與線性方程組 1-1 直線的交點（Intersection of Straight Line） 1-2 最小平方法（The Method of Least Squares） CHAPTER 02 資料呈現的語言：矩陣 2-1 矩陣定義與基本運算 2-2 矩陣應用於密碼學（Cryptography） 2-3 矩陣應用於經濟學：Leontief模式 2-4 矩陣應用於最小平方法 CHAPTER 03 Google 搜尋是如何運作：向量空間與線性轉換 3-1 向量與向量空間 3-2 線性獨立與基底 3-3 線性轉換（Linear transformation） 3-4 特徵值與特徵向量（Eigenvalues and eigenvectors） CHAPTER 04 資源有限條件的極值問題：極佳化方法 4-1 微分及其應用 4-2 微分及全微分 4-3 函數的極值 4-4 拉氏乘數（Lagrange multiplier） 4-5 極佳化方法的應用 CHAPTER 05 COVID-19 陽性、偽陽性議題：機率與統計 5-1 敘述性統計 5-2 機率 5-3 隨機變數、常態分配及抽樣分配 CHAPTER 06 時間的價值：單利、複利的年金；分期償還及償債基金 6-1 單利、複利 6-2 單利、複利的進階應用 6-3 年金（Annuity） CHAPTER 07 最少的資源與滿足最佳效益：線性規劃 7-1 極大化問題（maximization problem） 7-2 極小化問題（minimization problem） CHAPTER 08 AI 中的隨機與穩態過程：馬可夫鏈 CHAPTER 09 AI 的前沿應用：預測 9-1 定性的預測方法 9-2 時間序列預測方法 9-3 關聯性預測 - 簡單迴歸模式 9-4 關聯性預測 - 複迴歸模式 9-5 判定係數與相關係數 9-6 顯著性檢定 9-7 預測準確性

管理數學 (1版)

類似書籍推薦給您

【簡介】 本書為管理數學之入門書，取材上較偏重觀念，內容深入淺出，每節有學習目標，提示該節學習重點，並適當地安排隨堂演練。書中避免繁瑣之計算，例題與練習題多屬計算量不大之計算問題及簡單之推證題。在內容設計上，每節均有學習目標，提示該節學習重點，並適當地安排隨堂演練，可對學習內容做及時反饋。書中亦設計有一些小框，對例題應用之公式或方法做一點提醒。 為兼顧教與學雙方之需求，全書分成二篇，共8章，第一篇是基礎數學，內容有邏輯與集合、矩陣與行列式及機率，這些都是學習者未來進行研究或職場應用必備之工具；第二篇是計量管理模式，包括線性規劃、決策理論、馬可夫鏈、賽局理論與存貨模式等，教師可因實際教學情況選其中幾章或每章做概念性導引，讓學生對這些模式是如何架構出來的有初步之理解，進而引發生學生之學習興趣。 此外，為因應資訊化時代之實務需求，本書在第二章矩陣與行列式、第三章機率、第四章線性規劃、第五章決策理論、第六章馬可夫鏈等章之章末加入軟體求解示例，讓學生在了解基本概念後，遇到實務應用時能透過軟體快速得到解答，以協助其遂行管理實務，迅速發揮管理數學的應用價值。 【目錄】 Part 01 基礎數學 Chapter 01 邏輯與集合 1.1 基本邏輯 1.2 集合概說 1.3 集合之基本定理 1.4 排容原理 Chapter 02 矩陣與行列式 2.1 矩陣 2.2 行列式 2.3 線性聯立方程組 2.4 軟體求解示例 Chapter 03 機率 3.1 隨機實驗、樣本空間與事件 3.2 機率的定義與基本定理 3.3 條件機率與機率獨立 3.4 貝氏定理 3.5 隨機變數 3.6 幾個重要之機率分配 3.7 軟體求解示例 Part 02 計量管理模式 Chapter 04 線性規劃 4.1 線性規劃之意義及一些應用例 4.2 線性規劃之圖解法 4.3 線性規劃的解 4.4 單體法 4.5 大M法* 4.6 敏感度分析 4.7 軟體求解示例 Chapter 05 決策理論 5.1 決策理論之要素 5.2 不同狀態下之決策模式 5.3 貝氏決策準則 5.4 軟體求解示例 Chapter 06 馬可夫鏈 6.1 馬可夫鏈的基本概念 6.2 正規馬可夫鏈 6.3 吸收馬可夫鏈 6.4 軟體求解示例 Chapter 07 賽局理論 7.1 賽局的意義及要素 7.2 單純策略賽局 7.3 混合策略賽局 7.4 線性規劃在賽局理論之應用* Chapter 08 存貨模式 8.1 古典經濟訂購量模式 8.2 經濟生產批量模式 8.3 數量折扣 8.4 單一週期存貨模式 附錄 附錄一 標準常態分配表 附錄二 卜瓦松機率表 附錄三 練習題簡答