【中文書】
書名：多變量分析(四版)
作者：陳順宇
出版社：華泰
出版日期：2005/06/29
ISBN：9789574127597
內容簡介
本書適合企管、工管、商學、教育、都計、交通、理工農社會各研究所一學期3學分的多變量分析課程，也可做為統計系或其他科系大學部學生教學、自修的參考。書內列舉許多範例，部份是國外名著例題，也有部份是本土化的實例，如能配合統計軟體，學習會更順暢。
此書特別推薦STATISTICA統計軟體，它對學習多變量分析有很多幫助，此軟體主要特點是短小精幹，當然有部份較複雜的分析仍要借重如SAS等大型軟體，每章都附有軟體操作程序及習題，使讀者能了解多變量分析的應用。
本版與前版的差別有：
(1)增加課文內容說明、例題與習題，頁數約增加一百頁。
(2)軟體使用除了原有STATISTICA與SAS操作說明，再增加SPSS與AMOS。
(3)附錄增加習題奇數題解答。
(4)提供例題與習題的資料檔(STATISTICA、EXCEL、SPSS等)，可於網路上免費下載(webftp.cjcu.edu.tw/~sychen/)。
目錄
第1章 主成份分析
第2章 因素分析
第3章 典型相關
第4章 區別分析
第5章 多元尺度化
第6章 群集分析
第7章 多變量變異數分析
第8章 測量之信度與效度分析
第9章 線性結構關係模式
附錄A 個案研究
附錄B 統計查表
附錄C 英漢對照索引
附錄D 參考文獻
附錄E 習題解答
立即查看
【中文書】
書名：迴歸分析(四版)
作者：陳順宇
出版社：三民
出版日期：2009/01/01
ISBN：9789574159888
內容簡介
本書主要是給大學部及研究所學生做為學習統計進階之用，可以當做上課教材，也可以做自修準備參加高普考或研究所考試參考，內容還算充實。主要！特色是強調迴歸分析的基本概念，儘量以口語話表達，避免繁雜的數學式子證明〈有些仍免不了數學證明放在附錄，對部分讀者可以省略不看〉，加強電腦軟體的報表，尤其強調畫散怖圖、殘差圖、了解問題、增加選取較佳模式的機會，對迴歸分析及統計的誤用，也再三舉例，例如兩變數有相關並不表示兩者有因果關係，因而強調偏相關的重要性。
目錄
第一章 相關係數及其應用
第二章 簡單線性迴歸分析
第三章 迴歸模式之評估與修改訂
第四章 迴歸分析應注意之事項
第五章 複相關與複迴歸分析
第六章 自變數的選取
第七章 多項式迴歸
第八章 共線性與偏相關
第九章 分類資料之迴歸分析
第十章 非線性迴歸模式
第十一章 時間數列資料
附錄A 統計查表
附錄B 習題解答
附錄C 英漢對照索引
附錄D 參考文獻
立即查看
膝蓋解痛全圖解：日本膝關節名醫教你10種護膝運動，在家就可消除膝蓋痛！（最快１分鐘改善膝蓋痛，走路好順暢）
類似書籍推薦給您
立即查看
全彩圖解 吞嚥困難安心照護飲食全書：輕鬆學會IDDSI好嚼好吞食物製備技巧＆分級食譜示範，兼顧營養美味與健康
類似書籍推薦給您
立即查看
王可樂的日文超圖解！抓出自學最容易搞混的100個核心觀念，將單字、助詞、文法分好類，超好背！
類似書籍推薦給您
立即查看
圖解資料結構 × 演算法：運用 Python 結合 ChatGPT 輔助驗證及寫程式(暢銷回饋版) (2版)
類似書籍推薦給您
【簡介】
資料結構必備好書，暢銷回饋中！
AI 再進化！
使用 ChatGPT 高效率生成 Python 程式碼
資料結構是電腦科學領域中一門極為重要的基礎課程，對於從事資訊相關工作的專業人員而言，它具有不可忽視的價值。無論是在學術考試還是實際應用中，對資料結構的深入理解都至關重要。然而，對初學者而言，理解資料結構中的理論和演算法可能會帶來困難和挫折感。
本書的獨特之處在於使用豐富的圖例解釋相對複雜的理論，並以簡潔明瞭的方式詮釋資料結構理論。從基礎的概念開始，逐步使用 Python 語言解釋陣列、堆疊、鏈結串列、佇列、樹狀結構、圖形、排序、搜尋等重要主題。附錄中整理了資料結構相關的專有名詞，並提供了重要演算法的介紹和實作範例。
本書以簡潔有力、邏輯清晰的方式優化文句表達，並特別收集了大量習題，以確保讀者掌握各章節的學習成果。演算法節點盡量使用 Python 程式碼展示，而非虛擬碼形式。此外，本書還會展示由 ChatGPT 生成的程式碼。我們相信，ChatGPT 生成的程式碼具有簡潔性和精簡性，並能夠提供更好的解決方案。
◇特別提供◇
——————————————————
ChatGPT 生成程式碼
——————————————————
可與人工編寫程式碼相互比較作為參考！
｜本書範例程式碼檔案，請至博碩官網下載｜
本書特色
☑ 完整的內容結構和清晰的邏輯，豐富的圖例解說提高可讀性
☑ 使用 Python 語言實作資料結構理論，並透過範例程式碼深入解析
☑ 參閱國家考試題型設計難易適中的習題，立即檢驗學習效果
☑ 附錄彙整出資料結構相關的專有名詞，方便查詢加深學習印象
☑ 增加「ChatGPT 解決觀點」欄位，幫助理解提高學習效率
資料結構必備好書，暢銷回饋中！
本書以簡潔有力、邏輯清晰、圖例豐富的方式詮釋資料結構理論，並特別收集了大量習題，以確保讀者掌握各章節的學習成果。演算法節點盡量使用 Python 程式碼展示，而非虛擬碼形式。此外，本書還會展示由 ChatGPT 生成的程式碼。我們相信，ChatGPT 生成的程式碼具有簡潔性和精簡性，並能夠提供更好的解決方案。
【目錄】
Chapter 0 ChatGPT 與 Python 程式設計黃金 入門課
0-1 認識聊天機器人
0-1-1 聊天機器人的種類
0-2 ChatGPT 初體驗
0-2-1 註冊免費 ChatGPT 帳號
0-2-2 更換新的機器人
0-2-3 登出 ChatGPT
0-3 使用 ChatGPT 寫 Python 程式
0-3-1 利用 ChatGPT AI 撰寫 Python 程式
0-3-2 複製 ChatGPT 幫忙寫的程式碼
0-3-3 ChatGPT AI 程式與人工撰寫程式的比較
0-4 ChatGPT AI Python 程式範例集
0-4-1 使用 Pygame 遊戲套件繪製多媒體圖案
0-4-2 以內建模組及模擬大樂透的開獎程式
0-4-3 建立四個主功能表的視窗應用程式
0-4-4 演算法的應用：寫一支迷宮問題的解決方案
0-4-5 海龜繪圖法繪製兩款精美的圖形
0-5 課堂上學不到的 ChatGPT 使用秘訣
0-5-1 能記錄對話內容
0-5-2 專業問題可事先安排人物設定腳本
0-5-3 目前只回答 2021 年前
0-5-4 善用英文及 Google 翻譯工具
0-5-5 熟悉重要指令
0-5-6 充份利用其它網站的 ChatGPT 相關資源
0-6 利用 ChatGPT 輕鬆開發 AI 小遊戲
0-6-1 請 ChatGPT 自我推薦以 Python 實作的小遊戲
0-6-2 猜數字遊戲
0-6-3 OX 井字遊戲
0-6-4 猜拳遊戲
0-6-5 牌面比大小遊戲
Chapter 1 資料結構與演算法入門
1-1 資料結構的定義
1-1-1 資料與資訊
1-1-2 資料的特性
1-1-3 資料結構的應用
1-2 演算法
1-2-1 演算法的條件
1-2-2 演算法的表現方式
1-3 常見演算法簡介
1-3-1 分治法
1-3-2 貪心法
1-3-3 枚舉法
1-3-4 巴斯卡三角形演算法
1-3-5 質數求解演算法
1-4 演算法效能分析
1-4-1 Big-oh
1-4-2 Ω(omega)
1-4-3 θ(theta)
Chapter 2 陣列結構
2-1 線性串列簡介
2-1-1 儲存結構簡介
2-2 認識陣列
2-2-1 二維陣列
2-2-2 三維陣列
2-2-3 n維陣列
2-3 矩陣
2-3-1 矩陣相加
2-3-2 矩陣相乘
2-3-3 轉置矩陣
2-3-4 稀疏矩陣
2-3-5 上三角形矩陣
2-3-6 下三角形矩陣
2-3-7 帶狀矩陣
2-4 陣列與多項式
2-4-1 認識多項式
Chapter 3 串列結構
3-1 單向串列
3-1-1 建立單向串列
3-1-2 走訪單向串列
3-1-3 單向串列插入新節點
3-1-4 單向串列刪除節點
3-1-5 單向串列的反轉
3-1-6 單向串列的連結功能
3-1-7 多項式串列表示法
3-2 環狀串列
3-2-1 環狀串列的建立與走訪
3-2-2 環狀串列插入新節點
3-2-3 環狀串列刪除節點
3-2-4 環狀串列的連結
3-2-5 環狀串列與稀疏矩陣表示法
3-3 雙向串列
3-3-1 雙向串列建立與走訪
3-3-2 雙向串列加入新節點
3-3-3 雙向串列刪除節點
Chapter 4 堆疊
4-1 堆疊簡介
4-1-1 陣列實作堆疊
4-1-2 串列實作堆疊
4-2 堆疊的應用
4-2-1 遞迴演算法
4-2-2 動態規劃演算法
4-2-3 河內塔問題
4-2-4 回溯法-老鼠走迷宮
4-2-5 八皇后問題
4-3 算術運算式的表示法
4-3-1 中序轉為前序與後序
4-3-2 前序與後序轉為中序
4-3-3 中序表示法求值
4-3-4 前序法的求值運算
4-3-5 後序法的求值運算
Chapter 5 佇列
5-1 認識佇列
5-1-1 佇列的工作運算
5-1-2 佇列的應用
5-1-3 陣列實作佇列
5-1-4 串列實作佇列
5-2 環狀佇列、雙向佇列與優先佇列
5-2-1 環狀佇列
5-2-2 雙向佇列
5-2-3 優先佇列
Chapter 6 樹狀結構
6-1 樹的基本觀念
6-1-1 樹專有名詞簡介
6-2 二元樹簡介
6-2-1 二元樹的定義
6-2-2 特殊二元樹簡介
6-3 二元樹的儲存方式
6-3-1 一維陣列表示法
6-3-2 串列表示法
6-4 二元樹走訪
6-4-1 中序走訪
6-4-2 後序走訪
6-4-3 前序走訪
6-4-4 二元樹節點的插入與刪除
6-4-5 二元運算樹
6-5 引線二元樹
6-5-1 二元樹轉為引線二元樹
6-6 樹的二元樹表示法
6-6-1 樹化為二元樹
6-6-2 二元樹轉換成樹
6-6-3 樹林化為二元樹
6-6-4 二元樹轉換成樹林
6-6-5 樹與樹林的走訪
6-6-6 決定唯一二元樹
6-7 最佳化二元搜尋樹
6-7-1 延伸二元樹
6-7-2 霍夫曼樹
6-8 平衡樹
6-8-1 平衡樹的定義
6-9 進階樹狀結構的應用
6-9-1 決策樹
6-9-2 B樹
6-9-3 二元空間分割樹（BSP）
6-9-4 四元樹 / 八元樹
Chapter 7 圖形結構
7-1 圖形簡介
7-1-1 尤拉環與尤拉鏈
7-1-2 圖形的定義
7-1-3 無向圖形
7-1-4 有向圖形
7-2 圖形的資料表示法
7-2-1 相鄰矩陣法
7-2-2 相鄰串列法
7-2-3 相鄰複合串列法
7-2-4 索引表格法
7-3 圖形的走訪
7-3-1 先深後廣法
7-3-2 先廣後深搜尋法
7-4 擴張樹
7-4-1 DFS擴張樹及BFS擴張樹
7-4-2 最小花費擴張樹
7-4-3 Kruskal演算法
7-4-4 Prim演算法
7-5 圖形最短路徑
7-5-1 單點對全部頂點
7-5-2 兩兩頂點間的最短路徑
7-5-3 A* 演算法
7-6 AOV網路與拓樸排序
7-6-1 拓樸序列簡介
7-7 AOE網路
7-7-1 臨界路徑
Chapter 8 排序演算法
8-1 認識排序
8-1-1 排序的分類
8-1-2 排序演算法分析
8-2 內部排序法
8-2-1 氣泡排序法
8-2-2 雞尾酒排序法
8-2-3 選擇排序法
8-2-4 插入排序法
8-2-5 謝耳排序法
8-2-6 合併排序法
8-2-7 快速排序法
8-2-8 堆積排序法
8-2-9 基數排序法
Chapter 9 搜尋演算法與雜湊函數
9-1 常見搜尋演算法
9-1-1 循序搜尋法
9-1-2 二分搜尋法
9-1-3 內插搜尋法
9-1-4 費氏搜尋法
9-2 雜湊搜尋法
9-2-1 雜湊法簡介
9-3 常用的雜湊函數
9-3-1 除法
9-3-2 中間平方法
9-3-3 折疊法
9-3-4 數位分析法
9-4 碰撞與溢位問題的處理
9-4-1 線性探測法
9-4-2 平方探測法
9-4-3 再雜湊法
9-4-4 鏈結串列法
附錄A 資料結構專有名詞索引
立即查看
華通書坊
