管理数学与Python：数据分析的必修课 pdf epub mobi txt 电子书下载 2024

图书介绍

☆☆☆☆☆
简体网页||繁体网页

著者

出版者出版社：五南订阅出版社新书快讯新功能介绍

翻译者

出版日期出版日期：2019/06/10

语言语言：繁体中文

下载链接在页面底部

点击这里下载

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製鏈接

想要找书就要到小特书站

ttbooks.qciss.net

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

发表于2024-11-13

类似图书点击查看全场最低价

图书描述

搞定Python与管理数学，是成为数据分析专家的必备基础
　　第一本结合管理数学和Python应用的工具书，轻松获得双倍效果！

　　管理的问题，就用数学来解决吧！
　　令人惊唿的三大特色：
　　1.浅显易懂的口吻加上超丰富内容，一本掌握管理数学！
　　2.附有精彩的范例、习题与解析，满足所有练习慾望！
　　3.用Python简单搞定繁杂的数学计算，手把手跟着步骤走！

　　让数据分析成为管理的后盾，成就更无懈可击的经营决策！

　　管理数学为一门重要的基础，不只是为了商业管理和决策，也是学习资料科学的第一步。现今不论是商管领域的学生或是从业人员，为了跟上世界的脚步，都必须踏上学习程式语言之路，如果能在学习管理数学时搭配Python做使用，不只符合世界潮流，也等同开启资料分析的大门。

　　本书作者投入融合「计量经济学和资料科学」的计量资料科学 (Econometric Data Science) 多年，对于以计量经济学为基础的资料科学犹有心得，本书由浅入深的介绍函数、微积分、矩阵代数和数学规划等管理数学必需的基础与商管应用，此外，为达到与程式学习相辅相成之效，作者编排章节亦十分用心，在管理数学的16堂课中，穿插步骤式的Python教学，让读者学完数学原理和计算之后，能立刻熟悉Python的应用方式，学习效率更加倍！轻松就学会管理数学！

著者信息

作者简介

何宗武

　　美国犹他大学（University of Utah）经济学博士，现为国立台湾师范大学全球经营与策略研究所教授，教学资历丰富，曾任世新大学经济学系及财务金融学系教授。专长为财务经济学、金融大数据、计量经济资料科学及程式语言等，着作多本相关书籍如：《大数据决策分析盲点大突破10讲：我分类故我在》《R语言：深入浅出财经计量》、《R资料採矿与数据分析：以GUI套件Rattle结合程式语言实作》、《资料分析轻松学：R Commander高手捷径》。

管理数学与Python：数据分析的必修课 pdf epub mobi txt 电子书下载

图书目录

管理数学
目录
推荐序
序

第1部份管理数学原理
第1章函数原理
第2章函数与导函数
Python Part 1

第2部份微分
第3章微分方法— 单变数函数
第4章微分方法— 多变数函数偏微分
第5章微分商管应用
Python Part 2

第3部份积分
第6章积分原理— 反导函数与微积分基本定理
第7章积分方法— 单变数函数
第8章积分方法— 多变数函数重积分
第9章积分的商管应用
Python Part 3

第4部份矩阵代数
第10章矩阵代数基础
第11章矩阵的基本运算与应用
第12章矩阵的进一步性质
Python Part 4

第5部份数学规划与管理决策
第13章数学规划-- 单变数函数的极值
第14章数学规划--多变数函数的极值
第15章数学规划—具限制条件下函数的极值问题
第16章选择性主题
Python Part 5
Python Part 6
Python Part 7
Python Part 8

图书序言

主题3. 最佳化演算（Optimization）求极值

前面的主题是解满足一阶导函数的根，因此，我们必须先微分求出导函数。但是，最简单的方法是直接对目标函数求解：同时解出目标极值和临界值。

Python完成这件事有sympy和scipy，笔者觉得sympy需要宣告的参数太多，尤其是在带限制式时。所以我们使用模组scipy内的函数optimize()和minimize()，Python程式码的步骤解说如下。

5.3-1 单变数

我们先看本章范例1的简单方程式，如下：

第1步：定义函数
from scipy import optimize
def f(x, sign=-1):
return sign*(2*x**3+3*x**2-12*x-7)

两行就OK，相当简易。待会我们再解释sign的意义。接下来执行求极值：

第2步：求解与结果
Result1 = optimize. minimize_scalar(f)
Result1.x
Result1.fun
f(Result1.x)

optimize. minimize_scalar()是求解函数。Result1内有许多物件，主要有三个：
(1) Result1.x: 解出的x值。
(2) Result1.fun: 解出的极小值，可以和f(Result1.x)对照是否一样。
(3) Result1.success: 回传求解是否成功（True/False）。
我们看看列印在萤幕的结果，如下：
Result1.x
Out[2]: 1.0

Result1.fun
Out[3]: -14.0

f(Result1.x)
Out[4]: -14.0

我们回去看范例1的图形，可能的临界值有两个，从图形看的出来，我们解出的只是极小值（1, -14）。那另一极大值的解呢？根据scipy说明文件，须把函数取负值，这也是我们为什么写函数时，要增加一个参数 sign，因为这样比较方便，判断极大值时，可以如下这样处理：
第1步：定义函数
def f(x, sign = -1):
return sign*(2*x**3+3*x**2-12*x-7)