113年 - 113 經濟部所屬事業機構_新進職員甄試試題_統計資訊：1.統計學 2.巨量資料概論#136987

1. 袋子中有2個紅球、3個黑球、5個白球，每次從袋中抽出1球後放回，共抽3次，請問3球中有2個是紅球之機率為何？(A) 0.024 (B) 0.032 (C) 0.064 (D) 0.096

2. 大學生打工之比例為0.3，若隨機抽取3位大學生，其中至少2位有打工之機率為何？(A) 0.116 (B) 0.216 (C) 0.316 (D) 0.416

3. 欲比較兩公司員工薪資之離散程度，可採用下列何者統計量？(A)全距 (B)平均數 (C)變異數 (D)變異係數

4. 假設A、B為樣本空間S之兩事件，下列何者與其他敘述之意義不同？(A) A、B為互斥事件 (B) P(A ∩ B) = P( A )P( B )(C) P(A ∩ B) = 0 (D) P(A ∪ B) = P( A ) + P( B )

5. 已知?(? + 4) = 10 且 ?[(? + 4)2
] = 116，試求Var(?)為何？(A) 4 (B) 16 (C) 100 (D) 116

6. 均方根誤差(RMSE)是藉以衡量下列何者？(A)樣本量大小 (B)指數平滑度 (C)移動平均週期 (D)預測的準確性

7. 下列何種圖表最適合用來顯示資料隨著時間變化之趨勢？(A)散點圖 (B)長條圖 (C)折線圖 (D)圓餅圖

8. 颱風正接近台灣，某地方首長須決定次日是否停班停課，故設立2個假設為?0：颱風會登陸
、?1：颱風不會登陸。以「該放假而不放假」之情形，係犯何種型態錯誤？(A)型I錯誤 (B)型II錯誤 (C)型III錯誤 (D)型IV錯誤

9. 若右尾檢定的顯著水準(α值)愈小，下列何者正確？(A) p值(p-value)愈大 (B)臨界值(Critical Value)愈大(C)樣本平均數愈大 (D)母體平均數愈大

10. 下列何者屬於古典迴歸分析之基本假設？ ：誤差項服從常態、：誤差項彼此不相關、 ：反應變數 Y 服從常態分配、：解釋變數間不相關。(A) 、 (B) 、 (C)、 (D)、

11. 當A、B的共變異數(Covariance) C??[A, B] = 5時，試求 C??[2A, B + 1]為何？(A) 5 (B) 6 (C) 10 (D) 11

12. 若有4家供應商提供原料，欲檢定此4家原料平均數是否相等，可用下列何種檢定？(A) F 檢定 (B) t 檢定 (C) Z 檢定 (D)卡方檢定

13. 下列何者受離群值(outliers)的影響最小？(A)全距 (B)標準差 (C)變異係數 (D)四分位數

14. 有關迴歸模式(Regression Models)的最小平方估計法(Least Square Estimation)，下列敘述何者正確？(A)所求得之迴歸係數，使得依變數之估計值與0的誤差平方和最小(B)所求得之迴歸係數，使得依變數(Y)與其平均數之誤差平方和最小(C)所求得之迴歸係數，使得依變數之估計值與依變數之觀察值的誤差平方和最小(D)所求得之迴歸係數，使得依變數之估計值與依變數之平均數的誤差平方和最小

15. 某資料分配的偏態係數(Coefficient of Skewness) = -3，請問該資料分配的平均數、中位數與眾數的順序關係為何？ (A)平均數=中位數=眾數 (B)平均數＜中位數＜眾數 (C)眾數＜平均數＜中位數 (D)平均數＜眾數＜中位數

16. 有關信賴區間之敘述，下列何者有誤？(A)在變數固定下增加樣本數，區間長度變短(B)在樣本數固定下增加信賴係數，區間長度變長(C)信賴係數是指欲推估參數會落在信賴區間的機率(D)在樣本數固定下增加信賴係數，區間估計的精確度提升

17. 根據過去資料顯示，某公司員工離職人數為常態分配，其A、B兩區分公司員工離職人數標準差相同，σ 均為2人/年，若A、B兩區各隨機抽取8家分公司，其平均員工離職人數分別為12、10人，欲以α = 0.05檢定兩區分公司平均員工離職人數是否相同，下列敘述何者有誤？ (A) Z = 1 (B)臨界值為±1.96 (C) H₀：兩區分公司平均員工離職人數相同 (D)結論為拒絕H₀

18. 假設X₁, … , X_n係一組來自母體平均數為μ、母體變異數為σ²的隨機樣本，下列敘述何者有誤？ (A)是μ的一致估計量 (B)是μ的不偏估計量 (C) 是σ²的不偏估計量 (D) s = 是σ的不偏估計量

19. 有關 t 分配與常態分配的峰態係數，下列敘述何者正確？(A) t 分配的峰態係數比較小 (B) t 分配的峰態係數比較大(C)兩分配的峰態係數一樣大 (D)兩分配的峰態係數無法比較

20. 統計學家證實，要提高抽樣的準確度，最好的方式為下列何者？(A)使用速度最快的電腦硬體 (B)使用最精準的分析軟體(C)做到隨機抽樣 (D)增加樣本數

21. 假設某隨機變數 X 服從平均數為10的卜瓦松分配(Poisson Distribution)，若自其中隨機抽取100個觀察值構成樣本平均數，請問此統計量服從的抽樣分配為何？(A)平均數為10的卜瓦松分配 (B)平均數與變異數皆為10的常態分配(C)平均數為10、變異數為1的常態分配 (D)平均數為10、變異數為0.1的常態分配

22. 若樣本資料(4, 6, 6, 8, 10, 14)等6個數值來自於相同的對稱分配，根據此樣本，母體中位數最佳不偏估計元的數值為何？ (A) 6 (B) 7 (C) 8 (D)最佳不偏估計元不存在

23. 檢定母體平均數時，若母體為常態分布且小樣本，下列敘述何者正確？(A)母體變異數已知時用Z檢定 (B)母體偏離常態時用 t 檢定(C)小樣本時用 t 檢定 (D)母體為常態分布用 F 檢定

24. 若於一複迴歸分析中使用100個觀察值得到下列迴歸估計式，其總平方和SST = 1075，誤差平方和SSE = 275，試求迴歸均方MSR為何？
(A)200 (B) 275 (C) 345 (D) 800

25. 某常態分布之母體，其變異數為σ²，欲檢定虛無假設的真偽σ0²為一定數)，使用的統計檢定量與下列何種機率分布有直接關聯性？ (A) F 分布 (B) t 分布 (C)卡方分布 (D)指數分布

26. 有關統計與機器學習的差異，下列敘述何者正確？(A)統計是機器學習的一個子領域，兩者沒有明顯差異(B)統計主要用於數據分析，機器學習主要用於模式識別和預測(C)統計強調推論和參數估計，機器學習更側重模式識別和模型訓練(D)統計使用傳統方法進行數據分析，機器學習使用深度學習方法進行模式識別

27. 下列何者非屬資料前處理(Data Preprocessing)的一環？(A)特徵轉換 (B)資料分群 (C)遺失值填補 (D)異常值檢測與排除

28. 何謂結構化資料(Structured Data)？(A)由感測器產生的資料 (B)社群媒體上的使用者互動資料(C)具固定格式，如表格資料 (D)無固定格式，如文字、影像

29. 下列何者非屬低品質的資料？(A)重複值 (B)離群值 (C)錯誤 (D)雜訊

30. 下列何者非屬分群的應用範圍？(A)垃圾郵件過濾 (B)異常檢測 (C)顧客細分 (D)降維技術

31. 下列何者非屬離群值的處理方式？(A)直接刪除 (B)群集分析(C)使用屬性絕對值 (D)用其他數值替換，將資料範圍正規化

32. Spark 的 DAG(Directed Acyclic Graph)在資料處理之作用，下列何者正確？(A)定義資料內部的儲存結構 (B)定義資料處理的邏輯流程(C)定義資料判斷的決策規則 (D)定義資料外部的呈現形式

33. 下列何者非屬群集分析(Clustering Analysis)的 4 個主要階段？(A)資料準備與特徵選取 (B)相似度計算(C)非線性分類 (D)分群演算法

34. 有關巨量資料的長尾效應(Long Tail Effect)，下列敘述何者正確？(A)資料量越大，價值就越大 (B)少數資料佔據大部分的價值(C)資料的價值會隨著時間推移而衰減 (D)大量資料中隱藏著小眾但有價值的資訊

35. 在資料分群中，用以確定最佳聚類數量的技術為何？(A) Elbow Method (B) Gradient Descent(C) Principal Component Analysis (D) Random Forest

36. 何謂遷移學習(Transfer Learning)？(A)在不同的環境中部署模型的過程(B)在訓練模型中將資料轉移到不同存儲位置的過程(C)將模型從一個硬體平台轉移到另一個硬體平台的過程(D)在不同的機器學習任務之間轉移模型權重和知識的過程

37. Apache Spark 在巨量資料環境中的主要用途為何？(A)資料清理 (B)即時與批次處理 (C)機器學習模型訓練 (D)資料視覺化

38. 何謂交叉驗證(Cross-Validation)？(A)將資料集隨機分為訓練集和測試集(B)將資料集按照特徵分為訓練集和測試集(C)將資料集按照時間順序分為訓練集和測試集(D)將資料集多次隨機分為訓練集和測試集，取平均結果

39. 有關自然語言處理(NLP)之步驟，下列何者正確？(A)斷詞→詞性標記→相依剖析 (B)斷詞→相依剖析→詞性標記(C)相依剖析→詞性標記→斷詞 (D)相依剖析→斷詞→詞性標記

40. 在機器學習演算法中，下列何者最能避免過度配適(Overfitting)？(A)決策樹 (B)隨機森林 (C)羅吉斯迴歸 (D) K-means演算法

41. 在Hadoop中，HDFS的資料冗餘機制為何？(A)資料壓縮 (B)資料複製 (C)資料分片 (D)資料加密

42. 假設使用半導體晶圓資料，良率資料之反應值以二元類別表示，請問上述情境最適合使用何種分析技巧？ (A)羅吉斯迴歸 (B)決策樹 (C)階層式聚類分析 (D)主成分分析

43. 在資料進行機器學習的過程中，正規化(Regularization)係指下列何者？(A)一種降低資料維度的技術(B)一種平衡類別分佈的方法(C)一種改善模型可解釋性的方式(D)一種透過在損失函數中添加懲罰防止過度配適的技術

44. 下列何種機器學習技術適合偵測大型資料集中的異常值(Anomalies)？(A) Apriori演算法 (B)隔離森林(Isolation Forest)(C)線性迴歸(Linear Regression) (D)神經網路(Neural Networks)

45. 下列何種神經網路架構最適合分析序列資料，如時間序列或自然語言？(A)生成對抗網路(GAN) (B)卷積神經網路(CNN)(C)前饋神經網路(FNN) (D)循環神經網路(RNN)

46. 下列何者為使用機器學習時須注意之事項？(A)確保模型訓練時間足夠長 (B)模型的複雜度越高越好(C)需要有過去資料且資料充足 (D)模型的性能與模型的可解釋性無關

47. 有關支持向量機(Support Vector Machine)中的「核技巧」(Kernel Trick)，其作用為下列何者？(A)處理高維資料 (B)減少支持向量的數量(C)提高支持向量機的計算速度 (D)將非線性可分的資料轉換為線性可分的資料

48. 在 ETL 過程中，Transform 主要功能是將抽取之資料進行轉換，下列何者非屬其主要任務？(A)資料格式轉換 (B)資料清洗 (C)資料備份 (D)資料聚合

49. 生成對抗網路(GAN)較常應用在下列何種技術上？(A)影像生成 (B)語音識別 (C)文字分類 (D)物體檢測

50. 下列何種技術可實現即時分析？(A) OLAP (B)串流處理 (C)批次處理 (D)資料倉儲