18.檢定兩個母群體變異數是否相等應採用下列那一個檢定？
(A)卡方(Chi-square)檢定
(B) F 檢定
(C) t 檢定
(D) Z 檢定

答案：登入後查看
統計： 尚無統計資料

相關試題

19.下列對於 Receiver Operating Characteristic Curve(ROC 曲線)的敘述何者錯誤？ (A) ROC 曲線的線下面積可作為預測模式的效度指標 (B)一般線性模式可用以建構 ROC 曲線 (C)比較兩個預測模式的 ROC 曲線線下面積可以反應兩個預測模式的預測能力 (D)若 ROC 曲線的座標原點為 0，則 X 軸與 Y 軸分別是 1 - specificity 與 sensitivity

20.檢定某樣本是否來自平均值為 μ0 的母族群，若在該樣本確非來自 μ0 的母族群前提下，且檢定結果為拒絕 H0 的機率是指下列那一個機率？ (A)第一型錯誤(Type I error) (B)第二型錯誤(Type II error) (C)檢定力(power) (D)顯著水準(significant level)

21.若單因子變異數分析(One-way ANOVA)的虛無假設(null hypothesis)為真時，檢定 F 值會： (A)接近 1 (B)接近 0 (C)大於 3.84 (D)接近 MSE 的值

22.若滿足大樣本的假設下，何者情況較不適合使用成對樣本平均數的檢定方法？ (A)死亡組的高血壓病人與存活組的高血壓病人，比較兩組的舒張壓是否有所差異 (B)比較班上期中考與期末考成績是否有差異，以學生自己的期末考與期中考成績作為比較基礎 (C)生活在相同環境且同為高血脂的夫妻，比較醫療支出是否有所差異 (D)高血糖病人治療前與治療後血糖值是否有改變

23.某研究想得知麥片( x1= 1)及碳水化合物( x1= 0)攝取，對於血中總膽固醇(Y)的影響，並調整性別( x2= 1，男生； x2= 0，女生)變項，並考慮交互作用項，得到以下多元線性迴歸模型： \( \hat{\mu}_y = \hat{\alpha} - 13.25 \times x_1 - 5.21 \times x_2 + 3.38 \times x_1 \times x_2 \)，根據此模型，若考量性別為男生時，食用麥片與食用碳水化合物(參考組) ，兩者血中總膽固醇平均差值為何？ (A)-9.87 (B) 3.38 (C)-8.59 (D)-18.46

24.想了解某醫學大學學生的睡眠狀況與學習表現的相關性，睡眠狀況評估是使用匹茲堡睡眠品質量表(PSQI，滿分 21 分)、學習表現是以學期等第成績(A+, A, A－…C+, C, C－)評估。要使用那個統計方法較為合適？ (A) Intra-class correlation coefficient (B) Pearson’s correlation coefficient (C) Spearman’s correlation coefficient (D) Cohen’s kappa statistic

25.若想了解性別與年齡對於中風的影響，是否為中風為 Y(Y=1 為中風；Y=0 為無中風) ，其自變數年齡(age)(x1，單位：歲)、性別(gender1)( x1=1 為男性； x2=0 為女性)，並考慮其交互作用項 age:gender1，利用 R 分析的結果如下，請判斷是否需要加入交互作用項？(顯著水準為 0.05) (A)因交互作用項的 p 值大於 0.05，故此模型不需考慮加入交互作用項 (B)因交互作用項的 p 值大於 0.05，故此模型需考慮加入交互作用項 (C)因交互作用項係數估計為-0.00668，小於 0，故此模型需考慮加入交互作用項 (D)因交互作用項係數估計為-0.00668，很接近 0，故此模型不需考慮加入交互作用項

26.一個簡單線性迴歸模式分析 30 名民眾的身高(x)與體重(y)的相關性，這些樣本民眾的身高介於 150 至 185 公分之間，體重則是介於 40 至 110 公斤之間，迴歸方程式如下： \( \hat{\mu}_y \)= −120 + 1.14 ，下列那一個敘述正確？ (A)該迴歸線不排除身高與體重之間存在非線性關係 (B)可以用此迴歸方程式來預測一名 190 公分民眾的體重 (C)利用此迴歸線來預測一名 170 公分民眾體重所得到的預測誤差會比預測 10 名 170 公分民眾平均體重所得到的預測誤差大 (D)該迴歸線顯示民眾的身高與體重間存在顯著的正相關性

27.線性迴歸模型和羅吉斯迴歸模型之異同點的描述，下列何者錯誤？(X 代表自變項，Y 代表依變項) (A)線性迴歸模型和羅吉斯迴歸模型都可處理多個自變項 X 的分析，稱為複迴歸模型 (B)線性迴歸模型只能推得 X 與 Y 的相關性，而羅吉斯迴歸模型則可斷定 X 與 Y 的因果相關性 (C)線性迴歸模型的 Y 為連續變項(常態分配) ，羅吉斯迴歸的 Y 可以為二元變項(二項式分配) (D)線性迴歸模型和羅吉斯迴歸模型的 X 的變數型態皆不受限定，可以是連續型變項、間斷型變項、類別變項或序位變項

28.若想了解性別與年齡對於中風的影響，建立以下模型，中風與否為 Y(Y=1 為中風；Y=0 為無中風)，其年齡( x1，單位：歲)、性別( x2=1 為男性；x2 =0 為女性)的係數如下： \( \text{logit}(\widehat{P}(Y=1|x_1,x_2)) = 1.10 + 0.02 \times x_1 + 1.21 \times x_2 \) 一名年齡為 40 歲且為男性，與一名年齡為 30 歲且為女性相比，兩人發生中風的勝算比(odds ratio)約為多少？ (A) 1.020 (B) 1.410 (C) 4.096 (D) 3.353

相關試卷

115年 - 115-2 專技高考_公共衛生師：生物統計學#142859

2026 年 · #142859

114年 - 114 專技高考_公共衛生師：生物統計學#129154

2025 年 · #129154

113年 - 113 專技高考_公共衛生師：生物統計學#121785

2024 年 · #121785

112年 - 112 專技高考_公共衛生師：生物統計學#115990

2023 年 · #115990

111年 - 111 專技高考_公共衛生師：生物統計學#109961

2022 年 · #109961

110年 - 110 專技高考_公共衛生師：生物統計學#104087

2021 年 · #104087