最新資料

台鐵◆民法總則大意

農會◆農業政策與農業概論

國軍退輔會◆飛機維護工程班

115年 - 115 高雄市政府教育局所屬學校_護理師及營養師聯合甄選試題：午餐業務及教育#145874(50題)

115年 - 115 國營臺灣鐵路股份有限公司工務處從業人員甄試_第 8 階-助理工程師-建築工程：建管行政及政府採購法#145873(29題)

115年 - 115 國營臺灣鐵路股份有限公司工務處從業人員甄試_第 8 階-助理工程師-建築工程：建築圖說#145872(27題)

115年 - 115 國營臺灣鐵路股份有限公司工務處從業人員甄試 第 9 階-技術員-建築工程（古蹟修復實務）：建築圖說概要#145871(50題)

115年 - 115 國營臺灣鐵路股份有限公司工務處從業人員甄試_ 第 10 階-助理技術員-土木工程、土木工程（工程實務）：測量學大意#145870(50題)

115年 - 115 國營臺灣鐵路股份有限公司工務處從業人員甄試_第 10 階-助理事務員-企劃研析（工程管考實務）：運輸學概要#145869(50題)

115年 - 115 國營臺灣鐵路股份有限公司工務處從業人員甄試_第 11 階-服務員-事務管理（身心障礙）：事務管理大意#145868(50題)

115年 - 115 國營臺灣鐵路股份有限公司工務處從業人員甄試＿第 10 階企劃研析（工程管考實務）：作文#145867(1題)

115年 - 115 國營臺灣鐵路股份有限公司工務處_從業人員甄試試題_第 10 階、第 11 階各類科【第 10 階企劃研析（工程管考實務）類科除外】：作文#145866(1題)

115年 - 115 國營臺灣鐵路股份有限公司工務處_從業人員甄試試題_第 8 階、第 9 階各類科：作文#145865(1題)

6. Consider the linear population model with intercept:$y_t = \alpha + \beta x_t + \varepsilon_t$The variance structure is known as below: $E(\varepsilon_t^2) = \sigma^2 h_t^2,$Which regression may obtain efficiency $\hat{\beta}$ estimator? (A) Regress \( y_{t} \) on 1, \( x_{t} \) (B) Regress \( y_{t} / h_{t} \) on 1/ht ,xt/ht(C) Regress \( y_{t} / h_{t}^{2} \) on 1/h2t ,xt/h2t(D) Regress \( y_{t} \) on 1/ht ,xt/ht(E) Regress \( y_{t} / h_{t} \) on 1, \( x_{t} \)

5. Consider the linear model with intercept: $y_t = \alpha + \beta x_t + u_t$ If the $A = \sum_{i=1}^{n} (x_i - \bar{x})^2$ is positive definite and $E(u_i \mid x_i) = 0, \forall t = 1, 2, \dots, T$, which statement is true under sample size $T \to \infty$. (A) \( \hat{\beta} \) is consistent, but we cannot judge whether \( \hat{\beta} \) is efficiency (B) \( \hat{\beta} \) is unbiased and efficiency (C) \( \hat{\beta} \) is consistent and efficiency (D) \( \hat{\beta} \) is, but we cannot judge whether \( \hat{\beta} \) is efficiency (E) \( \hat{\beta} \) is unbiased and consistent.

4. Consider the simple regression $y_i = \alpha + \beta x_i + \varepsilon_i$And suppose population parameter $\beta = 2$ and least square estimator $\hat{\beta} = 2.3$. Now consider the regression $(x_i - y_i) = \alpha^* + \beta^* x_i + u_i.$What is the value of \( \hat{\beta} \)? (A) 1 (B)-1 (C)-1.3 (D)-0.3 (E) 0.3

五、請說明國道電子收費與外部性的關係，並分析尖峰和非尖峰時段是否應收取相同費率。(15 分)

四、政府實行所得重分配政策是否可以提高經濟效率？為什麼？(20 分)

三、社會安全退休年金制度對個人儲蓄行為有哪些可能的影響？(15 分)

商經科教師甄試

講師：解答在私人筆記，請按讚！

簡介：提供歷屆試題的逐題詳解影片外，影片中會傳授速解技巧和方法，並提供書面詳解，供下載！ 最近推出教甄模擬...

化學教師甄選題目匯總

講師：Kai

簡介：課程目的： 本課程旨在為有志於從事化學教學的教師提供全面的甄選題目匯總，以幫助其有效備考並在甄選考試...

幼兒教育及照顧法

講師：Mark

簡介：介紹幼兒教育及照顧法規內容 第一節總則 第二節教保服務機構設立及其教保服務 第三節教保服務機構組織與服...

組織病象 成因 類型

描述：組織病象

第一次

描述：生物犯罪學

派出機關

描述：派出機關

34. 小旻因專題製作的需要，前往歷史老街進行實地觀察，下列哪一項觀察紀錄與環境設計 有關？ (A) 老街旁有一棵百年歷史的老榕樹 (B) 歷史老街設置導覽牌與休憩座椅 (C) 當地居民正在舉行傳統祭祀活動 (D) 觀光遊客拿著紀錄用的數位相機

35. 圖(十三)為建築師伊東豊雄所設計的曲牆洞穴結構的建築物。遊客在建築空間內部參觀時，感受光影帶來的美感變化，有關主體與客體(心–物)關係，下列敘述何者正確？ (A) 伊東豊雄是主體，參觀的遊客是客體 (B) 光影的變化是主體，建築空間是客體 (C) 參觀的遊客是主體，建築空間是客體 (D) 曲牆結構是主體，參觀的遊客是客體

10. 某零售電商平台計劃建置機器學習模型分析會員行為。在資料預處理階段，資料科學團隊發現會員的「年消費總額」與「月到訪次數」數值範圍差異較大，可能影響部分機器學習模型的訓練效果，因此決定採用 Z-Score 標準化(Standardization)進行特徵縮放。已知該平台全體會員的「年消費總額」平均值為 30,000 元，標準差為 5,000 元。若某位 VIP 會員的年消費總額為 40,000 元，下列敘述何者正確？ (A)經過 Z-Score 轉換後，該會員的年消費總額特徵值將被限制於 0 至 1 的範圍內，以利模型訓練； (B)計算後該會員的 Z-Score 值為 2，代表其消費金額高於平均值兩個標準差，可反映其消費金額相對於整體會員的高低程度； (C)不論原始消費資料的分布為何，只要經過 Z-Score 轉換，整組資料一定會轉換為標準常態分配； (D)即使完成 Z-Score 轉換，由於「月到訪次數」與「年消費總額」原始計量單位不同，兩項特徵仍不適合同時作為機器學習模型的輸入

11. 某健康管理 AI 系統透過智慧手環蒐集使用者的生理量測資料，資料以欄位標籤(Tag)記錄，例如「使用者 ID：H123」、「量測項目：心率」、「量測數值：75」等。不同裝置可依功能需求上傳不同欄位(如：血氧濃度)，因此各筆資料不一定具有 完全相同的欄位結構。在資料格式與資料結構特徵的分類上，此類資料最屬於下列哪一種資料型態？ (A)結構化資料(Structured Data)； (B)半結構化資料(Semi-structured Data)； (C)高頻資料(High-frequency Data)； (D)時序資料(Time Series Data)

12. 某電商平台的客服部門統計了本月 10,000 筆顧客服務評分(滿分 100 分)，發現平均分數為 72 分，中位數為 85 分，平均數顯著小於中位數。資料分析師欲初步判斷此評分資料的分配型態，下列敘述何者最合理？ (A)資料呈負偏態分配(左偏，Skewness to the Left)，代表多數顧客給予高分，但少數極低評分將平均數大幅拉低； (B)資料呈正偏態分配(右偏，Skewness to the Right)，代表多數顧客給予低分，但少數極高評分將平均數大幅拉高； (C)資料呈標準常態分配，平均數與中位數的些微差異屬於正常的隨機抽樣誤差； (D)資料呈均勻分配，各分數區間出現的機率大致相同，因此平均數略低於中位數

五、試詳述康威氏皿微量擴散法(Conway’s microdiffusion method)使用已經配置好的三氯醋酸溶液、硼酸吸收液、飽和碳酸鉀溶液及已知力價之 N/50 鹽酸等相關試劑分析揮發性鹽基態氮(Volatile basic nitrogen, VBN)，以評估市售冷藏包裝秋刀魚新鮮度之原理與操作過程。