最新資料

研究所、轉學考(插大)◆工程數學

研究所、轉學考(插大)-台灣社會與文化

研究所、轉學考(插大)-客家文化概論

115年 - 115 海岸巡防特種考試_四等_各科組別：海巡法規概要（包括海岸巡防法、國家安全法、海洋污染防治法、海關緝私條例、中華民國領海及鄰接區法、懲治走私條例、海岸巡防機關器械使用條例、臺灣地區與大陸地區人民關係條例第二章行政與第五章罰則、中華民國專屬經濟海域及大陸礁層法）#143395(27題)

115年 - 115 調查特種考試_三等_調查工作組（選試土耳其文）：外國文（土耳其文）#143394(3題)

115年 - 115 司法、海岸巡防特種考試_五等_各類科：公民#143393(35題)

115年 - 115 調查特種考試_三等_化學鑑識組、醫學鑑識組：生物化學#143392(5題)

115年 - 115 調查特種考試_三等_化學鑑識組：儀器分析#143391(11題)

115年 - 115 調查特種考試_三等_營繕工程組：政府採購法#143390(4題)

115年 - 115 海岸巡防特種考試_五等_海洋巡護：航海學大意與輪機學大意#143389(40題)

115年 - 115 海岸巡防特種考試_四等_海洋巡護科輪機組：輪機工程概要（包括推進裝置概要、輔機概要與輪機英文）#143388(9題)

115年 - 115 海岸巡防特種考試_五等_海洋巡護：海巡勤務大意與海巡法規大意（包括海岸巡防法、國家安全法、海洋污染防治法、海關緝私條例、中華民國領海及鄰接區法、懲治走私條例、海岸巡防機關器械使用條例、臺灣地區與大陸地區人民關係條例第二章行政與第五章罰則、中華民國專屬經濟海域及大陸礁層法）#143387(50題)

115年 - 115 司法、調查特種考試_三等_司法事務官法律事務組、法院書記官、檢察事務官偵查實務組、法律實務組：刑事訴訟法#143386(2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)

藥師二階國考 調劑學 分章節國考歷屆試題

講師：菜餅

簡介：分章節的調劑與臨床藥學練習題，藥學系準備藥師國考二階之試題。

藥師一階國考 中藥學考題 分章節國考歷屆試題

講師：菜餅

簡介：分章節的中藥學國考題，考試科目：藥師國考一階。 若有錯誤，請在下方留言，一人作業難免疏漏，感謝各位客...

【國考助手】2025警察法規(中冊)：警械使用條例、集會遊行法、公務人員行政中立法

講師：最佳解

簡介：筆者綜合警特三等、四等考試、警校教師、讀書會共筆、自身實務等經驗，讓想考警察的非本科系生或想考升官等...

產業別永續指標、SASB揭露時程與會計師確信

課程：永續發展基礎能力：29章依考點系統整理，從ESG、氣候科學到永續金融與揭露規範
章節：第 17 章 臺灣永續報告書與年報揭露規範

描述：學習重點 分清三種制度：指定產業加強揭露、全體公司參考 SASB 準則揭露、特定產業指標取得會計師確信。三...

報告書溫室氣體揭露內容與盤查完整性

課程：永續發展基礎能力：29章依考點系統整理，從ESG、氣候科學到永續金融與揭露規範
章節：第 17 章 臺灣永續報告書與年報揭露規範

描述：學習重點 掌握揭露範疇：範疇一為直接排放，範疇二為能源間接排放，兩者屬應揭露項目；得自願揭露的是範疇...

年報永續與氣候揭露及股東會文件上傳期限

課程：永續發展基礎能力：29章依考點系統整理，從ESG、氣候科學到永續金融與揭露規範
章節：第 17 章 臺灣永續報告書與年報揭露規範

描述：學習重點 分清楚「應揭露的環境議題」與「須列最近兩年統計數據的項目」，兩者範圍不同。 掌握溫室氣體、...

37 哈伯格（A. Harberger）將公司所得稅所造成的轉嫁現象，區分成兩種效果，稱之為： (A)產量效果與要素替代效果 (B)替代效果與所得效果 (C)產量效果與所得效果 (D)所得效果與要素替代效果

11. 要改變前束值，應等量調整直位桿之長度。(A)O(B)X

19 關於政府資訊公開法之敘述，下列何者錯誤？ (A)係以保障人民知的權利，增進人民對公共事務之瞭解、信賴及監督為目的 (B)依該法規定，公開之對象為一般人民 (C)申請人依該法規定申請行政機關提供行政資訊遭拒絕者，如有不服，僅得於對實體決定聲明不服時，一併聲明之 (D)依該法規定申請行政機關提供行政資訊之權利，屬實體權利

37. 某金融科技公司在利用歷史交易資料建立風險控管模型時，嘗試推估整體詐騙交易比例。近期發現，樣本間存在明顯的時間序列相關性，導致模型在實際偵測新交易時誤判率升高。若希望同時改善詐騙比例推 估的準確性並提升模型的穩健性，下列哪一種做法最為合適？ (A)擴充樣本數量，以涵蓋更多潛在的詐騙型態，但維持既有的隨機抽 樣方式不變； (B)採取時間序列敏感的抽樣策略，例如依據交易時間區間進行分層， 以保存原始的時間結構特性； (C)將資料完全隨機打散，以降低序列相關性對模型訓練造成的影響； (D)在模型評估時，針對相鄰時間區段進行誤差合併，以便用整體估計 方式修正詐騙比例

39. 某醫院計畫開發住院日數預測模型，以協助病房調度。多數病人的住院日數集中在 3–7 天，但仍有少數重症患者因治療需求而住院日數明顯偏長。醫院希望採用一種合適的評估方式，既能兼顧大部分病人的預測準確度，也能確保對重症個案的預測維持穩健。下列哪一種方法最符合此需求？ (A)在模型檢核時，同時呈現平均絕對誤差(MAE)與重症子群的誤差指標； (B)僅針對一般病人樣本進行交叉驗證，以避免重症個案拉高誤差； (C)將所有病人的住院日數進行標準化處理，以減少數值範圍差異的影響； (D)只採用單一的整體決定係數 (R²) 作為模型優劣的判斷依據

40. 關於監督式學習( Supervised Learning )與非監督式學習 (Unsupervised Learning)的目標，下列敘述何者錯誤？ 1.非監督式學習的核心在於發掘資料內在結構，例如分群、關聯規則與降維，而不依賴外部標籤。 2.監督式學習的典型應用為分類與迴歸，通常不適合應用於異常偵測任務。 3.非監督式學習若搭配少量標註資料，即會完全轉化為監督式學習。 4.監督式學習仰賴已標註的資料集，透過最小化輸出與真實標籤之間 的差距，學習輸入與目標之間的對應函數。 5.所有監督式學習任務都必須要有大量完整標註資料，否則無法進行任何有效的模型訓練。 6.非監督式學習不需要目標變數，僅透過輸入資料本身的特徵分布進行模式學習。 (A)3、5、6； (B)1、4、6； (C)2、4、6； (D)2、3、5