iPAS 考題解析
一家製造廠評估新生產線推出後,產品良率是否較原生產線提升。工程師分別從兩條生產線各抽樣100件產品,原生產線良率為95%,新生產線為97%。若欲檢定兩條生產線良率的差異是否具有統計意義,下列哪一種方法最為合適?
考試範圍定位
- 考試等級
- 中級能力鑑定
- 考試科目
- 大數據處理分析與應用
- 知識主題
- 機率統計基礎
- 能力指標
- 敘述性統計與資料摘要技術(L22101)
本題屬於 iPAS AI 應用規劃師中級能力鑑定「大數據處理分析與應用」科目中的「機率統計基礎」範疇, 對應的能力指標為「敘述性統計與資料摘要技術」,涵蓋數據的集中趨勢、離散程度與分佈型態、數據清理與剖析等核心知識點。 考生在準備這個範疇時,需要掌握相關的理論基礎與實務應用。
題目與選項
一家製造廠評估新生產線推出後,產品良率是否較原生產線提升。工程師分別從兩條生產線各抽樣100件產品,原生產線良率為95%,新生產線為97%。若欲檢定兩條生產線良率的差異是否具有統計意義,下列哪一種方法最為合適?
- A. 雙樣本平均數t檢定(Two-sample t-test)
- B. 雙比例Z檢定(Two-proportion Z-test) ✓ 正確答案
- C. 卡方檢定(Chi-square test)
- D. 變異數分析(ANOVA)
詳細解析
正確答案:B. 雙比例Z檢定(Two-proportion Z-test)
良率是比例型資料(成功/失敗二元結果),比較兩個獨立樣本的比例差異應使用雙比例Z檢定。t檢定用於連續型均值比較,卡方檢定用於獨立性或適合度,ANOVA用於三組以上均值比較。
各選項逐一解析
理解每個選項為什麼對或錯,是真正掌握這個知識點的關鍵。以下逐一分析每個選項的含義與判斷依據。
A. 雙樣本平均數t檢定(Two-sample t-test) (不正確)
t檢定適用於連續型數值的均值比較,不適合比例型資料。
B. 雙比例Z檢定(Two-proportion Z-test) (正確)
雙比例Z檢定專為比較兩個獨立樣本的比例差異設計,最符合此良率比較情境。
C. 卡方檢定(Chi-square test) (不正確)
卡方檢定可用於2x2列聯表,但在此情境下雙比例Z檢定更直接且效力更強。
D. 變異數分析(ANOVA) (不正確)
ANOVA用於三個或以上組別的均值比較,此題只有兩組且為比例資料,不適合。
延伸學習
本題尚未連結特定術語,你可以從以下常見主題開始探索相關知識。
中等題備考建議
- ▶ 本題屬於中等難度,需要理解概念之間的關聯與應用情境,不能只靠死背定義。
- ▶ 中等難度的題目常考「為什麼」和「怎麼用」,建議整理各技術的優缺點比較表。
- ▶ 練習時注意錯誤選項的陷阱設計,很多時候錯誤選項只有一兩個字的差異,需要仔細辨別。
- ▶ 建議用「費曼學習法」,嘗試向別人解釋這道題的解題思路,能講清楚就代表真正理解了。
同主題考題練習
以下題目與本題屬於相同的考試範疇,建議一併練習以加強對該主題的掌握程度。
考慮使用 CIFAR-10 資料集進行資料處理,資料包括 32×32 像素的多筆彩色照片。下列程式碼的資料處理,請選出正確的選項。 ```python from tensorflow.keras import datasets, utils import pandas as pd (x_train, y_train), (x_test, y_test) = datasets.cifar10.load_data() # type(x_train) -> numpy.ndarray # x_train.shape, y_train.shape, x_test.shape, y_test.shape # -> (50000, 32, 32, 3) (50000, 1) (10000, 32, 32, 3) (10000, 1) # x_train.min() -> 0 # x_train.max() -> 255 ```
為了分析社群網路使用者之間的互動結構,應使用下列哪種分析方法?
若企業希望即時監控交易異常,應選擇下列哪一類數據處理架構?
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度, 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目, 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目, 要求考生具備更深入的技術知識與實務能力。 本題來自中級考試範圍,需要具備紮實的技術基礎才能正確作答。
開始準備 iPAS 考試
本題來自 114 年 AI 應用規劃師中級考試。 想通過 iPAS 認證?從完整題庫練習開始,搭配術語詞典與備考攻略,系統化提升你的 AI 知識。