iPAS 考題解析
左偏分佈(Left-skewed)的 Skewness 值為何?
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
左偏分佈(Left-skewed)的 Skewness 值為何?
- A. Skewness < 0 ✓ 正確答案
- B. Skewness > 0
- C. Skewness = 0
- D. 無法計算
詳細解析
正確答案:A. Skewness < 0
左偏(負偏態)代表尾巴向左拖,大部分資料集中在右邊,Skewness < 0。可以想像左邊有少數極端低分拉低了分布。
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. Skewness < 0 (正確)
左偏分佈(或稱負偏態)的 Skewness 值會小於零。這表示資料的尾巴向左邊延伸,大部分的資料點集中在右側,平均數通常會小於中位數。想像一下考試成績,如果大部分人考高分,少數人考很低分,就會形成左偏。
B. Skewness > 0 (不正確)
Skewness > 0 代表的是右偏分佈(或稱正偏態)。這表示資料的尾巴向右邊延伸,大部分的資料點集中在左側,平均數通常會大於中位數。這與左偏分佈的定義是相反的。
C. Skewness = 0 (不正確)
Skewness = 0 代表資料分佈是完全對稱的,例如常態分佈。在這種情況下,平均數、中位數和眾數會大致相等。左偏分佈明顯不對稱,所以 Skewness 不會是零。
D. 無法計算 (不正確)
Skewness 是一個描述資料分佈形狀的統計量,只要有足夠的數值資料,通常都可以計算出來。除非資料有嚴重缺失或不符合計算條件,否則「無法計算」這個選項是錯誤的。
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。
進階題備考建議
- ▶ 本題屬於進階難度,涉及技術原理的深入理解或跨領域整合應用,需要紮實的基礎。
- ▶ 進階題通常需要你綜合多個知識點才能判斷,建議建立知識圖譜,把相關概念串聯起來。
- ▶ 如果這題答錯了,建議回頭複習相關的基礎概念,確保每一層知識都沒有漏洞。
- ▶ 中級考試的進階題佔比較高,建議先把初級範圍的基礎打穩,再挑戰中級進階題。
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 iPAS 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。