iPAS 考題解析
在統計推論中，若樣本來自母體但呈現明顯偏態分布，且樣本數有限，下列哪一項策略最能減少推估母體參數的偏誤？
初級 人工智慧基礎概論
難度：中等 ★★☆ 114 年考題
考試範圍定位
- 考試等級
- 初級能力鑑定
- 考試科目
- 人工智慧基礎概論
- 知識主題
- 人工智慧概念
- 能力指標
- AI 的定義與分類（L11101）
本題屬於 iPAS AI 應用規劃師初級能力鑑定「人工智慧基礎概論」科目中的「人工智慧概念」範疇， 對應的能力指標為「AI 的定義與分類」，涵蓋AI 定義、弱 AI vs 強 AI vs 超 AI 分類、三大 AI 浪潮等核心知識點。 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
在統計推論中，若樣本來自母體但呈現明顯偏態分布，且樣本數有限，下列哪一項策略最能減少推估母體參數的偏誤？
- A. 直接使用樣本平均數與變異數估計母體參數，不做任何調整；
- B. 增加樣本數並考慮使用分位數或中位數作為中心趨勢估計； ✓ 正確答案
- C. 將樣本隨機重新排列後，多次計算平均值以消除偏態影響；
- D. 完全依賴樣本標準差來估計母體參數，忽略分布形態
詳細解析
正確答案：B. 增加樣本數並考慮使用分位數或中位數作為中心趨勢估計；
當樣本呈現偏態分布時，平均數容易受極端值影響，不是最佳的中心趨勢估計。增加樣本數可降低抽樣誤差，而使用分位數或中位數作為替代指標能更穩健地估計偏態分布的中心趨勢。
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. 直接使用樣本平均數與變異數估計母體參數，不做任何調整； （不正確）
偏態分布下直接用平均數估計會受極端值影響，產生偏誤。
B. 增加樣本數並考慮使用分位數或中位數作為中心趨勢估計； （正確）
增加樣本數並改用中位數或分位數，能更穩健地估計偏態分布的中心趨勢。
C. 將樣本隨機重新排列後，多次計算平均值以消除偏態影響； （不正確）
隨機重排不會改變分布形態或消除偏態，無法減少估計偏誤。
D. 完全依賴樣本標準差來估計母體參數，忽略分布形態 （不正確）
僅依賴標準差而忽略分布形態，無法正確估計偏態分布的母體參數。
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。
在工業物聯網架構中，進行設備預測性維護（Predictive Maintenance）時，若面對異常事件發生頻率極低、樣本高度不平衡的時間序列資料，下列哪一種方法最能兼顧模型穩定性與異常偵測效能？
初級 人工智慧基礎概論 難度 ★★☆ 114 年
在可解釋 AI（Explainable AI, XAI）的分類架構中，LIME（Local Interpretable Model-agnostic Explanations）屬於哪一類解釋技術？
初級 人工智慧基礎概論 難度 ★★☆ 115 年
某金融機構已部署的AI模型遭客戶抱怨有不公平情形，經數據分析發現不同族群之間的模型預測結果存在顯著差異。根據金融監督管理委員會發布之《金融業運用人工智慧（AI）指引》，此情形下最適當的處置方式為何？
初級 人工智慧基礎概論 難度 ★★☆
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。 本題來自初級考試範圍，適合正在準備初級認證的考生練習。
開始準備 iPAS 考試
本題來自 114 年 AI 應用規劃師初級考試。 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。