機率統計基礎：83 題線上練習
「機率統計基礎」是 iPAS AI 應用規劃師中級「大數據處理分析與應用」科目下的知識主題（代號 L221）。本頁收錄 83 題免費練習題，依能力指標分組，附逐題解析。
「機率統計基礎」是 iPAS AI 應用規劃師中級「大數據處理分析與應用」科目下的知識主題（代號 L221）。本頁收錄 83 題免費練習題，依能力指標分組，附逐題解析。
考試範圍定位
- 考試等級
- iPAS AI 應用規劃師中級能力鑑定
- 考試科目
- 大數據處理分析與應用（L22）
- 知識主題
- 機率統計基礎（L221）
練習題列表（共 83 題）
點任一題可查看完整題目、選項與逐題解析。題目依難度由基礎到進階排序。
敘述性統計與資料摘要技術（76 題）→
若某數據點的Z分數（Z-Score）= 2，請問代表下列哪一種意涵？
使用Python的pandas套件處理各商品銷售數據（變數為df）時，若需計算「總銷售額」欄位的敘述性統計量（如平均值、標準差等），應使用下列哪一種語法？
附圖為某資料之分佈圖，此圖資料的偏態（Skewness）值較有可能為下列哪個選項？（圖示：左偏分佈，主峰偏右，左側有長尾）
在進行資料分析時，會遇到類別型（Categorical）與數值型（Numerical）資料格式。關於這兩種資料格式的處理，下列敘述何者不正確？
資料科學家為分析顧客行為，利用現有欄位「銷售金額」與「瀏覽次數」，計算出新變數「銷售金額/瀏覽次數」。此動作屬於下列哪一類特徵工程方法？
在進行數值特徵的標準化（Normalization）時，若資料中存在極端值（Outliers），下列哪一種方法最適合使用？
下列哪一種情境最適合應用異常偵測（Anomaly Detection）技術？
若一家公司需即時監控大量物聯網裝置的異常行為，下列哪一種組合最適合此應用？
某家客服中心統計資料發現，平均每小時會接到約20通顧客來電，但每分鐘的來電數量不固定，可能為0、1、2通不等。這些來電事件彼此獨立，且在短時間內，發生的機率與時間長短成正比。若要以機率模型描述「每分鐘接到幾通來電」的機率分佈，下列哪一種最適合使用？
某金融科技公司以Z分數（Z-Score）監控交易金額異常狀況。若交易金額平均為新台幣2,000元，標準差為400元，某筆交易金額為3,200元，且公司以|Z|≥3判定為異常值（Outlier），下列判斷何者最為正確？
某製造企業導入上萬台物聯網（IoT）感測器以進行設備健康監測。系統需在毫秒級回應異常事件，並同時將完整資料保留於雲端供後續AI模型訓練與分析。若企業希望兼顧即時性、資料完整性與可擴展性，下列哪一種資料流程設計最符合此目標？
某銀行計畫將信用風險評估模型部署至雲端平台，以便即時分析客戶交易行為。由於涉及大量敏感金融資料，銀行要求雲端服務商在不解密原始資料的情況下仍能執行模型運算。為達成此目標，最適合採用下列哪一項技術？
某資料分析師設計在業務績效報告時，希望單一頁面中同時呈現多區域、不同產品線的銷售趨勢變化，並確保主管能在短時間內掌握整體資料走向。若依據Edward Rolf Tufte的數據密度（Data Density）原則，下列哪一種設計方式最能符合該概念？
某研究團隊以單樣本t檢定（one-sample t-test）檢驗「新行銷策略後的平均月銷售額是否與原本的100萬元不同」，顯著水準設定為α=0.05。檢定結果顯示：p值=0.08，且95%信賴區間為[95萬元, 108萬元]。根據上述結果，下列敘述何者正確？
某電商資料團隊繪製顧客單筆消費金額的箱型圖後發現：四分位距（IQR）範圍極小，但上鬚線拉得很長，且在高金額區域有多筆離群值。若希望協助行銷部門依據消費層級設計分群策略，下列哪一種視覺化方式最有助於凸顯不同消費層級間的差異？
某金融科技公司分析每日上億筆交易資料，以監控客戶轉帳金額分佈與異常波動。由於資料量極大，為兼顧效率與準確度，團隊決定採用「近似分位數（Approximate Quantile）」方法進行資料摘要統計。下列何者最能正確反映該技術的核心目的？
某企業欲建構知識圖譜（Knowledge Graph），以整合內部的研究報告、專利資料與專家知識，並支援語意查詢與關聯推理。若希望模型能具備良好的語意擴展性與高效推理能力，下列哪一種圖模型設計最為合適？
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？
請參考下列虛擬程式碼（pseudocode），最可能是在描述何種驗證法？ for i from 1 to N: test_set = data[i] # 第i筆資料作為測試集 train_set = data except data[i] # 其餘N-1筆作為訓練集 model.fit(train_set) evaluate(model, test_set) return average(all_metrics)
請參考下列虛擬程式碼（pseudocode），最可能是在描述何種演算法？ 1. 隨機選X個資料點作為初始群中心 2. 重複以下步驟直到中心不再變動： a. 計算每筆資料到每個中心的距離 b. 將每筆資料指派到最近的群中心 c. 更新中心為該群所有點的平均值
考慮某生產線每小時出現瑕疵品的個數符合卜瓦松分佈（Poisson Distribution），已知平均每小時產生5個瑕疵品，附圖程式碼如下： import numpy as np from scipy.stats import poisson lambda_poisson = 5 print(poisson.pmf(5, lambda_poisson)) 請問下列敘述何者正確？
為了觀察各遊戲平台的市場表現，分析師想要統計每個平台的全球銷售總額，並以長條圖呈現。請選出最能正確實現此分析的程式碼。（資料集：vgsales.csv，欄位含Platform、Global_Sales等）
研究團隊想要知道在北美地區（NA）銷售成績最好的遊戲前五名，並希望以seaborn的條狀圖呈現結果。請選出能正確完成這項分析的程式碼。（資料集：vgsales.csv，欄位含Name、NA_Sales）
根據以下marketing.csv資料集的describe()輸出結果（import pandas as pd; df = pd.read_csv("marketing.csv")），欄位包含youtube、facebook、newspaper、sales： - count: youtube=200, facebook=199, newspaper=200, sales=200 - mean: youtube=176.45, facebook=27.82, newspaper=36.66, sales=16.83 下列何者正確？
參考下圖計算各變數的遺漏值（NaN）個數結果： youtube=0, facebook=1, newspaper=0, sales=0, dtype: int64 下列哪些選項的程式碼能正確計算遺漏值個數？ 選項A: df.isnull().sum() 選項B: df.isNaN().sum() 選項C: df.isna().sum() 選項D: df.isnan().sum()
關於接受者操作特徵（ROC）曲線，下列敘述何者正確？
下列何者不屬於特徵工程（Feature Engineering）？
對於低結構化的文本或圖像資料，下列哪一種特徵工程（Feature Engineering）方法最為適用？
異常值偵測使用 IQR（Interquartile Range）法時，下列哪一種範圍外的數值會被視為異常？
差分隱私（Differential Privacy）在數據應用中的目的為何？
假設有一組成績資料呈現常態分配，平均數為 70，標準差為 10，若某位學生的成績為 90，該學生的 Z 分數約為多少？
在 AI 倫理治理的背景下，「透明性（Transparency）」通常是指什麼？
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？
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？
Z-Score = 2 的意涵為何？
Pandas 中用來產生敘述性統計的函數為何？
左偏分佈(Left-skewed)的 Skewness 值為何？
關於類別型與數值型特徵處理，下列何者不正確？
銷售金額除以瀏覽次數建立新變數，這屬於什麼特徵工程？
資料中有極端值(Outlier)時，最適合的標準化方法為何？
最適合用於異常偵測的場景為何？
即時監控 IoT 設備異常的最佳方案為何？
隨機過採樣(Random Oversampling)的主要問題為何？
Z-Score 監控異常值：均值 2000，標準差 400，金額 3200，Z = ？是否異常？
IoT 即時處理同時保留完整資料的最佳架構為何？
雲端環境中不解密原始資料就進行運算的技術為何？
單樣本 t 檢定結果 p=0.08，95% 信賴區間 [95, 108]，原始假設母體平均為 100 萬。正確解讀為何？
箱型圖 IQR 極小但上鬚很長且離群值很多，如何改善視覺化？
近似分位數(Approximate Quantile)的目的為何？
資料有線性趨勢且無離群值，最適合衡量線性關係強度的指標為何？
檢測不同組別身高差異，下列何者不正確？
關於 ROC 曲線，下列何者正確？
下列何者不屬於特徵工程？
低結構化資料（如文本、圖像）的特徵工程稱為？
IQR 方法定義異常值的範圍為何？
差分隱私(Differential Privacy)的目的為何？
平均 70、標準差 10，成績 90 的 Z 分數為何？
AI 倫理中「透明性」的意義為何？
即時監控金融交易異常最適合的系統為何？
社群網路中使用者互動結構的分析方法為何？
CIFAR-10 資料集的正確描述為何？
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 ```
伯努利試驗 p=0.4，n=5000，可以用常態近似的條件為何？
報酬率非對稱分布且有極端損失，不應依賴常態假設時，最適合的分析方法為何？
知識圖譜(Knowledge Graph)的模型設計最適合用什麼結構？
比較兩條產線良率差異應使用什麼檢定？
虛擬程式碼：每次取 1 筆當測試、N-1 筆當訓練，重複 N 次。這是什麼方法？
虛擬程式碼：隨機選 K 個中心→分配點到最近中心→更新中心→收斂。這是什麼演算法？
Year 欄位為 float64 的可能原因為何？
Year 欄位含有 NaN 時，如何正確轉為整數型別？
繪製各平台全球銷售總額長條圖的 Pandas 程式碼為何？
比較各地區銷售比例的 seaborn 長條圖程式碼為何？
北美銷售前五名遊戲的 seaborn 長條圖程式碼為何？
describe() 結果判讀：哪個描述正確？
計算 DataFrame 中 NaN 個數的函數為何？
sklearn LinearRegression 搭配 statsmodels OLS 的正確用法為何？
機率分佈與資料分佈模型（7 題）→
累積分佈函數（Cumulative Distribution Function, CDF）可用於描述隨機變數的機率分佈特性，其數學定義為下列何者？
某電商團隊觀察到，每位顧客對廣告推播的點擊行為可視為一次伯努利試驗（Bernoulli Trial），單次點擊成功機率為p=0.4。當推播對象擴展至5,000位顧客時，團隊想快速估算「成功點擊總數」的分佈情形，以進行模型效能模擬與預測。若希望以常態分佈（Normal Distribution）近似原始分佈，下列哪一項判斷最為合理？
某金融機構的量化分析師在建立資產風險評估模型時，發現報酬率資料分佈明顯非對稱，且出現多次極端損失事件，使得傳統假設常態分佈的模型無法準確反映真實風險。若希望在不依賴常態分佈假設的前提下，採取更能捕捉資料極端情況的建模策略，下列哪一種方法最為適合？
在巨量資料分析班中，共有一年級至四年級，每個年級有 50 個學生，且學生身高呈常態分佈。下列敘述何者不正確？
CDF (累積分佈函數) 的數學定義為何？
每分鐘來電數最適合用哪種機率分佈建模？
Poisson 分佈 λ=5，poisson.pmf(5, 5) 的意義以及 Poisson 適用條件為何？
本考點的相關 AI 術語
先掌握以下術語的定義與應用情境，再回來刷題，正確率會明顯提升。
下一步
練完本考點的題目後，回到 題庫總覽 查看其他科目的題數分布， 或直接進行 完整模擬考 驗證實力。 還不確定弱點在哪，先做 診斷測驗； 想了解歷年出題趨勢與高頻考點，參考 考古題與模擬測驗總整理。