機率分佈與資料分佈模型：7 題線上練習
「機率分佈與資料分佈模型」是 iPAS AI 應用規劃師中級的能力指標（代號 L22102），涵蓋機率理論模型與分佈特性。本頁收錄 7 題免費練習題，附逐題解析。
「機率分佈與資料分佈模型」是 iPAS AI 應用規劃師中級的能力指標（代號 L22102），涵蓋機率理論模型與分佈特性。本頁收錄 7 題免費練習題，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）
- 能力指標
- 機率分佈與資料分佈模型（L22102）
- 涵蓋知識點
- 機率理論模型與分佈特性
練習題列表（共 7 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。
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。