類 別 : 統 計 資 訊 節 次 : 第 二 節 科 目 : 1 . 統 計 學 2 . 巨 量 資 料 概 論

1.統計學 2.巨量資料概論 第 1 頁，共 6 頁

經濟部所屬事業機構 109 年新進職員甄試試題

類 別 : 統 計 資 訊 節 次 : 第 二 節 科 目 : 1 . 統 計 學 2 . 巨 量 資 料 概 論

注 意 事 項

1.本試題共 6 頁(含 A3 紙 1 張、A4 紙 1 張)。

2.可使用本甄試簡章規定之電子計算器。

3.本試題為單選題共 50 題，每題 2 分，共 100 分，須用 2B 鉛筆在答案卡畫記作答，於本 試題或其他紙張作答者不予計分。

4.請就各題選項中選出最適當者為答案，各題答對得該題所配分數，答錯或畫記多於 1 個 選項者，倒扣該題所配分數 3 分之 1，倒扣至本科之實得分數為零為止；未作答者，不 給分亦不扣分。

5.本試題採雙面印刷，請注意正、背面試題。

6.考試結束前離場者，試題須隨答案卡繳回，俟本節考試結束後，始得至原試場或適當處 所索取。

7.考試時間：90 分鐘。

[A] 1. 下圖顯示自1929年至2019年，奧斯卡金像獎最佳女主角得主的(得獎時)年齡分布。根據此圖

，得主年齡的平均數與中位數最接近何者？

(A)平均數：36；中位數：33 (B)平均數：33；中位數：36 (C)平均數：36；中位數：28 (D)平均數：33；中位數：45

[A] 2. 某教授蒐集80位勞工的資料，將他們的時薪(單位：新臺幣)做為應變數，性別做為自變數，

進行迴歸分析。得到結果如下：

估計值 標準誤

性別 11.8 3.2

常數 160.9 10.5

其中男性勞工的性別值為1，女性的性別值為0。若重新定義性別變數，讓男性的性別值為0，女 性的性別值為1。使用同一樣本估計迴歸模型，得到的常數值和性別係數值，將分別是多少？

(A) 172.7，-11.8 (B) 172.7，11.8 (C) 160.9，-11.8 (D) 160.9，11.8

[B] 3. 根據一項研究，國道三號中和至土城間的車行時速，大致符合平均90公里、標準差5公里的常 態分配(normal distribution)。該路段設有一台測速照相機，凡超過速限100公里視為超速。假設 每輛車的速度彼此獨立，請問3台車行經該測速照相機，皆無超速的機率最接近下列何者？

(A) 99 % (B) 93 % (C) 89 % (D) 85 %

【請翻頁繼續作答】

1.統計學 2.巨量資料概論 第 2 頁，共 6 頁 [D] 4. 配適一條簡單迴歸模式：𝑌𝑌_𝑖𝑖 = 𝛼𝛼₀+ 𝛼𝛼₁𝑋𝑋_𝑖𝑖 + 𝜀𝜀_𝑖𝑖，

其中，𝜀𝜀^𝑖𝑖服從平均數為 0，標準差為 1 的常態分配，i = 1, 2, … ,150， ， ，

， ， 。請問 ANOVA 表內，MSR

為多少？

Source 自由度 SS MS F-value p-value Model a SSR MSR F <0.0001 Error b SSE MSE

Total c 2000

(A) 16.2 (B) 180 (C) 810 (D) 1620 [A] 5. 變異係數的定義為下列何者？

(A)標準差/平均數 (B)平均數/標準差 (C)變異數/平均數 (D)平均數/變異數

[C] 6. 1位小兒科醫生，想瞭解2019年台北市新生兒的體重。他從台北市12個行政區隨機抽選3個，

然後蒐集該年度3個行政區所有新生兒的體重資料。請問他採用的是何種抽樣方法？

(A)簡單隨機抽樣(simple random sampling) (B)分層抽樣(stratified sampling) (C)群集抽樣(cluster sampling) (D)多階段抽樣(multistage sampling)

[C] 7. 某航空公司托運行李收費的政策如下：每位乘客的第1件行李20美金，第2件行李50美金，第 3件以上不予載運，且不得協助他人托運行李。假設50 %的乘客沒有托運行李，40 %的乘客 托運1件行李，10 %的乘客托運2件行李。1班載有200名乘客的飛機，預期可為航空公司帶來 多少行李費收入？

(A) 2,000美金 (B) 2,600美金 (C) 3,000美金 (D) 5,000美金 [C] 8. 有關型一錯誤(Type I Error)的敘述，下列何者最為正確？

(A)其機率為1－型二錯誤機率 (B)其機率永遠設為5 %

(C)是拒絕真的虛無假設時，所犯的錯誤

(D)是對立假設為真時，不拒絕虛無假設所犯的錯誤

[D] 9. 在多元迴歸模型中，若要進行聯合檢定(joint hypothesis test)，應使用下列何種檢定法？

(A) t 檢定 (B) Z 檢定 (C)卡方檢定 (D) F 檢定

[A] 10. 指數分配是伽瑪分配的一個特例，當伽瑪分配中的何項參數固定時，伽瑪分配將退化成指數 分配？

(A) α = 1 (B) α = 2 (C) β = 1 (D) β = 2

[B] 11. 小美回到宿舍拿起雜誌翻閱，突然間上個月才更換的燈泡燒毀了！包裝盒上明明寫著可以照 亮3,000個小時的燈泡，總共才使用30個小時就燒毀，已知該燈泡的壽命是服從指數分配，請 問1,000個使用此品牌燈泡的消費者當中，比小美更倒楣的人約有多少？

(A)1 (B)10 (C)100 (D)條件不足無法計算

[D] 12. 下列有關變異數分析的敘述，何者有誤？

(A)每一組資料都必須服從常態分配 (B)每一組資料的母體變異數都必須相同

(C)用以檢定平均數 (D)用以檢定變異數

150

X = Y =85

150 1

)2 20 (X_i−X =

∑ ¹⁵⁰

1

)2 2000 (Y_i−Y =

∑ ¹⁵⁰

1

)( 1

(X_i −X Y_i−Y)= − 80

∑

1.統計學 2.巨量資料概論 第 3 頁，共 6 頁 [D] 13. 假設隨機變數X與Y的聯合機率分配為f (x , y) = (x ＋ y)/30 , x = 0,1,2,3，y = 0,1,2，則P (x > y)

為下列何者？

(A) 0 (B) 1/2 (C) 2/3 (D) 3/5

[B] 14. 公司舉辦健行活動，某員工去程平均時速為6公里，回程平均時速為3公里，則該員工的總平 均時速為下列何者？

(A) 3.5公里 (B) 4公里 (C) 4.5公里 (D) 5公里 [C] 15. 就同一組資料進行假設檢定時，下列敘述何者有誤？

(A)右尾檢定和左尾檢定所計算出來的檢定統計量相同 (B)單尾檢定和雙尾檢定所計算出來的檢定統計量相同 (C)右尾檢定和左尾檢定所計算出來的p值相同

(D)右尾檢定和左尾檢定所計算出來的p值和為1

[C] 16. 某公司販賣的10公克果醬包，根據過去的資料顯示其重量的標準差為0.2公克，今任取1包該 公司販賣的10公克果醬包，其重量介於9.6公克到10.4公克之間的機率至少為下列何者？

(A) 1/2 (B) 2/3 (C) 3/4 (D) 4/5

[D] 17. 1磅精心調配的綜合咖啡豆當中包含了非洲、美洲、亞洲等3地生產的咖啡豆，假設X與Y分 別代表這1磅的綜合咖啡豆之中非洲豆和美洲豆的重量，已知X與Y的聯合機率密度函數為 f ( x , y ) = 24xy，0 < x < 1，0 < y < 1， x ＋ y < 1。若非洲豆的重量為0.75磅，試問美洲豆重量 小於0.1磅的機率為下列何者？

(A) 1/25 (B) 2/25 (C) 3/25 (D) 4/25

[A] 18. 從台灣全省抽樣1,000家公司，調查其去年的業績，發現結果如下：業績成長的有150家，業 績衰退的有550家，業績不變的有300家，而其中服務業所佔的比例分別為45 %，30 %，50 %

。若從中選取1家公司，其為服務業的機率為下列何者？

(A) 0.3825 (B) 0.4016 (C) 0.4167 (D) 0.4207

[B] 19. 令(X1 , X2 , X3)為由常態母體N(µ , σ²)抽出的一組隨機樣本，T1、T2、T3、T4均為µ的估計量，

T1 =(3X1 ＋ 3X2 ＋ 4X3)/10，T2 =(X1 ＋ X2 ＋ X3)/3，T3 =(X1 ＋ 2X2 ＋ 3X3)/6，T4 =(2X1 ＋ 3X2 ＋ 4X3)/9

，請問下列何者為µ的不偏估計量中變異數最小者？

(A) T1 (B) T2 (C) T3 (D) T4

[D] 20. 棒球教練想要透過假說檢定確認某選手的打擊率是否超過3成，乃蒐集過去50次的打擊紀錄 做為樣本，得到的打擊率為0.33。假設該選手的每次打擊都是獨立事件，請問在設定顯著水 準為5 %的條件下，p值(p-value)係指下列何種機率值？

(A) 0.05 (B) Pr (Z > 1.645)

(C) Pr (樣本打擊率 > 0.3 | 真實打擊率 = 0.3) (D) Pr (樣本打擊率 > 0.33 | 真實打擊率 = 0.3) [D] 21. 已知某股票的報酬率服從期望值為µ，標準差為σ 的對數常態分配，則該股票報酬率的期望值

為下列何者？

(A) µ (B) 𝑒𝑒^𝜇𝜇 (C) 𝑒𝑒^{𝜇𝜇+𝜎𝜎22} (D) 𝑒𝑒^{𝜇𝜇+𝜎𝜎22}

[C] 22. 為了解台灣人民的網路使用情形，隨機抽取600位年滿15歲以上的國民調查，其中有360位每 天都使用網路，據此估計台灣15歲以上的國民每天使用網路的比率為0.6，則在信賴係數(信 心水準)為95 %時，估計誤差之最大值為下列何者？(𝑍𝑍0.05= 1.645，𝑍𝑍0.025 = 1.96)

(A) 0.0200 (B) 0.0337 (C) 0.0392 (D) 0.0475

[A] 23. 已知X 服從常態分配N(µ , σ)，設µ的95 %信賴區間為(L1 , U1)，µ的90 %信賴區間為(L2 , U2)

，下列敘述何者正確？

(A) L1 < L2 < U2 < U1 (B) L2 < L1 < U2 < U1 (C) L1 < L2 < U1 < U2 (D) L2 < L1 < U1 < U2

【請翻頁繼續作答】

1.統計學 2.巨量資料概論 第 4 頁，共 6 頁 [B] 24. 為 了 解 房 屋 售 價 (X) 與 面 積 (Y) 之 間 的 關 係 ， 隨 機 選 取 12 戶 已 成 交 房 屋 ， 所 得 資 料 為

∑¹²_𝑖𝑖=1𝑥𝑥𝑖𝑖 = 3177、∑¹²_𝑖𝑖=1𝑦𝑦𝑖𝑖 = 272、∑¹²_𝑖𝑖=1𝑥𝑥_𝑖𝑖² = 869111、∑¹²_𝑖𝑖=1𝑦𝑦_𝑖𝑖² = 6464、∑¹²_𝑖𝑖=1𝑥𝑥_𝑖𝑖 𝑦𝑦_𝑖𝑖 = 74113

，X與Y的相關係數為下列何者？

(A) 0.68 (B) 0.73 (C) 0.82 (D) 0.89

[D] 25. 二個互斥事件A、B，機率分別是0.5、0.6，則Pr { A^c ∪ B^c }的值為何？(註：A^c，B^c 分別表示 A、B的餘集合)

(A) 0.7 (B) 0.8 (C) 0.9 (D) 1.0 [C] 26. 下列何者不是Apache Hadoop之特色？

(A)使用MapReduce程式框架 (B)支援Java語言

(C) Apache Mahout是一種用來支援Apache Hadoop分散式工作程序管理的程式庫 (D)使用Hadoop Distributed File System

[C] 27. 對於HDFS Shell指令，下列敘述何者有誤？

(A) Hadoop fs -ls用來列出HDFS檔案與目錄列表 (B) Hadoop fs -rm input/masters刪除HDFS上的檔案 (C) Hadoop fs -cat input/slaves壓縮HDFS內之檔案 (D) Hadoop fs -put conf input將本地端檔案上傳至HDFS [B] 28. 對於 k-均值(k-means)聚類演算法的敘述，下列何者有誤？

(A) k-均值中update的程序，將更新聚類中心

(B) k-均值中assign的程序，將比較各資料點之間的距離，並將各資料點以隨機方式分配至其 中一個聚類

(C) k-均值中的k值表示資料將分成幾類，需事先給定 (D)每一次執行的k-均值演算法，其結果可能會不一樣 [A] 29. 對於NoSQL資料庫說明，下列何者有誤？

(A)可採用Key-DM資料架構來建立資料庫 (B)使用記憶體方式建立分散資料庫

(C) MongoDB是一種NoSQL的資料庫 (D)各種NoSQL資料庫所支援的語言可能不同 [C] 30. 對監督式學習(supervised learning)的說明，下列何者有誤？

(A)監督式學習需要使用標記過類別的資料(labeled data)進行訓練(training) (B)監督式學習可以跟非監督式學習整合，進行資料分析

(C)目前所有的監督式學習的方法，皆無法對線性不可分(nonlinear)的資料進行分類 (D)將資料的所有特徵(feature)放入監督式學習，不一定會找到最好的分類方式

[D] 31. 以機器學習對於巨量資料進行分析後，通常會使用混淆矩陣(confusion matrix)，對於所產生的 分類器進行評估，其中將分析結果分為true positive (TP)、true negative (TN)、false positive (FP) 及false negative (FN)，下列敘述何者有誤？

(A)正確率Accuracy = (TP ＋ TN) / (TP ＋ TN ＋ FP ＋ FN) (B)召回率Recall = TP / (TP ＋ FN)

(C)精確率Precision = TP / (TP ＋ FP) (D) F1 Score = TP / (TP ＋ FP ＋ FN)

[A] 32. 對於大量資料分析的技術，下列敘述何者有誤？

(A) PageRank是用來對於數值資料進行資料壓縮的演算法

(B)支持向量機(support vector machine)的核函式(kernel function)選擇會影響分析結果 (C) k-最近鄰居(k-nearest neighbors)是用來對於資料分類的監督式演算法

(D) k-中心點(k-medoids)是用來對於資料分類的非監督式演算法

【請另頁繼續作答】

1.統計學 2.巨量資料概論 第 5 頁，共 6 頁 [A] 33. 使用MapReduce框架來設計一個字數統計(word count)程式，其程式所進行的常用標準程序應

為下列何者？

(A) Input  Splitting  Mapping  Shuffling  Reducing  Final Result (B) Input  Mapping  Splitting  Shuffling  Reducing  Final Result (C) Input  Mapping  Splitting  Reducing  Shuffling  Final Result (D) Input  Reducing  Splitting  Shuffling  Mapping  Final Result

[B] 34. CAP定理可用來分析NoSQL資料庫的特性，下列對於NoSQL資料庫及CAP定理之敘述，何者 有誤？

(A) CAP定理的「C」代表的是一致性(consistency)性質 (B) CAP定理的「A」代表的是原子性(atomicity)性質

(C) CAP定理的「P」代表的是分區容錯(partition tolerance)性質

(D) NoSQL資料庫輸出內容，可以搭配非監督式演算法進行資料探勘分析 [A] 35. 下列工作何者適合在一般資料庫進行，但不適合在NoSQL環境？

(A)維持保證多方同時交易一致性的管理機制(concurrency control) (B)複雜度高的加總計算

(C)有時效性的趨勢分析

(D)綱要(schema)尚未穩定的彈性分散式資料儲存與擷取

[A] 36. 下列何種計算方法原則是先綜觀全局，再分層深化處理的廣度優先策略？

(A) Apriori原則找所有frequent patterns (B) FP-growth計算association rules (C) Agglomerative hierarchical clustering (D) MapReduce

[D] 37. 對關聯規則(association rule) X → Y 的理解，下列何者較為正確？

(A) X的值決定Y的值 (B) X是因，Y是果

(C) X之後的下一階段是Y (D) X出現時，也容易見到Y

[B] 38. 文字探勘(text mining)常見的TF-IDF處理，IDF是以甚麼為單位的值？(Document--D代表文件

，Term--T代表字詞，Weight--W代表加權比重)

(A) IDF (D , W) (B) IDF (T) (C) IDF (T , D) (D) IDF (W) [C] 39. 下列何者為公有區塊鏈(block-chain)的特性？

(A)由鏈外仲裁者驗證資料 (B)由認證金融組織負責Bitcoin(比特幣)運作

(C)已上鏈資料無法更改 (D)不支援智能合約的數位服務

[C] 40. 有關巨量資料的多類(variety)特性，下列敘述何者正確？

(A)一般感知器(sensor)所回傳的資料為無結構性資料(unstructured data) (B)監視器所錄下的視訊(video)為半結構性資料(semi-structured data) (C)線上訂房的網頁資料為半結構性資料(semi-structured data)

(D)書籍文本文字(text)為結構性資料(structured data)

[B] 41. 關於Hadoop分散式檔案系統HDFS的檔案文件儲存，下列敘述何者有誤？

(A)檔案內容將被切割為區塊(chunk)儲存 (B)檔案區塊大小不一，視檔案內容而定 (C)檔案區塊大小通常為64 MB以上 (D)每一檔案區塊至少將會複製二份存放

【請翻頁繼續作答】

1.統計學 2.巨量資料概論 第 6 頁，共 6 頁 [A] 42. 資料倉儲設計會希望是主題導向(subject-oriented)，下列敘述何者正確？

(A)主題不應被期待在倉儲系統運作後自然浮現

(B)分析維度的準備與主題制定是分別獨立的設計工作 (C)資料倉儲設計不易，最好盡量納入多元主題

(D)主題需要經常性的檢討並重新訂定

[C] 43. 資料立方(data cube)是由資料倉儲綱要所建立的多維度數值統計資訊，若決策者希望獲得某單 一維度的部分條件之統計量來分析資料時，可以用下列何種 OLAP 的運算來達成？

(A) roll up (B) drill down (C) slice (D) dice [D] 44. 對Hadoop Distributed File System (HDFS)的敘述，下列何者有誤？

(A)提供容錯功能 (B)至少包含一台data node (C)至少包含一台name node (D)至少包含一台analytics node [C] 45. 有關MapReduce程式的執行，下列敘述何者正確？

(A)工作追蹤器(job tracker)主要是回報資料節點中 Map 或 Reduce 任務的執行情況 (B)主節點(master node)若發生故障，只有主節點上的任務(task)會失敗

(C)資料節點(data node)若發生故障，該節點的任務(task)將會重新指定給其他資料節點 (D)為獲取最大的平行計算效益，Map任務和Reduce任務不會安排至在同一資料節點上執行 [B] 46. 以資料分析為目的構建資料倉儲(Data Warehouse)時，其資料特性將不包括下列何者？

(A)主題導向性(subject-oriented) (B)資料異動性(volatile) (C)多重整合性(integrated) (D)時間變動性(time variant)

[B] 47. 當在具有數值屬性(numerical attribute)的資料集中探勘關聯式規則(association rule)時，必須預 先對屬性資料完成何種處理？

(A)補值處理(missing value imputation) (B)離散化(discretization) (C)比例轉換(scaling) (D)正規化(normalization)

[B] 48. 巨量資料分析前進行屬性特徵選擇(Feature-Selection)時，下列何種方法不適合用來做為選擇 的標準依據？

(A)資訊增益(Information Gain) (B)均方根誤差(Root Mean Squared Error) (C)卡方係數(Chi-Squared coefficient) (D)相關係數(Pearson’s correlation coefficient) [A] 49. 深度神經網路(deep neural networks)的神經元中通常輸出時會經過激發函數(activation function)

的轉換，下列針對常用激發函數的敘述何者有誤？

(A) ReLU可以避免過度擬合(overfit)的問題

(B) Sigmoid會有梯度消失(vanishing gradient)的問題 (C) ReLU會發生死亡神經元(dead neural)的問題

(D) Sigmoid會有梯度爆炸問題(vanishing gradient)的問題

[D] 50. 集成式分類方法是將弱分類器(weak classifiers)集合起來用以增強分類的準確率與穩定度。請 問下列何者不是集成式分類方法？

(A) AdaBoost (B) Gradient Boosted Trees (C) Random Forest (D) K-Nearest Neighbor