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 105 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。

3 [C] 1. 下列對Poisson分配的敘述，何者正確？

I: 所有的Poisson分配為正偏態(positive skewness) II: Poisson分配的期望值和標準差相等

III: Poisson分配為離散(discrete)機率分配

(A) I、II、和III (B) I和II (C) I和III (D) II和III

6 [D] 2. 一簡單隨機樣本，其X 抽樣分配的特徵(平均數、變異數和分配形狀)，容易受到下列何者之 影響？

I: 樣本大小 II: 母體的變異數 III: 母體的平均數

(A) I (B) I和II (C) I和III (D) I、II、和III 9 [B] 3. 下列敘述何者正確？

I: 若 X~N(μ,σ² )，令Y=X-μ，則 Y~N(0,σ² ) II: 若 X~t(n)(自由度為n的t分配)，則 X²~F(n,1)

III: 若Z~N(0,1)，則 Z²~χ² (1) (自由度為1的chi-square分配)

(A) I和II (B) I和III (C) II和III (D) III

12 [C] 4. 令 S1,S2分別為母體平均數 μ的二個估計量(estimator)，又知道μ=10。對一已知的樣本數，S1抽 樣分配其平均數為10，變異數為12；而相同的樣本數，S2抽樣分配其平均數為10，變異數為 10。下列敘述何者正確？

(A) 是不偏(unbiased)，但 有一偏差(bias)是2 (B) 和 都是有偏差的

(C) 的效率較 低 (D) 和 有相同的效率

15 [D] 5. 某一分析家利用 500個家庭的隨機樣本，估計家庭平均月收入的90 %信賴區間為 60000 80000。若分析家想以99 %信賴係數取代，則信賴區間會？

(A)變窄且會有一較大的錯誤風險 (B)變寬且會有一較大的錯誤風險 (C)變窄且會有一較小的錯誤風險 (D)變寬且會有一較小的錯誤風險 18 [A] 6. 下列哪些機率分配為離散(discrete)分配？

I: 超幾何 II: 指數 III: 二項 IV: 幾何

(A) I、III、和IV (B) I、II、和III (C) I和IV (D) I和III

【請翻頁繼續作答】

1.統計學 2.巨量資料概論 第 2 頁，共 6 頁 21 [A] 7. 某一自助餐餐廳的主菜，分成四大類：猪肉、雞肉、海鮮和其他。隨機抽取700位顧客，所

點之主菜結果如下:

主菜: 猪肉 雞肉 海鮮 其他 人數: 370 172 115 43

想檢定個別的母體比例，依序主菜四大類分別為0.5、0.2、0.2、和0.1，則此檢定的檢定統計 量為何？

(A) 23.34 (B) 24.71 (C) 29.94 (D) 36.72 24 [A] 8. 在研究市場報酬率 和甲股票報酬率 的一簡單線性迴歸中，有下列的結果:

5, ∑ 0, ∑ 15, ∑ 20, ∑ 55, ∑ 5, ∑ 20

∑ 10，則估計的迴歸函數為？

(A) 3 0.25 (B) 3 0.25 (C) 0.25 3 (D) 0.25 3

1 [C] 9. 某一影印機每100頁中印壞1張，若某僱員要影印500頁的報告，則在影印過程中沒有印壞的 機率為何？

(A) (B) 5 (C) (D) 5

4 [A] 10. ， 為二個隨機變數，已知 2 32， 4， , 3，則 和 的 相關係數為何？

(A) 0.75 (B) 0.70 (C) 0.53 (D) 0.50

7 [D] 11. 在隨機完全區集設計(Randomized complete block design)有 4 個處理分佈在 6 個區集中，下列 為其變異數分析表的部分結果，請問處理和區集的自由度分別為多少？

變異來源 平方和 自由度 均方 F 值 處理 5 區集

誤差 360 總和 1440

(A) 4；6 (B) 3；6 (C) 4；5 (D) 3；5

10 [D] 12. 使用自然的地理位置或是其他界線將母體區分為許多區塊，並在每一個區塊中進行簡單隨機 抽樣來組成樣本，此種抽樣方法稱為？

(A)區塊抽樣 (B)分層抽樣 (C)簡單抽樣 (D)群集抽樣

13 [C] 13. 在假設檢定時，如果虛無假設為真，不拒絕虛無假設的機率是0.95，如果虛無假設為假，拒 絕虛無假設的機率是0.9，則下列敘述何者有誤？

(A)型 I 錯誤機率為 0.05 (B)型 II 錯誤機率為 0.1 (C)兩種檢定錯誤的機率總合為 1.00 (D)統計檢定力(power)為 0.9 16 [C] 14. 有一個隨機變數X，其機率分配如下：

f x ! , x 1,2,3

0.5, all other values，則常數a為？

(A) 2/57 (B) 2/43 (C) 1/19 (D) 3/28 19 [D] 15. 下列哪一種統計圖可以決定第90百分位數的大約位置？

(A)直方圖 (B)箱型圖 (C)莖葉圖 (D)肩型圖

22 [D] 16. 下表列示了一組隨機樣本的資料，其相關係數為何？

X 27 31 16 8 11 Y 41 47 24.5 12.5 17 (A) -0.1 (B) 0.1 (C) 0.5 (D) 1

1.統計學 2.巨量資料概論 第 3 頁，共 6 頁 25 [C] 17. 從一組母體中選取68個觀察值為樣本，樣本平均數是1.72、樣本標準差是0.64。另從第二組

母體中選取33個觀察值為樣本，樣本平均數是0.82、樣本標準差是0.48。請進行下列的假設 檢定，

並使用顯著水準0.05，下列敘述何者有誤？

(A)此為雙尾檢定 (B)自由度為99的T檢定

(C)檢定統計量為 3.15 (D)拒絕H0

2 [D] 18. 關於卡方檢定 (Chi-square Test) 之適用，下列何種有誤？

(A)國籍和宗教有無關聯 (B)骰子是否公正

(C)性別和是否吃素有無差異 (D)性別在智商上有無差別 5 [B] 19. 關於二因子變異數分析中檢定的敘述，下列何者正確？

(A)先檢定主效應顯著性，若不顯著，再檢定交互作用效應顯著性 (B)先檢定交互作用效應顯著性，若不顯著，再檢定主效應顯著性 (C)只需要檢定主效應顯著性，不必檢定交互作用效應顯著性 (D)先檢定交互作用效應顯著性，若顯著，再檢定主效應顯著性

8 [B] 20. 已知 0.35， | 0.4，則 ∩ 為多少?(其中 為事件 的餘事件) (A) 0.14 (B) 0.21 (C) 0.35 (D) 0.6

11 [A] 21. 關於複迴歸分析，下列敘述何者正確？

(A)自變數越多，R²越大 (B)自變數越多，adj-R²越大 (C)自變數越少，R²越大 (D) adj-R²一定大於R²

14 [C] 22. 下列何者為母體參數？

(A)行政院主計總處調查顯示，上個月台灣地區失業率為4.91 % (B)有十萬名網友參加的網路民調的結果

(C)內政部每年公布的台灣地區新生兒出生數 (D)衛福部抽查鴨蛋、鵝肉殘留抗生素的不合格率

17 [B] 23. 等式 SS(Total)=SST(treatment)+SSB(block)+SSE 適用於哪一種實驗設計模型？

(A)完全隨機設計 (B)隨機區集設計 (C)二因子設計 (D)不完全區集設計 20 [B] 24. 關於Tukey多重比較的用途，下列何者正確？

(A)檢定常態性 (B)檢定成對平均數的差異

(C)檢定一群平均數的差異 (D)檢定變異數的差異

23 [A] 25. 要決定資料是否來自於特定多項分配(Multinomial distribution)時，我們要選用哪一種檢定？

(A)適合度檢定 (B)列聯表獨立性檢定

(C)比較多個母體的卡方檢定 (D)檢定常態性的卡方檢定

28 [C] 26. 費林分類法(Flynn’s Taxonomy)是一種計算機架構的分類方式，根據指令和資料的相對關係，

可以區分為四種，如以單一處理器來執行單一程式段落及單一資料的模式，下列何者正確？

(A) MIMD (B) SIMD (C) SISD (D) MISD

31 [B] 27. 在CUDA(Compute Unified Device Architecture)中，memory的分配上是相當重要的問題，GPU 上具有shared memory、global memory、constant memory，下列敘述何者正確？

(A)存取速度: global memory > shared memory > constant memory (B)容量大小: global memory > constant memory > shared memory (C)要在 shared memory 中宣告變數需在前面加上 device

(D)使用 shared memory 配置的變數，可以被grid中的所有thread存取

【請翻頁繼續作答】

0 1 2

1 1 2

: : H H

 

 





1.統計學 2.巨量資料概論 第 4 頁，共 6 頁 34 [A] 28. 在CUDA(Compute Unified Device Architecture)程式編寫中，如果我們要給每一個thread唯一的

ID，起始值為0，且為整數，例如:0、1、2、3…循序下去，可以透過下列何者取得？

(A) blockIdx.x * blockDim.x + threadIdx.x (B) blockIdx.x * blockDim.x - threadIdx.x (C) blockIdx.x * threadIdx.x + blockDim.x (D) blockIdx.x / blockDim.x + threadIdx.x 37 [B] 29. 關於資料庫中使用的索引結構，下列何者有誤？

(A) B+-Tree (B) FLA-Tree (C) QuadTree (D) R*-Tree 40 [D] 30. 關於支持向量機(Support Vector Machine, SVM)，下列敘述何者有誤？

(A) Kernel Function不只一種 (B)使用Kernel Trick來增加效率 (C)可對資料進行非線性分類

(D)將高維度的資料降至低維度以提升準確率

43 [B] 31. 隨著巨量資料成為許多公司的競爭優勢，所有產業的架構也將重新調整，關於巨量資料對企 業的影響，下列敘述何者有誤？

(A)各公司能得到的利益不會是平等的

(B)得利最多的會是大型企業和中型企業，小型企業將遭到嚴重衝擊 (C)持有許多大型資料來源，能輕鬆取用資料才是優勢

(D)競爭優勢的最核心重點，不是擺在硬體設施本身的規模 46 [C] 32. 分析巨量社群網路資料時，下列敘述何者有誤？

(A)分析使用者的朋友數對了解社群網路是有幫助的

(B)分析使用者打卡(check in)地點有助於了解使用者空間上的資訊 (C)在分析時，使用者皆被視為只有一個社群網路帳號

(D)社群網路上的使用者會隨著時間而增減 49 [D] 33. 關於機器學習演算法，下列敘述何者有誤？

(A) AdaBoost透過調整訓練資料(training data) 被抽樣到的機率以提升效能 (B) K-Nearest Neighbor可用於監督式學習

(C)決策樹(decision tree)可以不是二元樹(binary tree)

(D)過度解讀(overfit)可提升機器學習演算法之準確率，故大部分機器習演算法皆嘗試過度解 讀訓練資料

26 [C] 34. 關於巨量資料的特色，下列敘述何者有誤？

(A)巨量資料特點之一是產生速度很快 (B)線上社群網站是巨量資料來源之一

(C)巨量資料一定要搭配雲端運算才能處理 (D)使用者的網路瀏覽紀錄亦可視為巨量資料 29 [A] 35. 關於衡量機器學習中分類器(Classifier)效能的指標，下列何者有誤？

(A) Walter-Kimplin Curve (B) Precision (C) Recall (D) ROC Curve

32 [A] 36. 關於從社群網站抓取社群網路拓撲(Social Network Topology)資料，下列敘述何者有誤？

(A)深度優先搜尋(Depth-First-Search)是常用的方法之一 (B)廣度優先搜尋(Breadth-First-Search)是常用的方法之一

(C)取得之社群網路拓撲可視為整個線上社群網路的抽樣(sample) (D)為了避免偏差(bias)，可抓取多份不同的社群網路拓撲進行分析 35 [B] 37. 關於巨量資料分析常使用的 NoSQL 資料庫，下列敘述何者有誤？

(A) NoSQL 指的是 Not only SQL，通常不使用 SQL 做為查詢語言 (B) NoSQL 與傳統資料庫相同，都必須隨時確保資料一致

(C) NoSQL 沒有資料庫 schema 的欄位架構，因此可以隨著資料變動有彈性的進行欄位調整 (D) NoSQL 通常不支援 Join 操作

【請另頁繼續作答】

1.統計學 2.巨量資料概論 第 5 頁，共 6 頁 38 [D] 38. 對於兩事件 A, B 的關聯式規則(Association Rule)，下列敘述何者有誤？

(A) A=>B 的支持度(Support)定義為 A, B 兩事件共同出現的機率

(B) A=>B 的信心度(Confidence)定義為事件 A 發生的情形下，事件 B 也同時發生的條件機率 (C)項目A, B順序的調換對支持度不會有影響

(D)項目A, B順序的調換對信心度不會有影響 41 [A] 39. 關於分群演算法(Clustering)，下列敘述何者正確？

(A)分群屬於非監督式學習 (B) k-means演算法進行分群前 ，可先不決定k值 (C)分群演算法通常計算複雜度較分類要高 (D)分群的效果與資料數量、群集數量都無關 44 [B] 40. 關於 MapReduce model，下列敘述何者有誤？

(A) MapReduce model 是 Google 所提出，用於大規模資料的平行運算 (B)在 MapReduce 分散式計算 model 中，只有 Map 及 Reduce 兩種運算 (C) Map 和 Reduce的概念是從 functional programming 而來

(D) Hadoop 為目前較為知名的 open source MapReduce project 47 [A] 41. 關於 HDFS 架構，下列敘述何者有誤？

(A) Hadoop JobTracker 必須也是 HDFS 的 Namenode

(B) Hadoop JobTracker 負責分配工作，而 TaskTracker 負責執行工作 (C) Namenode 只能有一個，而 Datanode 通常有很多個

(D) Namenode 主要負責儲存檔案系統的索引，而 Datanode 負責儲存檔案的 data blocks 50 [C] 42. 下列何種方法比較不適合進行平行化？

(A) K-Means clustering (B) Logistic Regression (C) Newton’s method for finding roots (D) PageRank

27 [A] 43. 根據巨量資料分析的資料屬性，下列何者與其他屬性差異最大？

(A)社群網路分析 (B)股市趨勢分析 (C)路況車流分析 (D)環境感測資料分析 30 [A] 44. 我們會定義資料為巨量、大或者海量，最主要的原因，是目前的資訊科技環境，提供了以下

何種重要特性，使其稱為Big Data？

(A) Variety (B) Veracity (C) Velocity (D) Volume 33 [A] 45. Spark 的 Word Count程式片段範例如下所示，下列敘述何者有誤？

text_file = sc.textFile("hdfs://...")

counts = text_file.flatMap(lambda line: line.split(" ")) \ .map(lambda word: (word, 1)) \

.reduceByKey(lambda a, b: a + b) counts.saveAsTextFile("hdfs://...")

(A) counts 從頭到尾就是單一個 RDD

(B) flatMap() 是依照分隔符號 (" ") 將文字檔分成一個一個的字 (C) map() 將每個字計算一次

(D) reduceByKey() 將相同字的值相加

36 [C] 46. 在巨量資料的想法中，強調的是去尋找事件或事物的相互關係(Correlation)，非著重在傳統因 果關係(Causality)的尋找，主要是因為當今環境變遷迅速，資料可以被即時收集且運算，因此

，相互關係的尋找，更優於確立因果關係。請問，以下何種模型，可以用來協助尋找相互關 係？

(A)時間序列分析 (B)類神經網路分析 (C)關聯規則分析 (D)決策樹分析

【請翻頁繼續作答】

1.統計學 2.巨量資料概論 第 6 頁，共 6 頁 39 [B] 47. 於巨量資料當中進行關聯規則的探勘(Association Rule Mining)，採用Apriori 的方法，將會於

每階段產生大量的組合，使得計算顯得沒有效率。但實際上，此方法因下列何種特性，使其 不用去進行每一個候選組合的測試，而可以大量減少其演算時間？

(A)大數法則 (B)反單調性 (C) 80/20準則 (D)維爾特定律

42 [C] 48. 在巨量資料的技術堆疊中，哪一層將透過MapReduce，慣用程式碼的額外處理與建構中介資 料結構，諸如：統計模型或資料立方體…等，所產生的結構，做為額外分析或傳統查詢工具 查詢之用，使巨量資料做好接受進一步分析的準備？

(A)應用程式碼 (B)資料 (C)商業觀點 (D)儲存

45 [B] 49. 雲端運算技術是巨量資料處理的基礎，關於雲端運算技術，下列敘述何者正確？

(A)雲端運算強調基於實體化等技術，在分散式硬體環境上提供共用資源服務 (B)雲端運算以伺服器集群為中心，運算和資料儲存都由網路中心的雲端完成

(C)雲端運算的伺服器集群仍存在不穩定性，這使得基於雲端運算實現應用的範圍受限

(D)雲端運算伺服器之間是分散式結構，流量具天然的對稱特點，符合現階段的網路頻寬特點 48 [C] 50. 下列哪一項目不是Google 於2003~2006年前後，發表奠定巨量資料技術理論基石的技術？

(A) BigTable (B) GFS (C) Hadoop (D) MapReduce