阿摩線上測驗
登入
首頁
>
iPAS◆資料處理與分析概論◆初級
>
108年 - 108 初級巨量資料分析師能力鑑定試題:資料處理與分析概論#119181
> 試題詳解
25. 在假設檢定中,若發生型 I 誤差之機率為 α 與發生型 II 誤差的機率為 β,下列敘述何者「不正確」?
(A) 顯著水準為 α 之極大值
(B) 犯型 I 誤差的嚴重性甚於犯型 II 誤差
(C) 在同一檢定下,若 β 減少,則 α 將變大
(D) β 越大表示檢定結果越好
答案:
登入後查看
統計:
A(2), B(2), C(1), D(6), E(0) #3219409
詳解 (共 1 筆)
MoAI - 您的AI助手
B1 · 2025/10/26
#6971243
1. 題目解析 這道題目考察的是假設檢...
(共 917 字,隱藏中)
前往觀看
0
0
相關試題
26. 下圖為海藻資料集的變數 mx pH 分佈狀況,請問此圖最接近下列何種機率分佈? (A) 常態分佈 (B) 偏態分佈 (C) 幾何分佈 (D) 均勻分佈
#3219410
27. 參照下圖中模型複雜度(model complexity)與預測誤差(prediction error)之間的變化關係,下列敘述何者正確? (A) 實曲線甲為測試集(test set)樣本下的模型複雜度與預測誤差之間的變化關係 (B) 虛曲線乙為訓練集(training set)樣本下的模型複雜度與預測誤差之間的變化關係 (C) 丙段表過度配適(overfitting),戊段表配適不足(underfitting) (D) 丁段為較佳的模型複雜度
#3219411
28. 某預測變數有兩個獨一無二的值,假設有 1000 個樣本,其中 999 個樣 本的預測變數值相同,下列敘述何者「不正確」? (A) 類別型預測變數與數值型預測變數的退化分佈辨識方法不盡相同 (B) freqRatio 的值為 999,它是以最常見的類別值頻次,除以次常見 類別值頻次的比值 (C) percentUnique 的值為 0.002,它是以獨一無二的類別值數量與樣本 大小的比值 (D) 此變數不屬於近乎零變異(near-zero variance)的狀況
#3219412
29. 假設隨機變數 X1、X2 獨立,且遵從相同的常態分佈 N(μ,σ2)。若 Y=(X1+X2)/2,請問 Y 遵從的分佈為下列何者? (A) N(μ,2σ2) (B) N(2μ,σ2) (C) N(μ,σ2/2) (D) N(μ/2,σ2)
#3219413
30. 「薪資」資料集中的觀察值(單位千元),依遞增順序顯示為:28, 30, 32,35, 35, 40, 45, 47, 47, 80, 90。請問上述資料中的觀察值,何者眾數值 (mode)大於中位數(median)? (A) 47 (B) 90 (C) 35 (D) 無
#3219414
31. 已知 iris 資料集前 3 筆資料如下圖所示: 請問下列的 R 語言指令選項中,何者可完成以下散佈圖矩陣? (A) pairs(iris) (B) pairs[iris] (C) pairs(iris[-5]) (D) pairs[iris(-5)]
#3219415
32. 關於關聯型態探勘的特點,下列敘述何者「不正確」? (A) 關聯型態探勘所得到的結果,因為可以直接進行應用,所以廣受歡迎 (B) 關聯型態分析容易從隨機的型態中妄下虛假的結論 (C) 關聯型態探勘符合資料探勘挖掘資料庫中無預期知識的理念 (D) 關聯型態探勘的分析方法對於小資料集的用處不大
#3219416
33. 下列何種方法通常應用在集群(clustering)問題? (A) 支援向量機(support vector machine) (B) 隨機森林(random forest) (C) k 近鄰法(k nearest neighbors) (D) k 平均數(k-means)
#3219417
34. 關於 k 平均數(k-means)與噪訊偵測之空間密度集群算法 (Density-Based Spatial Clustering of Applications with Noise, DBSCAN),下列敘述何者「不正確」? (A) 兩者都是集群分析 (B) k-means 基於距離的概念,而 DBSCAN 基於密度的概念 (C) 兩者都需要事先告知分群的數量 (D) k-means 集群結果易受離群值的影響
#3219418
35. 關於傳統「階層式集群法(hierarchical cluster analysis)」,下列敘述何 者「不正確」? (A) 常利用聚合法(agglomerative approach)和分裂法(divisive approach)產生所需的階層結構 (B) 將彼此相似度高的較小群集合併成較大的群集,或者將較大群集 進行分離 (C) 利用資料點間密度的關係來分群 (D) 利用樹狀結構圖表示群集彼此關係之分群法
#3219419
相關試卷
113年 - 113-1 巨量資料分析師能力鑑定初級試題:資料處理與分析概論#122978
2024 年 · #122978
112年 - 112 初級巨量資料分析師能力鑑定考試02:資料處理與分析概論#116824
2023 年 · #116824
111年 - 111 巨量資料分析師能力鑑定考試02:資料處理與分析概論#114287
2022 年 · #114287
110年 - 110-1 初級巨量資料分析師能力鑑定考試02:資料處理與分析概論#119175
2021 年 · #119175
110年 - 110-2 初級巨量資料分析師能力鑑定考試02:資料處理與分析概論#119174
2021 年 · #119174
109年 - 109-2 初級巨量資料分析師能力鑑定試題:資料處理與分析概論#119179
2020 年 · #119179
109年 - 109 初級巨量資料分析師能力鑑定試題:資料處理與分析概論#119176
2020 年 · #119176
108年 - 108 初級巨量資料分析師能力鑑定試題:資料處理與分析概論#119181
2019 年 · #119181