最新資料

捷運◆電子學

捷運◆電機機械

捷運◆機械原理

115年 - 115 外交特種考試_三等_外交領事人員類科英文組一、外交領事人員類科法文組、外交領事人員類科德文組、外交領事人員類科日文組、外交領事人員類科西班牙文組、外交領事人員類科阿拉伯文組、外交領事人員類科韓文組、外交領事人員類科俄文組、外交領事人員類科義大利文組、外交領事人員類科土耳其文組、外交領事人員類科葡萄牙文組：國際經濟#144523(28題)

115年 - 115 原住民族特種考試_五等_各類科：原住民族行政及法規大意#144522(40題)

115年 - 115 外交特種考試_三等_外交領事人員類科英文組一、外交領事人員類科法文組、外交領事人員類科德文組、外交領事人員類科日文組、外交領事人員類科西班牙文組、外交領事人員類科阿拉伯文組、外交領事人員類科韓文組、外交領事人員類科俄文組、外交領事人員類科義大利文組、外交領事人員類科土耳其文組、外交領事人員類科葡萄牙文組：國際公法#144521(23題)

115年 - 115 外交特種考試_三等_外交領事人員類科英文組一、外交領事人員類科法文組、外交領事人員類科德文組、外交領事人員類科日文組、外交領事人員類科西班牙文組、外交領事人員類科阿拉伯文組、外交領事人員類科韓文組、外交領事人員類科俄文組、外交領事人員類科義大利文組、外交領事人員類科土耳其文組、外交領事人員類科葡萄牙文組、外交領事人員類科國際法組：國際關係與近代外交史#144520(24題)

115年 - 115 原住民族特種考試_三等_土木工程：結構學與鋼筋混凝土學#144519(4題)

115年 - 115 原住民族特種考試_四等_會計：會計法規概要#144518(22題)

115年 - 115 原住民族特種考試_四等_土木工程：材料力學與土木施工學概要#144517(5題)

115年 - 115 原住民族特種考試_四等_會計：政府會計概要#144516(22題)

115年 - 115 外交、國際經濟商務、民航特種考試_三等_各類科組：國文（作文與測驗）#144515(12題)

115年 - 115 外交特種考試_三等_外交領事人員類科各組：綜合法政知識（包括中華民國憲法、兩岸關係、比較政府與政治）#144514(50題)

6. Consider the linear population model with intercept:$y_t = \alpha + \beta x_t + \varepsilon_t$The variance structure is known as below: $E(\varepsilon_t^2) = \sigma^2 h_t^2,$Which regression may obtain efficiency $\hat{\beta}$ estimator? (A) Regress \( y_{t} \) on 1, \( x_{t} \) (B) Regress \( y_{t} / h_{t} \) on 1/ht ,xt/ht(C) Regress \( y_{t} / h_{t}^{2} \) on 1/h2t ,xt/h2t(D) Regress \( y_{t} \) on 1/ht ,xt/ht(E) Regress \( y_{t} / h_{t} \) on 1, \( x_{t} \)

5. Consider the linear model with intercept: $y_t = \alpha + \beta x_t + u_t$ If the $A = \sum_{i=1}^{n} (x_i - \bar{x})^2$ is positive definite and $E(u_i \mid x_i) = 0, \forall t = 1, 2, \dots, T$, which statement is true under sample size $T \to \infty$. (A) \( \hat{\beta} \) is consistent, but we cannot judge whether \( \hat{\beta} \) is efficiency (B) \( \hat{\beta} \) is unbiased and efficiency (C) \( \hat{\beta} \) is consistent and efficiency (D) \( \hat{\beta} \) is, but we cannot judge whether \( \hat{\beta} \) is efficiency (E) \( \hat{\beta} \) is unbiased and consistent.

4. Consider the simple regression $y_i = \alpha + \beta x_i + \varepsilon_i$And suppose population parameter $\beta = 2$ and least square estimator $\hat{\beta} = 2.3$. Now consider the regression $(x_i - y_i) = \alpha^* + \beta^* x_i + u_i.$What is the value of \( \hat{\beta} \)? (A) 1 (B)-1 (C)-1.3 (D)-0.3 (E) 0.3

五、請說明國道電子收費與外部性的關係，並分析尖峰和非尖峰時段是否應收取相同費率。(15 分)

四、政府實行所得重分配政策是否可以提高經濟效率？為什麼？(20 分)

三、社會安全退休年金制度對個人儲蓄行為有哪些可能的影響？(15 分)

交通法規(測試)

講師：【站僕】摩檸Morning.

簡介：交通法規

調劑學&臨床藥學

講師：GO-GO國考(二階通過)

簡介：一、調劑學基本概念中西藥 （一）調劑作業 （二）藥學計算 （三）調製與配伍禁忌 （四）各種劑型 （五）藥...

藥物治療學

講師：GO-GO國考(二階通過)

簡介：整理109-114-1國考題，少部分是到104年

民法 總則 第 131 條

課程：民法 總則
章節：第 六 章 消滅時效

描述：時效因起訴而中斷者，若撤回其訴，或因不合法而受駁回之裁判，其裁判確定，視為不中斷。

民法 總則 第 132 條

課程：民法 總則
章節：第 六 章 消滅時效

描述：時效因聲請發支付命令而中斷者，若撤回聲請，或受駁回之裁判，或支付命令失其效力時，視為不中斷。

民法 總則 第 133 條

課程：民法 總則
章節：第 六 章 消滅時效

描述：時效因聲請調解或提付仲裁而中斷者，若調解之聲請經撤回、被駁回、調解不成立或仲裁之請求經撤回、仲裁不能...

37 哈伯格（A. Harberger）將公司所得稅所造成的轉嫁現象，區分成兩種效果，稱之為： (A)產量效果與要素替代效果 (B)替代效果與所得效果 (C)產量效果與所得效果 (D)所得效果與要素替代效果

11. 要改變前束值，應等量調整直位桿之長度。(A)O(B)X

19 關於政府資訊公開法之敘述，下列何者錯誤？ (A)係以保障人民知的權利，增進人民對公共事務之瞭解、信賴及監督為目的 (B)依該法規定，公開之對象為一般人民 (C)申請人依該法規定申請行政機關提供行政資訊遭拒絕者，如有不服，僅得於對實體決定聲明不服時，一併聲明之 (D)依該法規定申請行政機關提供行政資訊之權利，屬實體權利

32. 在統計推論中，若樣本來自母體但呈現明顯偏態分布，且樣本數有限，下列哪一項策略最能減少推估母體參數的偏誤？ (A)直接使用樣本平均數與變異數估計母體參數，不做任何調整； (B)增加樣本數並考慮使用分位數或中位數作為中心趨勢估計； (C)將樣本隨機重新排列後，多次計算平均值以消除偏態影響； (D)完全依賴樣本標準差來估計母體參數，忽略分布形態

33. 在工業物聯網架構中，進行設備預測性維護(Predictive Maintenance) 時，若面對異常事件發生頻率極低、樣本高度不平衡的時間序列資料， 下列哪一種方法最能兼顧模型穩定性與異常偵測效能？ (A)將每筆異常事件資料複製多次以提升模型對異常的辨識敏感度，搭 配全序列訓練模型(如 LSTM)； (B)對時間序列進行差分與標準化後，使用傳統監督式學習模型(如 SVM)進行分類訓練； (C)使用經過時間序列特化的 SMOTE 技術生成異常樣本，以平衡異常與 正常資料比例； (D) 採用基於重建誤差的自編碼器模型( Sequence-to-Sequence Autoencoder)進行異常偵測，並僅使用正常資料進行訓練

34. 在零售業進行客戶行為分析時，資料倉儲中發現多個欄位儲存相同的購買金額資訊(例如：amount_usd、total_price、transaction_value)， 但其單位、命名慣例及格式不一致，進而導致特徵工程階段混淆模型輸 入。針對此種跨欄位語義重疊與結構冗餘問題，下列哪一種資料處理策 略最合適且具實務可行性？ (A)利用資料探勘技術自動選擇資料集中對目標變數最敏感的欄位，其 他欄位捨棄即可，避免過度清理干擾原始結構； (B)保留所有相似欄位，交由高階模型(如 Gradient Boosting 或 Deep Learning)自動學習特徵關聯，無需手動處理； (C)建立欄位命名標準，統一金額單位與格式，進行欄位正規化與語義 合併，減少重複資訊影響特徵重要性估計； (D)將重複欄位視為類別欄位，進行 One-hot 編碼(One-hot encoding) 後輸入模型，以避免數值誤導模型學習過程