iPAS AI應用規劃師 (中級)科目3_ L23101 機率統計之機器學習基礎應用 (3) 機率基礎-重要定理 / iPAS AI 應用規劃師, AI 測驗題庫, iPAS AI 中級, 測驗題庫 / 作者: S學院 iPAS AI應用規劃師 (中級)科目3_ L23101 機率統計之機器學習基礎應用 (3) 機率基礎-重要定理 模擬試題,採智能選題,無限次反覆練習。 1. 對於聯合機率密度函數 f(x,y,z),X ⊥ Y | Z 的條件獨立性可表達為: f(x,y|z) = f(x|z) × f(y|z) f(x,z) = f(x) × f(z) f(x,y,z) = f(x|z) × f(y|z) × f(z) f(x,y) = f(x) × f(y) None 2. 某垃圾郵件過濾系統中,已知 P(垃圾郵件) = 0.4,P("免費"|垃圾郵件) = 0.8,P("免費"|正常郵件) = 0.1,則包含"免費"字眼的郵件是垃圾郵件的機率約為多少? 0.84 0.74 0.82 0.8 None 3. 氣象預報中按地理區域(北中南)分割來預測降雨,這屬於哪種分割策略? 按原因分割 按結果分割 按空間分割 按時間分割 None 4. Cramér-Rao 下界指出,無偏估計量 T 的變異數滿足: Var(T) ≥ 1/(nI(θ)) Var(T) ≥ 1/I(θ) Var(T) ≥ nI(θ) Var(T) ≥ I(θ) None 5. 在機器學習的樸素貝氏分類器中,"樸素"指的是什麼假設? 樣本數量足夠大 特徵之間相互獨立 分類結果唯一 資料服從正態分布 None 6. 在高維統計中,若維度 p 與樣本大小 n 的比例 p/n → γ ∈ (0,1),則樣本協變異矩陣的最大特徵值漸近於: √(1 + γ) 1 + γ (1 + √γ)² (1 + √γ) None 7. 某垃圾郵件過濾系統中,已知 P(垃圾郵件) = 0.4,P("免費"|垃圾郵件) = 0.8,P("免費"|正常郵件) = 0.1,則 P("免費") 為多少? 0.38 0.5 0.32 0.42 None 8. 全機率定理的數學表達式為: P(B) = Σᵢ P(B|Aᵢ) × P(Aᵢ) P(B) = P(A∩B) / P(A) P(A∩B) = P(A) × P(B) P(A|B) = P(B|A) × P(A) / P(B) None 9. 對於鞅 {Mₙ, ℱₙ},可選停時定理成立的條件之一是: E[τ] < ∞ 且 E[|M_{τ∧n}|] 一致有界 Mₙ 單調遞增 ℱₙ 獨立 τ 為常數 None 10. 兩個獨立事件A和B的交集機率計算公式為: P(A∩B) = P(A|B) × P(B) P(A∩B) = P(A) × P(B) P(A∩B) = P(A) + P(B) - P(A∪B) P(A∩B) = P(A) + P(B) None 11. 在貝氏定理中,P(B|A) 代表什麼意義? 先驗機率 邊際機率 後驗機率 似然性 None 12. 設備故障分析中,按使用年限分割:A₁(≤1年),A₂(1-3年),A₃(>3年),這屬於哪種分割策略? 按時間分割 按空間分割 按結果分割 按原因分割 None 13. 在決策理論中,最小化預期損失的最優決策 δ*(x) 滿足: δ*(x) = E[θ|x] δ*(x) = argmin_δ ∫L(θ,δ)π(θ|x)dθ δ*(x) = ∫δπ(θ|x)dθ δ*(x) = argmax_δ ∫L(θ,δ)π(θ|x)dθ None 14. 在貝氏模型選擇中,若模型 M₁ 的邊際似然為 p(D|M₁),模型 M₂ 的邊際似然為 p(D|M₂),則貝氏因子 BF₁₂ 大於 10 通常表示: M₁ 與 M₂ 相當 M₁ 略優於 M₂ 證據不足以判斷 M₁ 強烈優於 M₂ None 15. 條件獨立性的數學表達為: P(A∩B|C) = P(A|C) × P(B|C) P(A∩B) = P(A) × P(B) P(B|A) = P(B) P(A|B) = P(A) None 16. 在最大似然估計的漸近理論中,若真參數為 θ₀,則 √n(θ̂ₙ - θ₀) 的漸近分布為: N(0, I⁻¹(θ₀)) N(θ₀, I⁻¹(θ₀)) N(0, I(θ₀)/n) N(0, I(θ₀)) None 17. 約32人 約30人 約28人 約29人 None 18. 0.05 0.09 0.95 0.08 None 19. 對於複合 Poisson 過程,其 Lévy 測度 ν(dx) 滿足: ν({0}) = 0 ∫|x|ν(dx) < ∞ ν(ℝ) < ∞ ∫(1 ∧ |x|²)ν(dx) < ∞ None 20. 馬可夫鏈蒙地卡羅(MCMC)方法在貝氏分析中的主要用途是什麼? 計算似然函數 計算邊際機率 計算先驗機率 從複雜後驗分布中抽樣 None 如有問題可留言,謝謝您的寶貴意見! 暱稱 電郵(提交獲得正確答案,可換題測驗完整題庫,新增題庫電郵通知) Time's up