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 (2)_機率基礎-基本概念 發佈留言 / 作者: S學院 / 2025-06-14 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 (2) 機率基礎-基本概念 模擬試題，採智能選題，無限次反覆練習。 1. 若隨機變數X和Y獨立，則P(X=x, Y=y)等於什麼？ P(X=x) - P(Y=y) P(X=x) + P(Y=y) P(X=x) / P(Y=y) P(X=x) × P(Y=y) None 2. 頻率機率的特點是什麼？ 基於實驗觀察 基於理論計算 基於邏輯推理 基於主觀判斷 None 3. 兩個事件A和B，若P(A)=0.4，P(B)=0.5，P(A∪B)=0.7，則這兩個事件的關係是？ 相交但不獨立 互斥 獨立 包含關係 None 4. 若A和B獨立，P(A)=0.5，P(B)=0.3，則P(A∪B)為多少？ 0.15 0.35 0.8 0.65 None 5. 若事件A和事件B互斥，則P(A∪B)等於什麼？ P(A)×P(B) P(A)+P(B) P(A)/P(B) P(A)-P(B) None 6. 樸素貝葉斯分類器的"樸素"假設是什麼？ 所有特徵互斥 所有特徵同等重要 所有特徵服從常態分布 所有特徵條件獨立 None 7. 7個相同的球放入3個不同的盒子，每個盒子至少一個球的方法數為？ C(6,2) C(7,3) 3⁷ 7!/3! None 8. 一個班級有12個男生8個女生，選出5人的委員會，其中恰好3男2女的方法數為？ C(12,3)×C(8,2) C(20,5) P(12,3)×P(8,2) 12×8×C(18,3) None 9. 一個事件的機率為0.2，進行5次獨立試驗，該事件至少發生一次的機率為？ 0.8^5 5×0.2 0.2 1-0.8^5 None 10. 超幾何分布適用於什麼情況？ 有放回抽樣 獨立試驗 無放回抽樣 連續試驗 None 11. 貝葉斯定理的公式為？ P(Bᵢ|A) = P(A)P(Bᵢ)/P(A|Bᵢ) P(Bᵢ|A) = P(A|Bᵢ)/P(Bᵢ) P(Bᵢ|A) = P(A|Bᵢ)P(Bᵢ)/P(A) P(Bᵢ|A) = P(A∩Bᵢ) None 12. 必然事件的機率值為多少？ 0.5 1 0 無法確定 None 13. 從10張卡片（編號1到10）中隨機抽取一張，抽到偶數的機率為多少？ 6/10 4/10 5/10 3/10 None 14. 若P(A)=0.6，P(B)=0.4，P(A∩B)=0.2，則P(A|B)為多少？ 0.6 0.5 0.4 0.2 None 15. 中央極限定理說明什麼？ 樣本大小越大越好 樣本變異數會趨近母體變異數 樣本平均數的分布會趨近常態分布 所有分布都是常態分布 None 16. 擲10次硬幣，恰好5次正面的機率服從什麼分布？ 泊松分布P(5) 二項分布B(10, 0.5) 均勻分布U(0,10) 常態分布N(5, 2.5) None 17. 若事件A₁, A₂, A₃兩兩互斥，則P(A₁∪A₂∪A₃)等於？ P(A₁)×P(A₂)×P(A₃) P(A₁)+P(A₂)+P(A₃) P(A₁)+P(A₂)+P(A₃)-P(A₁∩A₂∩A₃) max{P(A₁), P(A₂), P(A₃)} None 18. 大數法則說明當試驗次數足夠多時，相對頻率會趨近於什麼？ 0 平均值 1 理論機率 None 19. 從5個不同物品中選取3個的排列數為？ 3! C(5,3) P(5,3) 5!/3! None 20. 邊際機率P(X=x)與聯合機率的關係為？ P(X=x) = min P(X=x, Y=y) P(X=x) = ∑ P(X=x, Y=y) P(X=x) = max P(X=x, Y=y) P(X=x) = ∏ P(X=x, Y=y) 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
