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 發佈留言 / 作者: S學院 / 2025-06-20 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. 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 按空間分割 按時間分割 按結果分割 None 2. 對於時間序列的單位根檢定,Dickey-Fuller 檢定統計量的漸近分布為: 標準正態分布 Dickey-Fuller 分布 卡方分布 t 分布 None 3. Borel-Cantelli 引理的第二部分指出,若事件序列 {Aₙ} 獨立且 ∑P(Aₙ) = ∞,則: ∑P(Aₙ) < ∞ P(lim sup Aₙ) = 0 P(lim inf Aₙ) = 1 P(lim sup Aₙ) = 1 None 4. 在隨機積分理論中,對於布朗運動 W(t),Itô 積分 ∫₀ᵗ H(s)dW(s) 的均方變異為: ∫₀ᵗ E[H(s)]ds ∫₀ᵗ H²(s)ds t × E[H²(0)] E[∫₀ᵗ H²(s)ds] None 5. 在條件 Copula 模型中,若 C(u,v|w) 表示給定 W=w 條件下的 Copula,則條件獨立性要求: C(u,v|w) = u × v × w ∂C(u,v|w)/∂w = 0 C(u,v|w) = C(u,v) C(u,v|w) = u × v None 6. 系統可靠性分析中,串聯系統的可靠性計算公式為: P(系統正常) = 1 - ∏P(組件i故障) P(系統正常) = ∏P(組件i正常) P(系統正常) = ΣP(組件i正常) P(系統正常) = 1 - ΣP(組件i故障) None 7. 層次貝氏模型(Hierarchical Bayesian Model)主要解決什麼問題? 特徵工程 模型選擇 資料中的層次結構和參數共享 計算複雜度 None 8. 在 A/B 測試中使用貝氏方法的主要優勢是什麼? 計算更簡單 結果更準確 不需要統計假設 能夠融合先驗知識和實驗數據 None 9. 在決策理論中,最小化預期損失的最優決策 δ*(x) 滿足: δ*(x) = argmax_δ ∫L(θ,δ)π(θ|x)dθ δ*(x) = argmin_δ ∫L(θ,δ)π(θ|x)dθ δ*(x) = E[θ|x] δ*(x) = ∫δπ(θ|x)dθ None 10. 約29人 約32人 約28人 約30人 None 11. 在可靠性工程中,冗餘設計主要利用了什麼原理? 串聯系統 相關性 負相關性 並聯系統獨立性 None 12. 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 略優於 M₂ M₁ 強烈優於 M₂ 證據不足以判斷 M₁ 與 M₂ 相當 None 13. 在大數據時代,貝氏方法相對於頻率學派方法的主要優勢是什麼? 計算速度更快 能夠自然地融合先驗知識和不確定性量化 需要的資料更少 結果更容易解釋 None 14. 供應鏈管理中,若要評估整體風險,最適合使用哪個定理? 全機率定理 獨立事件定理 貝氏定理 條件機率定理 None 15. 在A/B測試中,版本A轉換率的後驗分布為Beta(51, 951),版本B為Beta(66, 936),這表示什麼? 兩版本效果相同 版本B可能優於版本A 數據不足以判斷 版本A優於版本B None 16. 在金融風險建模中,為什麼獨立性假設在極端市場條件下常常失效? 系統性風險導致相關性增強 模型過於簡單 資料不足 計算錯誤 None 17. 貝氏網路中節點間的關係主要基於什麼概念? 線性相關性 空間距離 條件獨立性 時間序列 None 18. 對於鞅 {Mₙ, ℱₙ},可選停時定理成立的條件之一是: τ 為常數 Mₙ 單調遞增 E[τ] < ∞ 且 E[|M_{τ∧n}|] 一致有界 ℱₙ 獨立 None 19. 在基因遺傳中,位點A的等位基因A₁頻率為0.6,位點B的等位基因B₁頻率為0.7,若兩位點獨立,則A₁B₁的聯合頻率為多少? 0.42 0.37 0.13 0.3 None 20. 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 0.32 0.42 0.5 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