📺 先看影片，再挑戰模擬考！
理解比死背更重要，看完影片再測驗，效果直接翻倍！ 👉 https://www.youtube.com/@ipasstudybuddy
問題 1 (中級)------------------------------
題目: 一家AI新創公司正在開發一個模型，旨在預測客戶在收到促銷郵件後是否會點擊連結。若要對單一客戶的點擊行為進行建模，下列哪一種機率分佈最為適合？
選項:
A) 泊松分佈
B) 二項分佈
C) 伯努利分佈
D) 常態分佈
答案: C) 伯努利分佈
解析: 伯努利分佈專門用於描述單次試驗中只有兩種可能結果（成功或失敗，如點擊或不點擊）的機率分佈，符合單一客戶點擊行為的建模需求。
問題 2 (中級)
------------------------------
題目: 延續上題情境，該新創公司決定發送1000封促銷郵件。為了預測這1000封郵件中，預計會有多少客戶點擊連結，且假設每個客戶的點擊行為是獨立的，下列哪種機率分佈最為恰當？
選項:
A) 泊松分佈
B) 二項分佈
C) 伯努利分佈
D) 指數分佈
答案: B) 二項分佈
解析: 二項分佈適用於固定次數（n）的獨立伯努利試驗中，成功次數的機率分佈。本案例中，發送1000封郵件即為1000次獨立試驗，目的是預測點擊（成功）的次數。
問題 3 (中級)
------------------------------
題目: 一家電商平台希望利用AI來優化客服資源配置。他們需要預測在特定一小時內接到的客戶投訴電話數量。由於投訴電話是隨機且相對稀有的事件，且發生在一個固定的時間區間內，下列哪種機率分佈最適合用於建模？
選項:
A) 伯努利分佈
B) 二項分佈
C) 泊松分佈
D) 均勻分佈
答案: C) 泊松分佈
解析: 泊松分佈用於描述在固定時間或空間區間內，稀有事件發生次數的機率分佈，非常適合用於建模客服中心在特定時間內的來電數量。
問題 4 (中級)
------------------------------
題目: 在數據分析中，若一個隨機變數的期望值為10，標準差為2。這意味著什麼？
選項:
A) 大部分數據點都集中在2附近。
B) 數據的平均值是2。
C) 數據的平均值是10，且數據點平均偏離平均值約2個單位。
D) 數據的分散程度非常大。
答案: C) 數據的平均值是10，且數據點平均偏離平均值約2個單位。
解析: 期望值代表數據的平均或中心趨勢，而標準差則衡量數據點相對於期望值的平均離散程度。所以，期望值10表示平均值是10，標準差2表示數據點平均偏離期望值約2個單位。
問題 5 (中級)
------------------------------
題目: 下列關於離散型機率分佈和連續型機率分佈的敘述，何者為真？
選項:
A) 離散型機率分佈的隨機變數可以取任何實數值。
B) 連續型機率分佈的隨機變數只能取有限或可數無限個數值。
C) 客戶消費金額（例如$12.50）通常適合用離散型機率分佈建模。
D) 網站每日訪客數量（例如1000人）通常適合用離散型機率分佈建模。
答案: D) 網站每日訪客數量（例如1000人）通常適合用離散型機率分佈建模。
解析: 離散型機率分佈用於描述可數的數值（如網站訪客數），而連續型機率分佈用於描述在一個區間內可以取任何實數值的量（如消費金額、身高）。選項A、B、C的敘述與定義不符。
問題 6 (中級)
------------------------------
題目: 在伯努利分佈中，參數 'p' 代表什麼？
選項:
A) 試驗的總次數
B) 事件發生失敗的機率
C) 事件發生成功的機率
D) 單位時間內事件發生的平均次數
答案: C) 事件發生成功的機率
解析: 伯努利分佈只有一個參數 'p'，代表單次試驗中「成功」的機率。
問題 7 (中級)
------------------------------
題目: 一家工廠正在監控其產品的缺陷率。每天從生產線上隨機抽取50個產品進行檢測，並記錄缺陷產品的數量。若要對每日缺陷產品的數量進行建模，應使用哪種機率分佈及其參數？
選項:
A) 伯努利分佈，參數為缺陷機率p
B) 二項分佈，參數為試驗次數n=50和單次缺陷機率p
C) 泊松分佈，參數為平均缺陷數λ
D) 常態分佈，參數為平均數μ和標準差σ
答案: B) 二項分佈，參數為試驗次數n=50和單次缺陷機率p
解析: 此情境符合二項分佈的特徵：有固定的試驗次數（n=50），每次試驗有兩種結果（缺陷或無缺陷），且每次試驗是獨立的。因此應使用二項分佈，參數為試驗次數n和單次缺陷機率p。
問題 8 (中級)
------------------------------
題目: 若一個AI應用規劃師需要分析某線上論壇每日新註冊用戶的數量，且已知這個數量在不同天之間波動較小，呈現出穩定的平均值。下列哪種機率分佈最可能適用，且其主要參數為何？
選項:
A) 伯努利分佈，參數 p 代表單一用戶註冊機率
B) 二項分佈，參數 n 代表總潛在用戶數，p 代表單一用戶註冊機率
C) 泊松分佈，參數 λ 代表平均每日新註冊用戶數
D) 均勻分佈，參數 a 和 b 代表註冊數量的上下限
答案: C) 泊松分佈，參數 λ 代表平均每日新註冊用戶數
解析: 每日新註冊用戶數量是固定時間區間內事件發生次數的計數，且通常會呈現出一個穩定的平均發生率。泊松分佈非常適合此類事件的建模，其主要參數 λ (Lambda) 代表單位時間內事件發生的平均次數。
問題 9 (中級)
------------------------------
題目: 關於期望值和變異數，下列敘述何者錯誤？
選項:
A) 期望值表示隨機變數的平均值或中心趨勢。
B) 變異數衡量數據點相對於期望值的離散程度。
C) 標準差是變異數的平方，用於與原始數據單位保持一致。
D) 較高的變異數值通常表示數據的波動性或不確定性較大。
答案: C) 標準差是變異數的平方，用於與原始數據單位保持一致。
解析: 標準差是變異數的平方根，而不是平方。它是為了將分散程度的單位恢復到與原始數據相同的單位，使其更具解釋性。
問題 10 (中級)
------------------------------
題目: 在機器學習模型評估中，如果我們希望衡量模型預測結果的穩定性（即預測值的分散程度），下列哪個統計量會提供最直接且有用的資訊？
選項:
A) 期望值
B) 眾數
C) 標準差
D) 中位數
答案: C) 標準差
解析: 標準差衡量數據點相對於其平均值的平均離散程度。在模型評估中，較小的標準差通常表示模型的預測結果更穩定、更一致，波動性較小。
