阿摩線上測驗
登入
首頁
> 最新資料
最新資料
瀏覽最新的試卷、試題和詳解,掌握最新考試資訊
最新科目
專技◆社會工作直接服務
技檢◆會計事務
技檢◆網頁設計
最新試卷
115年 - 115 高等考試_三級_戶政:民法總則、親屬與繼承編#142348(4題)
115年 - 115 大學入學考試中心_分科測驗:公民與社會#142347(39題)
115年 - 115 高等考試_三級_環境工程:流體力學與水處理工程#142346(4題)
115年 - 115 高等考試_三級_職業安全衛生:職業安全衛生管理與法規(包括應用統計)#142345(4題)
115年 - 115 普通考試_一般行政、一般民政、客家事務行政、戶政、原住民族行政、社會行政、勞工行政、教育行政、人事行政、法律廉政、財經廉政:行政法概要(重複)#142344(50題)
115年 - 115 普通考試_戶政:國籍與戶政法規概要(包括國籍法、戶籍法、姓名條例及涉外民事法律適用法)#142343(27題)
115年 - 115 高等考試_三級_會計:會計審計法規#142342(27題)
115年 - 115 高等考試_三級_資訊處理:資訊管理#142341(4題)
115年 - 115 高等考試_三級_法律廉政、財經廉政:公務員法(包括任用、服務、保障、考績、懲戒、交代、行政中立、利益衝突迴避與財產申報)#142340(5題)
115年 - 115 高等考試_三級_經建行政:公共經濟學#142339(4題)
最新試題
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
最新申論題
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)
最新課程
【警鴿心智圖】刑法分則-財產法益(二)
講師:
小摩喵(課程:警鴿系列)
簡介:
本課程以清晰的心智圖呈現複雜的法律概念,幫助你快速掌握核心要點!無論你是法律系學生、司法考試備考生,...
【警鴿】2025警察法規 考前30天衝刺
講師:
小摩喵(課程:警鴿系列)
簡介:
【部分條文使用心智圖幫助記憶】 【這是精華中的精華了】 【口訣會非常精簡!】 閱讀本課程前,請先參考...
藥理學_歷屆國考題整理 (藥學系)
講師:
小笨蛋
簡介:
題目來源:107-1~115-2專技高考-藥理學與藥物化學 (藥學系) *如發現課程有任何錯誤,請利用以下表單進行回...
最新主題筆記
(57分39秒)優質文選之理解實戰:實現高速閱讀
課程:
【影音課程】公職考英文科閱讀測驗看得懂、讀得快
章節:
閱讀理解實戰:單句、段落、短文
描述:
理解力才是閱讀測驗在時間限制內作答完畢且作答正確的根本,而理解力並非單靠填鴨式記憶主題分類單字的中文...
(44分33秒影片)句子結構(三):及物動詞+受詞以及授與動詞+雙受詞
課程:
【影音課程】公職考英文科閱讀測驗看得懂、讀得快
章節:
句子拆解的原理與閱讀能力養成
描述:
本片解說兩種句子結構,分別是 Vt + O 以及 Vt + O1 + O2 一般極為常見的授與動詞give, send, show對考生...
2-2(會考)單獨/共同/雙重/節慶所有格的用法和例句
課程:
國中英語基礎文法(上)
章節:
單元二:代名詞Pronouns
描述:
2-2 講義與影片教學重點內容:主題二 所有格-單獨/共同/雙重/節慶所有格的用法和例句勵志小語: 今天的...
最新討論
27. 一個透明收納桶內放置了以下物品:一個圓形橡膠球、一片枯葉、一張撕破的紙、一個 方形積木。以「有機形、幾何形、偶然形」形態類型分類,下列敘述何者正確? (A) 2 個有機形、2 個幾何形、0 個偶然形 (B) 2 個有機形、1 個幾何形、1 個偶然形 (C) 1 個有機形、2 個幾何形、1 個偶然形 (D) 3 個有機形、1 個幾何形、0 個偶然形
28. 圖(十)為東海大學校內的路思義教堂,有關其造形元素構成的方式與形式原理,下列敘述何者正確? (A) 採用漸變形態產生連續移動的視覺變化,以創造建築美感 (B) 以不對稱平衡的組合展現視覺心理上有靜止、安定的感覺 (C) 基本造形元素的構成方式,是以單一之造形交錯重疊排列 (D) 應用錯視的幾何排列,產生視覺心理的空間藝術與安定感
29. 圖(十一)的組子欄間是早期臺灣與日本傳統的木工技法之一,其應用下列何種木工加工法製作而成? (A) 透雕法 (B) 扣件法 (C) 彎曲法 (D) 榫接法
13. 某電商平台的資料科學團隊欲建置一套 NLP 模型,用於分析顧客在社群媒體上對商品的評論情緒。在將原始貼文資料送入模型訓練前,團隊執行了以下步驟:移除貼文中央雜的 HTML 標籤與網址、將表情符號轉換或移除、去除「的、了、啊」等對情緒判斷無實質貢獻的停用詞,並統一將文字轉換為小寫格式。請問上述步驟主要屬於機器學習專案流程中的哪一環節? (A)模型評估(Model Evaluation):透過移除干擾詞彙,計算模型在測試資料集上的準確率、精確率等指標表現; (B)特徵萃取(Feature Extraction):將文字資料轉換為數值向量,使模型能夠識別評論中與情緒相關的關鍵詞彙權重; (C)資料清理與預處理(Data Cleaning and Preprocessing):將原始、雜亂的文字資料轉換為格式一致、去除雜訊的乾淨資料,以利後續模型有效學習; (D)超參數調校(Hyperparameter Tuning):調整模型訓練過程中的學習率、批次大小等參數,以移除訓練資料中的雜訊干擾
14. 某資料科學家利用房屋資料建立 AI 房價預測模型,資料中包含許多彼此高度相關的數值特徵(例如房屋總坪數、客廳坪數等)。為了降低資料維度並減少特徵間的重複資訊,最適合採用下列何種技術? (A)類別編碼(Categorical Encoding); (B)主成分分析(PCA)降維; (C)特徵標準化(Standardization); (D)異常值(Outlier)處理
15. 企業在公開去識別化的消費資料集前,為避免他人透過郵遞區號、性別等間接識別資訊交叉比對後重新識別特定個人身分,同時保留資料的分析價值,最適合採用下列哪一種隱私保護技術? (A)差分隱私(Differential Privacy)技術; (B)隨機抽樣(Random Sampling)技術; (C)k-匿名化(k-Anonymity)技術; (D)密碼雜湊(Hashing)技術