科目二 · 統計與資料處理

L22 大數據處理
分析與應用

強調數據分析的嚴謹性、統計基礎與大數據架構知識。約含 25% Python 程式碼閱讀題（pandas 等），適合資料分析、商管背景考生。

L221機率統計基礎

L22101 敘述性統計與資料摘要技術計算題 ▾

集中趨勢平均數、中位數、眾數 — 偏態分佈下各指標的適用性

離散程度變異數、標準差計算；Z-score = (X − μ) / σ計算

四分位距IQR = Q3 − Q1，常用於箱型圖判斷異常值必考

分佈形狀常態分佈（68-95-99.7 法則）、右偏/左偏分佈判讀

攜帶一般計算機（非工程計算機），備考時需練習手算 Z-score 與變異數。
前往 L22101 互動練習 →

L22103 假設檢定與統計推論必考 ▾

t 檢定比較兩組平均數差異（例：一年級 vs 二年級身高）必考

ANOVA比較三組以上平均數差異，不能用 t 檢定，需用 F 檢定必考

卡方檢定類別資料的獨立性或適合度檢定

p 值判讀p < 0.05 拒絕虛無假設；Type I Error (α) vs Type II Error (β)

官方樣題考點：三組以上比較不可用 t 檢定，應使用 F 檢定/ANOVA。

L22203 數據處理技術與工具必考 ▾

MapReduceMap：將資料映射為 key-value 對；Reduce：統合歸納資料必考

HadoopHDFS 分散式儲存 + MapReduce 批次運算，適合離線大規模處理

Spark記憶體內運算，比 Hadoop 快 10-100 倍，支援即時串流必考

串流/批次即時監控/詐騙偵測 → 串流處理；歷史報表 → 批次處理情境題

情境題：「即時監控系統應選哪種架構？」→ 串流處理（Stream Processing）。

L22302 常見大數據分析方法情境題 ▾

漏斗分析分析用戶從入口到轉換的每步流失率（電商、網站行為）

時間序列物流預測 ETA、股價預測、需求預測等時序資料分析

異常偵測金融詐騙、設備故障預測 — 偵測偏離正常模式的紀錄必考

圖論分析社交網路分析、推薦系統關聯分析

情境配對題常考：給企業情境 → 選最適合的分析方法（詐騙→異常偵測、即時追蹤→時間序列）。

L22404 大數據隱私保護、安全與合規必考 ▾

GDPR歐盟資料保護法：被遺忘權（Right to be Forgotten）、資料可攜權必考

差分隱私在統計查詢結果加入隨機噪聲，保護個人隱私同時保留統計效用必考

CCPA加州消費者隱私法，賦予消費者知情權與選擇退出權

ZTA零信任架構（Zero Trust Architecture）：不預設信任，持續驗證

差分隱私的目的：在發佈統計資料時保護個人隱私（不是加密，而是加噪聲）。

科目選擇提示：L22 偏統計與資料處理，適合商管、資管、BI 分析背景；若對模型訓練與調參更有興趣，可考慮 L23。兩科都含約 25% Python 程式碼閱讀題。