台大資管 114–115 統計考古題要怎麼拆，不要只背答案？

TL;DR 考古題的價值是訓練拆題紀律，不是用兩年題型猜完整範圍；每題都要回到資料型態、未知量、工具、計算與語境結論。

English version

考古題很有用，也很容易被誤用。你可以用它練作答速度、題型辨識、公式代入和語境結論；但如果手上只有 114、115 兩年題目，就不能把它說成完整命題範圍。兩年資料最多只能告訴你「這些題型出現過」，不能保證未來只考這些。

所以這篇不做一件事：不把尚未逐題核對官方 PDF 的內容寫成正式詳解。它要做的是建立拆題方法。當你打開官方考古題 PDF 時，知道第一眼要標什麼、第二步要選什麼工具、最後答案要怎麼寫得像統計解答，而不是像公式背誦。

考古題先當訓練場，不當占卜工具

很多備考失誤都來自「看過題目」和「會解同類題」的落差。你可能看過信賴區間，也記得 xbar ± t*SE；但題目換成比例、兩組比較、成對資料或迴歸表時，公式就不能原封不動搬過去。

因此每題先拆成五欄：

資料型態 -> 未知量 -> 統計工具 -> 計算路徑 -> 語境結論

資料型態決定你能不能算平均、比例或次數表。未知量決定你估的是母體平均、比例、平均差、係數或關聯。統計工具決定用信賴區間、檢定、ANOVA、迴歸或卡方。計算路徑要寫出代入步驟。語境結論要回到題目問的對象。

這五欄能防止一個常見錯誤：看到關鍵字就套公式。考場上真正救命的是判斷速度：你能不能在 30 秒內看出題目是哪一種資料問題。

拆題範例：平均數信賴區間題

假設題目給一批樣本的平均數、樣本標準差與樣本數，問母體平均的 95% 信賴區間。先不要急著寫公式，照五欄拆：

資料型態：數值型樣本
未知量：母體平均 mu
統計工具：平均數信賴區間
計算路徑：判斷 sigma 是否已知 -> 選 z 或 t -> 算 SE -> 算 margin -> 寫上下界
語境結論：根據樣本資料，母體平均的 95% 信賴區間約為 A 到 B

如果母體標準差未知，通常用：

xbar ± t* s / sqrt(n)

若題目給 xbar = 82、s = 10、n = 25，95% t 區間可算成：

SE = 10 / sqrt(25) = 2
margin = 2.064 × 2 = 4.128
CI = [77.872, 86.128]

完整答案還要提醒解釋方式：這是抽樣程序的長期 coverage 語言，不是「母體平均有 95% 機率在區間內」。

拆題範例：模型正確率比較題

如果題目看起來像「比較兩種方法的正確率是否有差」，第一眼不要只抓「正確率」三個字。先問資料設計。

資料型態：每題答對/答錯，屬於二元結果
未知量：兩方法正確率差，或同一題上的成對差異
統計工具：兩比例比較、paired comparison，或 bootstrap
計算路徑：看是否同一批題目 -> 決定獨立或成對 -> 算差距與不確定性
語境結論：資料是否提供兩方法表現有差的證據

如果兩個模型跑的是同一批題目，這就不該直接當成兩個獨立樣本。題目難度會同時影響兩個模型，應該看每題差異或用成對設計。這種判斷在考試和 ML/AI 評估裡都很重要。

怎麼用 114–115 題目

使用 114–115 考古題時，建議分三輪。

第一輪只做題型標註。不要急著解，先在每題旁邊寫：描述統計、機率、信賴區間、假設檢定、兩組比較、卡方、ANOVA、迴歸、PMF 轉換。這輪的目的是建立題型地圖。

第二輪寫完整解答。每題都要有公式、代入、計算、語境結論。若題目需要查表，就寫清楚自由度、尾端方向和顯著水準。不要只留下計算結果。

第三輪做錯題歸因。錯因至少分成五類：概念錯、公式選錯、代入錯、計算錯、結論語言錯。結論語言錯也要算錯，因為統計考試常考你能不能把數字翻回題目。

發布正式考古題詳解前，還要逐題核對官方 PDF 題面。備考頁可以當入口和索引，但不是官方標準答案來源。

這在 ML / AI 哪裡會用到

ML/AI 評估報告其實也需要同一套拆題紀律。看到一張 benchmark 表，不要只問誰最高分。你要問：

data: 測試資料從哪裡來？是否代表未來情境？
metric: 分數是 accuracy、F1、AUC、win rate，還是人工偏好？
sampling: 樣本數多少？是否成對比較？
uncertainty: 有沒有信賴區間、bootstrap 或檢定？
decision: 差距是否大到足以改模型、改產品或改流程？

這和考古題拆題是同一件事。考試題目把問題包成文字敘述；ML 報告把問題包成資料表和排行榜。你要做的都是先辨識資料型態和決策問題，再選統計工具。

常見錯誤

把 114–115 兩年題型當成完整命題範圍。
沒核官方 PDF 題面，就把轉述內容寫成正式詳解。
題型標註只寫「檢定」，沒有說是平均、比例、成對或卡方。
解答只有公式和數字，缺少語境結論。
看 ML/AI benchmark 時只看最高分，沒有問資料、metric 和不確定性。

練習題

選一題官方 PDF 題目，先只抄年份、題號與題面來源，不急著解。
把該題拆成資料型態、未知量、工具、計算路徑、語境結論五欄。
標出這題對應系列中的哪一篇或哪幾篇。
寫一句限制：目前兩年題型只能代表已出現題型，不能代表完整命題範圍。

下一篇怎麼接

考古題拆題是第一層的實戰入口。下一篇會把第一層收束成考前 14 天複習表：怎麼在混合題裡快速判斷工具，並把錯題修到能上考場。

章節級參考對照

台大圖書館考古題系統：年份、科目名稱與官方 PDF 題面入口；正式詳解前必須逐題核對。
grad-exam-prep：備考頁與考古題頁只作題型入口、練習動線與索引。
OpenIntro / OpenStax：拆題後用來核對公式、定義、假設與作答語言。
Stanford CS109 / scikit-learn：把同一套拆題流程接到模型評估與不確定性報告。