首頁 / 普通考試 統計考古題 / 民國115年 普通考試 統計 資料處理概要 民國115年 普通考試 統計 資料處理概要考古題
民國115年 普通考試 統計 資料處理概要收錄考選部官方試題，共 4 題可線上瀏覽，考選部未公告本科目答案。
題目與答案
某政府機關建置全國人口統計資料交換網路，各統計中心之連線關係：
(A,B)、(A,C)、(B,D)、(C,F)、(D,E)、(F,D)，其中A 為中央統計中心，其
餘為各區域統計中心。中央統計中心A 需將最新人口統計資料傳送至各
區統計中心。請畫出連結圖，利用以下兩種搜尋法傳送資料，寫出資料
傳送順序：廣度優先搜尋法（Breadth First Search, BFS）、深度優先搜尋
法（Depth First Search, DFS），若有多個尚未拜訪的相鄰節點則依英文字
母順序選擇；並請利用BFS 說明由中央統計中心傳送資料到E 的最短
邊數路徑與其經過之節點。（30 分）
參考解答（AI 生成，非官方） 一、圖形結構：以A為根節點，邊為（A,B）、（A,C）、（B,D）、（C,F）、（D,E）、（F,D）。各節點相鄰情形為：A相鄰B、C；B相鄰A、D；C相鄰A、F；D相鄰B、E、F；E僅相鄰D；F相鄰C、D。全圖有6個節點、7條邊且連通，因C-F-D形成迴路，所以不是樹。繪圖時建議將A置於頂層，B、C置於第二層，D、F置於第三層，E置於第四層，並標明各邊方向與節點名稱；考生請依此描述自行繪製。 二、廣度優先搜尋（Breadth First Search, BFS）：使用佇列（Queue）先進先出。先拜訪A，並依字母順序將B、C入列；取出B，將尚未拜訪的D入列；取出C，將F入列；取出D，E入列（F已在列中）；再依序取出F、E，兩者均無新節點。資料傳送順序為A→B→C→D→F→E。 三、深度優先搜尋（Depth First Search, DFS）：使用堆疊（Stack）或遞迴，優先走字母最小的相鄰節點。由A走B，再由B走D；D的相鄰節點E、F中先選E，E無其他出路便回溯至D，再拜訪F；F的相鄰節點C尚未拜訪，故續走C後結束。資料傳送順序為A→B→D→E→F→C。 四、最短路徑：BFS依層次拜訪，A為第0層，B、C為第1層，D、F為第2層，E為第3層。A至E的最短邊數為3，路徑為A→B→D→E；另一條A→C→F→D→E需4條邊，較長。BFS首次抵達某節點時所走的路徑必為最短邊數路徑，此為其重要性質。 五、作答提醒：應完整標示佇列或堆疊的變化過程、已拜訪集合，以及同層依英文字母排序的規則，並註明最短路徑的邊數與經過節點，避免只寫順序而漏列推理過程。
某政府統計機關辦理全國家庭收支調查，調查員需攜帶平板電腦至各地
進行訪查，並即時將調查資料回傳至中央統計資料庫。由於部分地區缺
乏固定網路環境，因此調查員可能透過Wi-Fi 或5G 行動網路進行資料
傳輸。近期資訊部門發現部分調查員經常使用咖啡廳等公共場所提供之
免費Wi-Fi 上傳資料，可能造成調查資料於傳輸過程中遭竊聽或外洩之
風險，因此規劃使用VPN（Virtual Private Network）強化資料傳輸安全。
請說明Wi-Fi 與5G 行動網路在本案例中的連線方式、涵蓋範圍及適用
情境之差異。另外，若調查員於公共場所使用Wi-Fi 回傳調查資料，請
說明可能面臨的資訊安全風險有那些？並說明VPN 如何降低這些風險，
以保護資料傳輸安全？（30 分）
參考解答（AI 生成，非官方） 一、連線方式：Wi-Fi採IEEE 802.11系列無線區域網路技術，透過無線基地台（Access Point, AP）以2.4、5或6 GHz頻段連線，須先選擇服務組識別碼（SSID）並完成認證；5G採行動通訊標準，經基地台與電信核心網路連線，以SIM卡認證，移動時可跨基地台換手（handover）。 二、涵蓋範圍：Wi-Fi涵蓋範圍約數十至數百公尺，屬熱點式覆蓋，以室內、定點為主；5G單一基地台涵蓋數百公尺至數公里，可廣域連續覆蓋，偏鄉、山區與移動中的訪查仍可維持連線。 三、適用情境：調查員在機關、圖書館、飯店等定點進行大批資料上傳時，宜用Wi-Fi以節省行動數據費用；跨鄉鎮移動訪查、偏遠地區或無固網處，則以5G（或4G）為主，必要時以手機熱點分享予平板使用。 四、公共Wi-Fi風險：可能遭遇中間人攻擊（Man-in-the-Middle, MITM）、邪惡雙胞胎（Evil Twin）偽冒熱點、封包竊聽（sniffing）、DNS劫持與惡意重導、未加密傳輸導致個資外洩、裝置遭植入惡意程式，以及同一網段遭橫向移動（lateral movement）入侵等。 五、VPN效益：虛擬私人網路（Virtual Private Network, VPN）以IPsec或TLS建立加密通道（tunnel），使資料具機密性與完整性，縱遭截取亦難解讀；並可藉憑證驗證伺服器身分，降低連上偽冒熱點之機率。惟VPN無法防範端點惡意程式，仍須搭配HTTPS、多因子驗證、裝置加密與關閉自動連線。
某政府機關為管理食品安全，建立食品生產調查資料表，包含
CompanyID（公司登記編號）、CompanyName（公司登記名稱）、City（工
廠所在縣市）、ProductID（產品編號）及ProductName（產品名稱）。其
中，一家公司可生產多種產品，ProductID 為產品之唯一識別編號，每種
產品只會有一個官方名稱，目前系統以CompanyID 及ProductID 作為複
合主鍵。請說明此資料表可能產生之插入異常（Insertion Anomaly）、更
新異常（Update Anomaly）及刪除異常（Deletion Anomaly）問題，並將
其分解至第二正規化（2NF），寫出分解後之資料表結構。（20 分）
參考解答（AI 生成，非官方） 一、問題根源：此表以（CompanyID, ProductID）為複合主鍵，存在部分相依（partial dependency）：CompanyID→CompanyName、City；ProductID→ProductName。非主鍵屬性僅相依於主鍵的一部分，因此未達第二正規化（Second Normal Form, 2NF）。 二、插入異常（Insertion Anomaly）：新設公司尚未生產任何產品時，ProductID無值，因主鍵不得為空而無法登錄，或須填入虛擬值；同理，新產品若尚未歸屬公司亦難以建檔，造成資料不完整。 三、更新異常（Update Anomaly）：同一公司生產多項產品時，其名稱與縣市會重複儲存於多列，公司改名或遷廠須逐列更新，一旦漏改即產生資料不一致，增加維護成本。 四、刪除異常（Deletion Anomaly）：刪除某公司最後一項產品紀錄時，會連帶喪失該公司的名稱與縣市資訊，形成非預期的資訊損失，亦可能使統計母體失真。 五、2NF分解：拆分為三張表—公司表（CompanyID, CompanyName, City），主鍵為CompanyID；產品表（ProductID, ProductName），主鍵為ProductID；生產關聯表（CompanyID, ProductID），以兩欄為複合主鍵並分別為外鍵。各表非主鍵屬性均完全相依於主鍵，部分相依已消除。
某政府機關建置「智慧統計分析平台」，規劃資料庫需儲存企業基本資
料、企業商標圖片、財務報表PDF、統計分析模型及分析結果。由於資
料類型多元且資料量持續成長，資訊部門評估採用關聯式資料庫
（Relational Database）或NoSQL 資料庫進行資料管理。請比較關聯式
資料庫與NoSQL 資料庫在資料儲存方式、資料模型（Data Model）及系
統擴充能力（Scalability）三方面的差異，並說明本案例較適合採用何種
資料庫及其理由。（20 分）
參考解答（AI 生成，非官方） 一、資料儲存方式：關聯式資料庫（Relational Database）以資料表、列與欄儲存，具嚴謹的綱要（schema）、正規化設計與ACID交易特性；NoSQL資料庫以鍵值、文件、欄族或圖形方式儲存，綱要具彈性，多採最終一致性（eventual consistency）。 二、資料模型（Data Model）：關聯式以關聯（relation）為核心，透過SQL進行查詢與關聯運算，適合結構化且關聯性強的資料；NoSQL以JSON或BSON文件、鍵值對呈現，適合半結構化與多樣內容，但跨集合的JOIN能力較弱。 三、系統擴充能力（Scalability）：關聯式以垂直擴充（scale up）提升單機效能為主，讀取負載可藉複本分攤；NoSQL採水平擴充（scale out），以分片（sharding）將資料分散至多節點，較能因應資料量快速成長。 四、本案例評估：企業基本資料結構固定且要求一致性，宜採關聯式；商標圖片與財務報表PDF屬大型二進位物件，宜存於物件儲存（object storage），資料庫僅存URI與中介資料；統計模型與分析結果欄位不定，宜用文件式NoSQL。 五、建議採混合式架構（polyglot persistence）：以關聯式資料庫作為主資料核心，搭配NoSQL與物件儲存，並以ETL或資料虛擬化整合，兼顧交易一致性、資料彈性與擴充能力。