越南為近年來新興市場的代表之一，亦為積極的股票型基金標的之一。本研究以代表越南股市的越南指數為研究對象，提出在具有漲跌幅限制、交易限制的新型市場股市特性，如何建構精確的股價指數數學模型，做為人工智慧應用於特定投資標的追蹤與覺察股價指數變化之基礎。本研究跟隨王冠先和李玫郁(2019)提出之大數據分析方法，先檢測數據之資料來源的機率分配為何，確認數據是否來自迴歸模型假設之常態分配。若違反假設，則不適用傳統迴歸分析，可能造成估計偏誤，因此使用適用於任何機率分配之大數據分析迴歸分析估計數學模型方法為較優方法，並且運算直線、非直線和曲線迴歸模型得到估計結果。本研究首先發現越南指數收盤價並不服從常態分配，而是Gumbel分配。因此，不適用於傳統迴歸分析或基於常態分配假設的分析法。其次，期望值估計結果可發現曲線估計優於非直線，非直線優於直線。如果加入一階自我迴歸誤差模型則可調整期望值估計結果，產生更加精確的估計值。這意味著越南指數可找出符合數據特性之機率分配與精確的走勢估計模型。將此寫入大數據和人工智慧系統中的核心模型，對以越南指數為投資標的之走勢監測可得到新數據加入後的數學模型精確比對。本研究之研究結果可做為大數據和人工智慧應用於金融之另一個新的觀念，並且還可持續加入新的數據，產生數學模型，進一步比對數學模型，成為可銜接應用之研究成果。

• 研究動機：

急性上呼吸道感染的宣導多以兒童與老人兩群為主要對象，認為他們較容易發生急性上呼吸道感染。本研究懷疑急性上呼吸道感染人數是否真的是以兒童(0到4歲)與老人(65+歲)居多。

急性上呼吸道感染為常見傳染病，亦有循環波動。不過，區域別的急性上呼吸道感染人數走勢並無顯著差異。反而是年齡不同會造成用藥差異。

• 研究目的：

本研究根據不同年齡層之急性上呼吸道感染人數進行比較分析，了解是否以兒童與老人居多。

本研究根據年齡會造成用藥差異，以及當急性上呼吸道感染爆發時可提前準備藥品與醫材，同時不造成存貨過多，或備料不及等問題，因此，提出是否能夠使用現有資料估算感染人數走勢，提供醫療機構參考使用。

• 資料來源：衛生福利部疾病管制署公開傳染病統計資料查詢系統

• 資料期間：2013年第一週至2016年第41週

• 研究方法：

(1) 檢測資料來自哪種母體分配

(2) 一類因子分析檢測不同年齡層之平均感染人數差異、多重比較法(信賴區間)

(3) 簡單線性迴歸分析

(4) 曲線化線性迴歸分析(最小均方差法、最大判定係數法)

(5) 曲線化線性迴歸+誤差一階自我相關迴歸分析

• 研究結果：

(1) 檢測各年齡層之急性上呼吸道感染人數之母體機率分配為「間斷型均勻分配」。此結果顯示我國急性上呼吸道感染人數為隨機發生。

(2) 一類因子分析結果發現25至64歲的平均感染人數最多。這可能來自於衛生福利部對急性上呼吸道感染人數的年齡層設定不屬於等距法，因此相關單位應提出為何以此年齡層分距方法進行資料歸納。

(3) 一類因子分析的多重比較法發現兒童(0至4歲)與老人(65+歲)無法進行比對。若從年齡層間距來看，與(2)矛盾。這顯示若(1)為真，則代表急性上呼吸道感染狀態為隨機發生，並不受年齡影響。

(4) 青少年(15至24歲)感染急性上呼吸道人數為所有年齡層當中最少。

(5) 簡單線性迴歸分析結果發現，線性模式解釋不同年齡層之急性上呼吸道感染人數之能力最高僅有6.15%。其中，僅有兒童與老人之急性上呼吸道感染人數會為時間變數增加而增加。此結果符合醫療與衛生單位選擇宣導急性上呼吸道感染之對象。

(6)由於簡單線性迴歸分析之解釋力過低，經由曲線化線性迴歸分析後，本研究發現以最小均方差法得到之估算結果最佳，其解釋能力介於65.46%至81.06%。

(7) 青壯年(25至64歲)非常適合使用曲線化線性迴歸模型估算走勢；而兒童(0至4歲)則相對不適合。

(8) 雖然最小均方差法之曲線化線性迴歸分析的序列相關檢定非常接近2，但仍可使用Durbin-Watson序列相關模型，計算出一階自我相關係數。在扣除自我相關，還原資料特性後，曲線化線性迴歸分析之解釋能力可達到66.03%至81.27%。

(9) 觀察估計線圖可發現，當發生過高之急性上呼吸道感染人數，代表感染人數之數字規律已經被破壞，而無法估算到，此原因可能來自於感染傳遞速度過快，以及天候變化過快等原因所造成。

• 研究動機：

大腸直腸癌(Colorectal Cancer, CRC；以下簡稱CRC)自1996年貣首度成為發生率第一位的癌症。2017年衛福部國健署公佈的資料顯示，CRC至今仍為十大癌症之首，更是連續9年位居我國十大癌症的第一位。近年來，CRC發生率持續的攀升，且發生年齡有年輕化的趨勢，但其死亡率並未隨之上升，反到是差距越來越大。過去，針對癌症發生率的分析方式，是計算不同年齡區間的發生率。但是，只針對年齡區間進行分析討論，似乎稍顯不足。另外，若能針對不同人口變項進行估算，以獲得更精準的估算結果，勢必能為CRC甚至是全癌症的預防，提供更完善的資訊與建議。

• 研究方法：

使用「衛生福利部衛生福利資料科學中心」提供的「Health45_癌症登記年報檔」進行分析。以實際病患年齡出現之模式，計算病患年齡自身的「機率密度函數」，以及性別與居住地之大數據母體分配特徵，進行比較與分析，並了解性別與居住地是否影響罹癌患者之年齡分佈，討論三個變項之間的關係。本研究採多變量分析模型，建立多條迴歸估計式，以建立最適解釋模型。

• 研究結果：

性別與區域的初發年齡特徵都有年輕化的趨勢；性別-初發年齡發生率女性比男性更年輕化；區域-初發年齡發生率北區與南區較中區與東區年輕化。帄均初發年齡區間比CRC免費篩檢年齡區間範圍更大。發生機率的分佈呈雙峰分佈，而非線性分佈。不論性別或區域的初發年齡分析結果，其判定係數皆高達99.9%以上。

• 結論與建議：

雖然，資料篩選過程礙於未取得更新版的資料庫譯碼表，以至於部分分析資料不完整。但本研究發現CRC初發年齡有年輕化的趨勢，女性的初發年齡較男性更為年輕化。並且，初發年齡區間較我國CRC免費篩檢區間更大(男性：49~79歲；女性43~75)。未來的研究學者與政府單位，能夠利用此研究結果，針對CRC其他的人口變項及危險因子進行更精準分析與探討，以建立更完善的癌症健康預防策略管理方針。