相較於單一信用違約交換只能對單一信用標的進行信用保護，一籃子信用違約交換則能對一籃子的信用標的進行信用保護。此種產品的評價決定於一籃子信用標的實體的聯合機率分配，因此多個標的資產間違約相關性的衡量，對於一籃子信用違約交換的評價和風險管理是相當重要的課題。 　　在一個資產池中，有時可以將其切割成兩個以上的群體，各群體間彼此相互獨立，而在各群內彼此相依。我們將其視為在多因子模型下的特例，此模型提供我們更具彈性的方式去建立資產之間彼此的相關性。 　　在這篇文章中，我們主要以 Chiang, Yueh, and Hsieh (2007) 在單因子模型下所提出來的方法為基礎，將其延伸至多因子的模型下的特例。藉由選擇一個合適的(IS)分配，在每一次的模擬中必定會有k個違約事件發生；因此我們獲得一個有效率的方法對一籃子違約交換進行評價，此演算法不僅簡單並且其變異數較蒙地卡羅小。 / In contrast to a single name credit default swaps which provides credit protection for a single underlying, a basket credit default swap extends the credit protection to portfolio of obligors with the restriction that the default of only one underlying is compensated. The price of the products depends on the joint default probability of the underlying in the credit portfolio. Thus, the modeling of default correlation, default risk and expected loss is a key issue for the valuation and risk management of basket default swaps. Sometimes a pool of underlying obligors can have two or more separate groups, between those they are unrelated, but in each part they are related. The special cases provide more flexible way to construct the correlation between two or more underlying obligors. In this paper, our approach is based on the construction of importance sampling (IS) method proposed by Chiang, Yueh and Hsieh (2007) under one-factor model, and then we extend the model to a special case under the multi-factor model. By the appropriate choice of the importance sampling distribution, we establish a way of ensuring that for every path generated, k default events always take place. Then we can obtain an efficiency algorithm for basket default swap valuation. The algorithm is simple to implement and it also guarantees variance reduction.

近年來，隨著消費意識的提升，食品業者正面臨最嚴格的考驗，品質 產 生變異，將會反應在銷售量上，嚴重影響企業的經營。而目前台灣食品 造業者，有許多廠家仍停留在經驗掛帥、老式的檢驗品質階段，對於源流 瑊z的觀念仍不甚了解，致使品質提昇的效率不盡理想。有鑑於此，本研 究B用田口玄一博士生產線外品質工程理念架構，靈活搭配各種工具（如 系統洈k、直交表），以使田口方法更臻完善。同時利用S/N比（signal- to-Noes Ratio）變異數分析兩種方法進行資料解析，提供食品製造業者 最佳生ㄡ捰X。最後，乃以本人所親自參與之食品製造業品質改善研究實 驗為例，憭什ㄟ筆嗾膋熊痕G報告外，另詳述記載寶貴的實驗經歷，可進 一步提供相鶻t商作為改善品質的借鏡。

在台灣餐飲市場極力發展之下，各餐飲業無不無所不用其極，希望能讓自己在這有限的市場上奪得一席之地，本研究即以此為研究動機，期望能充分利用王品集團旗下四大品牌(西堤、品田牧場、舒果及陶板屋)之用餐意見卡，使用資料採礦方法探討在不同之品牌及顧客基本資料下滿意度（包括主餐滿意度、服務滿意度及整潔滿意度）之差異，以及影響介紹率之因素，並針對研究結果提出建議，作為餐飲業者在未來行銷策略上之參考。本研究採用描述性統計、獨立樣本t檢定、單因子變異數分析、Scheffe事後比較、主成分分析及決策樹等方法檢定後，研究結果發現： 1. 顧客性別以女性較多，滿意度以女性較不滿意。 2. 四大品牌之三大滿意度皆以主餐滿意度略微較差。 3. 新舊顧客對於三大滿意度有顯著差異。 4. 不同品牌對於三大滿意度有顯著差異。 5. 三大品牌下，不同年齡顧客在三大滿意度上有顯著差異。 6. 四大品牌下，顧客在不同店齡之分店的三大滿意度有顯著差異。 7. 影響介紹率最重要之變數依序為主餐滿意度、前菜滿意度及服務滿 意度。

隨著科技不斷的進步，人們需要處理的資料量也不斷地增加。在巨量資料的分析上，維度縮減將有助於增進效率。本篇論文主要介紹切片平均變異數估計維度縮減方法，並將此法應用於整體相關性檢定問題上。我們考慮切片平均變異數估計法中的邊際維度檢定，並將利用排列重抽法建構檢定統計量的虛無分配，藉此計算排列顯著值來獲得統計推論。此整體相關性檢定可用在基因組分析問題上，以驗證特定基因組與外顯特徵變數間的相關程度。最後我們將模擬本檢定的型一誤差率和檢定力，並與前人提出的方法做比較。

對於使用貝氏法來處理部份區分(partially-classified)或是失去部分訊息資料的類別抽樣(categorical sampling with censored data)，大多建立在「誠實回答」(truthful reporting)以及「無價值性失去部分訊息」(non-informative censoring)的前提下。Jiang(1995)及Jiang and Dickey(2006)取消以上兩個限制，提出貝氏解並利用準貝氏法(quasi-Bayes)來求近似解，而Jiang and Ko(2004)也利用吉氏取樣器(Gibbs sampler)來近似這類問題的貝氏解。本文首先嘗試利用Kuroda, Geng and Niki(2001)所提的“平均變異數和(average variance sum)”估計法 來應用到我們問題的貝氏解。在小樣本時，數值上我們可求得貝氏解，因此本文另一個重點為在小樣本時比較以上三種方法估計值的準確性，並考慮先驗參數(prior)的選取對估計的影響。 本文更進一步證明若選取到某種特殊的先驗參數時，利用“平均變異數和”的方法所計算出來的結果會和 準貝氏法的估計結果相同，而且皆等於用貝氏法計算出的結果。

隨著社會的腳步，日新月異的變化，網路成了現今社會人的必需品，失去了網路會導致許多事情都只能停滯不前。因此，伺服器在人類的生活上扮演起了重要的角色。但是對於一般民眾來說，伺服器仍然是個不為人知的東西。伺服器乃是指客戶機網路上的一些機器，管理著應用程式、數據和網路資源。客戶機請求服務，而伺服器提供服務。 　　早期的伺服器主要用來管理數據文件或網路印表機。現在，伺服器則用來完成其他各種服務，如網路管理、各種各樣的信息服務處理、基礎安全性的訪問等。由於整個網路的用戶均依靠不同的伺服器來提供不同的網路服務。因此，網路伺服器是網路資源管理和共用的核心，其性能對現今整個網路的共用性能有著決定性的影響。從邏輯上看，伺服器是對應於客戶機的一種服務程式。 　　根據本研究結果，在近年來國內伺服器使用家數在民國99年後有開始增加的趨向，各個產業的裝置家數也有微小的提高。有鑑於此，本研究擬針對國內伺服器使用之影響因素，進行探究，藉以瞭解產業間的影響關係。其研究結果顯示： (1)伺服器裝置台數1台之公司家數約占五成； (2)機關別的民營企業佔了裝置家數九成； (3)產業別之服務業對伺服器依賴性強。

市值加權的投資組合方式一直廣為投資者所接受，其誘人之處莫過於集合前幾大市值的公司，並依據市值加權分配權重。在Markowitz(1952)提出的投資理論基礎下，討論了能夠在最小風險下獲得較高的預期報酬，應用在資產配置上即為最小變異數投資組合的投資策略。此觀念出現時，造成了市值加權投資組合其投資效率性受到質疑；由於影響市場變動的因子複雜性高，報酬率並不容易預測，因此出現了不少以最小風險為主要投資目標，而非追求高的預期報酬為主要目的之投資觀點。 本研究以市值加權投資組合為比較對象，探討最小變異數投資組合是否為更有效率的投資組合。以台灣50為市值加權投資組合，運用台灣50資料以滾動視窗的方式估計出最小變異數之權重，以此為最小變異數投資組合，比較兩者間的投資報酬率、績效表現。此外，本研究也將同時探討3種滾動視窗的期間長短，配合4種權重持有時間策略，以期了解參考資訊的時間長短、以及持有權重長短的策略是否會影響最小變異數投資組合的報酬率表現；最後，再運用迴歸分析，了解最小變異數投資組合與Fama-French三因子和動能因子之間的關聯性。 研究結果指出，當參考資訊越長期的滾動視窗估計方式，最小變異數投資組合會有較穩定的投資報酬率；若搭配長期的權重持有期間，能運用在長期投資。欲投資短期則可運用滾動視窗較短的估計方式，其在更新資訊較迅速的優勢之下，擁有較極端的報酬率的機率大，同時績效表現也較佳，此也代表最小變異數投資組合的權重估計若適當，則報酬率表現相當傑出；反之則有相當可觀的損失。觀察影響因子層面，最小變異數投資組合主要受到市場溢酬因子的影響，但根據短期權重持有的策略來說，則是動能因子影響越趨顯著。

生物現象多是由許多基因共同作用產生的結果，以基因組分析方法探討外顯特徵變數與基因組的相關性將更能幫助研究人員了解生物體的作用機制。目前已發展的基因組分析方法大多是針對離散型態的外顯特徵變數，在臨床醫學上，很多疾病的外顯特徵為連續型變數。本研究之目的即為發展運用在連續型外顯特徵變數的基因組分析方法。本文將考慮切片平均變異數估計法進行充分維度縮減的方法，原先被用來決定原始資料被縮減的程度之邊際維度檢定法將被運用於基因組分析方法。除了原有的邊際維度檢定法之外，我們另提出一改良的邊際維度檢定法，並以排列重抽法獲得這兩種檢定方法之排列顯著值。本文將透過電腦模擬以及實例分析來評估兩種邊際維度檢定法，同時也將列入Dinu等學者(2013)所發展的線性組合檢定法之結果以作為比較。

根據教育部幼兒教育統計資料，可以知道國內幼兒園之學生人數與幼兒園之學校數量是出現反向的關係，這也反映了國內除了少子化的現象外，更顯現幼兒園的學校數量有過剩的情況，如此供過於求的失衡現況，將影響國內幼兒園經營的環境。因此，政府提出了幼托整合政策，其主要目的在於夫妻養育孩子費用增加而造成少子化的問題，以及雙薪家庭居多影響到小孩托育問題等影響因素，幼稚園和托兒所的雙重制度，可能不符合當今社會的需求。 　　有鑑於此，本研究欲透過創新經營策略的導入，對幼兒園經營的影響進行探討，故藉由量化及質化問卷調查蒐整資料，且輔以檢定、交叉分析、歸納分析、文獻探討、個案分析等方法，據以瞭解在幼托整合政策實施後，幼兒園導入創新經營策略所後之實質效益。研究結果發現整合資源的重要性最高、學校屬性不同影響幼兒園的選擇管道、私立幼兒園較著重創新經營之策略。此外，從專家訪談中，可以體會幼托整合政策的實施，若幼兒園可以導入創新經策略係可以提高幼兒園的運作與服務品質。

資產配置問題與方法一直是投資人所關心之重要課題。藉由不同之建構投資組合的方法尋找資產的最適權重分配，可使得投資人對所持有資產的管理變得更容易且具效率。在這些方法當中，最小變異數投資組合可滿足追求風險極小化之需求。本文亦從此出發，探討一種特殊的最小變異數投資組合：加權範數最小變異數投資組合，並以台灣50作為實證資料，運用十個績效指標來衡量加權範數最小變異數投資組合、其他三種標竿投資組合與指數型基金台灣50之表現。 結果發現本研究所選取之台灣市場資料在運用加權範數最小變異數投資組合下，確實可以打敗其他大部分投資組合以及台灣50基金，並且在以下兩論點與過往文獻之敘述一致：加入報酬限制條件無法改善績效、使用替代參數亦可提供相稱績效。 / The asset allocation problem has always been an important issue on which investors concern. It is easier and more efficient for investors to manage their assets through constructing their portfolios in different methods to find the most optimized weight of assets. This essay explores a special portfolio, Weighted-Norm Minimum Variance Portfolio (WNMVP), which can minimize the risks of investment, and use Taiwan stock market data to undertake empirical study. The research measured the performance of WNMVP, other three benchmark portfolios, and Taiwan Top 50 ETF (0050) by using ten indicators, bringing three findings. First, WNMVP performs better than most of other portfolios do. Second, adding estimated mean return vector into the WNMVP does not improve performances. Third, three alternative norm penalties provide comparable performance as parameters in WNMVP do. The second and third findings are consistence with previous literature.