Explanation
Customer name is the field that should be masked, because it contains sensitive information that could identify the government accounts that the financial institution deals with. Masking is a technique that replaces or obscures sensitive data with dummy or random data, such as asterisks or hashes. Masking can help protect the privacy and security of the data, while still allowing for some analysis and reporting. Therefore, the correct answer is D. References: [Data Masking | Definition, Techniques & Examples - Talend], [Data masking - Wikipedia]

生徒のスコアを比較するには、次の Z スコア式を使用してスコアを標準化する必要があります。
z = (x - m) / p
ここで、x は生のスコア、μ は平均、σ は標準偏差です。Z スコアは、スコアが平均より何標準偏差上または下にあるかを示します。Z スコアが高いほど、平均に比べてスコアが良いことを意味します。
この表を使用して、各生徒の Z スコアを次のように計算できます。
ランディ: z = (76 - 70) / 2 = 3 ケイティ: z = (86 - 80) / 3 = 2 ラルフ: z = (80 - 75) / 2 = 2.5 ジーン: z = (80 - 90) / 1 = -10 最も高い z スコアを持つ生徒は、z スコア 3 のランディです。つまり、ランディは数学で平均より 3 標準偏差高いスコアを獲得し、4 人の生徒の中で最高の成績を収めたことになります。したがって、正解は A です。

Customer segmentation is a type of cluster analysis, which is a method of grouping data points based on their similarities or differences. Cluster analysis can help identify patterns and trends in the data, as well as target specific groups of customers for marketing purposes. One common technique for customer segmentation is RFM analysis, which stands for recency, frequency, and monetary value. This technique assigns a score to each customer based on how recently they bought the product, how often they buy the product, and how much they spend on the product. These scores can then be used to create clusters of customers with different characteristics and preferences. Therefore, the correct answer is D. Reference: Cluster Analysis - Statistics Solutions, RFM Analysis: The Ultimate Guide for Customer Segmentation

これは、層別サンプリングとは、年齢グループ、性別グループ、所得グループなど、母集団内の小さなサブグループからデータ要素をランダムに選択するサンプリングの一種であるためです。層別サンプリングを使用すると、サンプルが母集団を代表し、母集団に比例していることを保証し、サンプリング エラーやバイアスを削減できます。たとえば、層別サンプリングを使用すると、母集団に占める割合に基づいて、さまざまな政党の有権者のサンプルを選択できます。その他の種類のサンプリングは、母集団内の小さなサブグループからデータ要素をランダムに選択するタイプのサンプリングではありません。その理由は次のとおりです。
単純ランダムとは、データの要素がサブグループに分割されることなく、母集団全体からランダムに選択されるサンプリングの一種です。単純ランダム サンプリングを使用すると、母集団内のすべての要素が選択される可能性が均等になるようにし、系統的エラーや偏りを回避することができます。たとえば、単純ランダム サンプリングを使用すると、くじ引きやコンピューターで生成された番号を使用して、学校から生徒のサンプルを選択できます。
クラスターは、地域、地区、学校など、母集団内のいくつかの大きなサブグループからデータの要素をランダムに選択するサンプリングの一種です。クラスター サンプリングを使用すると、サンプリングのコストと複雑さを軽減できるだけでなく、サンプリングの実現可能性と利便性も向上します。たとえば、クラスター サンプリングを使用すると、地図やリストを使用して、いくつかの近隣地域から世帯のサンプルを選択できます。
体系的サンプリングは、データの要素が、n 番目の要素ごと、または k 番目の要素ごとなど、母集団内の順序付けられたリストまたはシーケンスから一定の間隔で選択されるタイプのサンプリングです。体系的サンプリングを使用すると、サンプリング プロセスを簡素化および高速化できるだけでなく、サンプルが母集団の全範囲または範囲をカバーするようにすることができます。たとえば、体系的サンプリングを使用すると、アルファベット順または数字順を使用して図書館から本のサンプルを選択できます。