在統計推論中，若樣本來自母體但呈現明顯偏態分布，且樣本數有限， 下列哪一項策略最能減少推估母體參數的偏誤？

某電商平台的客服部門統計了本月 10,000 筆顧客服務評分（滿分 100 分），發現平均分數為 72 分，中位數為 85 分，平均數顯著小於中位數。資料分析師欲初步判斷此評分資料的分配型態，下列敘述何者最合理？

某零售企業的資料科學團隊正在開發高價值會員預測模型。在資料前處理階段，分析師發現特徵欄位「年收入」有約 5%的遺漏值（Missing Value）。經資料探索發現，該欄位的數值分佈呈現高度正偏態（右偏分配，Skewness to the Right）。若在不刪除任何會員資料的前提下，欲選擇較適合的遺漏值填補方式，下列何者最為合適？

在進行數值特徵的標準化（Normalization）時，若資料中存在極端值（Outliers），下列哪一種方法最適合使用？

某 IoT 平台接收工廠溫度感測器資料，發現在常態分佈（均值 25°C，標準差 2° C）的數萬筆紀錄中，出現數筆「999°C」的極端值，研判為感測器通訊錯誤（網路封包延遲導致數值溢位）所致，且該異常數值在實際情況下不可能發生。在進行模型訓練前的資料清洗階段，針對這類離群值，最適當的處理策略為何？

資料分析師使用 Python 檢視 daily_earnings 欄位的基本統計量，執行以下程式碼（Pandas 2 以上版本）： 輸出結果如下： ● mean：223.411306 ● 50%：128.552462 ● max：4500.000000 若團隊進一步發現 daily_earnings 欄位約有 5%的遺失值，且目前規劃先建立線性迴歸（Linear Regression）模型來預測未來收入。為盡可能保留該欄位原有分布特性，並降低因補值造成的偏差，請問下列哪一種處理方式最為合理？