APP推广合作
联系“鸟哥笔记小乔”
18个常见的数据分析面试题-概率统计类
2020-12-02 14:16:51

哈喽,大家好,我是可乐

总结了一些常见的概率与统计类的数据分析面试题,不定期更新……

一、随机变量的含义

一个随机事件的所有可能的值X,且每个可能值X都有确定的概率P,X就是P(X)的随机变量。比如掷骰子中出现的点数

二、随机变量和随机试验间有什么关系

1、随机试验:相同条件下对某随机现象进行的大量重复观测的试验,如掷硬币100次统计正面朝上的次数

2、随机变量:是用来描述随机试验结果的。

三、划分连续型随机变量和离散型随机变量的依据

1、离散型随机变量:随机变量X能被一一列举出来,如一批产品中次品的数量,某地区人口的出生数等。

2、连续型随机变量:随机变量X不能被一一列举出来,如一批电子元器件的寿命,身高、体重等。

所以划分二者的依据是随机变量是否可数

四、变量独立和不相关的区别

若X和Y不相关,通常认为X和Y之间是没有线性关系,但不排除没有其他关系

若X和Y独立,是没有关系,互不干扰

因此,“不相关”是一个比“独立”要弱的概念

五、常见分布的分布函数/概率密度函数,以及分布的特性。

分别从离散型和连续型两方面说:

1、离散型随机变量的分布

(1)二项分布

进行一系列独立试验 -> 每一次试验都存在成功和失败的可能,且成功的概率相同 -> 试验次数有限。

二项分布记做X~B(n,p),X表示n次试验中的成功次数,我们要求的是成功的次数

(2)伯努利分布

0-1分布,每次试验的结果只有2种,是n=1的二项分布的特殊情况

如掷硬币,只有正面朝上或反面朝上两种情况

(3)几何分布

独立试验->拿到一种卡片的概率相同->为了集齐卡片要进行多少次试验

(4)泊松分布

单独事件在给定区间内随机、独立地发生(给定区间可以是时间或空间) ->  已知该区间内的事件平均发生次数,且为有限数值。

如某加油站,平均每小时来加油的车辆为10辆,泊松分布求的这个加油站每小时前来加油的车辆次数的概率

关于离散型随机变量分布可参考:

离散型随机变量的概率分布

2、连续型随机变量的分布

(1)正态分布

又叫高斯分布,正态分布通过参数平均值和方差确定

(2)均匀分布

也叫矩形分布,概率密度函数的结果是一个固定的数值

均匀分布在自然情况下极为罕见,它的概率密度函数为:

image

(3)指数分布

指数分布是描述泊松过程中的事件之间的时间的概率分布,即事件以恒定平均速率连续且独立地发生的过程。如旅客进机场的时间间隔,还有许多电子产品的寿命分布一般服从指数分布。

其概率密度函数为:

image


指数分布具有无记忆的关键性质。这表示如果一个随机变量呈指数分布,当s,t>0时有P(T>t+s|T>t)=P(T>s)。即,如果T是某一元件的寿命,已知元件使用了t小时,它总共使用至少s+t小时的条件概率,与从开始使用时算起它使用至少s小时的概率相等。

关于连续型随机变量的分布,可参考:

终于搞清楚正态分布、指数分布到底是啥了!

六、协方差和相关系数的区别

1、协方差

只表示相关的方向

衡量两个变量的总体误差,方差是协方差的特殊情况,即当两个变量是相同的情况。

如果两个变量的变化趋势一致,也就是说如果其中一个大于自身的期望值,另外一个也大于自身的期望值,那么两个变量之间的协方差就是正值(你变大,我也变大,协方差就是正的)。如果两个变量的变化趋势相反,即其中一个大于自身的期望值,另外一个却小于自身的期望值,那么两个变量之间的协方差就是负值。

也就是说,协方差为正,表示两个变量同变化,为负,不同变化

并且协方差的绝对值不反映线性相关的程度(其绝对值与变量的取值范围有关系)

但是嘞协方差为0的两个随机变量是不相关的

2、相关系数

不仅表示线性相关的方向,还能衡量其相关程度

研究变量之间线性相关程度的量,取值范围是[-1,1]。

相关系数也可以看成协方差:一种剔除了两个变量量纲影响、标准化后的特殊协方差。

七、中位数是否等于期望

标准正态分布中位数等于期望
右偏(正偏)态时,中位数小于期望
左偏(负偏)态时,中位数大于期望

八、正态分布的基本特征是什么

正态分布又叫高斯分布,是一个钟形曲线,曲线对称,中央部分的概率密度最大,越往两边,概率密度越小。μ决定了曲线的中央位置,σ决定了曲线的分散性,σ越大,曲线越平缓,σ越小,曲线越陡峭。

很多实际问题都是符合正态分布的,如身高、体重等。正态分布在质量管理中也应用的非常广泛,“3σ原则”就是在正态分布的原理上建立的。
3σ原则是:

1、数值分布在(μ—σ,μ+σ)中的概率为0.6826

2、数值分布在(μ—2σ,μ+2σ)中的概率为0.9544

3、数值分布在(μ—3σ,μ+3σ)中的概率为0.9974
因此可以认为,Y 的取值几乎全部集中在(μ—3σ,μ+3σ)]区间内,超出这个范围的可能性仅占不到0.3%,这是一个小概率事件,通常在一次试验中是不会发生的,一旦发生就可以认为质量出现了异常。

image

image

九、什么是大数定律

在随机事件的大量重复出现中,往往呈现几乎必然的规律,这个规律就是大数定律。通俗地说,这个定理就是,在试验不变的条件下,重复试验多次,随机事件的频率近似于它的概率。偶然中包含着某种必然。

在重复投掷一枚硬币的随机试验中,观测投掷了n次硬币中出现正面的次数。不同的n次试验,出现正面的频率可能不同,但当试验的次数n越来越大时,出现正面的频率将大体上逐渐接近于1/2。这就是大数定律。

十、什么是中心极限定理

假设一组随机变量相互独立且同分布,当n足够大时,均值的分布接近于正态分布

中心极限定理作用:
(1)在没有办法得到总体全部数据的情况下,我们可以用样本来估计总体。
(2)根据总体的平均值和标准差,判断某个样本是否属于总体。

十一、假设检验的基本思想

小概率反证法。即为了检验一个假设是否成立,我们先假设它成立,在原假设成立的前提下,如果出现了不合理的事件,则说明样本与总体的差异是显著的,就拒绝原假设,如果没有出现不合理的事件,就不拒绝原假设。

这里所述的不合理的事件指的就是小概率事件,通常情况下我们认为一个小概率事件基本上不会发生,如果发生了,说明它就不是一个小概率事件了,所以要拒绝原假设。

十二、假设检验中的两类错误

第I类错误:弃真,原假设为真,却被我们拒绝了。
第II类错误:取伪,原假设为假,却没被拒绝。

十三、如何平衡这两类错误?

我们要尽可能地将犯两类错误的概率降到最低。但是,在样本容量固定的前提下,减少犯第I类错误的概率,必然会增加犯第II类错误的概率,一般来说,我们总是先控制犯第I类错误的概率,使它不大于显著性水平。而犯第II类错误的概率依赖于样本容量的大小,因此对样本容量的选择上,也要有所考量。

十四、解释P值

P值:当原假设为真时,样本观察结果或更极端的结果出现的概率就是P值

十五、区分显著性水平和置信区间

1、显著性水平:希望在样本结果的不可能程度达到多大时,就拒绝原假设,也就是小概率事件发生的概率。则是假设真值是多少,然后检验这个假设是否可能为真。

2、置信区间,目的是根据样本构造一个区间,然后希望这个区间可以把真值包含进去,但是并不知道这个真值是多少?

十六、什么是条件概率

P(A|B)=P(AB)/P(B),条件概率P(A|B) 指在事件B发生的条件下事件A发生的概率,P(AB)表示事件A和B同时发生的概率,P(B)是事件B发生的概率,其演化式可以得到:P(A|B)P(B)=P(B|A)P(A)

十七、全概率公式

假设事件B有两种发生方式,与事件A一起发生;不与事件A一起发生,那么可以用下面的公式得到事件B发生的概率:


又由条件概率可以推导出:

代入得到:

全概率公式


这就是全概率公式,由条件概率计算一个特定事件的概率。

十八、贝叶斯公式

假如已知的条件概率是P(B|A),那么贝叶斯公式则提供了一种计算逆条件概率的方法,也就是要求P(A|B)的概率。
首先条件概率:


刚刚也推导了

再将全概率公式P(B)代入,就得到:

贝叶斯公式

| 发现一个有趣的案例

Q:一日某超市发生盗窃案,嫌疑人甲发生盗窃的可能性为10%,嫌疑人乙发生盗窃的可能性为90%,目击者称盗窃者是甲,目击者证言可信度为80%,那么现在请估算出目击者证言的准确度。

思路:

嫌疑人甲盗窃的概率为P(A)=10%
嫌疑人乙盗窃的概率为P(B)=P(A)=90% 

目击者证言可信度的概率为P(C) 

在甲盗窃的前提下目击者称盗窃者是甲的概率为P(C|A)=80% 

在甲盗窃的前提下目击者称盗窃者不是甲的概率为P(C|A)=20%

现在要求的是P(A|C)也就是目击者证言可信度准确的前提下甲盗窃的概率。

我们要求的是一个条件概率P(A|C),已知的一个条件概率P(C|A)刚好是要求的条件概率的逆概率,这里就要用到贝叶斯公式了。
P(A|C)=P(A)P(C|A)/(P(A)P(C|A)+P(A)P(C|A))
         =10%80% / 10%80%+ 90%*20%
         =30.77%

持续更新中......

-END-


虾壳可乐
分享到朋友圈
收藏
收藏
评分

综合评分:

我的评分
Xinstall 15天会员特权
Xinstall是专业的数据分析服务商,帮企业追踪渠道安装来源、裂变拉新统计、广告流量指导等,广泛应用于广告效果统计、APP地推与CPS/CPA归属统计等方面。
20羽毛
立即兑换
一书一课30天会员体验卡
领30天VIP会员,110+门职场大课,250+本精读好书免费学!助你提升职场力!
20羽毛
立即兑换
顺丰同城急送全国通用20元优惠券
顺丰同城急送是顺丰推出的平均1小时送全城的即时快送服务,专业安全,准时送达!
30羽毛
立即兑换
虾壳可乐
虾壳可乐
发表文章144
分享数据分析的干货。
确认要消耗 0羽毛购买
18个常见的数据分析面试题-概率统计类吗?
考虑一下
很遗憾,羽毛不足
我知道了

我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求,为完善跟帖评论自律管理,为了保护用户创造的内容、维护开放、真实、专业的平台氛围,我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容,同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。


一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规,对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息,主要表现为:
    1)反对宪法所确定的基本原则;
    2)危害国家安全,泄露国家秘密,颠覆国家政权,破坏国家统一,损害国家荣誉和利益;
    3)侮辱、滥用英烈形象,歪曲、丑化、亵渎、否定英雄烈士事迹和精神,以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉;
    4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动;
    5)煽动民族仇恨、民族歧视,破坏民族团结;
    6)破坏国家宗教政策,宣扬邪教和封建迷信;
    7)散布谣言,扰乱社会秩序,破坏社会稳定;
    8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪;
    9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序;
    10)侮辱或者诽谤他人,侵害他人名誉、隐私和其他合法权益;
    11)通过网络以文字、图片、音视频等形式,对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的;
    12)危害未成年人身心健康的;
    13)含有法律、行政法规禁止的其他内容;


2. 不友善:不尊重用户及其所贡献内容的信息或行为。主要表现为:
    1)轻蔑:贬低、轻视他人及其劳动成果;
    2)诽谤:捏造、散布虚假事实,损害他人名誉;
    3)嘲讽:以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述,以此来激怒他人;
    4)挑衅:以不友好的方式激怒他人,意图使对方对自己的言论作出回应,蓄意制造事端;
    5)羞辱:贬低他人的能力、行为、生理或身份特征,让对方难堪;
    6)谩骂:以不文明的语言对他人进行负面评价;
    7)歧视:煽动人群歧视、地域歧视等,针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击;
    8)威胁:许诺以不良的后果来迫使他人服从自己的意志;


3. 发布垃圾广告信息:以推广曝光为目的,发布影响用户体验、扰乱本网站秩序的内容,或进行相关行为。主要表现为:
    1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式:
    2)单个帐号多次发布包含垃圾广告的内容;
    3)多个广告帐号互相配合发布、传播包含垃圾广告的内容;
    4)多次发布包含欺骗性外链的内容,如未注明的淘宝客链接、跳转网站等,诱骗用户点击链接
    5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光;
    6)购买或出售帐号之间虚假地互动,发布干扰网站秩序的推广内容及相关交易。
    7)发布包含欺骗性的恶意营销内容,如通过伪造经历、冒充他人等方式进行恶意营销;
    8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。


4. 色情低俗信息,主要表现为:
    1)包含自己或他人性经验的细节描述或露骨的感受描述;
    2)涉及色情段子、两性笑话的低俗内容;
    3)配图、头图中包含庸俗或挑逗性图片的内容;
    4)带有性暗示、性挑逗等易使人产生性联想;
    5)展现血腥、惊悚、残忍等致人身心不适;
    6)炒作绯闻、丑闻、劣迹等;
    7)宣扬低俗、庸俗、媚俗内容。


5. 不实信息,主要表现为:
    1)可能存在事实性错误或者造谣等内容;
    2)存在事实夸大、伪造虚假经历等误导他人的内容;
    3)伪造身份、冒充他人,通过头像、用户名等个人信息暗示自己具有特定身份,或与特定机构或个人存在关联。


6. 传播封建迷信,主要表现为:
    1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病;
    2)求推荐算命看相大师;
    3)针对具体风水等问题进行求助或咨询;
    4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失,包括通过占卜方法问婚姻、前程、运势,东西宠物丢了能不能找回、取名改名等;


7. 文章标题党,主要表现为:
    1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户;
    2)内容与标题之间存在严重不实或者原意扭曲;
    3)使用夸张标题,内容与标题严重不符的。


8.「饭圈」乱象行为,主要表现为:
    1)诱导未成年人应援集资、高额消费、投票打榜
    2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
    3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
    4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
    5)通过「蹭热点」、制造话题等形式干扰舆论,影响传播秩序


9. 其他危害行为或内容,主要表现为:
    1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的;
    2)不当评述自然灾害、重大事故等灾难的;
    3)美化、粉饰侵略战争行为的;
    4)法律、行政法规禁止,或可能对网络生态造成不良影响的其他内容。


二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时,本网站将依据相关用户违规情节严重程度,对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号,或者滥用多个帐号发布违规内容时,本网站将加重处罚。


三、申诉
随着平台管理经验的不断丰富,本网站出于维护本网站氛围和秩序的目的,将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议,可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)

我知道了
恭喜你~答对了
+5羽毛
下一次认真读哦
成功推荐给其他人
+ 10羽毛
评论成功且进入审核!审核通过后,您将获得10羽毛的奖励。分享本文章给好友阅读最高再得15羽毛~
(羽毛可至 "羽毛精选" 兑换礼品)
好友微信扫一扫
复制链接