字节跳动/拼多多/滴滴面试题目和答案分享-数据分析岗

1、相关系数（字节跳动）

参考答案

协方差的大小受变量的相关程度及变量的方差影响，并不能真实反映两个变量的相关程度，而统计学家皮尔逊为了充分反映变量之间线性相关程度，设计了相关系数这一应用广泛的统计指标。其公式如下：

相关系数在协方差基础上进行了标准化，消除了两个变量变化幅度的影响，能够充分反应两个变量的相关关系。与协方差不同的是，相关系数的波动范围是有限的，上下浮动范围是[-1,1]。相关系数越趋近于0，表示两个变量相关程度越弱。相关系数越接近于1，两个变量的正相关程度越高。相关系数越接近于-1，两个变量的负相关程度越高。

2、如何估计样本量（字节跳动）

参考答案

按照功效分析的方法，根据预期的功效、效应值、显著性水平来计算样本大小。

答案解析

当我们在设计一个实验的时候，需要考虑很多问题，其中一个就是实验流量的分发大小，也就是这个实验中需要需要多少样本才能有意义。

这类问题可以通过功效分析（power analysis）来进行计算，在实验前计算得到所需要的样本量，或者预估在给定样本量下得到不同实验效果的概率。功效分析可以帮助在给定显著性水平的情况下，判断检测到给定效应值时所需的样本大小。 反过来， 它也可以帮助你在给定显著性水平情况下，计算在某样本大小内能检测到给定效应值的概率。

我们在功效分析中一般关注四个量：功效、样本大小、效应值、显著性水平，当我们给定任意三个量后，就可以推算出第四个量。比如，在给定功效、显著性水平、效应值的情况下，我们可以推算需要多大的样本量。

1. 样本大小指的是实验设计中每种条件/组中观测的数目。

2. 显著性水平由Ⅰ型错误的概率来定义，也就是α。

3. 功效通过1减去Ⅱ型错误的概率来定义，我们可以把它看作真实效应发生的概率。

4. 效应值指的是在备择或研究假设下效应的量，效应值的表达式依赖于假设检验中使用的统计方法。

参考答案

⾟普森悖论指在某个条件下的两组数据，分别讨论时都会满⾜某种性质，可是⼀旦合并考虑却可能导致相反的结论。为了避免⾟普森悖论导致我们得出两个相反的结论，我们需要选择将数据分组或将它们聚合在⼀起。其中我们要学会思考因果关系：数据如何⽣成，基于此，哪些因素会影响我们未展示的结果？

例如之前说到的例子，目的是探究伯利克里分校研究生录取是否存在性别歧视。即性别与录取率的关系。但是性别会导致兴趣的不同，而兴趣会决定专业的不同，不同专业的录取率也会不同。总体上，我们只看到了性别和录取率的关系，但是却忽略了专业这个内在原因。而拆分专业去观察，就是控制男女在专业上是相同的，这样更有利于判断因果关系。

4、作为出行领域的小玩家，司机端的订单构成是什么样的? 头部优秀司机聚集大量订单，还是订单分布比较发散。（滴滴）

参考答案

若为较成熟健康的体系中，应为后者；在初期时为前者。

答案解析

在较健康的供给端体系中，司机端的订单构成应为倒三角或者菱形分布，即头部和腰部司机的订单较多，尾部的订单较少；而在初期时则是头部效应明显，订单集中在头部，后期随着司机和订单量的增多，不可能由头部司机撑起大部分订单的。

5、说一下t检验，z检验和卡方检验的原理，及其适用条件。（拼多多）

参考答案

原理：

t检验：

z检验：

卡方检验：

Ai为实际频数(出现的次数)，Ti为理论频数

适用条件：

一般用于大样本（即样本容量大于30）平均值差异性检验的方法。它是用标准正态分布的理论来推断差异发生的概率，从而比较两个平均数的差异是否显著。

T检验是一种适合小样本的统计分析方法，通过比较不同数据的均值，研究两组数据是否存在差异

卡方检验是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若两个值完全相等时，卡方值就为0，表明理论值完全符合。