2023统计岗招聘笔试数据分析题高频考题 刷完进面

2023统计岗招聘笔试数据分析题高频考题刷完进面

一、单项选择题，(每题2分，共20分)1.在描述性统计中，若一组数据的偏度系数为-0.8，则其分布形态最准确的表述是A.右偏B.左偏C.对称D.尖峰2.对同一总体进行重复抽样，样本均值的标准误差与样本量n的关系是A.与n成正比B.与n成反比C.与√n成正比D.与√n成反比3.在多元线性回归中，若某解释变量VIF=10，则通常认为A.不存在多重共线性B.存在轻微多重共线性C.存在严重多重共线性D.该变量必须被剔除4.下列关于p值的陈述正确的是A.p值越小，原假设为真的概率越大B.p值是原假设为真的概率C.p值是在原假设成立时，得到当前或更极端样本的概率D.p值与显著性水平α无关5.对时间序列做ADF检验，得到的τ统计量为-2.1，5%临界值为-2.9，则A.序列平稳B.序列不平稳C.无法判断D.需做协整检验6.在聚类分析中，若采用Ward法，其合并类的标准是A.最小距离B.最大距离C.最小类内平方和增量D.最大类间距离7.贝叶斯定理中，若先验概率P(A)=0.3，似然度P(B|A)=0.9，边缘概率P(B)=0.5，则后验概率P(A|B)为A.0.27B.0.54C.0.45D.0.608.对分类变量做卡方检验，要求期望频数A.全部大于0B.全部大于1C.80%以上大于5D.全部大于109.在A/B测试中，若实验组转化率提升2个百分点，但p=0.08，则A.拒绝原假设B.接受原假设C.功效不足D.需提高显著性水平10.使用Pythonpandas处理缺失值时，方法df.fillna(method='ffill')表示A.均值填充B.前后向填充C.仅向前填充D.仅向后填充二、填空题，(每题2分，共20分)11.若随机变量X~N(μ,σ²)，则P(μ-1.96σ≤X≤μ+1.96σ)=________。12.在假设检验中，第一类错误概率的最大允许值称为________。13.对样本量n=100的数据做Bootstrap，通常重复抽样次数取________次以上。14.若回归方程ŷ=3+2x₁-0.5x₂，当x₁增加一个单位且x₂不变时，ŷ平均变化________。15.时间序列分解的乘法模型表达式为Y=T×S×C×________。16.在SQL中，计算用户次日留存率的窗口函数关键字是________。17.若混淆矩阵中TP=80，FN=20，则召回率recall=________。18.主成分分析中，第一主成分的方差贡献率等于其特征值除以所有特征值之________。19.在Excel中，对区域A1:A100求第90百分位应使用函数________。20.若样本比例p̂=0.4，n=400，则其标准误SE=________。三、判断题，(每题2分，共20分)21.当样本量趋于无穷大时，样本中位数一定是总体中位数的无偏估计。22.对右偏分布，均值大于中位数。23.在泊松回归中，因变量只能是计数型数据。24.若两个变量相关系数为0，则它们一定独立。25.使用K-means聚类前必须对变量做标准化。26.箱线图的上下边缘分别对应数据的95%与5%分位。27.在生存分析中，风险率函数与累积风险函数互为导数关系。28.若R²=0.9，则模型一定不存在过拟合。29.对分类变量做one-hot编码后，维度一定增加。30.在Excel中，数据透视表不能直接计算同比。四、简答题，(每题5分，共20分)31.简述中心极限定理的内容及其在数据分析中的作用。32.说明多重共线性对回归模型的具体影响，并给出两种检测方法。33.写出使用Python进行异常值检测的IQR法步骤，并指出其适用前提。34.解释A/B测试中“功效”(power)的概念，并说明如何通过实验设计提高功效。五、讨论题，(每题5分，共20分)35.某电商平台发现近30天GMV持续下滑，请设计一套数据分析框架，从数据获取、指标拆解、统计检验到业务建议，阐述完整思路。36.在构建用户流失预警模型时，如何平衡召回率与精确率？请结合业务代价讨论阈值选择策略。37.讨论在样本极度不平衡(正负比1:99)时，ROC曲线与PR曲线各自的优劣，并给出模型评估的改进方案。38.当业务方要求“模型必须可解释”时，列举三种可解释性技术，并比较它们在logistic回归与XGBoost上的应用差异。答案与解析一、1B2D3C4C5B6C7B8C9C10C二、110.9512显著性水平α13100014增加215I16LEAD170.818和19PERCENTILE.EXC200.0245三、21×22√23√24×25√26×27×28×29√30×四、31中心极限定理指出，从任意总体中抽取容量为n的随机样本，当n足够大时，样本均值的分布近似服从正态分布，其均值等于总体均值，方差为总体方差除以n。该定理使得在大样本下可用正态近似进行假设检验与置信区间估计，奠定了t检验、方差分析等推断统计的基础。32多重共线性会导致回归系数估计方差膨胀、t检验不显著、系数符号与业务矛盾、模型不稳定。检测方法：1.方差膨胀因子VIF>10为严重；2.特征根条件数CN>30表明存在共线。补救包括删除变量、主成分压缩、岭回归。33步骤：1.计算Q1、Q3；2.IQR=Q3-Q1；3.下限=Q1-1.5IQR，上限=Q3+1.5IQR；4.落在区间外即为异常。前提：数据近似单峰对称或轻度偏斜，对严重偏斜或含多个模态需改用其他方法。34功效=1-β，即原假设不成立时正确拒绝的概率。提高方法：增大样本量、提高显著性水平α、减小总体方差、采用更敏感指标、减少测量误差，也可通过配对设计或区组设计降低随机误差。五、35框架：1.数据获取：订单、流量、用户、竞品、外部事件；2.指标拆解：GMV=UV×转化率×客单价，再下钻品类、渠道、地域；3.可视化：同比环比、控制图；4.统计检验：对关键指标做t检验或Mann-WhitneyU检验，识别显著下跌节点；5.因果推断：双重差分或断点回归评估大促与政策影响；6.业务建议：补贴策略、流量重新分配、品类调整，并给出ROI预测。36代价矩阵：漏掉一名真实流失用户损失CLV=200元，误召回非流失用户成本20元。总期望代价=FN×200+FP×20，通过代价敏感学习或阈值移动，使f(p)=200×(1-recall)×FN_rate+20×(1-precision)×FP_rate最小，可用ROC上切线法或贝叶斯最优阈值求解，并动态监控。37ROC对类别不平衡不敏感，AUC易虚高；PR曲线直接反映正类性能，更具业务解释性。改进：1.采用F1、AUPRC；2.使用分层采样或SMOTE过采样；3.代价敏感损失加权；4.报告macro/micro平均；5.结合业务KPI设定最小可接受召回。38技术：1.SHAP值，给出每个特征对单次预