數(shù)據(jù)分析師筆試題.doc

1、數(shù)據(jù)分析師筆試試題【編者注】以下試題是來(lái)自阿里巴巴2011年招募實(shí)習(xí)生的一次筆試題，從筆試題的幾個(gè) 要求可見(jiàn)數(shù)據(jù)分析職業(yè)要求。一、異常值是指什么？請(qǐng)列舉1種識(shí)別連續(xù)型變量異常值的方法？異常值(Outlier)是指樣本中的個(gè)別值，其數(shù)值明顯偏離所屬樣本的其余觀測(cè)值。在數(shù) 理統(tǒng)計(jì)里一般是指一組觀測(cè)值中與平均值的偏差超過(guò)兩倍標(biāo)準(zhǔn)差的測(cè)定值。Grubbs1 test (是以 Frank E. Grubbs 命名的),又叫 maximum normed residualtest f是一種用于單變呈數(shù)據(jù)集異常值識(shí)別的統(tǒng)計(jì)檢測(cè)，它假走數(shù)據(jù)集來(lái)自正態(tài)分布的總體。未知總體標(biāo)準(zhǔn)差o ,在五種檢驗(yàn)法中，優(yōu)劣次序?yàn)椋?/p>

2、t檢驗(yàn)法、格拉布斯檢驗(yàn)法、峰度檢驗(yàn) 法、狄克遜檢驗(yàn)法、偏度檢驗(yàn)法。點(diǎn)評(píng)：考察的內(nèi)容是統(tǒng)計(jì)學(xué)基礎(chǔ)功底。二.什么是聚類(lèi)分析？聚類(lèi)算法有哪幾種？請(qǐng)選擇一種詳細(xì)描述其計(jì)算原理和步驟。聚類(lèi)分析(cluster analysis)是一組將研究對(duì)象分為相對(duì)同質(zhì)的群組(cluste的統(tǒng)計(jì)分析技 術(shù)。聚類(lèi)分析也叫分類(lèi)分析(classification analysis)或數(shù)值分類(lèi)(numerical taxonomy).聚類(lèi)與分類(lèi)的不同在于，聚類(lèi)所要求劃分的類(lèi)是未知的。聚類(lèi)分析計(jì)算方法主要有：層次的方法(hierarchical method )、劃分方法(partitioning method )、基于密度的

3、方法(density-based method )、基于網(wǎng)格的方 法(grid-based method )、基于模型的方法(model-based method )等。其中,前 兩種算法是利用統(tǒng)計(jì)學(xué)定義的距離逬行度量。對(duì)象任意選擇k個(gè)對(duì)象作為初始聚k-means算法的工作過(guò)程說(shuō)明如下：首先從n個(gè)匚類(lèi)中心；而對(duì)于所剩下其它對(duì)象，則根據(jù)它們與這些聚類(lèi)中心的相似度(距離)，分別將它們分配給與其最相似的（聚類(lèi)中心所代表的）聚類(lèi)；然后再計(jì)算每個(gè)所獲新聚類(lèi)的聚類(lèi) 中心（該聚類(lèi)中所有對(duì)象的均值）；不斷重復(fù)這一過(guò)程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開(kāi)始收斂為止。般都采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù).k個(gè)聚類(lèi)具有以下特點(diǎn)：各聚類(lèi)本身

4、盡可能的緊湊， 而各聚類(lèi)之間盡可能的分開(kāi)。其流程如下：（1）從n個(gè)數(shù)據(jù)又蝮任意選擇k個(gè)對(duì)象作為初始聚類(lèi)中心；（2）根據(jù)每個(gè)聚類(lèi)又援的均值（中心對(duì)象），計(jì)算每個(gè)對(duì)象與這些中心對(duì)象的距離;并 根據(jù)最小距離重新對(duì)相應(yīng)又寸象進(jìn)行劃分;（3）重新計(jì)算每個(gè)（有變化）聚類(lèi)的均值（中心對(duì)象）;（4）循環(huán)（2 ）、（3）直到每個(gè)聚類(lèi)不再發(fā)生變化為止（標(biāo)準(zhǔn)測(cè)星函數(shù)收斂）。優(yōu)點(diǎn)：本算法確走的K個(gè)劃分到達(dá)平方誤差最小。當(dāng)聚類(lèi)是密集的，且類(lèi)與類(lèi)之間區(qū)別明 顯時(shí)，效果較好。對(duì)于處理大數(shù)據(jù)集,這個(gè)算法是相對(duì)可伸縮和高效的,計(jì)算的復(fù)雜度為 O（NKt）,其中N是數(shù)據(jù)對(duì)象的數(shù)目，t是迭代的次數(shù)。一般來(lái)說(shuō)，KN , tN。缺點(diǎn):

5、1. K是事先給走的，但非常難以選走；2.初始聚類(lèi)中心的選擇對(duì)聚類(lèi)結(jié)果有較大的影響。點(diǎn)評(píng)：考察的內(nèi)容是常用分析方法，做數(shù)據(jù)分析一走要理解1分析算法、應(yīng)用場(chǎng)景、使用過(guò)程、以及優(yōu)缺點(diǎn)。三、根據(jù)要求寫(xiě)岀SQL表A結(jié)構(gòu)如下：MemberJD （用戶(hù)的ID #字符型）Logjime （用戶(hù)訪(fǎng)問(wèn)頁(yè)面時(shí)間，日期型（只有一天的數(shù)據(jù)）URL （訪(fǎng)問(wèn)的頁(yè)面地址,字符型）要求：提取出每個(gè)用戶(hù)訪(fǎng)問(wèn)的第一個(gè)URL （按時(shí)間最早）,形成一個(gè)新表（新表名為B ,表結(jié)構(gòu)和表A 致）create table B as select MemberJD, min（Log_time）, URL from A groupby Memb

6、erJD;點(diǎn)評(píng)：SQL語(yǔ)句,簡(jiǎn)單的數(shù)據(jù)獲取能力,包括表查詢(xún)、關(guān)聯(lián)、匯總、函數(shù)等。另外，這個(gè)答案其實(shí)是不對(duì)的，實(shí)現(xiàn)有很多方法，就不貼出來(lái)了,大家自己去發(fā)揮吧。四、銷(xiāo)售數(shù)據(jù)分析以下是一家B2C電子商務(wù)網(wǎng)站的一周銷(xiāo)售數(shù)據(jù)，該網(wǎng)站主要用戶(hù)群是辦公室女性,銷(xiāo)售額主要集中在5種產(chǎn)品上，如果你是這家公司的分析師,a）從數(shù)據(jù)中，你看到了什么問(wèn)題？你覺(jué)得背后的原因是什么？b）如果你的老板要求你提出一個(gè)運(yùn)營(yíng)改進(jìn)計(jì)劃，你會(huì)怎么做？表如下：一組每天某網(wǎng)站的銷(xiāo)售數(shù)據(jù)（金一、9月隊(duì)0片日.urnaEn H-皿六9月12日. E)SS-2皿a）從這一周的數(shù)據(jù)可以看岀，周末的銷(xiāo)售額明顯偏低。這其中的原因，可以從兩個(gè)角度來(lái) 看

7、：站在消費(fèi)者的角度,周末可能不用上班，因而也沒(méi)有購(gòu)買(mǎi)該產(chǎn)品的欲望；站在產(chǎn)品的 角度來(lái)看，該產(chǎn)品不能在周末的時(shí)候引起消費(fèi)者足夠的注意力。b）針對(duì)該問(wèn)題背后的兩方面原因，我的運(yùn)營(yíng)改逬計(jì)劃也分兩方面：一是,針對(duì)消費(fèi)者周末 沒(méi)有購(gòu)買(mǎi)欲望的心理，進(jìn)行引導(dǎo)提醒消費(fèi)者周末就應(yīng)該準(zhǔn)備好該產(chǎn)品；二是,通過(guò)該產(chǎn)品 的一些類(lèi)彳以于打折促銷(xiāo)等活動(dòng)來(lái)提升該產(chǎn)品在周末的人氣購(gòu)買(mǎi)力。點(diǎn)評(píng)：數(shù)據(jù)解讀能力，獲取數(shù)據(jù)是基本功，僅僅有數(shù)據(jù)獲取能力是不夠的，其次是對(duì)蠅 的解讀能力。五、用戶(hù)調(diào)研 某公司針對(duì)A、B、C三類(lèi)客戶(hù)，提出了一種統(tǒng)一的改逬計(jì)劃，用于提升客戶(hù)的周消費(fèi)次 數(shù),需要你來(lái)制走一個(gè)事前試驗(yàn)方案，來(lái)支持決策，請(qǐng)你思考下列問(wèn)題：a）試驗(yàn)需要為決策提供什么樣的信息？ c）按照上述目的，請(qǐng)寫(xiě)出你的數(shù)據(jù)抽樣方法、需要采集的數(shù)據(jù)指標(biāo)項(xiàng),以及你選擇的統(tǒng)計(jì)方法。a）試驗(yàn)要能證明該改進(jìn)計(jì)劃能顯著提升A、B、C三類(lèi)客戶(hù)的周消費(fèi)次數(shù)。b）根據(jù)三類(lèi)客戶(hù)的數(shù)星,采用分層比例抽樣；需要采集的數(shù)據(jù)指標(biāo)項(xiàng)有：客戶(hù)類(lèi)別，改迸計(jì)劃前周消費(fèi)次數(shù)，改進(jìn)計(jì)劃后周消費(fèi)次數(shù)； 選用統(tǒng)計(jì)方法為：分別針對(duì)A、B、C三類(lèi)客戶(hù)，進(jìn)行改進(jìn)前和后的周消費(fèi)次數(shù)的，兩獨(dú)