- 相關(guān)推薦
阿里巴巴數(shù)據(jù)分析師實(shí)習(xí)筆試題
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?
參考答案：
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。
Grubbs’ test(是以Frank E. Grubbs命名的)，又叫maximum normed residual test，是一種用于單變量數(shù)據(jù)集異常值識(shí)別的統(tǒng)計(jì)檢測(cè)，它假定數(shù)據(jù)集來(lái)自正態(tài)分布的總體。
未知總體標(biāo)準(zhǔn)差σ，在五種檢驗(yàn)法中，優(yōu)劣次序?yàn)椋簍檢驗(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。
二、什么是聚類分析?聚類算法有哪幾種?請(qǐng)選擇一種詳細(xì)描述其計(jì)算原理和步驟。
參考答案：
聚類分析(cluster analysis)是一組將研究對(duì)象分為相對(duì)同質(zhì)的群組(clusters)的統(tǒng)計(jì)分析技術(shù)。聚類分析也叫分類分析(classification analysis)或數(shù)值分類(numerical taxonomy)。聚類與分類的不同在于，聚類所要求劃分的類是未知的。
聚類分析計(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)定義的距離進(jìn)行度量。
k-means 算法的工作過(guò)程說(shuō)明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心;而對(duì)于所剩下其它對(duì)象，則根據(jù)它們與這些聚類中心的相似度(距離)，分別將它們分配給與其最相似的(聚類中心所代表的)聚類;然后再計(jì)算每個(gè)所獲新聚類的聚類中心(該聚類中所有對(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。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù). k個(gè)聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開(kāi)。
其流程如下：
(1)從 n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心;
(2)根據(jù)每個(gè)聚類對(duì)象的均值(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)對(duì)象進(jìn)行劃分;
(3)重新計(jì)算每個(gè)(有變化)聚類的均值(中心對(duì)象);
(4)循環(huán)(2)、(3)直到每個(gè)聚類不再發(fā)生變化為止(標(biāo)準(zhǔn)測(cè)量函數(shù)收斂)。
優(yōu)點(diǎn)：本算法確定的K 個(gè)劃分到達(dá)平方誤差最小。當(dāng)聚類是密集的，且類與類之間區(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)，K<
缺點(diǎn)：1. K 是事先給定的，但非常難以選定;2. 初始聚類中心的選擇對(duì)聚類結(jié)果有較大的影響。
三、根據(jù)要求寫出SQL
表A結(jié)構(gòu)如下：
Member_ID (用戶的ID，字符型)
Log_time (用戶訪問(wèn)頁(yè)面時(shí)間，日期型(只有一天的數(shù)據(jù)))
URL (訪問(wèn)的頁(yè)面地址，字符型)
要求：提取出每個(gè)用戶訪問(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一致)
參考答案：
create table B as select Member_ID, min(Log_time), URL from A group by Member_ID ;
四、銷售數(shù)據(jù)分析
以下是一家B2C電子商務(wù)網(wǎng)站的一周銷售數(shù)據(jù)，該網(wǎng)站主要用戶群是辦公室女性，銷售額主要集中在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)站的銷售數(shù)據(jù)
| 日期 |
9月6日 （周一） |
9月7日 | 9月8日 | 9月9日 | 9月10日 |
9月11日 （周六） |
9月12日 （周日） |
| 銷售額 | 5,061 | 5,050 | 5,022 | 5,097 | 5,045 | 3,430 | 3,053 |
參考答案：
a) 從這一周的數(shù)據(jù)可以看出，周末的銷售額明顯偏低。這其中的原因，可以從兩個(gè)角度來(lái)看：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)改進(jìn)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)品的一些類似于打折促銷等活動(dòng)來(lái)提升該產(chǎn)品在周末的人氣和購(gòu)買力。
五、用戶調(diào)研
某公司針對(duì)A、B、C三類客戶，提出了一種統(tǒng)一的改進(jìn)計(jì)劃，用于提升客戶的周消費(fèi)次數(shù)，需要你來(lái)制定一個(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三類客戶的周消費(fèi)次數(shù)。
b) 根據(jù)三類客戶的數(shù)量，采用分層比例抽樣;
需要采集的數(shù)據(jù)指標(biāo)項(xiàng)有：客戶類別，改進(jìn)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三類客戶，進(jìn)行改進(jìn)前和后的周消費(fèi)次數(shù)的，兩獨(dú)立樣本T-檢驗(yàn)
【阿里巴巴數(shù)據(jù)分析師實(shí)習(xí)筆試題】相關(guān)文章：
阿里巴巴筆試題02-09
阿里巴巴筆試題08-10
阿里巴巴的Oracle筆試題12-11
阿里巴巴筆試題201502-19
數(shù)據(jù)分析師職業(yè)規(guī)劃11-25
阿里巴巴校招筆試題，試題分享02-25
2013阿里巴巴筆試試題03-27