数据分析面试题及参考答案.docxVIP

数据分析面试题及参考答案

一、基础统计与思维题（共3题）

1.题目：什么是P值？在A/B测试中，P值=0.03意味着什么？你会如何向非技术同事解释这个结果？

参考答案：

P值是“在原假设成立的情况下，观察到当前样本结果（或更极端结果）的概率”。原假设通常是“A、B两组无差异”。

A/B测试中P值=0.03，说明：如果A、B方案真的没区别，我们观测到当前这种差异（比如B组转化率比A组高5%）的概率只有3%，远低于常用的5%显著性水平。

向非技术同事解释：“我们做了两组实验，B方案比A方案效果好的‘巧合概率’只有3%，相当于100次实验里只有3次可能是偶然，所以可以放心认为B方案确实更有效。”

2.题目：什么是幸存者偏差？举一个数据分析中可能遇到的例子，并说明如何避免？

参考答案：

幸存者偏差是指只关注“筛选后留存下来的样本”，忽略了被筛选掉的样本，导致结论偏差。

数据分析示例：某电商分析“高客单价用户的复购率”，只统计了“当前仍活跃的高客单价用户”，却忽略了已经流失的高客单价用户——实际流失的这部分用户复购率极低，最终导致计算出的复购率虚高。

避免方法：①明确分析对象的完整范围（比如包含流失用户）；②检查样本是否存在“筛选门槛”（如仅统计活跃用户）；③补充被忽略群体的数据（如流失用户的历史行为）。

3.题目：如何判断一组数据是否符合正态分布？至少说出2种实用方法。

参考答案：

实用方法有3种，优先结合使用：

①可视化法：画直方图（看是否呈现“钟形曲线”）、Q-Q图（若数据点贴近对角线，则符合正态分布）；

②统计检验法：Shapiro-Wilk检验（样本量50时更准确）、Kolmogorov-Smirnov检验（样本量较大时用），若P值0.05，则不能拒绝“数据符合正态分布”的假设；

③描述统计法：看均值、中位数、众数是否接近（正态分布中三者基本相等），偏度（接近0）和峰度（接近3）是否符合标准。

二、SQL操作题（共2题，基于电商场景：表orders（订单表）、users（用户表））

表结构说明：

users：user_id（用户ID，主键）、register_time（注册时间）、city（城市）

orders：order_id（订单ID，主键）、user_id（外键，关联users）、order_time（下单时间）、pay_amount（支付金额）、order_status（订单状态：1-已支付，2-未支付，3-已取消）

1.题目：查询2023年1月1日-2023年1月31日期间，各城市的“已支付订单数”、“总支付金额”、“人均支付金额”（仅统计有支付订单的用户），结果按总支付金额降序排列。

参考答案：

SELECT

u.city,

COUNT(DISTINCTo.order_id)ASpaid_order_count,--避免同一用户多订单重复统计

SUM(o.pay_amount)AStotal_pay_amount,

SUM(o.pay_amount)/COUNT(DISTINCTo.user_id)ASper_capita_pay--人均=总金额/支付用户数

FROM

usersu

JOIN

ordersoONu.user_id=o.user_id

WHERE

o.order_timeBETWEEN2023-01-0100:00:00AND2023-01-3123:59:59

ANDo.order_status=1--仅已支付

GROUPBY

u.city

ORDERBY

total_pay_amountDESC;

2.题目：查询“2023年1月注册的用户”中，在2月有至少2笔已支付订单的用户ID及订单总金额。

参考答案：

SELECT

o.user_id,

SUM(o.pay_amount)AStotal_order_amount

FROM

orderso

JOIN

usersuONo.user_id=u.user_id

WHERE

u.register_timeBETWEEN2023-01-0100:00:00AND2023-01-3123:59:59--1月注册

ANDo.order_timeBETWEEN2023-02-0100:00:00AND2023-02-2823:59:59--2月下