面试数据分析最重要的30+问题（一）

参考链接：
面试数据分析最重要的30+问题
参考书：
《行为统计学基础（第九版）》人民大学出版社2007
豆瓣链接
《时间序列与多元统计分析》上海交通大学出版社2016

注意题目的难度与区分度

逻辑与统计学基础知识

1 什么是描述性统计？

描述样本或者总体的基本情况（事实）的一种统计方法
一般包括平均数、中位数、众数、分位数、方差、正态分布、偏度、丰度等

平均数：几何、算术、加权
加权平均数的应用场景：APP用户进行客群划分，多指标重要程度不同，算出一个总的分数出来再平均。
加权平均数的前提：标准化
标准化的目的：将不同指标的评价标准拉到同一个基线上（同比例缩放所有属性）
【补充特征缩放
当我们需要将特征值都归一化为某个范围[a,b]时，选MinMaxScaler
当我们需要归一化后的特征值均值为0，标准差为1，选StandardScaler
】
标准化的方法：求z值，首先减去平均值（所以标准化值的均值总是零），然后除以标准差，从而使得结果的分布具备单位方差。【平均值和标准差可以选择样本统计量或者是总体参数】
标准化应用场景：同一个问题的评价数据有三类——时间类型数据、百分比数据、正整数

评估样本中的异常值
（1）日活多少算异常？方差
（2）给出一大堆数据要求寻找异常值
为什么要计算异常值：当样本量极大的时候，异常值可以显著地影响平均数。
怎样找出异常值：分位数与IQR
Q1-1.5IQR（较小异常值）
Q1+1.5IQR（较大异常值）
数据预处理之异常值处理

分位数：
四分位数（Quartile）是统计学中分位数的一种，即把所有数值由小到大排列并分成四等份，处于三个分割点位置的数值就是四分位数。
1）第一四分位数(Q1），又称“较小四分位数”，等于该样本中所有数值由小到大排列后第25%的数字；
2）第二四分位数(Q2)，又称“中位数”，等于该样本中所有数值由小到大排列后第50%的数字；
3）第三四分位数(Q3)，又称“较大四分位数”，等于该样本中所有数值由小到大排列后第75%的数字。
第三四分位数与第一四分位数的差距又称四分位距。
IQR = |Q3-Q1|

2 同比？环比？

什么是同比：与同期