数据分析笔试题大题及答案

从互联网巨头数据挖掘类招聘笔试题目看我们还差多少知识 1 从阿里数据分析师笔试看职业要求

以下试题是来自阿里巴巴招募实习生的一次笔试题，从笔试题的几个要求我们一起来看看数据分析的职业要求。

一、异常值是指什么？请列举1种识别连续型变量异常值的方法？

异常值（Outlier） 是指样本中的个别值，其数值明显偏离所属样本的其余观测值。在数理统计里一般是指一组观测值中与平均值的偏差超过两倍标准差的测定值。

Grubbs’ test（是以Frank E. Grubbs命名的），又叫maximum normed residual test，是一种用于单变量数据集异常值识别的统计检测，它假定数据集来自正态分布的总体。

未知总体标准差σ，在五种检验法中，优劣次序为：t检验法、格拉布斯检验法、峰度检验法、狄克逊检验法、偏度检验法。 点评：考察的内容是统计学基础功底。

二、什么是聚类分析？聚类算法有哪几种？请选择一种详细描述其计算原理和步骤。

聚类分析(cluster analysis)是一组将研究对象分为相对同质的群组(clusters)的统计分析技术。 聚类分析也叫分类分析(classification analysis)或数值分类(numerical

阿里巴巴

1、异常值是指什么?请列举1种识别连续型变量异常值的方法?

异常值(Outlier) 是指样本中的个别值，其数值明显偏离所属样本的其余观测值。在数理统计里一般是指一组观测值中与平均值的偏差超过两倍标准差的测定值.

常见的异常值检验方法如下： ? ? ? ? ? ?

基于统计的方法 基于距离的方法 基于密度的方法 基于聚类的方法 基于偏差的方法 基于深度的方法

t检验：按照t分布的实际误差分布范围来判别异常值，首先剔除一个可疑值，然后按t分布来检验剔除的值是否为异常值。

狄克逊检验法：假设一组数据有序x1

格拉布斯检验法：与狄克逊检验法思想一样，其检验公式为：

指数分布检验：

SPSS和R语言中通过绘制箱图可以找到异常值，分布在箱边框外部；

2、什么是聚类分析?聚类算法有哪几种?请选择一种详细描述其计算原理和步骤。 聚类分析(cluster analysis)是一组将研究对象分为相对同质的群组(clusters)的统计分析技术。聚类分析也叫分类分析(classification analysis)或数值分类(numerical taxonomy)。聚类与分类的不同在于，聚类所要求划分的类是未知的。

聚类分析计算方法主要有

《毕业生：阿里巴巴数据分析师笔试题》

最近，网上放出了IT大佬们的一些考题出来，让人竞相争看，倒地这些大牛公司的择贤条件是如何的呢？大圣众包（www.dashegnzb.cn）威客平台从网上整理了阿里巴巴招募数据分析师实习生的一道笔试题，让大家提前试试水。答案在最后，可不要提前偷看哦。

———————————————问题分割线———————————————

一、异常值是指什么？请列举1种识别连续型变量异常值的方法？ 二、什么是聚类分析？聚类算法有哪几种？请选择一种详细描述其计算原理和步骤。

三、根据要求写出SQL 表A结构如下：

Member_ID（用户的ID，字符型）

Log_time（用户访问页面时间，日期型（只有一天的数据）） URL（访问的页面地址，字符型）

要求：提取出每个用户访问的第一个URL（按时间最早），形成一个新表（新表名为B，表结构和表A一致）

四、销售数据分析

根据某一家B2C电子商务网站的一周销售数据，该网站主要用户群是办公室女性，销售额主要集中在5种产品上，如果你是这家公司的分析师， a)从数据中，你看到了什么问题？你觉得背后的原因是什么？ b)如果你的老板要求你

《SPSS原理与运用》练习题

数据对应关系：06-均值检验； 07-方差分析； 08-相关分析； 09-回归分析； 10-非参数检验； 17-作图

1、以data06-03为例，分析身高大于等于155cm的与身高小于155cm的两组男生的体重和肺活量均值是否有显著性。 分析：一个因素有2个水平用独立样本t检验，此题即身高因素有155以上和以下2个水平，因此用独立样本t检验（analyze->compare means->independent-samples T test）。 报告：一、体重①m+s:>=155cm 时, m= 40.838kg; s= 5.117;

<155cm 时, m= 34.133kg；s= 3.816； ②方差齐性检验结果：P=0.198>0.05,说明方差齐性。

③t=4.056; p=0.001 < 0.01,说明身高大于等于155cm的与身高小于155cm的两组男生的体重有极显著性差异。

二、肺活量①m+s: >=155cm 时,m=2.404; s=0.402;

<155cm 时, m=2.016；s=0.423； ②方差齐性检验结果：P=0.961>0.05,说明方差齐性。

③t=2.512; p=0.018 < 0.05,说明说明身高大于等于155cm的与身高小于155cm的两组男生的体重有显著性差异。

2、以data06-04为例，判断体育疗法对降低血压是否有效。

分析：比较前后2种情况有无显著差异，用配对样本t检验， (analyze->compare means-> paired-samples T test

一、填写题（抄题，写答案）

1. 数据分析“六步曲”

数据分析、数据展现、报告撰写。

2. 定量数据一般可分为计量的、计数的、二种类型。定性数据一般可分为有序的、名义的、二种类型。 3.

观察法、实验法；后一类方法常用的具体方法有机构查询、书刊查询、网络查询。

4. SPSS

在进行数据表编辑时，有二种主要视图，它们是：数据视图、变量视图。

5. SPSS中对变量属性进行定义时，对变量的命名在栏中设

置。

6. 据分为一手数据和二手数据。

7. 统计检验的一种思路是：设定原假设H0，构造相应的统计判断量，当根据实验数据或样本数据计算出

的统计判断量落在拒绝区域，则拒绝原假设；反之，则落在接受区域，接受原假设。在SPSS软件的统计操作中，通过计算样本数据的实际显著性概率Sig.，并将其与给定的显著性概率水平 比较，当 时（填“>” 或“<” ），则拒绝原假设。

8. 果形成影响的可控因素造成的。

9. 量或者样品综合为数量较少的几个因子，以再现原始变量与因子之间的相互关系。

10. 下图所示因子分析结果中，数值6.845的含义是第一主成分特征根，数值84.421的含义是前三个主成

分的累计贡献率；在Extraction Sums块中，有三行数据，其含义是根据提

作业中的一些错误情况

1：解题过程不完整，没有明确指出所检验的假设和检验统计量。 2：算错检验统计量的值，或算错检验的p值。

(P27Ex2)

解法一：总体总共分3类，要检验顾客是否对这三种肉食的喜好程度相同，这是一个分布的拟合优度检验问题。

（1）要检验的原假设为 H0:顾客对这三种肉食的喜好程度相同，

?猪肉牛肉羊肉???即要检验H0:顾客对这三种肉食的喜好程度的分布为?111?，

??33??3(ni?npi0)2（2）取检验统计量???npi0i?123，检验分布为?(3?1)；

2（3）题中n?200，npi0?200,i?1,2,3，则检验统计量的值为（计算过程略） 3200220022002(85?)(41?)(74?)2333?????15.73

2002002003332?0.05， （4）计算P值为: p值?P(?(2)?15.73)?0.000384

故在水平??0.05下拒绝H0,即调查数据不符合该均匀分布.

解法二（采用似然比检验+p值形式）

（1）要检验的原假设为 H0:顾客对这三种肉食的喜好程度相同，

?猪肉牛肉羊肉???即要检验H0:顾客对这三种肉食的喜好程度的分布为?111?，

??33??3（

数据分析第一次上机实验报告

班级：信计091 学号：200900901023 姓名：李骏

习题一

1.1

某小学60位学生（11岁）的身高（单位：cm）数据如下： （数据略）

（1） 计算均值、方差、标准差、变异系数、偏度、峰度； （2） 计算中位数，上、下四分位数，四分位极差，三均值； （3） 做出直方图； （4） 做出茎叶图； 解：（1）使用软件计算得到

统计量 身高 N 有效 缺失 均值 中值 标准差 方差 偏度 偏度的标准误 峰度 峰度的标准误 百分位数 25 50 75 60 0 139.0000 139.0000 7.06387 49.898 -.510 .309 -.126 .608 135.0000 139.0000 144.7500

变异系数=标准差/均值=5.08%

（2）部分答案在解（1）

四分位极差=Q3-Q1=144.75-135=9.75

三均值=0.25*Q1+0.5*M+0.25*Q3=139.4375 （3） 使用软件画图得到

（4）使用软件画图得到

身高 Stem-and-Leaf Plot

Frequency Stem & Leaf

1.00 Extremes

试验设计与数据分析试题

一、选择题：

1．用0.618法寻找某实验的最优加入量时，若当前存优范围是[628,774]，好点是718，

则此时要做试验的加入点值是 ( ) 628＋774A. B．628＋0.618×(774－628)

2C．628＋774－718 D．2×718－774

2．某实验因素对应的目标函数是单峰函数，若用分数法需要从20个试验点中找最佳点，

则需要做试验的次数是 ( ) A．6次 B．7次 C．10次 D．20次

3．有一条1 000 m长的输电线路出现了故障，在线路的开始端A处有电，在末端B处没

有电，现在用对分法检查故障所在位置，则第二次检查点在 ( ) A．500 m处 B．250 m处

C．750 m处

----------------------------装--------------------------订----------------------线-----------------------------

班级 姓名 学号

----------------------------装--------------------------订----------------------线-----------------------------

班级 姓名 学号

班级 姓名 学号

----------------------------装--------------------------订----------------------线-----------------------------

实验设计与数据处理考试试卷

Origin 8.5 应用

Origin 基础

2015-5-24

Origin 主要有两大功能:

图表绘制和数据分析。Origin 绘图是基于模板的， Origin 提供了各式各样的二维 和三维绘图模板， 绘图时， 用户只要选择所需的模板即可。

Origin 数据分析包括数据的排序、计算、统计、频谱变换、函数拟合等多种数学分析功能。 Origin可以方便地导入其他应用程序生成或科学仪器记录的 数据， 进而利用内置的二维、三维等图形模板对其进行可 视化作图: 还可以利用内置的插值、拟合函数以及Label Talk、

Origin C 等编程语言对其数学运算、分析处理等。2015-5-24

Origin工作环境

2015-5-24

菜单( Menu )

2015-5-24

工具栏( Toolbar )1 显示或隐藏工具栏显示或隐藏工具栏步骤如下。 ① 单击菜单命令【View 】→ 【Toolbars 】, 打开【Customize Toolbar】对 话框， ② 在【Toolbars 】标签卡中， 勾选需要显示的工具栏井取消希望 隐藏的工具栏， 然后单击【Close 】按钮

2015-5-24

2 定制工具栏① 单击菜单命令【View 】→ 【Toolbars 】, 打