跳转至

🎤 23-统计学 高频面试题(80+ 题速答 + 手撕清单)

配套教学 notebook:11-统计学面试八股与高频题 以下按主题整理,每题都可作为 30 秒速答练习;手撕题见文末。

一、描述统计(10 题)

  1. 均值与中位数的区别? 均值对离群值敏感、利用全部数据;中位数只依赖位置、稳健。
  2. 为什么用标准差而不用方差? 标准差与原始数据量纲一致,便于解释。
  3. IQR 离群值判据? Q1−1.5·IQR 与 Q3+1.5·IQR 之外为离群点。
  4. 偏度正负的含义? 右偏(正偏):长尾在右,均值被拉向右侧;左偏相反。
  5. 峰度衡量什么? 尾部厚度/极端值倾向;正态分布 excess kurtosis = 0。
  6. z-score 与 min-max 归一化的区别? z=(x−μ)/σ 无量纲、对离群值敏感度低;min-max 映射到 [0,1]、对离群值敏感。
  7. 箱线图包含哪五个数? min、Q1、median、Q3、max(+1.5×IQR 离群判据)。
  8. 为什么要"先画图再看数"? 统计量可能掩盖多峰、离群、缺失等结构。
  9. 标准差与标准误的区别? SD 描述单个观测波动;SE=SD/√n 描述样本均值的估计精度,随 n 增大而减小。
  10. 众数适用场景? 类别数据、离散分布的中心位置。

二、概率分布(10 题)

  1. 伯努利与二项的关系? 伯努利是一次试验;二项是 n 次独立伯努利的成功次数。
  2. 二项何时可近似为泊松? n 大、p 小,且 np=λ 固定。
  3. 泊松分布应用场景? 单位时间/空间内事件计数:呼叫、点击、缺陷数。
  4. 指数分布的无记忆性? P(T>t+s | T>t)=P(T>s),已等待时间不影响剩余期望。
  5. 正态分布 68-95-99.7 法则? ±1σ≈68%、±2σ≈95%、±3σ≈99.7%。
  6. t 分布特点? 小样本尾部更厚(更保守),自由度 ν→∞ 趋于正态。
  7. 卡方分布用途? 方差检验、拟合优度、列联表独立性。
  8. F 分布用途? 方差比、ANOVA。
  9. 标准正态平方和服从什么? 卡方分布 χ²(ν)。
  10. 均匀分布 PDF? f(x)=1/(b−a)。

三、推断统计(15 题)

  1. 中心极限定理(CLT)? 独立同分布、n 充分大时样本均值近似正态,均值 μ、标准误 σ/√n,与总体分布无关。
  2. 大数定律与 CLT 的区别? 大数定律:均值收敛于期望;CLT:均值的分布收敛于正态。
  3. 什么是无偏估计? E(θ̂)=θ;样本方差除 n−1 才是无偏(损失一个自由度)。
  4. MLE 的核心思想? 选择使观测数据似然函数最大的参数。
  5. 正态分布的 MLE? μ̂=样本均值,σ̂²=Σ(x−μ̂)²/n(注意 n 分母)。
  6. MLE 的三大性质? 一致性、渐近正态性、渐近有效性。
  7. 95% 置信区间怎么理解? 频率解释:重复抽样,约 95% 的区间覆盖真值;不是"参数落在区间内概率 95%"。
  8. p 值的定义? H₀ 为真时,观测到当前或更极端数据的概率。
  9. p 值三大误区? ①不是 H₁ 为真的概率 ②不是效应由偶然产生的概率 ③不代表效应大小。
  10. 两类错误? α:H₀ 真却拒绝(假阳性);β:H₀ 假却不拒绝(假阴性)。
  11. 统计功效? power=1−β,正确拒绝 H₀ 的概率。
  12. 样本量与功效的关系? 效应越小、σ 越大 → n 越大;α 越小、要求功效越高 → n 越大。
  13. z 检验与 t 检验怎么选? σ 已知(或 n 很大)用 z;σ 未知小样本用 t。
  14. Welch t 检验? 不假定等方差的 t 检验,现代统计默认使用。
  15. 假设检验五步? 设假设 → 定 α → 算检验统计量 → 算 p 值 → 下结论。

四、进阶检验(10 题)

  1. 卡方拟合优度检验? 观测频数是否符合理论分布;χ²=Σ(O−E)²/E。
  2. 卡方独立性检验? 列联表中两变量是否独立;期望频数=行合计×列合计/总数。
  3. 卡方检验适用条件? 期望频数一般 ≥5;观测独立。
  4. 什么时候用非参数检验? 严重偏斜、有序数据、离群值多、小样本。
  5. Wilcoxon 符号秩与 Mann-Whitney U 区别? 前者用于配对/单样本中位数,后者用于两独立样本。
  6. Kruskal-Wallis 检验? 多组比较的非参数版 ANOVA。
  7. 多重比较问题? m 次独立检验累积假阳性概率 = 1−(1−α)^m,m 大时非常可观。
  8. Bonferroni 校正? α_adj=α/m,最保守。
  9. BH-FDR 校正? 控制错误发现率(被拒绝中假阳比例),比 Bonferroni 功效高。
  10. FWER 与 FDR 区别? FWER 控制"至少一个假阳性"的概率;FDR 控制假阳性占比,大规模检验(基因/特征选择)更常用。

五、相关与回归(15 题)

  1. 皮尔逊与斯皮尔曼区别? 皮尔逊测线性相关;斯皮尔曼基于秩、测单调关系、抗离群值。
  2. 相关系数范围? [−1,1];为 0 只表示无线性关系。
  3. OLS 闭式解? β̂=(XᵀX)⁻¹Xᵀy(含截距列)。
  4. 一元回归 β̂₁ 的两种等价形式? Σ(x−x̄)(y−ȳ)/Σ(x−x̄)² 与 r·s_y/s_x。
  5. R² 含义? 模型解释的方差比例 = 1−SSR/SST。
  6. 调整 R² 为什么要用? 惩罚特征数量,防止"特征越多 R² 越高"的假象。
  7. 残差诊断看什么? 残差 vs 拟合值无模式(非线性遗漏)、残差近似正态、无自相关。
  8. 多重共线性危害? 系数估计不稳定、标准误膨胀;VIF>10 视为严重。
  9. VIF 公式? VIF=1/(1−R²),R² 是该特征对其余特征回归的 R²。
  10. 为什么相关≠因果? 可能存在混杂变量 Z 同时影响 X 和 Y;需要随机化或因果推断。
  11. 辛普森悖论? 合并数据相关性方向可能被群体结构反转,要先分组看。
  12. 贝叶斯公式? P(θ|x) ∝ P(x|θ)P(θ)。
  13. 共轭先验? 先验与后验同族,闭式更新;典型:Beta-二项、Gamma-泊松。
  14. 贝叶斯与频率派本质区别? 参数是随机变量(信念分布)vs 固定未知常数;后验更新 vs 长期频率。
  15. 可信区间 vs 置信区间? 贝叶斯直接给参数的概率分布,可信区间有概率解释;频率 CI 是覆盖频率概念。

六、贝叶斯(5 题)

  1. 贝叶斯因子是什么? 两个假设边际似然之比 BF₁₀=P(x|H₁)/P(x|H₀);BF>3 有证据支持 H₁。
  2. 朴素贝叶斯假设? 特征在给定类别下条件独立;文本分类经典算法。
  3. 先验怎么选? 有领域知识用信息先验;否则用无信息先验(均匀/ Jeffreys)。
  4. 后验均值与先验、数据的关系? 后验均值是"先验信息 + 数据"的加权平均,样本量越大数据权重越大。
  5. 贝叶斯更新的流程? 先验 × 似然 → 归一化 → 后验;新数据到来时后验成为新先验。

七、统计学习(10 题)

  1. 过拟合的本质? 模型拟合了噪声,训练好测试差;高方差、低偏差。
  2. 欠拟合的本质? 模型太简单,捕捉不到结构;高偏差、低方差。
  3. 偏差-方差分解? 泛化误差 = 偏差² + 方差 + 不可约噪声。
  4. 怎么降低方差? 更多数据、正则化、集成(bagging/随机森林)。
  5. 怎么降低偏差? 更复杂模型、更多特征、更强表达。
  6. K 折交叉验证思想? 分成 K 份轮流 1 份验证、其余训练,平均;比单次留出稳。
  7. 留一法(LOO)? K=n 的极端,无偏但方差高、计算贵。
  8. L1 为什么稀疏? L1 约束面是菱形,最优点常在坐标轴上(系数为 0)。
  9. L2 为什么不平滑为 0? L2 约束面是圆形,最优解在轴上概率为 0,系数平滑收缩。
  10. Precision/Recall/F1? P=TP/(TP+FP);R=TP/(TP+FN);F1=2PR/(P+R)。
  11. AUC 含义? ROC 曲线下面积;阈值无关、随机 0.5、完美 1.0;适合不平衡数据。
  12. 垃圾邮件重 P 还是 R? 误杀代价高 → 重精确率;癌症筛查漏诊代价高 → 重召回率。
  13. 交叉验证与时间序列? 时序数据不能随机切分,要用前向链式/滚动窗口。

八、面试场景题(10 题)

  1. "平均工资 2 万"为什么员工感觉 8 千? 少数高薪拉高均值,应报告中位数与分布。
  2. 怎么验证新推荐算法有效? 设计 A/B 实验:指标→样本量→分流→AA/SRM→显著性→上线决策。
  3. 两组转化率差异怎么检验? 两比例 z 检验(等价卡方独立性)。
  4. 多组均值比较为什么用 ANOVA? 两两 t 检验累积假阳性,ANOVA 一次检验整体差异。
  5. p 值不显著能说"无差异"吗? 不能,只能说"证据不足",还可能功效不够。
  6. 离群值怎么处理? 先判断来源(真实值/错误值),1.5×IQR 或 z 检测,再决定剔除/变换/稳健方法。
  7. 特征高度相关会怎样? 共线性:系数不稳、标准误膨胀;可用 VIF 检测、PCA/正则化处理。
  8. 小样本怎么办? 用非参数检验、贝叶斯(先验信息)、bootstrap;注意功效不足。
  9. 怎么证明 X 导致 Y? 随机化实验最可靠;观察数据用因果推断(DID/PSM/RDD/IV)。
  10. 数据不平衡怎么评估? 用 AUC/PR 而非准确率;可重采样/加权/阈值调整。

🖐️ 手撕清单(6 题)

题 要点 对应 notebook
1. 皮尔逊相关系数 去均值后点积/范数 06-相关与回归分析
2. 一元 OLS 闭式解 β₁=Σ(x−x̄)(y−ȳ)/Σ(x−x̄)² 06
3. Welch t 检验 不假定等方差,Satterthwaite 自由度 04-假设检验入门
4. 泊松/正态 MLE 均值即 MLE 03-参数估计与极大似然
5. 卡方独立性检验 E=行×列/总数,χ²=Σ(O−E)²/E 05-假设检验进阶
6. 两比例 z 检验 合并比例求 SE 04

复习建议

  1. 公式默写:先不看资料默写所有公式(PDF/PMF/MLE/F 统计量/CI/回归闭式解)。
  2. 一句话解释:每题能给出 30 秒版本(公式 + 场景 + 陷阱)。
  3. 手撕计时:6 道手撕在 notebook 里现场跑通并断言。
  4. 查漏补缺:结合 00-数学基础(概率公理/分布推导)与 17-数据科学(AB 实验/因果推断)扩展。

教程来源:Akun-python/autumn-recruitment。 MIT 许可证全文。