校招 未知部门 / 数据 / 未知轮次

<h2>数据分析面经-问答（个人自用）</h2> <p><strong>描述ABtest中z统计量，t统计量，F统计量？</strong></p><p><span>Z统计量，用于大样本（&gt;30），总体方差已知</span></p><p><span>T统计量，用于小样本（&lt;30）或总体方差未知</span></p><p><span>F统计量，用于比较两个或多个组之间的方差差异，例如在</span><span>方差分析（ANOVA）【没了解过，可以康康】</span><span>中使用。它的计算方式涉及两个样本或多个组的方差比率，通常用于比较两个或多个组的均值是否存在显著差异。它通过计算组间方差和组内方差的比值（F统计量），来判断组间均值的差异是否超过了由随机因素引起的差异。</span></p><p><span></span></p><p><strong>Z分布，T分布的区别？</strong></p><p><span>Z分布是标准正态分布，T分布是学生分布，当样本容量足够大时，T分布近似于Z分布。Z分布通常用于描述总体参数的分布，而T分布则更适合于样本统计量的分布，特别是在样本较小或者总体标准差未知的情况下。</span></p><p><span></span></p><p><strong>如何优化查询语句？</strong></p><p><span>不使用select * ，而是明确列出需要的字段，减少不必要的数据传输。</span></p><p><span>使用join替代子查询，效率更高。</span></p><p><span>使用exists替代in，前者在处理大数据集时效率更高。</span></p><p><span></span></p><p><strong>有没有了解过数据倾斜（完全不懂）？</strong></p><p><span>数据倾斜（Data Skew）是指在数据处理过程中，某些数据分布不均匀或不平衡的现象。这种不均匀分布可能会导致一些数据节点负载过重，从而影响整体系统的性能和并行处理能力。数据倾斜通常在大数据处理、分布式计算和数据库查询等场景中出现。——白话文就是分配不合理，人少事多做不完</span></p><p><span></span></p><p><strong>常见数据倾斜类型（GPT搜的，不保真）</strong></p><p><span>分区倾斜：分布数据时某个节点负载过高</span></p><p><span>键值倾斜：某些关键字（键）出现频率过高，导致数据操作时少数关键字所在节点承担大部分计算</span></p><p><span>连接倾斜：在连接两个数据集时，某些连接键的值集中在一个数据集中，导致该数据集的处理任务远大于另一个数据集</span></p><p><span>聚合倾斜：在进行聚合操作（如COUNT、SUM）时，部分数据分布在某些分区或节点上，导致这些节点的聚合结果远大于其他节点，增加了整体处理时间</span></p><p><span></span></p><p><strong>如何计算AB测试的最小样本量？</strong></p><p><span>字节跳动官方答案</span></p><p><span></span><img src="https://uploadfiles.nowcoder.com/images/20240715/203783905_1721049878335/D2B5CA33BD970F64A6301FA75AE2EB22"></p><p></p><p><strong>join函数区别，排序函数（编号函数）内容</strong></p><p><img src="https://uploadfiles.nowcoder.com/images/20240715/203783905_1721051616857/D2B5CA33BD970F64A6301FA75AE2EB22"></p><p><img src="https://uploadfiles.nowcoder.com/images/20240715/203783905_1721051657675/D2B5CA33BD970F64A6301FA75AE2EB22"></p><p></p><p></p><p><span></span></p>