所谓增加sample size能降低的这个标准差是the standard deviation of the sampling distribution of the sample mean。其过程是这样的：比如这100个点的采 样这个事情你做20次，每次都得到100个数，每次都可以算这100个数的平均值。比如第一次你的平均值55，第二次你可能的平均值63，第三次你得平均值是46，等等。把这20个平均值放在一起(55,63,46,...)，这就基本上是sampling distribution of the sample mean。这个distribution也有standard deviation，假设它是10，那么这个标 准差可以被降低--通过增加sample size。比如你sample size是1000。你还是做20次采样，每次采样变成1000个点。也就是每次得到1000个数，每次计算这1000个数的平均值。比如第一次得到平均值57，第二次得到平均值61，第三次得到平均值58，等等，把这20个数放在一起(57,61,58,...)，这个distribution的standard deviation就应该小于10，关系是~1/sqrt(N).
【 在 Rolling (A Rolling Stone) 的大作中提到: 】 : 楼主把题目改的具体了，如下， : （我写的具体一些，是说100个用户给出评价，平均分是55，标准差是10，经理觉得可 : 信度不太高，想把标准差降低到2 : ，然后问大概要多少用户。 我还画了图演示） : 大家不要废话，直接给答案吧。
我同意wdong所说，如果样本是iid，不管样本size多大，样本标准差(sample standard deviation， which is an estimation of standard deviation of population)是差不多的。第一个标准差应该就是指这个。那第二个标准差就只能理解成样本平均值(x_ bar=sum(x1:xn)/n, which is a random variable)的标准差了。我知道从题目的表述 来看这么理解很牵强，但只能这样，要不然没题可做。
给定样本size 100, 样本平均值x_bar的标准差只有1 (population std which is 10, divided by sqrt(100)).这其实很直观：随便抽一个，标准差大概10. 100个平均下来 标准差只剩1不奇怪。
【 在 Rolling (A Rolling Stone) 的大作中提到: 】 : 我也来讨论一下。那些光喊容易不给答案的机器人就不要来掺乎了. :-) : 这是楼主改了几遍的原题，还是一团乱麻， : （我写的具体一些，是说100个用户给出评价，平均分是55，标准差是10，经理觉得可 : 信度不太高，想把标准差降低到2，然后问大概要多少用户。 我还画了图演示. : 我同意wdong所说，如果样本是iid，不管样本size多大，样本标准差(sample standard : deviation， which is an estimation of standard deviation of population)是差 : 不多的。第一个标准差应该就是指这个。那第二个标准差就只能理解成样本平均值(x_ : bar=sum(x1:xn)/n, which is a random variable)的标准差了。我知道从题目的表述 : 来看这么理解很牵强，但只能这样，要不然没题可做。 : 给定样本size 100, 样本平均值x_bar的标准差只有1 (population std which is 10, : ...................
第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
第二道，100个采样方差10，问把方差降到2，估计大概需要多少采样。
（我写的具体一些，是说100个用户给出评价，平均分是55，标准差是10，经理觉得可
信度不太高，想把标准差降低到2，然后问大概要多少用户。 我还画了图演示.
不过我现在仔细想想，这道题出的很有问题，要改改）
然后把面试的人搞得很难过，一直说我忘记了，2016年DS master毕业的，我就不敢再
问了。
我是不是问的太难了？是不是不该问数学概率题了？ 应该问你用过tensorflow 哪个
包，干了啥事。
【 在 bobohu (bobohu) 的大作中提到: 】
: 给DS的题。
: 第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
: 第二道，100个采样方差10，问把方差降到2，估计大概需要多少采样。
: 然后把面试的人搞得很难过，一直说我忘记了，2016年DS master毕业的，我就不敢再
: 问了。
: 我是不是问的太难了？是不是不该问数学概率题了？ 应该问你用过tensorflow 哪个
: 包，干了啥事。
或者，默写个正太分布公式
每个人简历上都说的天花乱坠，看上去啥个machine learning都会。
算法问的深一点，碰到数学了，那就更歇菜了。
【 在 magliner (magliner) 的大作中提到: 】
: 你出的题，不是难，而是在工作中根本用不到。还不如丢给对方一本<概率论与数理统>: 计>， 一个上午能做多少算多少。
: 或者，默写个正太分布公式
所以這種東西答不上來的人，活都應該out source到中國。
【 在 bobohu (bobohu) 的大作中提到: 】
: 给DS的题。
: 第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
: 第二道，100个采样方差10，问把方差降到2，估计大概需要多少采样。
: 然后把面试的人搞得很难过，一直说我忘记了，2016年DS master毕业的，我就不敢再
: 问了。
: 我是不是问的太难了？是不是不该问数学概率题了？ 应该问你用过tensorflow 哪个
: 包，干了啥事。
方差由分布决定，和增加采样有什么关系。
标准正太分布方差就是1, 再怎么采样也还是1，最多估计的精确点。
我又去查了下google，确定我理解没有错误。
肯定是你问的不对，自己搞错概念了。
【 在 bobohu (bobohu) 的大作中提到: 】
: 给DS的题。
: 第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
: 第二道，100个采样方差10，问把方差降到2，估计大概需要多少采样。
: 然后把面试的人搞得很难过，一直说我忘记了，2016年DS master毕业的，我就不敢再
: 问了。
: 我是不是问的太难了？是不是不该问数学概率题了？ 应该问你用过tensorflow 哪个
: 包，干了啥事。
【 在 wdong (万事休) 的大作中提到: 】
: 第二个我也不会。
: 方差由分布决定，和增加采样有什么关系。
: 标准正太分布方差就是1, 再怎么采样也还是1，最多估计的精确点。
: 我又去查了下google，确定我理解没有错误。
: 肯定是你问的不对，自己搞错概念了。
【 在 rgg (rgg) 的大作中提到: 】
: 问1/sqrt(N)吧。这可经常用到。
分布的方差。
【在 wdong(万事休)的大作中提到：】
：第二个我也不会。
：方差由分布决定，和增加采样有什么关系。
【 在 wdong (万事休) 的大作中提到: 】
: 第二个我也不会。
: 方差由分布决定，和增加采样有什么关系。
: 标准正太分布方差就是1, 再怎么采样也还是1，最多估计的精确点。
: 我又去查了下google，确定我理解没有错误。
: 肯定是你问的不对，自己搞错概念了。
python和javascript。data scientist这一行，我自己都过不了面试。
就是楼上说的，稍微问到点数学就不行了。
【 在 TheMatrix (TheMatrix) 的大作中提到: 】
: 是sampling mean的方差。sampling mean本身是个random variable，有方差，不是原
: 分布的方差。
: 【在 wdong(万事休)的大作中提到：】
: ：第二个我也不会。
: ：方差由分布决定，和增加采样有什么关系。
而是能不能反映出面试者在工作中的能力 这两个题都很基础 在学校考试里都是基础
题 但是工作面试中不一定是合适的面试题
能回答对的人 说明这人的记忆,理解，基础不错 但没法说明这人的business sense或者对工作中需要的tools更熟悉
反之亦然
觉得面试还是应该更全面考察 而不是一两道认为很简单基础的题没答上就彻底否定了
面试者
当然你要找的是个牛人除外 什么都懂的牛人自然是最好的选择
【 在 bobohu (bobohu) 的大作中提到: 】
: 我是不是问的太难了？是不是不该问数学概率题了？ 应该问你用过tensorflow 哪
我跟楼主和楼上能答上来的同学不是一行的。不是一行的，说的不是一个
语言，以后工作估计就会有各种问题。
【 在 Marcus2010 (马库斯) 的大作中提到: 】
: 我是觉得这两个题不是难不难的问题
: 而是能不能反映出面试者在工作中的能力 这两个题都很基础 在学校考试里都是基础
: 题 但是工作面试中不一定是合适的面试题
: 能回答对的人 说明这人的记忆,理解，基础不错 但没法说明这人的business sense或
: 者对工作中需要的tools更熟悉
: 反之亦然
: 觉得面试还是应该更全面考察 而不是一两道认为很简单基础的题没答上就彻底否定了
: 面试者
: 当然你要找的是个牛人除外 什么都懂的牛人自然是最好的选择
名堂， 就应该考虑换个方向了。
如果我是来面试，第一题不仅能写全条件概率公式，还应该展开说说在实践中是怎么找到这个'条件'的, 比如怎么把客户群按照何种'条件'分类， 看客户行为的。 用什么方法找到这个条件的？ 代码怎么写？
第二题，在实际应用中则是个样本大小的问题。样本大小在统计里是个没有定论的题目，应聘者应该说说是怎么和客户忽悠，计算出required sample size的。 几个月前<细胞>有人建议把百分之五改成千分之五，生物版马上有人推算出小白鼠的数量要增加百
分之多少。
这就是我们民科的基本功。
工作的 谁用这玩意
语法我都是现 stackoverflow
我会考考算法 编程能力 这个强的话 出活快
基本的那些统计 感觉 自己补补也就够了 如果需要的话， 况且很多情况谁用这破玩意啊都是直接用现成的工具跑啊 编程啊 实现啊 谁管具体原理， 抓住猫就是好老鼠啊
我倒是想考算法，不过结果会更差。
【 在 goodtudou (goodtudou) 的大作中提到: 】
: 适合问刚毕业的
: 工作的 谁用这玩意
: 语法我都是现 stackoverflow
: 我会考考算法 编程能力 这个强的话 出活快
: 基本的那些统计 感觉 自己补补也就够了 如果需要的话， 况且很多情况谁用这破玩意
: 啊都是直接用现成的工具跑啊 编程啊 实现啊 谁管具体原理， 抓住猫就是好老鼠啊
【 在 wdong(万事休) 的大作中提到: 】
: 第二个我也不会。
: 方差由分布决定，和增加采样有什么关系。
: 标准正太分布方差就是1, 再怎么采样也还是1，最多估计的精确点。
: 我又去查了下google，确定我理解没有错误。
: 肯定是你问的不对，自己搞错概念了。
但是在你提示和解释疑惑的过程中，还是可以看出他是否理解
基本概念，这都不理解的就不要指望能在DS工作方面能做啥了。
当然帮写些scripts做些杂事可能还是可以的。
【 在 bobohu (bobohu) 的大作中提到: 】
: 给DS的题。
: 第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
: 第二道，100个采样方差10，问把方差降到2，估计大概需要多少采样。
: （具体问的时候，是说100个用户给出评价，评价的方差是10，觉得太大了，想降低
到2
: ，然后问大概要多少用户）
: 然后把面试的人搞得很难过，一直说我忘记了，2016年DS master毕业的，我就不敢再
: 问了。
: 我是不是问的太难了？是不是不该问数学概率题了？ 应该问你用过tensorflow 哪个
: 包，干了啥事。
包裹，这个可以。
我曾经有个电面，问了大半天，还把我数落了一番，然后工资。。，浪费了电话费和时间。
做统计的不知道1/sqrt(N)显然不合格。你的问题不难。
我们EE的都知道啊。
做统计的不知道1/sqrt(N)显然不合格。你的问题不难。
我们EE的都知道啊。
测量一般第一次猜就是猜独立同分布就是大数定律类似的
东西出来就是平方根反比。
或者看股市的话，日价格统计和周价格统计两个时间序列的
方差比大致就是1/sqrt(5)
如果距离这个数字太远
我会认为有事情发生了
(Netghost等financial series专家请纠正）
还有策略吃10秒rebalancing 和1小时rebalancing
之间的波动差。收割波动。
【 在 wdong(万事休) 的大作中提到: 】
: 第二个我也不会。
: 方差由分布决定，和增加采样有什么关系。
: 标准正太分布方差就是1, 再怎么采样也还是1，最多估计的精确点。
: 我又去查了下google，确定我理解没有错误。
: 肯定是你问的不对，自己搞错概念了。
物理和解决实际问题的办法。这倒不是数学问题。
这类似于rules of thumb
【 在 wdong(万事休) 的大作中提到: 】
<br>: 我觉得基础题还是有用的。比如楼主这个基础题一出，基本上就判断出了<br>: 我跟楼主和楼上能答上来的同学不是一行的。不是一行的，说的不是一个<br>: 语言，以后工作估计就会有各种问题。
<br>
这个价格你估计的高了点。我们这里principal data scientist没这个base
【 在 echowuhao(echo) 的大作中提到: 】
<br>: 我插一句，要看职位pay多少。10万以下，问这样的问题确实太难了。要
是20万
以上的
<br>: 包裹，这个可以。
<br>: 我曾经有个电面，问了大半天，还把我数落了一番，然后工资。。，浪费了电话
费和时
<br>: 间。
<br>
他找的是DS
不是data engineer
【 在 goodtudou(goodtudou) 的大作中提到: 】
: 适合问刚毕业的
: 工作的 谁用这玩意
: 语法我都是现 stackoverflow
: 我会考考算法 编程能力 这个强的话 出活快
: 基本的那些统计 感觉 自己补补也就够了 如果需要的话， 况且很多情况谁用这破玩意
: 啊都是直接用现成的工具跑啊 编程啊 实现啊 谁管具体原理， 抓住猫就是好老鼠啊
第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
P(A|B)=P(AB)/P(B)
第二道，100个采样方差10，问把方差降到2，估计大概需要多少采样。
（具体问的时候，是说100个用户给出评价，评价的方差是10，觉得太大了，想降低到2，然后问大概要多少用户）
不怎么确定“采样方差”，看题应该是该standard error （标准误），如果理解准确
的话，应该是
2500采样。
采样点增加sqrt(5)
不要想太多
他问的就是知道不知道大数定律
【 在 zyh961171(凉白开) 的大作中提到: 】
: 试做一下，请勿见笑！
: 第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
: P(A|B)=P(AB)/P(B)
: 第二道，100个采样方差10，问把方差降到2，估计大概需要多少采样。
: （具体问的时候，是说100个用户给出评价，评价的方差是10，觉得太大了，想
降低到2
: ，然后问大概要多少用户）
: 不怎么确定“采样方差”，看题应该是该standard error （标准误），如果理
解准确
: 的话，应该是
: 2500采样。
【 在 bobohu (bobohu) 的大作中提到: 】
: 给DS的题。
: 第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
: 第二道，100个采样方差10，问把方差降到2，估计大概需要多少采样。
: （具体问的时候，是说100个用户给出评价，评价的方差是10，觉得太大了，想降低
到2
: ，然后问大概要多少用户）
: 然后把面试的人搞得很难过，一直说我忘记了，2016年DS master毕业的，我就不敢再
: 问了。
: 我是不是问的太难了？是不是不该问数学概率题了？ 应该问你用过tensorflow 哪个
: 包，干了啥事。
具体数字得看estimate是有偏还是无偏吧，我记得无偏是除N-1，这样就是sqrt(N-1)吧
【 在 iamicewolf (icewolf) 的大作中提到: 】
: 楼主第二题应该问的是the standard error of the mean吧，这个值才和取样的多少相
: 关
【 在 iamicewolf (icewolf) 的大作中提到: 】
: 楼主第二题应该问的是the standard error of the mean吧，这个值才和取样的多少相
: 关
【 在 bobohu (bobohu) 的大作中提到: 】
: 给DS的题。
: 第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
: 第二道，100个采样方差10，问把方差降到2，估计大概需要多少采样。
: （具体问的时候，是说100个用户给出评价，评价的方差是10，觉得太大了，想降低
到2
: ，然后问大概要多少用户）
: 然后把面试的人搞得很难过，一直说我忘记了，2016年DS master毕业的，我就不敢再
: 问了。
: 我是不是问的太难了？是不是不该问数学概率题了？ 应该问你用过tensorflow 哪个
: 包，干了啥事。
两题一点问题都没有， 因为确实太太基础了。
【 在 realphone(realphone) 的大作中提到: 】
: 如果招统计的，这两题不会就淘汰了吧。 本科统计就学过。 我PHD 毕业五年了， 这
: 两题一点问题都没有， 因为确实太太基础了。
题主确实没有表述清楚，可能打字只是打了一个大意。 这类问题太基础了， 题主刚说前半句，按照统计的惯性思维就知道他想问什么了，如果在面试中， 让题主多解释一
下， 或者一问一答，去年才毕业，不至于呆若木鸡， 不停说忘了， 确实过于不去。
【 在 wdong (万事休) 的大作中提到: 】
: 第二个我也不会。
: 方差由分布决定，和增加采样有什么关系。
: 标准正太分布方差就是1, 再怎么采样也还是1，最多估计的精确点。
: 我又去查了下google，确定我理解没有错误。
: 肯定是你问的不对，自己搞错概念了。
数学问题， 能够很快得结论，而且很准确，缺乏这方面的训练， 可能解决方案就是上simulation, 跑程序， 跑出来结论肯定没错，但是有时候会花很多不必要的时间。现
在很多DS 简历吹得天花乱坠，其实也就是用了PYTHON几个包， 稍微让他们评价比较
一下算法都不行，还不如花个7，8万雇个啥都不懂的，直接让他们根据指示跑程序当机器人用。
编程能力非常重要，没话说。当然如果你算法大牛，也许编程也不重要了。
【 在 goodtudou (goodtudou) 的大作中提到: 】
: 适合问刚毕业的
: 工作的 谁用这玩意
: 语法我都是现 stackoverflow
: 我会考考算法 编程能力 这个强的话 出活快
: 基本的那些统计 感觉 自己补补也就够了 如果需要的话， 况且很多情况谁用这破玩意
: 啊都是直接用现成的工具跑啊 编程啊 实现啊 谁管具体原理， 抓住猫就是好老鼠啊
楼主问的问题没错，可以加点context。
第一题，可以问，明天天气又打雷又下雨的概率怎么求。
第二题，有一个只有一个柜台但是有一个人要checkout的商场，还有一个有十个柜台但是有十个人准备checkout的商店，选择哪一个。
这样大家就有的东西聊了。
面试就是一个考察沟通的问题，双方都有沟通的义务。
大家都是互相学习嘛，抬头不见低头见。去面试的就算拿不到offer，学点东西也是很
高兴的。
P(AB)是啥意思？ P(A)*P(B) 还是 P(AnB)?
方差是standard deviation，是分布的固有性质，没法降低。能降低的叫标准误差
standard error，这个才可能跟采样数量相关。而且本身分布不确定的时候，你要套用大数定理，这个数量也不够大。
【 在 bobohu (bobohu) 的大作中提到: 】
: 给DS的题。
: 第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
: 第二道，100个采样方差10，问把方差降到2，估计大概需要多少采样。
: （具体问的时候，是说100个用户给出评价，评价的方差是10，觉得太大了，想降低
到2
: ，然后问大概要多少用户）
: 然后把面试的人搞得很难过，一直说我忘记了，2016年DS master毕业的，我就不敢再
: 问了。
: 我是不是问的太难了？是不是不该问数学概率题了？ 应该问你用过tensorflow 哪个
: 包，干了啥事。
【 在 GDBS (()) 的大作中提到: 】
: 楼主，你这两道题都出得有问题，就别光怪面试者了。
: P(AB)是啥意思？ P(A)*P(B) 还是 P(AnB)?
: 方差是standard deviation，是分布的固有性质，没法降低。能降低的叫标准误差
: standard error，这个才可能跟采样数量相关。而且本身分布不确定的时候，你要套用
: 大数定理，这个数量也不够大。
: 到2
【 在 minigun (lool) 的大作中提到: 】
: 你应该不是统计口的。
【 在 minigun (lool) 的大作中提到: 】
: 你应该不是统计口的。
和
1.用统计解决过实际问题
2.做过产品
3.对统计的物理有了解
这三种情况不是一回事。
“物理”的意思是相对独立于描述办法的那部分知识。
楼主和前面几位看一眼就知道是sqrt(N)的是靠这个
吃饭的统计专业人士。要么是EE处理测量的。等等。
【 在 Rolling(A Rolling Stone) 的大作中提到: 】
<br>: 我咋觉得相反。前面都是编程的大神，不像数理统计的。这位靠谱多了
<br>
应该是顺便学过点统计，但不是内行不知道切口。
所以我说面基本问题也是有意义的。话一出口就知道路数对不对。
比如说按字典念了淬(cui)火，荨(qian)麻疹，基本上就是外行滚出了。
人家zhan火，xun麻疹约定俗称了，大家心知肚明。
【 在 GDBS (()) 的大作中提到: 】
: 楼主，你这两道题都出得有问题，就别光怪面试者了。
: P(AB)是啥意思？ P(A)*P(B) 还是 P(AnB)?
: 方差是standard deviation，是分布的固有性质，没法降低。能降低的叫标准误差
: standard error，这个才可能跟采样数量相关。而且本身分布不确定的时候，你要套用
: 大数定理，这个数量也不够大。
: 到2
【 在 guvest (我爱你老婆Anna) 的大作中提到: 】
: 书面会统计课本的知识。
: 和
: 1.用统计解决过实际问题
: 2.做过产品
: 3.对统计的物理有了解
: 这三种情况不是一回事。
: “物理”的意思是相对独立于描述办法的那部分知识。
: 楼主和前面几位看一眼就知道是sqrt(N)的是靠这个
: 吃饭的统计专业人士。要么是EE处理测量的。等等。
:
: 我咋觉得相反。前面都是编程的大神，不像数理统计的。这位靠谱多了
: ...................
荨麻
qiánmá
〖nettle〗∶荨麻科,尤其是荨麻属的植物,遍体多刺或接触它们会感到针刺般疼痛
〖nettlefibre〗∶该植物的纤维
【 在 wdong (万事休) 的大作中提到: 】
: 你路数是跟我一样的了。
: 应该是顺便学过点统计，但不是内行不知道切口。
: 所以我说面基本问题也是有意义的。话一出口就知道路数对不对。
: 比如说按字典念了淬(cui)火，荨(qian)麻疹，基本上就是外行滚出了。
: 人家zhan火，xun麻疹约定俗称了，大家心知肚明。
发信人: realphone (realphone), 信区: Programming
标 题: Re: 我出的面试题是不是太难了
发信站: BBS 未名空间站 (Fri Jan 19 20:04:00 2018, 美东)
这话99%情况都没错， 但是组里还是需要一个懂数学或者统计的。 有时候明明是一个
数学问题， 能够很快得结论，而且很准确，缺乏这方面的训练， 可能解决方案就是上simulation, 跑程序， 跑出来结论肯定没错，但是有时候会花很多不必要的时间。
【 在 GDBS (()) 的大作中提到: 】
: 楼主那个问题究竟是不是sqrt(N)，你去run个simulation就知道了....LOL...
只要知道随着数据或者测量的增加，std曲线走的形状就可以了。
【 在 GDBS(()) 的大作中提到: 】
<br>: 楼主那个问题究竟是不是sqrt(N)，你去run个simulation就知道了....
LOL...
<br>
他说的是第一种。一个人如果物理不对，这个人又不是第二种懂数学的狠人。那需要多花的时间可不
是一点两点.
【 在 wdong(万事休) 的大作中提到: 】
<br>: 您已自动撞在枪口上了。
<br>: 这楼好欢乐，各种行业套路都出来了。
<br>: 发信人: realphone (realphone), 信区: Programming
<br>: 标 题: Re: 我出的面试题是不是太难了
<br>: 发信站: BBS 未名空间站 (Fri Jan 19 20:04:00 2018, 美东)
<br>: 这话99%情况都没错， 但是组里还是需要一个懂数学或者统计的。 有时
候明明
是一个
<br>: 数学问题， 能够很快得结论，而且很准确，缺乏这方面的训练， 可能解决方案
就是上
<br>: simulation, 跑程序， 跑出来结论肯定没错，但是有时候会花很多不必
要的时
间。
<br>
【 在 guvest(我爱你老婆Anna) 的大作中提到: 】
<br>: 懂数学的有两种。第一种其实是懂物理，就是知道怎么用数学。能把数学知识嵌
入到产
<br>: 品或者一个组织，一个机器的工作序列里面。第二种是懂得如何创造数学。或者
说就是
<br>: 发明算法以及写新类型的程序。
<br>: 他说的是第一种。一个人如果物理不对，这个人又不是第二种懂数学的狠人。那
需要多
<br>: 花的时间可不
<br>: 是一点两点.
<br>:
DS就是给H4和文科女解决就业的
【在 bobohu(bobohu)的大作中提到：】
：给DS的题。
：第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
【 在 GAGAMA(GAGA) 的大作中提到: 】
: 何必呢，大家心里都清楚DS会操作sql就行了，有难度的问题自然是数学，物理
PhD解决
: DS就是给H4和文科女解决就业的
: ：给DS的题。
: ：第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
: 给DS的题。
: 第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
: 第二道，100个采样方差10，问把方差降到2，估计大概需要多少采样。
: （具体问的时候，是说100个用户给出评价，评价的方差是10，觉得太大了，想降低
到2
: ，然后问大概要多少用户）
: 然后把面试的人搞得很难过，一直说我忘记了，2016年DS master毕业的，我就不敢再
: 问了。
: 我是不是问的太难了？是不是不该问数学概率题了？ 应该问你用过tensorflow 哪个
: 包，干了啥事。
我面试人这两道题也常出
说实话，跑算法我找个高中生就能跑，怎么区分人啊
当然要看基础
贝叶斯公式都答不上来， 取样理论都不知道，光会调参数的话，我招谁不是招？
假设variable S 均值E（S） 方差是 var(S). 现在有100个sample，s[1,1,2...100]
iid, 卤煮的意思应该是这样：如果 E{ [ (s1-E_100)^2 + (s1-E_100)^2 ... + (
s100-E_100)]/100 }= 10, 【E{} 外面的 “E” Expectation运算不能去掉，否则 {}
内的部分还是个变量，题目的说法就没意义了】 那么求最小的整数N，满足 E{ [(s1-E_N)^2 + (s1-E_N)^2 ... + (sN -E_N)]/N } = 2. where E_N是 E（s）使用N个
sample的estimate，而不是 E（S）：E_N = sum(si)/N 。 貌似这个题不简单
现在市面上大部分所谓的ds就是写query整理ppt的
这些不懂也正常
【 在 bobohu (bobohu) 的大作中提到: 】
: 给DS的题。
: 第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
: 第二道，100个采样方差10，问把方差降到2，估计大概需要多少采样。
: （具体问的时候，是说100个用户给出评价，评价的方差是10，觉得太大了，想降低
到2
: ，然后问大概要多少用户）
: 然后把面试的人搞得很难过，一直说我忘记了，2016年DS master毕业的，我就不敢再
: 问了。
: 我是不是问的太难了？是不是不该问数学概率题了？ 应该问你用过tensorflow 哪个
: 包，干了啥事。
数学上来讲，倍努力，柏松，马尔可夫 都研究过。
物理上来讲，
多次测量的平均可以导致更准的结果这个思路更不简单。
人类如何从低精度测量仪器发展出来高精度的？
除了这个统计的办法，我知道的仅有的，
就是EE的办法，反馈，
现在也叫refeinforce learning.
【 在 heihuafei() 的大作中提到: 】
: 第二题确实题意不清楚。我也是民科出身，试着理解一下。
: 假设variable S 均值E（S） 方差是 var(S). 现在有100个sample，s[1,1,2...100]
: iid, 卤煮的意思应该是这样：如果 E{ [ (s1-E_100)^2 (s1-E_100)^2 ... (
: s100-E_100)]/100 }= 10, 【E{} 外面的 “E” Expectation运算不能去掉，否则 {}
: 内的部分还是个变量，题目的说法就没意义了】 那么求最小的整数N，满足 E{ [(s1-
: E_N)^2 (s1-E_N)^2 ... (sN -E_N)]/N } = 2. where E_N是 E（s）使用N个
: sample的estimate，而不是 E（S）：E_N = sum(si)/N 。 貌似这个题不简单
【 在 holydistance(植物猫) 的大作中提到: 】
<br>: 你这算是给正经ds的题
<br>: 现在市面上大部分所谓的ds就是写query整理ppt的
<br>: 这些不懂也正常
<br>: 到2
<br>
正方形内画个内接圆， 往上投针，根据针落在园内的比例可以估计Pi的值， 现在希望估计的值精度能到 1%， 大概需要投多少次针
这个做过蒙特卡洛或者实验数据处理的，一口就能答上来
但如果说学过基本的统计但好无头绪的， 就太水了
有些地方data engineer要管data infra和pipeline
反而ds干的就是我说的那种analyst的东西
然后其实有些analyst尤其是大银行里的都是stat phd这些都是小菜
【 在 guvest (我爱你老婆Anna) 的大作中提到: 】
: 那叫data engineer吧
:
: 你这算是给正经ds的题
:
: 现在市面上大部分所谓的ds就是写query整理ppt的
:
: 这些不懂也正常
:
: 到2
:
你这题太难了
我都答不上来
我只能告诉你
第一 次数多更准
第二 次数和标准差的关系我首先会套sqrtN试一下
三十年前我高中时候可以答
【 在 Nisayer(si fata sinata) 的大作中提到: 】
<br>: 第二个题我通常这么问
<br>: 正方形内画个内接圆， 往上投针，根据针落在园内的比例可以估计Pi的
值， 现
在希望
<br>: 估计的值精度能到 1%， 大概需要投多少次针
<br>: 这个做过蒙特卡洛或者实验数据处理的，一口就能答上来
<br>: 但如果说学过基本的统计但好无头绪的， 就太水了
<br>
么 VAR （(S1+S2..+SN）/N) = [VAR(S1)+VAR(S2)...VAR(SN)]/(N^2) = VAR(S)/N;
如果 N =100时候 VAR（S）/100 = 10, 那么 N = 500 时 VAR（S）/ N = 2.
【 在 heihuafei () 的大作中提到: 】
: 第二题确实题意不清楚。我也是民科出身，试着理解一下。
: 假设variable S 均值E（S） 方差是 var(S). 现在有100个sample，s[1,1,2...100]
: iid, 卤煮的意思应该是这样：如果 E{ [ (s1-E_100)^2 + (s1-E_100)^2 ... + (
: s100-E_100)]/100 }= 10, 【E{} 外面的 “E” Expectation运算不能去掉，否则 {}
: 内的部分还是个变量，题目的说法就没意义了】 那么求最小的整数N，满足 E{ [(
s1-
: E_N)^2 + (s1-E_N)^2 ... + (sN -E_N)]/N } = 2. where E_N是 E（s）使用N个
: sample的estimate，而不是 E（S）：E_N = sum(si)/N 。 貌似这个题不简单
【 在 heihuafei () 的大作中提到: 】
: ahh 我理解的模型好像不对。应该就是是 VAR((S1+S2..+S100)/100) = 10， 求最小的
: N 使得 VAR (（S1+..SN）/N) =2。 S1, S2, ... SN ~ iid 。 如果S是正态分布那
: 么 VAR （(S1+S2..+SN）/N) = [VAR(S1)+VAR(S2)...VAR(SN)]/(N^2) = VAR(S)/N;
: 如果 N =100时候 VAR（S）/100 = 10, 那么 N = 500 时 VAR（S）/ N = 2.
: s1-
【 在 holydistance (植物猫) 的大作中提到: 】
: s啥分布都没关系
先说点技术的吧，问这个题，相当于在高考数学里问：请证明勾股定理。
这玩意人人都会用，但是没几个能证出来。
你还别不信，我国高考历史上真有这题。。。
再说点非技术的：
1. 这题最大的用处在于，刷掉那个我们都很讨厌的群体，说的谁，你懂的。我还考过
丫们一元一次方程。想干掉他们，有一万种方法。
2. 招人的原则：不在于他能不能答上来，关键是表现如何。在面试官引导下，能不能
一步步思考接近答案。很多知识点临时不会没关系，之后态度好智力正常，招进来慢慢学都没问题。关键是看态度，看交流能力，看思维方式。这个只能靠面试官自己体会。3. 要是还不放心，就看学历，看GPA。名校高分的，都不会太差。我不是学校歧视，而是这方法久经考验。
再回到技术上：
你要真想招个技术好上来能干活的，要么给他个小project，限期一天做完。要么问些
开放性的易答难精的问题，比如：
1. 如何对付数据中的missing value；
2. 如何对付over fitting；
3. 结合你以前干过的活，结合domain knowledge，再谈谈前两题；
尤其是前两题，看上去很简单，网上也有很多答案，但是干过几个月和干过几年十几年的，干银行的干互联网广告的，回答起来是相当有区别的。有点类似于魂斗罗30条命还是3条命通关。易学难精。
对方要真能都答得挺好 我也就招了
【 在 timetodo(time2do) 的大作中提到: 】
: 这几年我面了n多DS了，n好几百，啥奇葩都有，这里谈谈体会。
: 先说点技术的吧，问这个题，相当于在高考数学里问：请证明勾股定理。
: 这玩意人人都会用，但是没几个能证出来。
: 你还别不信，我国高考历史上真有这题。。。
: 再说点非技术的：
: 1. 这题最大的用处在于，刷掉那个我们都很讨厌的群体，说的谁，你懂的。我
还考过
: 丫们一元一次方程。想干掉他们，有一万种方法。
: 2. 招人的原则：不在于他能不能答上来，关键是表现如何。在面试官引导下，
能不能
: 一步步思考接近答案。很多知识点临时不会没关系，之后态度好智力正常，招进来慢慢
: 学都没问题。关键是看态度，看交流能力，看思维方式。这个只能靠面试官自己体会。
: ...................
【 在 timetodo(time2do) 的大作中提到: 】
: 这几年我面了n多DS了，n好几百，啥奇葩都有，这里谈谈体会。
: 先说点技术的吧，问这个题，相当于在高考数学里问：请证明勾股定理。
: 这玩意人人都会用，但是没几个能证出来。
: 你还别不信，我国高考历史上真有这题。。。
: 再说点非技术的：
: 1. 这题最大的用处在于，刷掉那个我们都很讨厌的群体，说的谁，你懂的。我
还考过
: 丫们一元一次方程。想干掉他们，有一万种方法。
: 2. 招人的原则：不在于他能不能答上来，关键是表现如何。在面试官引导下，
能不能
: 一步步思考接近答案。很多知识点临时不会没关系，之后态度好智力正常，招进来慢慢
: 学都没问题。关键是看态度，看交流能力，看思维方式。这个只能靠面试官自己体会。
: ...................
【 在 bobohu (bobohu) 的大作中提到: 】
: 给DS的题。
: 第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
: 第二道，100个采样方差10，问把方差降到2，估计大概需要多少采样。
: （具体问的时候，是说100个用户给出评价，评价的方差是10，觉得太大了，想降低
到2
: ，然后问大概要多少用户）
: 然后把面试的人搞得很难过，一直说我忘记了，2016年DS master毕业的，我就不敢再
: 问了。
: 我是不是问的太难了？是不是不该问数学概率题了？ 应该问你用过tensorflow 哪个
: 包，干了啥事。
人家怕你不怀好意
by the way我是计量经济口的
然后从来没用过，你让我答？
【在 akasha663(akasha)的大作中提到：】
：本科理工科但凡学过一门概率统计的都应该能答出来，说难的都是文科生？？？
【 在 wwzz (一辈子当码工) 的大作中提到: 】
: 你，新毕业生？我二十多年前学的概率论，
: 然后从来没用过，你让我答？
: ：本科理工科但凡学过一门概率统计的都应该能答出来，说难的都是文科生？？？
显然是P（AnB）
第二题，就算楼主出错了不严谨，统计口的含生统，经济phd等，显然知道楼主的意图
是什么。就是考sample mean的variance和sample obs的关系。别说没用。看工作性质
。最简单的就是做模拟的时候如果结果不稳定，看看加多少次可以让波动变小。
【 在 GDBS (()) 的大作中提到: 】
: 统计口的会怎么样？
第一个是基础之基础。被噎死得基本。
误差～1/sqrt(N)，是设计实验得基本准则。对这个不是烂熟于心得，搞个屁得数据处
理。
【 在 bobohu (bobohu) 的大作中提到: 】
: 给DS的题。
: 第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
: 第二道，100个采样方差10，问把方差降到2，估计大概需要多少采样。
: （我写的具体一些，是说100个用户给出评价，平均分是55，标准差是10，经理觉得可
: 信度不太高，想把标准差降低到2
: ，然后问大概要多少用户。 我还画了图演示）
: 然后把面试的人搞得很难过，一直说我忘记了，2016年DS master毕业的，我就不敢再
: 问了。
: 我是不是问的太难了？是不是不该问数学概率题了？ 应该问你用过tensorflow 哪个
: 包，干了啥事。
【 在 abracadabra (abracadabra) 的大作中提到: 】
: 这都是基本功。
: 第一个是基础之基础。被噎死得基本。
: 误差～1/sqrt(N)，是设计实验得基本准则。对这个不是烂熟于心得，搞个屁得数据处
: 理。
【 在 wwzz (一辈子当码工) 的大作中提到: 】
: 你，新毕业生？我二十多年前学的概率论，
: 然后从来没用过，你让我答？
: ：本科理工科但凡学过一门概率统计的都应该能答出来，说难的都是文科生？？？
本科理工科但凡学过一门概率统计的都应该能答出来，说难的都是文科生？
【在 minigun(lool)的大作中提到：】
：20多年不用了，还想入这个行？你可以拿30万的马工包袱，但拿不了10万的真正DS包袱。
：【 在 wwzz (一辈子当码工) 的大作中提到: 】
【 在 wwzz (一辈子当码工) 的大作中提到: 】
: 我是回楼上的。
: 本科理工科但凡学过一门概率统计的都应该能答出来，说难的都是文科生？
: ：20多年不用了，还想入这个行？你可以拿30万的马工包袱，但拿不了10万的真正DS包
: 袱。
: ：【 在 wwzz (一辈子当码工) 的大作中提到: 】
（我写的具体一些，是说100个用户给出评价，平均分是55，标准差是10，经理觉得可
信度不太高，想把标准差降低到2
，然后问大概要多少用户。 我还画了图演示）
大家不要废话，直接给答案吧。
【 在 bobohu (bobohu) 的大作中提到: 】
: 给DS的题。
: 第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
: 第二道，100个采样方差10，问把方差降到2，估计大概需要多少采样。
: （我写的具体一些，是说100个用户给出评价，平均分是55，标准差是10，经理觉得可
: 信度不太高，想把标准差降低到2
: ，然后问大概要多少用户。 我还画了图演示）
: 然后把面试的人搞得很难过，一直说我忘记了，2016年DS master毕业的，我就不敢再
: 问了。
: 我是不是问的太难了？是不是不该问数学概率题了？ 应该问你用过tensorflow 哪个
: 包，干了啥事。
一个商品的评价假设是一个0到100之间的数，是一个random variable，有一个想象中
的distribution，这个distribution有mean有标准差。我们的目标就是搞清楚这个
distribution的mean和standard deviation，进而搞清楚这个distribution的整体形状。
方法就是sampling。要定sample size。比如先定个100。做一次采样就是得到100个数
，平均值是55这个好理解。标准差是10，这句话有问题。直接的理解是这100个数的标
准差。如果这样理解的话，那这个标准差是对原distribution的标准差的一个估计。增加sample size不能确定使这个估计变得更大或更小（因为原distribution的标准差可
能就是10左右）。
所谓增加sample size能降低的这个标准差是the standard deviation of the
sampling distribution of the sample mean。其过程是这样的：比如这100个点的采
样这个事情你做20次，每次都得到100个数，每次都可以算这100个数的平均值。比如第一次你的平均值55，第二次你可能的平均值63，第三次你得平均值是46，等等。把这20个平均值放在一起(55,63,46,...)，这就基本上是sampling distribution of the
sample mean。这个distribution也有standard deviation，假设它是10，那么这个标
准差可以被降低--通过增加sample size。比如你sample size是1000。你还是做20次采样，每次采样变成1000个点。也就是每次得到1000个数，每次计算这1000个数的平均值。比如第一次得到平均值57，第二次得到平均值61，第三次得到平均值58，等等，把这20个数放在一起(57,61,58,...)，这个distribution的standard deviation就应该小于10，关系是~1/sqrt(N).
【 在 Rolling (A Rolling Stone) 的大作中提到: 】
: 楼主把题目改的具体了，如下，
: （我写的具体一些，是说100个用户给出评价，平均分是55，标准差是10，经理觉得可
: 信度不太高，想把标准差降低到2
: ，然后问大概要多少用户。 我还画了图演示）
: 大家不要废话，直接给答案吧。
我们这一个培训，讲communication的。讲师原来是海军陆战队出身。典型的体育老师+文科僧了吧。
人家举例的时候，随口的例子就是，“泊松分布的probability density fucntion是。。" 然后把具体的form背了出来.
不过后来我想，会不会人家是雷达口的？那对ROC，泊松这些肯定特熟悉。不过能写出
form，基本功还是很了不起。毕竟不是Normal distribution。
【 在 Rolling (A Rolling Stone) 的大作中提到: 】
: 楼主把题目改的具体了，如下，
: （我写的具体一些，是说100个用户给出评价，平均分是55，标准差是10，经理觉得可
: 信度不太高，想把标准差降低到2
: ，然后问大概要多少用户。 我还画了图演示）
: 大家不要废话，直接给答案吧。
但是这个题还是出的有问题。
（1） std deviation s = sqrt (sum(x(i)-u)^2/N) 是个 random variable, 因为每
个sample x（i）是 random variable.
（2） standard deviation的期望值/均值 是个constant： E(s) = E[sqrt (sum(x(i)-u)^2/N) ] = C
（3）均值的估计值的误差也是个 random variable： ue= sum(x_i)/N - u； E（ue） = 0; var(ue) = var(x)/N;
【 在 heihuafei () 的大作中提到: 】
: 估计出题人想要的答案是 N = 100*sqrt(10/2)
: 但是这个题还是出的有问题。
: （1） std deviation s = sqrt (sum(x(i)-u)^2/N) 是个 random variable, 因为每
: 个sample x（i）是 random variable.
: （2） standard deviation的期望值/均值 是个constant： E(s) = E[sqrt (sum(x(i)
: -u)^2/N) ] = C
: （3）均值的估计值的误差也是个 random variable： ue= sum(x_i)/N - u； E（ue）
: = 0; var(ue) = var(x)/N;
【在 heihuafei()的大作中提到：】
：估计出题人想要的答案是 N = 100*sqrt(10/2)
：
【在 GDBS(())的大作中提到：】
：楼主，你这两道题都出得有问题，就别光怪面试者了。
：
【在 Nisayer(si fata sinata)的大作中提到：】
：第二个题我通常这么问
：
【在 minigun(lool)的大作中提到：】
：难道觉得回答出来很了不起么？
：
仔细想想，的确我的不对，下次改个好点的例子。不过我也没fail人家的面试。
【 在 repast (xebec) 的大作中提到: 】
: 第二题耍流氓了，自己都不合格
【 在 bobohu (bobohu) 的大作中提到: 】
: 给DS的题。
: 第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
: 第二道，100个采样方差10，问把方差降到2，估计大概需要多少采样。
: （我写的具体一些，是说100个用户给出评价，平均分是55，标准差是10，经理觉得可
: 信度不太高，想把标准差降低到2，然后问大概要多少用户。 我还画了图演示.
: 不过我现在仔细想想，这道题出的很有问题，要改改）
: 然后把面试的人搞得很难过，一直说我忘记了，2016年DS master毕业的，我就不敢再
: 问了。
: 我是不是问的太难了？是不是不该问数学概率题了？ 应该问你用过tensorflow 哪个
: 包，干了啥事。
定义，但是能像人家那样随手写出pdf的形式么？何况你是干啥工作的，人家干啥的。
。。
【 在 repast (xebec) 的大作中提到: 】
: Poisson 分布就是研究生第一门课或者本科生高年级的课会讲
: ：难道觉得回答出来很了不起么？
: ：
采样要估计的是population mean X。不是sample mean x。 sample mean是population mean的一个estimator X* 。 estimator和underlying population mean的偏差，当样本足够大时可以认为是正态分布。如果estimator 是unbiased, 该正态分别的均值为0
。样本越大，该正态分布的方差越小。渐近关系是σ~sqrt(N).
这些结果都是从大数定理和中心极限定理导出的。
【 在 TheMatrix(TheMatrix) 的大作中提到: 】
<br>: 应该是100＊sqr(10/2)=2500吧。
<br>: ：估计出题人想要的答案是 N = 100*sqrt(10/2)
<br>: ：
<br>
当宝的。
【 在 bobohu (bobohu) 的大作中提到: 】
: 给DS的题。
: 第一道 P(A|B)=P(AB)*? 把问号部分填上，写啥都行。
: 第二道，100个采样方差10，问把方差降到2，估计大概需要多少采样。
: （我写的具体一些，是说100个用户给出评价，平均分是55，标准差是10，经理觉得可
: 信度不太高，想把标准差降低到2，然后问大概要多少用户。 我还画了图演示.
: 不过我现在仔细想想，这道题出的很有问题，要改改）
: 然后把面试的人搞得很难过，一直说我忘记了，2016年DS master毕业的，我就不敢再
: 问了。
: 我是不是问的太难了？是不是不该问数学概率题了？ 应该问你用过tensorflow 哪个
: 包，干了啥事。
normal distribution。
【 在 abracadabra (abracadabra) 的大作中提到: 】
: 应该是100*(10/2)^2=2500.
: 采样要估计的是population mean X。不是sample mean x。 sample mean是
population
: mean的一个estimator X* 。 estimator和underlying population mean的偏差，当样
: 本足够大时可以认为是正态分布。如果estimator 是unbiased, 该正态分别的均值为
0
: 。样本越大，该正态分布的方差越小。渐近关系是σ~sqrt(N).
: 这些结果都是从大数定理和中心极限定理导出的。
:
: 应该是100＊sqr(10/2)=2500吧。
:
: ：估计出题人想要的答案是 N = 100*sqrt(10/2)
:
: ：
:
这是楼主改了几遍的原题，还是一团乱麻，
（我写的具体一些，是说100个用户给出评价，平均分是55，标准差是10，经理觉得可
信度不太高，想把标准差降低到2，然后问大概要多少用户。 我还画了图演示.
我同意wdong所说，如果样本是iid，不管样本size多大，样本标准差(sample standard deviation， which is an estimation of standard deviation of population)是差不多的。第一个标准差应该就是指这个。那第二个标准差就只能理解成样本平均值(x_
bar=sum(x1:xn)/n, which is a random variable)的标准差了。我知道从题目的表述
来看这么理解很牵强，但只能这样，要不然没题可做。
给定样本size 100, 样本平均值x_bar的标准差只有1 (population std which is 10, divided by sqrt(100)).这其实很直观：随便抽一个，标准差大概10. 100个平均下来
标准差只剩1不奇怪。
所以现在不是降低样本平均值的标准差到2，而是升到2！样本size要减少，大概25就够了！ （2=10/sqrt(25))
【 在 TheMatrix (TheMatrix) 的大作中提到: 】
: 对。sample mean的mean等于population mean。sample mean的distribution趋近于
: normal distribution。
: population
: 0
variable来说比较正常。但是如果说它是sample mean的标准差，那绝对太大了。所以
题出的确实欠考虑。
【 在 Rolling (A Rolling Stone) 的大作中提到: 】
: 我也来讨论一下。那些光喊容易不给答案的机器人就不要来掺乎了. :-)
: 这是楼主改了几遍的原题，还是一团乱麻，
: （我写的具体一些，是说100个用户给出评价，平均分是55，标准差是10，经理觉得可
: 信度不太高，想把标准差降低到2，然后问大概要多少用户。 我还画了图演示.
: 我同意wdong所说，如果样本是iid，不管样本size多大，样本标准差(sample
standard
: deviation， which is an estimation of standard deviation of population)是差
: 不多的。第一个标准差应该就是指这个。那第二个标准差就只能理解成样本平均值(x_
: bar=sum(x1:xn)/n, which is a random variable)的标准差了。我知道从题目的表述
: 来看这么理解很牵强，但只能这样，要不然没题可做。
: 给定样本size 100, 样本平均值x_bar的标准差只有1 (population std which is 10,
: ...................