数据分析相关面试题-A/B 测试 统计学部分
数据分析相关面试题汇总
目录
A/B 测试
什么是 A/B 测试？
为什么要做 A/B 测试？
A/B 测试核心指标怎么选？
完整 A/B 测试流程是什么？
统计学
原假设 H0 和备择假设 H1 是什么？
p 值是什么？
显著性水平 α 和功效 Power
一类错误 & 二类错误
什么是置信区间？
中心极限定理 CLT
不同指标对应什么检验？
样本量由什么决定？
实验没到样本量能停吗？
为什么必须随机分流？
什么是辛普森悖论？
peeking 问题（多次偷看结果）
实验前要检查什么？
显著就一定上线吗？
A/B 测试
什么是 A/B 测试？
将用户随机分成两组：
- A 组：对照组（原有版本）
- B 组：实验组（新策略 / 新功能）通过统计假设检验判断指标差异是否显著，从而决定是否上线新版本。
为什么要做 A/B 测试？
- 避免凭感觉决策
- 量化新策略真实效果
- 降低上线风险
- 用数据证明 “有效”
A/B 测试核心指标怎么选？
- 核心：转化率、点击率、留存、人均时长、收入
- 辅助：用户结构、设备分布、地域分布原则：少而精，优先业务北极星指标
完整 A/B 测试流程是什么？
- 明确实验目的与核心指标
- 计算所需样本量 & 实验天数
- 随机分流，保证两组用户同质
- 上线实验，埋点收集数据
- 数据清洗，检查分流均匀性
- 做假设检验（t 检验 / 卡方）
- 根据p 值、置信区间判断是否显著
- 给出结论：上线 / 不上线 / 延长实验
统计学
原假设 H0 和备择假设 H1 是什么？
- H0：两组无差异
- H1：两组有差异只有拒绝 H0，才能说 B 版本更好。
p 值是什么？
在原假设成立（两组无差异）的情况下，观察到当前差异或更极端结果的概率。
- p < 0.05 → 差异显著，认为策略有效
- p > 0.05 → 差异不显著，不能认为有效
显著性水平 α 和功效 Power
- α（一类错误）：假阳性，没效果说有效果，常用0.05
- Power = 1−β：真有效果能检测出来的概率，常用0.8
一类错误 & 二类错误
- 一类（α）：误判有效（假阳性）
- 二类（β）：漏判有效（假阴性）
什么是置信区间？
有 95% 把握认为真实提升幅度落在这个区间内。
中心极限定理 CLT
样本量足够大时，样本均值近似服从正态分布，因此可以用 t 检验。
不同指标对应什么检验？
- 转化率 / 点击率（0/1 数据）→ 卡方检验 / 双比例 z 检验
- 时长、分数、金额（连续值）→ 独立样本 t 检验
- 数据不正态、异常值多→ Mann-Whitney U 检验（非参数）
样本量由什么决定？
- 基线转化率
- 最小可检测提升 MDE
- 显著性水平 α=0.05
- 统计功效 Power=0.8
期望提升越小，需要样本量越大。
实验没到样本量能停吗？
不能。样本不足 → 检验功效低 → 容易得出错误不显著结论。
为什么必须随机分流？
保证两组用户性别、年龄、活跃度、设备等分布一致，排除干扰变量。
什么是辛普森悖论？
整体看 B 更好，按维度拆分后 A 更好。原因：用户结构分布不均。避免：随机分流 + 分层分析 + 检查组间一致性。
peeking 问题（多次偷看结果）
频繁看结果会提高一类错误，导致假显著。解决：
- 固定实验周期
- 不中途停止
- 使用多重检验校正
实验前要检查什么？
- 分流是否均匀（用户结构一致）
- 埋点是否正常
- 有无污染、交叉影响
- 有无系统波动（活动、节假日）
显著就一定上线吗？
不一定。还要看：
- 提升幅度是否业务显著
- 有无负向指标
- 实现成本、风险
- 长期影响