Если распределение метрики имеет сильную правую скошенность (длинный правый хвост), какое утверждение чаще всего верно?
Гистограмма, box plot, violin plot — инструменты для визуализации распределений и обнаружения выбросов. На собеседовании спрашивают, как визуализировать распределение времени загрузки страницы или как обнаружить и обработать выбросы. Выбор между гистограммой и box plot зависит от того, что именно нужно показать аудитории.
Всего в этом разделе 20 вопросов. Каждый — с правильным ответом и кратким разбором теории. Разбито на 4 части по 5 вопросов.
1Для метрики с сильной асимметрией (тяжёлый правый хвост) какая характеристика чаще всего более устойчива к выбросам?
AСреднее значение, потому что оно использует все наблюдения и лучше отражает общую картину распределения
BМедиана и квантили (`p50`, `p90`, `p95`), потому что они зависят от порядка значений, а не от величины хвоста
CМаксимум, потому что он явно показывает крайние значения и помогает выявить редкие большие наблюдения
DРазмах (max − min), потому что он напрямую измеряет ширину распределения и устойчив к выбросам в данных
Ответ: Медиана и квантили (`p50`, `p90`) менее чувствительны к выбросам, чем среднее, потому что зависят от порядка значений.
Когда распределение асимметрично, редкие большие значения могут сильно сдвинуть среднее. Медиана и другие квантили (`p90`, `p95`) меняются меньше, потому что зависят от порядка наблюдений, а не от величины хвоста. Поэтому для отчётов по тяжёлым хвостам обычно показывают медиану и `p90`/`p95` вместе со средним, чтобы дать полную картину.
2Если распределение метрики имеет сильную правую скошенность (длинный правый хвост), какое утверждение чаще всего верно?
AСреднее обычно меньше медианы: короткий правый хвост слабо влияет на среднее значение метрики в выборке
BМедиана совпадает с 25-м перцентилем независимо от формы распределения метрики на больших выборках данных
CСреднее обычно больше медианы: большие значения в правом хвосте тянут среднее вверх относительно центра
DСреднее и медиана совпадают по значению: обе характеризуют центр распределения метрики на больших выборках
Ответ: При правой скошенности редкие большие значения тянут среднее вверх относительно медианы.
Правый хвост добавляет большие значения, которые сильно влияют на среднее. Медиана зависит от порядка и устойчивее к хвостам. Поэтому при правой скошенности среднее часто выше медианы, и полезно показывать перцентили вместо одного среднего.
3Если цель — показать хвост распределения времени ответа, какие перцентили чаще всего полезно добавить к `p50`?
AВысокие перцентили `p90` и `p95`: они описывают качество для самых медленных запросов в распределении задержек
BНизкие перцентили `p10` и `p20`: они описывают только самые быстрые ответы пользователей и состояние головы
CНижний квартиль `p25`: одного этого перцентиля обычно хватает для описания формы хвостов распределения
DТолько максимум распределения: он точнее всего отражает поведение хвоста и положение крайних наблюдений
Ответ: Для хвостов распределения обычно смотрят высокие перцентили, например `p90` и `p95`, рядом с медианой.
Время ответа часто имеет правый хвост, и среднее значение может скрывать проблемы у самых медленных запросов. Высокие перцентили `p90` и `p95` показывают качество для «медленных» случаев и хорошо дополняют медиану. Максимум часто слишком нестабилен и может оказаться выбросом, а низкие перцентили говорят о самых быстрых ответах и не описывают хвост.
4В диаграмме «ящик с усами» (`boxplot`) сама «коробка» обычно соответствует какому диапазону квантилей данных?
AОт 0-го до 100-го квантиля: коробка показывает весь диапазон значений, включая минимум, максимум и потенциальные выбросы по краям
BОт 25-го до 75-го квантиля: коробка показывает межквартильный размах между нижним и верхним квартилями, то есть центральные 50% данных
CОт 10-го до 90-го квантиля: коробка покрывает центральные 80% значений, отбрасывая по 10% самых маленьких и самых больших значений
DОт 45-го до 55-го квантиля: коробка показывает узкую полосу около медианы и описывает только 10% самых типичных наблюдений
Ответ: Коробка в `boxplot` — это межквартильный размах от 25-го до 75-го квантиля.
Стандартный `boxplot` показывает медиану и коробку между 25-м и 75-м квантилями, то есть центральные 50% наблюдений. Это устойчивое описание центра и разброса, не очень чувствительное к редким большим или малым значениям. «Усы» и отдельные точки уже добавляют информацию о хвостах и потенциальных выбросах. Если бы коробка покрывала весь диапазон или только узкую полосу около медианы, мы бы потеряли смысл межквартильного размаха.
5Какую информацию о данных лучше всего показывает гистограмма?
AРаспределение значений одной метрики по интервалам и форму этого распределения
BДинамику значения метрики во времени, чтобы увидеть тренд и сезонность поведения
CСвязь между двумя метриками по отдельным точкам, как на диаграмме рассеяния
DДолю каждой категории в общем объёме, как на круговой или столбчатой диаграмме
Ответ: Гистограмма показывает форму распределения одной метрики, а не динамику или связь переменных.
Гистограмма группирует значения одной метрики в интервалы и показывает, сколько наблюдений попало в каждый интервал. Это помогает понять форму распределения, скошенность и наличие тяжёлых хвостов. Для тренда во времени нужен другой график, например линейный, для связи двух метрик — диаграмма рассеяния, а для долей категорий — столбчатая или круговая диаграмма.