s******x
发帖数: 1234 | 1 板上只有一篇，包子求其他面经，职位是Statistician/Algorithm Analyst，非常感谢
！ |
s********0
发帖数: 2625 | 2 原来玩fut里的也有同行？
【在 s******x 的大作中提到】
: 板上只有一篇，包子求其他面经，职位是Statistician/Algorithm Analyst，非常感谢
: ！
|
s******x
发帖数: 1234 | 3 你也是学统计的？
【在 s********0 的大作中提到】
: 原来玩fut里的也有同行？
|
p******x
发帖数: 441 | |
s******x
发帖数: 1234 | 5 电面
【在 p******x 的大作中提到】
: 你是需要电面面经还是onsite面经?
|
y****h
发帖数: 4 | 6 同求电面面经！ O(∩_∩)O谢谢！
【在 p******x 的大作中提到】
: 你是需要电面面经还是onsite面经?
|
p******x
发帖数: 441 | 7
我当时电面的时候是一个associate prof做面试官，主要大题目就是：
1. Q: R里面做regression的时候怎么标示一个variable X1是categorical的
A: 用as.factor()
2. Q: 解释 T-test 和 paired T-test，为啥有时要用到paired T-test
A: 这个可以直接wiki，我提到自己理解paired T-test其实就是blocking的思想，
一个pair就是一个block，面试官就说可以了
3. Q：解释dummy variable和为啥要用dummy variable，为啥不每一个factor level单
独做一个估计
A：这个正好跟我做的有点相关。我的理解是不仅仅是有2个level的dummy variable
，任何k个level的categorical factor都可以对ith level单独做E(y_ij|x_i)=b_i0+b_
i1*x_i1+b_i2*x_i2+...，但是最后怎么合理的把k个b_il合并成b_l就是个问题。用
dummy var或者categorical var其实就是这么个解决方法：留1个level做control，然
后用一个k-1的binary vector（e.g. k=2 for dummy var）来做pooled estimate( b_
i0=b_0+(b_i0-b_0)； for l>=1, b_il=b_l )。 这个光靠说很难解释，说了很久面试
官才说good enough.我估计把pooled estimate，higher power，control， contrast
，以及dummy variable的矩阵结构讲到就够了
祝各位早早拿到满意的offer！
【在 y****h 的大作中提到】
: 同求电面面经！ O(∩_∩)O谢谢！
|
s********0
发帖数: 2625 | 8 没太看明白q3，人家是不是就想问为什么k-level categorical variable只要做k-1个
估计？
variable
b_
【在 p******x 的大作中提到】
:
: 我当时电面的时候是一个associate prof做面试官，主要大题目就是：
: 1. Q: R里面做regression的时候怎么标示一个variable X1是categorical的
: A: 用as.factor()
: 2. Q: 解释 T-test 和 paired T-test，为啥有时要用到paired T-test
: A: 这个可以直接wiki，我提到自己理解paired T-test其实就是blocking的思想，
: 一个pair就是一个block，面试官就说可以了
: 3. Q：解释dummy variable和为啥要用dummy variable，为啥不每一个factor level单
: 独做一个估计
: A：这个正好跟我做的有点相关。我的理解是不仅仅是有2个level的dummy variable
|
p******x
发帖数: 441 | 9
不好意思没说明白.Q3比解释“dummy variable trap”要复杂一些.第二个问题是在我
提了要注意“dummy variable trap”的问题以后再问的。 举个例子，就是现在研究“
体重”Y与 “性别”S，“身高”H 的关系。面试官的意思是问为什么不先对女性拟合
一个 y=b0+b1*H，然后再对男性拟合一个y=a0+a1*H；而是用dummy variable S做y=c0+
c1*S+c2*H.
【在 s********0 的大作中提到】
: 没太看明白q3，人家是不是就想问为什么k-level categorical variable只要做k-1个
: 估计？
:
: variable
: b_
|
c********h
发帖数: 330 | 10 每个level分别fit的话，像是在考虑s和h的interaction，但是认为不同level里error
的方差是不一样的。如果level太多的话，每个小model的sample size很小，fit肯定不
好。
y = c0 + c1*s + c2*h没有考虑s:h
如果是 y ~ s*h，考虑了s和h的interaction,并且认为var(y|s,h)是const。
不知是否对题？
c0+
【在 p******x 的大作中提到】
:
: 不好意思没说明白.Q3比解释“dummy variable trap”要复杂一些.第二个问题是在我
: 提了要注意“dummy variable trap”的问题以后再问的。 举个例子，就是现在研究“
: 体重”Y与 “性别”S，“身高”H 的关系。面试官的意思是问为什么不先对女性拟合
: 一个 y=b0+b1*H，然后再对男性拟合一个y=a0+a1*H；而是用dummy variable S做y=c0+
: c1*S+c2*H.
|
a****r
发帖数: 1486 | 11 感觉应该是这个意思。
error
【在 c********h 的大作中提到】
: 每个level分别fit的话，像是在考虑s和h的interaction，但是认为不同level里error
: 的方差是不一样的。如果level太多的话，每个小model的sample size很小，fit肯定不
: 好。
: y = c0 + c1*s + c2*h没有考虑s:h
: 如果是 y ~ s*h，考虑了s和h的interaction,并且认为var(y|s,h)是const。
: 不知是否对题？
:
: c0+
|
x********0
发帖数: 40 | 12 用dummy variables的话比单独fit two regression有更大的sample 提高精确率
这也是ANCOVA |
a***s
发帖数: 130 | 13 Apple statisticians use R? |
m****D
发帖数: 686 | 14 apple面我也是跟下面差不多的题目~
还被面过一些具体的R function， 比如quantile~ 面试官都很positive，然后就没下
文~~
没有feedback，都不知道哪里没说好就被默拒了~~
variable
b_
【在 p******x 的大作中提到】
:
: 不好意思没说明白.Q3比解释“dummy variable trap”要复杂一些.第二个问题是在我
: 提了要注意“dummy variable trap”的问题以后再问的。 举个例子，就是现在研究“
: 体重”Y与 “性别”S，“身高”H 的关系。面试官的意思是问为什么不先对女性拟合
: 一个 y=b0+b1*H，然后再对男性拟合一个y=a0+a1*H；而是用dummy variable S做y=c0+
: c1*S+c2*H.
|
