GOOG Earnings are good# Stock
k*r
1 楼
在版上学到很多面经,上次发失败面经也得到很多版友的指点和帮助,楼主开始找工作
没多久,也发个面经回报版面。是Google的quant analyst职位,这个月初面的video
interview。第二天发邮件告诉我onsite。下月初的onsite求祝福啊求祝福~~天灵灵地
灵灵,菩萨保佑~~
可能因为我有分析survey数据的经验,面试主要围绕survey提了一些问题,面试官是个
有些年纪的白男,人超nice,我想不大出来的时候也耐心提供各种hint。下面的问题1-
6都是指同一个survey。
1. survey about color preference. 4 color options. N people answered, X1
people like red. calculate confidence interval for p(people like red).
我就说了些N足够大的时候用normal distribution去approximate binomial
distribution,然后估计CI;或者用bootstrapping的方法,产生一系列p,然后得到CI
。面试官好像蛮满意的。
2. Can you estimate p(people who pick random options) based on X1,X2,X3,X4(
前面提到的选四种颜色的人数)?
答案是不能。比如如果X1,X2,X3,X4一样,你也不能知道是真的一样,还是里面有无论
多少人是随机选的。
楼主开始脑子抽抽,纠结半天神马MLE神马的,幸亏面试官一再重复“问的是能不能哦
,不是怎么算哦”楼主才反应过来,根本就是不能嘛...
3. Design question to estimate p(random picker).
楼主先说了可以用两个相反的问题。面试官再问:只让问一题的话,怎么办呢?楼主说
那就问一个我们已知答案的,比如3*3。这一部分楼主为自己的机智鼓掌,在脑子继续
抽抽的情况下还是努力想出办法了。面试官及时表扬了我。
4. 问了2+2,有四个options,有7%的人选了7,求p(random picker).
答7%*4=28%。
5. update p(people like red) after knowing p(random picker)=r, and explain
why CI become wider than CI in Q1.
楼主表示可以在原数据中直接去掉r percent的observation,然后用第一问一样的办法
来求CI。CI变宽是因为有效数据变少了。
6. calculate P(someone is a random picker|someone pick red).
就是普通的条件概率计算,在第五问中的r已知的情况下。
7. 面试完了,因为时间还剩不到五分钟,让我聊聊之前的工作内容,楼主说自己fit
linear and logistic regression。面试官问怎么evaluate logistics regression。
楼主表示可以看likelihood function神马的。其实楼主不大知道这个。事后发现R里对
logistics regression的summary给了一个CIA,大概希望我回答CIA吧。不过面试官还
是很好心地表示“你说得对”。
题目问的很简单,难度上不能跟版上的大大们比,可能因为面试官心情好的缘故吧。祝
大家找到心仪的工作,offer多多,包裹超大,工作顺心,年年promote。
再次求祝福下月初onsite顺利~~拜托拜托~~
没多久,也发个面经回报版面。是Google的quant analyst职位,这个月初面的video
interview。第二天发邮件告诉我onsite。下月初的onsite求祝福啊求祝福~~天灵灵地
灵灵,菩萨保佑~~
可能因为我有分析survey数据的经验,面试主要围绕survey提了一些问题,面试官是个
有些年纪的白男,人超nice,我想不大出来的时候也耐心提供各种hint。下面的问题1-
6都是指同一个survey。
1. survey about color preference. 4 color options. N people answered, X1
people like red. calculate confidence interval for p(people like red).
我就说了些N足够大的时候用normal distribution去approximate binomial
distribution,然后估计CI;或者用bootstrapping的方法,产生一系列p,然后得到CI
。面试官好像蛮满意的。
2. Can you estimate p(people who pick random options) based on X1,X2,X3,X4(
前面提到的选四种颜色的人数)?
答案是不能。比如如果X1,X2,X3,X4一样,你也不能知道是真的一样,还是里面有无论
多少人是随机选的。
楼主开始脑子抽抽,纠结半天神马MLE神马的,幸亏面试官一再重复“问的是能不能哦
,不是怎么算哦”楼主才反应过来,根本就是不能嘛...
3. Design question to estimate p(random picker).
楼主先说了可以用两个相反的问题。面试官再问:只让问一题的话,怎么办呢?楼主说
那就问一个我们已知答案的,比如3*3。这一部分楼主为自己的机智鼓掌,在脑子继续
抽抽的情况下还是努力想出办法了。面试官及时表扬了我。
4. 问了2+2,有四个options,有7%的人选了7,求p(random picker).
答7%*4=28%。
5. update p(people like red) after knowing p(random picker)=r, and explain
why CI become wider than CI in Q1.
楼主表示可以在原数据中直接去掉r percent的observation,然后用第一问一样的办法
来求CI。CI变宽是因为有效数据变少了。
6. calculate P(someone is a random picker|someone pick red).
就是普通的条件概率计算,在第五问中的r已知的情况下。
7. 面试完了,因为时间还剩不到五分钟,让我聊聊之前的工作内容,楼主说自己fit
linear and logistic regression。面试官问怎么evaluate logistics regression。
楼主表示可以看likelihood function神马的。其实楼主不大知道这个。事后发现R里对
logistics regression的summary给了一个CIA,大概希望我回答CIA吧。不过面试官还
是很好心地表示“你说得对”。
题目问的很简单,难度上不能跟版上的大大们比,可能因为面试官心情好的缘故吧。祝
大家找到心仪的工作,offer多多,包裹超大,工作顺心,年年promote。
再次求祝福下月初onsite顺利~~拜托拜托~~