2026 के लिए शीर्ष 35 सांख्यिकी इंटरव्यू प्रश्न और उत्तर

डेटा एनालिटिक्स के टूल्स पर महारत बिना उनके पीछे की अवधारणाएँ समझे वैसी ही है जैसे आपके पास स्क्रूड्राइवरों का डिब्बा हो, पर यह न पता हो कि किसे कब और कैसे इस्तेमाल करना है। सांख्यिकी सीखना इसलिए महत्वपूर्ण है क्योंकि AI-जनित और AI-सहायित विश्लेषण टूल्स के बढ़ते चलन से तकनीकी कौशल की बढ़त कम और ज्ञान-समझ तथा समालोचनात्मक समझ की बढ़त अधिक हो जाएगी।

मैं आपको सांख्यिकी की जटिलता से घबराने के लिए नहीं, बल्कि उसे अपनाने के लिए आमंत्रित करता/करती हूँ। यह लेख डेटा विश्लेषकों और डेटा वैज्ञानिकों के लिए सबसे प्रासंगिक सांख्यिकीय अवधारणाओं की एक व्यापक गाइड प्रस्तुत करता है—35 सांख्यिकी इंटरव्यू प्रश्नों और उत्तरों के माध्यम से। चाहे आप इंटरव्यू की तैयारी कर रहे हों या नहीं, मुझे यकीन है कि आपको ये प्रश्न जानकारीपूर्ण लगेंगे।

अंत में, शुरू करने से पहले, हमारे Introduction to Statistics in R कोर्स पर विचार करें ताकि आप बुनियादी बातें सीख सकें—जैसे सांख्यिकीय विश्लेषण करना और परिणामों की व्याख्या करना। साथ ही, यदि आप ऐसे इंटरव्यू की सक्रिय तैयारी कर रहे हैं जिसमें सांख्यिकीय समझ आवश्यक है, तो निम्न दो DataCamp कोर्स सबसे अधिक कवर किए जाने वाले सांख्यिकीय विषयों को समेटते हैं: Practicing Statistics Interview Questions in Python और Practicing Statistics Interview Questions in R।

बेसिक सांख्यिकी इंटरव्यू प्रश्न

अधिकांश, यदि सभी नहीं, डेटा एनालिटिक्स नौकरियों में सांख्यिकी की बुनियादी समझ अपेक्षित होती है—जिसमें वर्णनात्मक सांख्यिकी, अनुमानात्मक सांख्यिकी, और प्रायिकता शामिल हैं। यदि आप इंटरव्यू से पहले अपनी वर्णनात्मक सांख्यिकी को तराश रहे हैं, तो त्वरित संदर्भ के लिए हमारा Descriptive Statistics Cheat Sheet डाउनलोड करें। साथ ही, यदि आप कुछ गणनाएँ और विधियाँ करके देखना चाहते हैं, तो संबंधित अवधारणाओं को अधिक विस्तार से समझने के लिए निम्न DataCamp ट्यूटोरियल्स देखें:

• Excel में फ़्रीक्वेंसी डिस्ट्रीब्यूशंस की गणना पर एक व्यापक गाइड
• Excel में स्क्यूनेस की गणना पर एक व्यापक गाइड
• Excel में बॉक्स-एंड-व्हिस्कर प्लॉट कैसे बनाएँ और कस्टमाइज़ करें

1. मानक विचलन और विचरण क्या हैं?

विचरण और मानक विचलन दोनों किसी डेटासेट के प्रसार या फैलाव को मापते हैं। विचरण, माध्य से वर्गित विचलनों का औसत होता है। यह बताता है कि डेटासेट के मान माध्य से कितने भिन्न हैं। परंतु, क्योंकि इसमें वर्गित विचलन होते हैं, इसकी इकाइयाँ भी वर्गित होती हैं, जो मानक विचलन की तुलना में कम सहज हो सकती हैं। मानक विचलन, विचरण का वर्गमूल होता है, जिससे इकाइयाँ मूल डेटा की तरह ही हो जाती हैं। यह फैलाव का अधिक व्याख्यायोग्य माप देता है। उदाहरण के लिए, यदि किसी डेटासेट का विचरण 25 है, तो मानक विचलन √25 = 5 होगा।

2. स्क्यूनेस क्या है?

स्क्यूनेस किसी डेटासेट की उसके माध्य के चारों ओर विषमता को मापती है, जो धनात्मक, ऋणात्मक, या शून्य हो सकती है। धनात्मक स्क्यूनेस (दाएँ-तरफ़ झुका डेटा) में दायाँ टेल अधिक लंबा होता है, यानी माध्य, माध्यिका से बड़ा होता है। ऋणात्मक स्क्यूनेस (बाएँ-तरफ़ झुका डेटा) में बायाँ टेल अधिक लंबा होता है, यानी माध्य, माध्यिका से छोटा होता है। शून्य स्क्यूनेस एक सममित वितरण (जैसे सामान्य वितरण) को दर्शाती है, जहाँ माध्य, माध्यिका और बहुलक समान होते हैं।

धनात्मक और ऋणात्मक स्क्यूनेस। स्रोत: Wikiversity।

3. हिस्टोग्राम क्या है?

हिस्टोग्राम किसी डेटासेट के वितरण का ग्राफिकल निरूपण है। यह डेटा को बिन्स (अंतरालों) में बाँटता है और प्रत्येक बिन में आने वाले डेटा बिंदुओं की आवृत्ति (या गिनती) दिखाता है। हिस्टोग्राम का उपयोग सतत डेटा के अंतर्निहित आवृत्ति-वितरण (आकार) को समझने के लिए किया जाता है। ये स्क्यूनेस, मोडैलिटी (शिखरों की संख्या), और अपवाद मानों की उपस्थिति जैसे पैटर्न पहचानने में मदद करते हैं।

हिस्टोग्राम का उदाहरण। स्रोत: Wikipedia।

4. वर्णनात्मक और अनुमानात्मक सांख्यिकी में क्या अंतर है?

अनुमानात्मक सांख्यिकी, किसी जनसंख्या से लिए गए यादृच्छिक सैंपल के आधार पर उस जनसंख्या के बारे में भविष्यवाणी या निष्कर्ष निकालने से संबंधित है। यह जनसंख्या मानों का आकलन करने, परिकल्पनाओं की जाँच करने, और भविष्यवाणी करने के लिए विभिन्न विधियों का उपयोग करती है। वहीं, वर्णनात्मक सांख्यिकी किसी डेटासेट की विशेषताओं का सारांश और वर्णन करती है, जबकि अनुमानात्मक सांख्यिकी डेटा का उपयोग करके बड़ी जनसंख्या के बारे में सामान्यीकरण और निष्कर्ष निकालती है।

5. सैंपलिंग विधियों के अलग-अलग प्रकार क्या हैं?

विभिन्न सैंपलिंग विधियाँ इसीलिए उपयोग की जाती हैं ताकि सैंपल प्रतिनिधि और यादृच्छिक हों। सरल यादृच्छिक सैंपलिंग में जनसंख्या के हर सदस्य के चुने जाने की समान संभावना होती है। सिस्टमैटिक सैंपलिंग में किसी यादृच्छिक बिंदु से शुरू करके जनसंख्या के हर k-वें सदस्य का चयन किया जाता है। स्तरीकृत सैंपलिंग में जनसंख्या को स्तरों या उप-समूहों में बाँटा जाता है और प्रत्येक स्तर से यादृच्छिक सैंपल लिए जाते हैं। क्लस्टर सैंपलिंग में जनसंख्या को क्लस्टर में बाँटा जाता है, कुछ क्लस्टरों का यादृच्छिक चयन किया जाता है, और उनमें सभी सदस्यों का सैंपल लिया जाता है।

6. केंद्रीय सीमा प्रमेय क्या है?

केंद्रीय सीमा प्रमेय कहता है कि जैसे-जैसे सैंपल आकार बढ़ता है, सैंपल माध्य का सैंपलिंग वितरण सामान्य वितरण के करीब पहुँचता है—चाहे जनसंख्या का वितरण कुछ भी हो—बशर्ते सैंपल स्वतंत्र और समान-वितरित हों।

7. संयुक्त, हाशिये (मार्जिनल), और सशर्त प्रायिकताएँ क्या हैं?

मार्जिनल प्रायिकता किसी एक घटना के घटित होने की प्रायिकता है, अन्य घटनाओं से स्वतंत्र, जिसे घटना A के लिए P(A) लिखा जाता है। संयुक्त प्रायिकता दो घटनाओं के साथ-साथ घटित होने की प्रायिकता है, जिसे घटनाएँ A और B के लिए P(A∩B) लिखा जाता है। सशर्त प्रायिकता किसी घटना के घटित होने की प्रायिकता है जब यह ज्ञात हो कि दूसरी घटना घटित हो चुकी है, जिसे P(A|B) लिखा जाता है।

8. प्रायिकता वितरण क्या है?

प्रायिकता वितरण यह बताता है कि किसी यादृच्छिक चर के मान कैसे वितरित हैं। यह एक फलन प्रदान करता है जो यादृच्छिक चर के परिणामों को उनकी संबंधित प्रायिकताओं से मैप करता है। प्रायिकता वितरण के दो मुख्य प्रकार हैं। एक, विविक्त यादृच्छिक चरों के लिए विविक्त प्रायिकता वितरण—जैसे बाइनोमियल वितरण या पॉइसन वितरण। दूसरा, सतत यादृच्छिक चरों के लिए सतत प्रायिकता वितरण—जैसे सामान्य वितरण या घातीय (एक्सपोनेन्शियल) वितरण।

9. सामान्य वितरण क्या है?

सामान्य वितरण, जिसे Gaussian वितरण भी कहते हैं, एक सतत प्रायिकता वितरण है जिसकी घंटीनुमा वक्र होती है और जो माध्य के सापेक्ष सममित होती है। सामान्य वितरण में, इसलिए, माध्य और माध्यिका समान होते हैं। यह भी ज्ञात है कि लगभग 68% डेटा माध्य से एक मानक विचलन के भीतर, 95% दो मानक विचलनों के भीतर, और 99.7% तीन मानक विचलनों के भीतर आता है। इसे 68-95-99.7 नियम कहते हैं।

सामान्य वितरण वक्र। स्रोत: Wikiversity।

10. बाइनोमियल वितरण क्या है?

बाइनोमियल वितरण एक विविक्त प्रायिकता वितरण है जो समान सफलता-प्रायिकता वाले, स्वतंत्र, नियत संख्या के बर्नौली परीक्षणों में सफलताओं की संख्या का मॉडल करता है। इसका उपयोग तब होता है जब प्रत्येक परीक्षण में ठीक दो संभावित परिणाम (सफलता और विफलता) हों। उदाहरण के लिए, सिक्का उछालने की एक श्रृंखला में हेड्स की संख्या को मॉडल करना।

11. पॉइसन वितरण क्या है?

पॉइसन वितरण एक विविक्त प्रायिकता वितरण है जो किसी नियत समय या स्थानांतराल में होने वाली घटनाओं की संख्या का मॉडल करता है, जहाँ घटनाएँ स्वतंत्र रूप से और एक स्थिर औसत दर पर घटित होती हैं। यह दुर्लभ घटनाओं की गिनती को मॉडल करने के लिए उपयुक्त है, जैसे एक घंटे में प्राप्त ईमेल की संख्या या एक वर्ष में भूकंपों की संख्या।

इंटरमीडिएट सांख्यिकी इंटरव्यू प्रश्न

मध्यम-स्तर की सांख्यिकी भूमिकाओं के लिए, परिकल्पना परीक्षण, अंतराल-आकलन, और रिग्रेशन मॉडलिंग पर ध्यान दें। यदि इन प्रश्नों को पढ़ते समय आपको कुछ अवधारणाओं पर संदेह लगे, तो आप DataCamp संसाधनों की ओर रुख कर सकते हैं। आप Hypothesis Testing in Python और Hypothesis Testing in R कोर्स के माध्यम से परिकल्पना परीक्षण सीख सकते हैं। आप निम्न कोर्स और ट्यूटोरियल्स से रिग्रेशन तकनीकों में भी महारत हासिल कर सकते हैं:

• Introduction to Regression in R कोर्स
• Essentials of Linear Regression in Python ट्यूटोरियल
• Introduction to Regression with statsmodels in Python कोर्स

12. p-वैल्यू क्या है?

p-वैल्यू वह प्रायिकता है कि यदि शून्य परिकल्पना सत्य हो, तो देखा गया परीक्षण सांख्यिकीय मान जितना या उससे अधिक चरम मान प्राप्त हो। इसका उपयोग परिकल्पना परीक्षण में परिणाम की सांख्यिकीय महत्त्वता निर्धारित करने के लिए होता है। यदि p-वैल्यू चुने गए महत्त्व स्तर (α) से कम या बराबर हो, तो हम शून्य परिकल्पना को अस्वीकार करते हैं। यदि p-वैल्यू α से अधिक हो, तो हम शून्य परिकल्पना को अस्वीकार करने में विफल रहते हैं।

13. प्रकार I और प्रकार II त्रुटियाँ क्या हैं?

परिकल्पना परीक्षण में प्रकार I त्रुटि तब होती है जब शून्य परिकल्पना सत्य होती है, पर हम उसे गलत तरीके से अस्वीकार कर देते हैं—इसे फॉल्स पॉज़िटिव कहते हैं। प्रकार I त्रुटि की प्रायिकता महत्त्व स्तर के बराबर होती है। प्रकार II त्रुटि तब होती है जब शून्य परिकल्पना असत्य होती है, पर हम उसे अस्वीकार करने में विफल रहते हैं—इसे फॉल्स नेगेटिव कहते हैं।

14. पैरामीट्रिक और नॉन-पैरामीट्रिक परीक्षणों में क्या अंतर है? 

पैरामीट्रिक परीक्षण यह मानते हैं कि डेटा किसी विशिष्ट वितरण (जैसे सामान्य) का पालन करता है और कुछ जनसंख्या-पैरामीटरों की आवश्यकता होती है; जब ये मान्यताएँ पूरी हों तो ये आदर्श होते हैं। कुछ सामान्य पैरामीट्रिक परीक्षण जिनका मैं अक्सर उपयोग करता/करती हूँ, वे हैं t-टेस्ट, Z-टेस्ट, और ANOVA। नॉन-पैरामीट्रिक परीक्षण किसी विशिष्ट वितरण की धारणा नहीं रखते और तब उपयोग होते हैं जब डेटा पैरामीट्रिक मान्यताओं को पूरा नहीं करता, विशेषकर छोटे सैंपल में। बहुत से लोग इन परीक्षणों से परिचित हैं, पर वे उन्हें नॉन-पैरामीट्रिक के रूप में पहचानते नहीं। मैंने Chi-Square टेस्ट, Mann-Whitney U टेस्ट, Wilcoxon Signed-Rank टेस्ट, और Kruskal-Wallis टेस्ट का उपयोग किया है, आदि।

15. रिग्रेशन क्या है?

रिग्रेशन विश्लेषण एक सांख्यिकीय विधि है जिसका उपयोग एक आश्रित चर और एक या अधिक स्वतंत्र चरों के बीच संबंध की जाँच के लिए किया जाता है। यह समझने में मदद करता है कि जब किसी एक स्वतंत्र चर में परिवर्तन होता है, और बाकी स्वतंत्र चर स्थिर रखे जाते हैं, तो आश्रित चर कैसे बदलता है।

रिग्रेशन रेखा फिट करना। स्रोत: Risk Engineering।

16. अवशेष (रेज़िड्युअल्स) क्या होते हैं?

अवशेष वे अंतर होते हैं जो अवलोकित मानों और रिग्रेशन मॉडल से प्राप्त भविष्यवाणी किए गए मानों के बीच होते हैं। ये इसलिए महत्वपूर्ण हैं क्योंकि अवशेषों का विश्लेषण करके हम अपने मॉडल की मान्यताओं और समग्र फिट की जाँच कर सकते हैं।

17. रैखिक रिग्रेशन मॉडल में गुणांकों की व्याख्या कैसे करते हैं?

रैखिक रिग्रेशन मॉडल में, प्रत्येक गुणांक यह दर्शाता है कि संबंधित स्वतंत्र चर में एक-इकाई वृद्धि होने पर, अन्य सभी चरों को स्थिर रखते हुए, आश्रित चर में अपेक्षित परिवर्तन कितना होगा। उदाहरण के लिए, यदि किसी स्वतंत्र चर 𝑥𝑖 का गुणांक 2 है, तो 𝑥𝑖 में प्रत्येक एक-इकाई वृद्धि पर आश्रित चर y में 2 इकाइयों की अपेक्षित वृद्धि होगी, यह मानते हुए कि अन्य चर अपरिवर्तित रहें।

18. कॉन्फिडेंस इंटरवल क्या है?

95% कॉन्फिडेंस इंटरवल का अर्थ है कि यदि हम अनेक सैंपल लें और प्रत्येक सैंपल के लिए कॉन्फिडेंस इंटरवल निकालें, तो लगभग 95% इंटरवल्स में वास्तविक जनसंख्या-पैरामीटर सम्मिलित होगा। हम यह भी कह सकते हैं कि हमें 95% भरोसा है कि पैरामीटर का मान अनुमानित इंटरवल के भीतर है।

Z-वितरण पर कॉन्फिडेंस इंटरवल्स। स्रोत: Lumen Learning।

19. मल्टिकॉलीनियरिटी क्या है?

मल्टिकॉलीनियरिटी तब होती है जब बहु-रिग्रेशन मॉडल में दो या अधिक स्वतंत्र चर आपस में बहुत अधिक सहसंबद्ध होते हैं। यह समस्या इसलिए है क्योंकि इससे गुणांक का आकलन अस्थिर और व्याख्या में कठिन हो सकता है। उच्च मल्टिकॉलीनियरिटी गुणांकों के मानक त्रुटियों को बढ़ा सकती है, जिससे सांख्यिकीय परीक्षण कम विश्वसनीय हो जाते हैं।

20. रेग्युलराइज़ेशन क्या है?

रेग्युलराइज़ेशन तकनीकें रिग्रेशन मॉडलों में मल्टिकॉलीनियरिटी के उपचार के लिए एक शक्तिशाली उपाय हैं। इन्हें ओवरफिटिंग रोकने के लिए भी उपयोग किया जाता है—बड़े गुणांकों पर दंड जोड़कर। इससे अधिक सामान्यीकृत मॉडल बनाने में मदद मिलती है। आम रेग्युलराइज़ेशन तकनीकों में Lasso और Ridge Regression शामिल हैं।

एडवांस्ड सांख्यिकी इंटरव्यू प्रश्न

यदि मुझे ऐसे इंटरव्यू की तैयारी करनी हो जिसमें सांख्यिकी की उन्नत समझ आवश्यक हो, तो मैं बेयसियन सांख्यिकी और मशीन लर्निंग का अवश्य अध्ययन करूँगा/करूँगी।

बेयसियन सांख्यिकी के लिए, हमारे कोर्स देखें: Bayesian Data Analysis in Python और Fundamentals of Bayesian Data Analysis in R। मशीन लर्निंग के लिए, DataCamp के करियर ट्रैक्स या कोर्स देखें, जिनमें हमारा Machine Learning Scientist with Python करियर ट्रैक और हमारा Understanding Machine Learning कोर्स शामिल हैं।

21. बेयसियन सांख्यिकी क्या है?

बेयसियन सांख्यिकी, Bayes' theorem का उपयोग करके, जैसे-जैसे अधिक साक्ष्य या जानकारी उपलब्ध होती है, किसी परिकल्पना की प्रायिकता को अद्यतन करने से संबंधित है। यह पूर्व मान्यताओं (priors) को नए डेटा से मिलाकर पश्च प्रायिकता (posterior) बनाती है।

22. मार्कोव चेन मोंटे कार्लो क्या है?

मार्कोव चेन मोंटे कार्लो, उन एल्गोरिद्मों का एक वर्ग है जो तब किसी प्रायिकता वितरण से सैंपल निकालने के लिए उपयोग होते हैं जब प्रत्यक्ष सैंपलिंग कठिन हो। यह बेयसियन सांख्यिकी में महत्वपूर्ण है क्योंकि यह जटिल मॉडलों में, जहाँ विश्लेषणात्मक समाधान संभव नहीं होते, पश्च वितरणों का आकलन संभव बनाता है।

23. बायस-वैरिएंस ट्रेडऑफ क्या है?

मशीन लर्निंग में बायस-वैरिएंस ट्रेडऑफ दो त्रुटि स्रोतों के बीच संतुलन साधने से संबंधित है। बायस अत्यधिक सरल मॉडल धारणाओं से उत्पन्न त्रुटि है, जो अंडरफिटिंग और डेटा पैटर्न्स को न पकड़ पाने का कारण बनती है। वैरिएंस, प्रशिक्षण डेटा में उतार-चढ़ावों के प्रति अत्यधिक संवेदनशीलता से उत्पन्न त्रुटि है, जो ओवरफिटिंग और शोर को पैटर्न समझने का कारण बनती है।

24. कारणात्मक निष्कर्षण (कॉज़ल इन्फ़रेंस) क्या है?

कारणात्मक निष्कर्षण एक महत्वपूर्ण विचार है जिसे आजकल बहुत ध्यान मिल रहा है। यह प्रक्रिया यह निर्धारित करने की होती है कि क्या और कैसे एक चर (कारण) सीधे दूसरे चर (प्रभाव) को प्रभावित करता है—जो इसे मात्र सहसंबंध से अलग करता है। कारणात्मक निष्कर्षण वस्तुतः विधियों का एक समूह है जिसका उद्देश्य कारण-प्रभाव संबंध स्थापित करना है ताकि यह समझा जा सके कि कोई हस्तक्षेप या उपचार प्रभावी है या नहीं। उदाहरण के लिए, यदि किसी शोधकर्ता को समझना है कि कोई दवा काम कर रही है या नहीं, तो कारणात्मक निष्कर्षण इस प्रश्न का उत्तर देने में मदद कर सकता है। 

25. स्ट्रक्चरल इक्वेशन मॉडलिंग (SEM) क्या है? 

स्ट्रक्चरल इक्वेशन मॉडलिंग, प्रेक्षित (observed) और गुप्त (latent) चरों के बीच संबंधों का विश्लेषण करने की तकनीक है। यह कुछ हद तक बहु-रिग्रेशन और कारक विश्लेषण का मिश्रण जैसा है। SEM में कई चरण होते हैं—मॉडल विनिर्देशन, आकलन, और फिर मूल्यांकन। SEM लचीला माना जाता है, पर बड़े सैंपल आकारों की आवश्यकता होती है और इसका उपयोग करने के लिए ठोस सैद्धांतिक आधार चाहिए।

SEM को विज़ुअलाइज़ करने के लिए अक्सर पाथ डायग्राम का उपयोग किया जाता है। स्रोत: Frontiers।

डेटा साइंस सांख्यिकी इंटरव्यू प्रश्न

यदि आप ऐसी भूमिका के लिए जा रहे हैं जो डेटा साइंस और सांख्यिकी के संगम पर अधिक केंद्रित है, तो निम्न प्रश्न उपयोगी होंगे। विषयों में डेटा प्रीप्रोसेसिंग और क्लीनिंग, A/B परीक्षण और प्रायोगिक डिज़ाइन, टाइम सीरीज़ पूर्वानुमान, और उन्नत सांख्यिकीय तकनीकें शामिल हैं।

यदि आपको इन अवधारणाओं पर पकड़ ढीली लगे और आप अपने इंटरव्यू प्रदर्शन को गंभीरता से सुधारना चाहते हैं, तो A/B परीक्षण पर ये DataCamp संसाधन लें: A/B Testing in Python कोर्स या A/B Testing in R कोर्स। फिर, टाइम सीरीज़ विश्लेषण में महारत के लिए, अनुभव प्राप्त करने हेतु Time Series with R या Time Series with Python स्किल ट्रैक्स में से चुनें।

26. हम ट्रेन/टेस्ट विभाजन क्यों करते हैं? 

डेटा को प्रशिक्षण और परीक्षण सेट में विभाजित करना हमें मॉडल के अनदेखे डेटा पर प्रदर्शन का आकलन करने में मदद करता है। प्रशिक्षण सेट से मॉडल प्रशिक्षित होता है, जबकि परीक्षण सेट से यह आंका जाता है कि मॉडल नए डेटा पर कितना सामान्यीकृत करता है। यह अभ्यास ओवरफिटिंग का पता लगाने में मदद करता है और सुनिश्चित करता है कि मॉडल वास्तविक दुनिया के डेटा पर अच्छा प्रदर्शन कर सके।

27. आप ओवरफिटिंग और अंडरफिटिंग समझा सकते हैं?

ओवरफिटिंग तब होती है जब मॉडल प्रशिक्षण डेटा के अंतर्निहित पैटर्न के साथ-साथ शोर भी सीख लेता है, जिससे प्रशिक्षण डेटा पर उत्कृष्ट प्रदर्शन होता है पर नए, अनदेखे डेटा पर खराब प्रदर्शन। अंडरफिटिंग तब होती है जब मॉडल बहुत सरल होता है और डेटा के अंतर्निहित पैटर्न पकड़ नहीं पाता, जिसके परिणामस्वरूप प्रशिक्षण और नए दोनों डेटा पर खराब प्रदर्शन होता है।

ओवरफिटिंग और अंडरफिटिंग। स्रोत: Wikipedia।

28. डेटा में मिसिंगनेस के अलग-अलग प्रकार क्या हैं? 

मिसिंगनेस के तंत्र (MCAR, MAR, MNAR) को समझना महत्वपूर्ण है क्योंकि यही उपयुक्त हैंडलिंग विधि के चयन का मार्गदर्शन करता है। गलत तकनीकों का उपयोग पक्षपात ला सकता है, परिणामों की वैधता घटा सकता है, और गलत निष्कर्षों का कारण बन सकता है। उदाहरण के लिए, साधारण इम्प्यूटेशन विधियाँ MCAR डेटा के लिए उपयुक्त हो सकती हैं, जबकि MAR या MNAR डेटा के लिए निष्पक्ष आकलन पाने हेतु मल्टीपल इम्प्यूटेशन या मॉडल-आधारित जैसी उन्नत तकनीकों की आवश्यकता हो सकती है।

29. मिसिंग मानों को कब हटाना सबसे अच्छा होता है? 

मिसिंग डेटा का अनुपात बहुत छोटा हो—आमतौर पर 5% से कम—तो मान हटाना उपयुक्त हो सकता है। साथ ही, जब डेटा MCAR (Missing Completely at Random) हो, यानी मिसिंगनेस पक्षपात न ला रही हो, तब भी यह अच्छा विचार है। अंततः, यदि डेटासेट इतना बड़ा है कि थोड़ी पंक्तियाँ हटाने से विश्लेषण पर सार्थक प्रभाव न पड़े, तो मैं मिसिंग मान हटाने पर विचार करूँगा/करूँगी।

30. अलग-अलग इम्प्यूटेशन विधियों के क्या फायदे हैं?

हर इम्प्यूटेशन विधि के अपने फायदे और सीमाएँ हैं। उदाहरण के लिए, माध्य/माध्यिका/बहुलक इम्प्यूटेशन लागू करना आसान है, पर यह पक्षपात ला सकता है और चरों के बीच संबंधों को विकृत कर सकता है। K-निकटतम पड़ोसी (KNN) इम्प्यूटेशन चरों के बीच संबंधों पर विचार करता है और अधिक सटीक परिणाम दे सकता है, पर यह गणनात्मक रूप से महँगा हो सकता है।

31. A/B परीक्षण क्या है?

A/B परीक्षण प्रायोगिक डिज़ाइन में प्रयुक्त एक विधि है जिसमें किसी चर के दो संस्करण—जैसे वेबपेज, ऐप फीचर, या मार्केटिंग अभियान—की तुलना की जाती है ताकि यह निर्धारित किया जा सके कि कौन-सा बेहतर प्रदर्शन करता है। यह अत्यंत प्रासंगिक विषय है और कई नौकरी विवरणों के ‘आवश्यक’ अनुभाग में दिखाई देता है। 

32. टाइम सीरीज़ में मौसमीपन (सीज़नैलिटी) का पता कैसे लगाते हैं? 

मौसमीपन टाइम सीरीज़ के घटकों में से एक है—प्रवृत्ति (ट्रेंड) और अवशेष (शोर) के साथ। मौसमीपन पहचानने के लिए, पहले हम लाइन प्लॉट के माध्यम से टाइम सीरीज़ का दृश्य निरीक्षण कर सकते हैं। यदि मौसमीपन का संदेह हो, तो मौसमी प्रभाव के परिमाण को खोजने के लिए टाइम सीरीज़ का डीकंपोज़िशन लागू कर सकते हैं। 

टाइम सीरीज़ का दृश्य डीकंपोज़िशन। स्रोत: Lab of Environmental Informatics। 

33. एक्सपोनेन्शियल स्मूथिंग और ARIMA मॉडलों में क्या अंतर है?

एक्सपोनेन्शियल स्मूथिंग मॉडल, अल्पकालिक, सरल पूर्वानुमान के लिए अतीत के प्रेक्षणों के भारित औसत का उपयोग करते हैं। ARIMA मॉडल, ऑटोरिग्रेशन, डिफरेंसिंग, और मूविंग एवरेज घटकों को मिलाते हैं—ये अधिक जटिल होते हैं पर जटिल पैटर्न्स और महत्वपूर्ण ऑटोकोरिलेशन्स की स्थिति में अल्प और दीर्घकालीन दोनों प्रकार के पूर्वानुमान के लिए उपयुक्त होते हैं।

34. क्रॉस-वैलिडेशन क्या है?

क्रॉस-वैलिडेशन, यह आकलन करने की तकनीक है कि कोई मशीन लर्निंग मॉडल स्वतंत्र डेटासेट पर कितना अच्छा सामान्यीकृत करेगा। इसमें डेटा को कई फोल्ड्स में बाँटना और प्रशिक्षण व वैलिडेशन के कई राउंड करना शामिल होता है। 

व्यवहारिक और सॉफ्ट स्किल्स इंटरव्यू प्रश्न

क्योंकि केवल सांख्यिकी और विश्लेषण परिणामों को परफेक्ट करना पर्याप्त नहीं—व्यावसायिक हितधारकों तक निष्कर्ष पहुँचाना भी उतना ही ज़रूरी है—इसीलिए डेटा भूमिकाओं के लिए भर्ती करते समय नियोक्ता सॉफ्ट स्किल्स को अत्यंत महत्त्व देते हैं, विशेषकर क्योंकि सांख्यिकीय अंतर्दृष्टियों का संप्रेषण कभी आसान नहीं होता।

35. आप गैर-तकनीकी हितधारकों को सांख्यिकीय अंतर्दृष्टियाँ कैसे समझाते हैं?

विभिन्न हितधारकों से प्रभावी ढंग से संवाद करने के लिए, मैं उनकी पृष्ठभूमि और रुचियों के आधार पर अपनी शैली समायोजित करता/करती हूँ। उदाहरण के लिए, वरिष्ठ प्रबंधन के लिए मैं व्यावसायिक प्रभाव को प्राथमिकता देता/देती हूँ, त्वरित निर्णय लेने में सहायता हेतु व्यावसायिक भाषा और विज़ुअल्स का उपयोग करता/करती हूँ। दूसरी ओर, डेवलपर्स के लिए मैं तकनीकी विवरण प्रदान करता/करती हूँ। दोनों ही स्थितियों में, मैं सुनिश्चित करता/करती हूँ कि शामिल अवधारणाएँ सुसंगत रूप से स्पष्ट और सुलभ हों, और मैं प्रश्नों व फीडबैक को प्रोत्साहित करता/करती हूँ। यह दृष्टिकोण सुनिश्चित करता है कि प्रत्येक हितधारक समूह को उनकी ज़रूरत की जानकारी ऐसे प्रारूप में मिले जो उनसे मेल खाती हो।

अंतिम विचार

डेटा एनालिटिक्स भूमिकाओं के लिए सांख्यिकी सीखना चुनौतीपूर्ण हो सकता है। कई लोग ऐसे पृष्ठभूमि से इस क्षेत्र में आते हैं जहाँ सांख्यिकी का थोड़ा या कोई अनुभव नहीं होता। ऑनलाइन उपलब्ध अधिकांश संसाधन शिक्षार्थियों को केवल टूल्स पर ध्यान केंद्रित करने के लिए प्रोत्साहित करते हैं, और सांख्यिकी के महत्वपूर्ण महत्त्व को नज़रअंदाज़ कर देते हैं।

अपने ज्ञान और करियर अवसरों को और बढ़ाने के लिए, अतिरिक्त संसाधन और कोर्स खोजें। सांख्यिकीविद बनने पर विस्तृत गाइड के लिए हमारा ब्लॉग पोस्ट How to Become a Statistician देखें, जो मूल्यवान अंतर्दृष्टियाँ प्रदान करता है। आप इसे हमारे Statistician with R करियर ट्रैक से पूरक कर सकते हैं। अपनी अंतर्ज्ञान को परखने के लिए Probability Puzzles in R कोर्स करें। यदि आप Python पसंद करते हैं, तो हमारा Statistics Fundamentals with Python स्किल ट्रैक एक उत्कृष्ट विकल्प है। 

आपके आगामी इंटरव्यू के लिए शुभकामनाएँ!