Вероятности и аналитика отзывов

Задание #1

Дано:

Аналитик в компании “Рога и Ко” за день написал некоторое количество SQL-запросов. Все запросы можно охарактеризовать количественной характеристикой сложности выполнения - условная “память”.

Три “тяжелейших” (7/20 общей затраченной памяти) запроса превысили максимальное время выполнения и были отключены системой.

Три “легчайших” (5/13 затраченной памяти всех оставшихся запросов) выполнялись менее 10 минут каждый.

Остальные запросы выполнялись менее получаса каждый.

Задание:

1. Найдите общее количество запросов, которое написал аналитик.
2. Дайте оценку на среднее время успешно выполненного запроса.

Задание #2

Дано:

В команде есть два стажера-аналитика. Правильный ответ каждый из стажеров получает в 14 из 17 случаев. Чтобы быть более уверенным в важном решении, менеджер решил дать одну и ту же задачу сразу обоим аналитикам:

• если оба получают одинаковый ответ, то менеджер его использует
• если ответы разные - выберет один из них наугад.

Задание:

Насколько такой способ повышает шансы менеджера принять верное решение?

Задание #3

Дано:

В мешке лежат три кубика: 6-гранный, 12-гранный, 20-гранный. Мы достали один кубик на удачу, подкинули его, и на нем выпало число N.

Задание:

Какова вероятность того, что если мы достанем еще один кубик из оставшихся в мешке и подкинем его, на нем выпадет меньше N?

1. N = 12
2. N = 4

Задание #4

Дано:

Чтобы между пользователями Авито было больше доверия, а жизнь мошенников стала сложнее, мы решили попробовать ввести систему отзывов: покупатель может оставить отзыв на продавца. Отзыв может быть просто рейтингом (1-5 звездочек), а может содержать дополнительно какой-то произвольный текст.

Задание:

1. Предложите метрики и поясните, каким образом их можно использовать для отслеживания прогресса и успешности проекта?

2. Поскольку Авито не магазин, а площадка для связи покупателя и продавца, мы в большинстве случаев не знаем, произошла ли в действительности сделка и на каких условиях. Для большинства сделок последнее, что нам известно - покупатель нажал кнопку просмотра телефона продавца или связался с ним в чате.

Также мы всегда знаем логин (привязанный к email и телефону) продавца, но покупатель может быть незалогиненным. В связи с этим кажется, что есть большой риск накрутки отзывов и недобросовестного использования системы: например, профессиональные участники будут пытаться оставлять негативные отзывы на своих конкурентов и хвалебные на себя.

Предположим, что система некоторое время уже работает и у нас есть данные по отзывам и всей активности клиентов: что продавал, что искал, на каких объявлениях смотрел телефоны и т.п.

Как оценить масштабы накрутки, т.е. долю фальшивых отзывов?