我来答下磊叔【数据分析面试30题】专栏的小作业。
题目：微信日某一日的用户上亿，你如何算出这一日的男女比例？
解题思路：上亿的数据量，硬件人力软件时间都配齐肯定能算出来，但这明显浪费资源嘛。
既然不能硬算，那就自然想到估计法了。也就是抽样统计。
1.如何抽样？抽取的样本决定了估算的数值跟总体的偏差，怎么样尽量抽取一个无偏样本呢？对于这样大型的混合数据，我的思路是按照时间顺序每隔1千个数据，抽取一个数据，总共抽取上万个数据形成一个样本。（上万的数据用普通的分析软件如python都是可以轻松分析的。而且样本越多估计的准确性越大）
2.如何用样本估计总体？
一：用样本男生女生的比例来估计总体的比例，假设是无偏样本，理论上样本的比例的期望就是总体的比例，但是这样贸贸然说一个数值极有可能不对，毕竟只是估计
二：找出一个区间！样本（数量上万）的比例的分布符合正态分布，且分布的均值和方差可以计算出来，所以我们设置一个置信区间95%，得出在此置信区间下的比例在【a,b】范围内。那么最后结果就是样本男生比例在【a,b】的范围（95%置信区间）
