上个星期， 我写了一篇关于最困难的工作的文章 采访顶级公司的问题。以下是这些工程面试问题的答案。
最困难的工程面试问题的答案（来源：Pinterest）
那么你有成为一个 Kickass工程师？这些合法的工程面试问题顶级公司确保他们聘请最好的工程师 ，农作物的奶油。这种方法很容易筛选出数千名申请人。
最困难的工程面试问题的答案（来源：istock）
当然，这些令人振奋的问题将使您在逻辑上和科学上进行思考。您可能需要一些物理，统计学和一些算术运算法则来解决它们。
你已经疯了吗？这是上周文章的答案。
1. 您在100层建筑的60层工作。您走进办公室，发现桌上有一颗炸弹。读数为90秒，正在递减计数。你是做什么？ – Dropbox
最艰巨的工程面试问题的答案（来源：Dropbox）
回答： 由于仅剩90秒，因此由于没有足够的时间而无法通过底层或屋顶清除炸弹。将炸弹放在建筑物的一角，以使爆炸的至少一半远离人员。
2.您正在一场游戏节目中。一共有三扇门，一扇门后面是奖品，另外两扇门是一块煤，主持人知道哪一扇门持有奖品。您选择1号门。在打开之前，房东打开3号门，露出一块煤。您可以选择保留原来选择的门，也可以切换到2号门。你是做什么？ –微软
最困难的工程面试问题的答案（来源：Microsoft）
回答： 开关门。当您选择1号门时，奖金就有66％的机会不在该门后面。当主持人透露煤炭时，奖金仍有66％的机会不在您选择的门后面。因此，通过切换到2号门，您获得奖金的几率翻了一番。这个难题的关键在于，房东知道哪个门有奖。”您的选择将门分为两部分。集合A包含您选择的门，此门后有奖赏的概率为1/3。集合B包含所有剩余的门，获胜门在其中的某处的概率为2/3。通过移开一扇门，所有这些门的成功概率为零，因为那里’从B组开始，他们后面的煤只剩下一个门，但B组成功的总概率仍然是2/3。因此，您必须进行切换。
3.假装人口的1％有疾病。您有一项测试来确定您是否患有该疾病，但是 ’只有80％的准确率和20％的时间会出现误报。您的测试返回阳性。您患这种疾病的可能性有多大？ – Google
最困难的工程面试问题的答案（来源：Google）
回答：
事实：1％的人口患有该疾病（已给定）
数据：测试仅80％准确，而20％不准确（给定）：
假设人口= 10,000人
1％的人= 100人
99％没有疾病= 9,900人
在1％患有该疾病的人中，有80％测试了+ ve = 80
在99％的人中’t经过测试的疾病20 + ve = 1980
要确定您患有这种疾病，您必须测试+ ve并实际患有该疾病= 80 /（80 + 1980）= 80/2060 = 3.88％
4. 如果您向南走1英里，向西走1英里，向北走1英里，那么您正好回到了起点。你在哪？ “ SpaceX，（首席执行官Elon Musk的最爱问题）
最困难的工程面试问题的答案（来源：SpaceX）
回答： 有两个答案，一个是普通人的北极，一个是工程师的南极。由于南极呈现无限的地理位置。如果您在地球周长恰好为一英里的地方以北一英里处开始，那么向西走一英里就可以绕过地球，而向后走就是您开始的地方。南极的周长是1 / n英里，给出了无限的解。
5.为百叶窗设计一个香料架。 –英特尔
最困难的工程面试问题的答案（来源：英特尔）
回答： 对此有很多答案，但最实用的方法是在每个标签上加上盲文字母，以使它们可以触摸。但是，使用气味系统可能并不安全，某些香料可能会导致窒息。另一个高科技解决方案是集成电子设备，一旦在某个容器上按下按钮，该设备中的小工具就会告诉香料的名称。
6. 如果您在池塘中间的船上抛锚，那么水位相对于岸如何变化？ –苹果
最困难的工程面试问题的答案（来源：Apple）
回答：水位下降。根据定义，由钢制成的锚比水更密。因此，当它在船上时，其质量位移大于当它在水中时的体积位移。因此，如果将它扔到水外，水位会下降。
现在你明白了 如同一位老板.
最艰巨的工程面试问题的答案（来源：Giphy）
Comments 4
抱歉，有些人回答了错误的问题。
例如Google。它’s 80％。因为问题是您已经过测试，所以’是个人风险后测。如果测试是100％准确的，则在测试之前您的风险将是1％，但是在测试之后风险为100％或0％。
盲目的香料架，问题是它的外观如何。很漂亮，因为不是每个人都是盲人，给出的答案是如何发挥作用的
第一条规则回答的问题
对不起，我不知道’t同意您的意见（指Google’s question).I’ll use Baye’s定理得出相同的结果。让事件A =患有疾病。让A’=没有疾病。令事件B =肯定结果。让事件B’=否定结果。给定，P（A）= 0.01，P（B | A）= 0.80，P（B | A’)=0.20 , & P(A’）= 0.99。假设测试结果为肯定，我们使用Baye’s定理，用于计算P（A | B）或疾病呈阳性结果的概率。因此，P（A | B）= [P（B | A）* P（A）] / [[P（B | A）* P（A）] + [P（B | A’)*P(A’)]]
= [0.80 * 0.01] / [[0.80 * 0.01] + [0.20 * 0.99]]
= 0.0388或3.88％
…1％只是边际概率，但是考虑到测试的准确性，只有80％促使我们使用Baye的从属或有条件概率’s Theorem.
PS：我发现在这里输入方程式很不方便，因此方程式非常混乱…
谢谢。
@伊恩– 对不起，我不知道’t与您同意（指Google’s question). I’ll use Baye’定理得出与给定答案相同的结果。让事件A =患有疾病。让A’=没有疾病。令事件B =阳性结果。让事件B’ = Negative result. Given : P(A)=0.01, （’）= 0.99，P（B | A）= 0.80，& P(B|A’）= 0.20。鉴于结果是肯定的，我们使用贝叶’s定理，用于计算P（A | B）或疾病呈阳性结果的概率。因此，
P（A | B）= [P（B | A）* P（A）] / [[P（B | A）* P（A）] + [P（B | A’)*P(A’)]]
= [0.80 * 0.01] / [[0.80 * 0.01] + [0.20 * 0.99]]
= 0.0388或3.88％
请注意，只有1％的人口患病的可能性很小，而80％的只是机器的准确性或疾病给定的阳性结果，但仍有20％的机会使结果仍然呈阳性由于确实没有疾病，因此成为假阳性。因此，某人患上阳性结果的可能性并不像您回答的那么简单，只有80％。我们需要计算条件概率，因此，P（A | B）= 0.388或3.88％
谢谢ðŸ™，
我最后一部分打错了字–应该是P（A | B）= 0.0388或3.88％
应该已经添加了一个编辑按钮。