Estas preguntas y respuestas de opción múltiple de R lo ayudarán a comprender mejor el tema de R. Puede prepararse para su próximo examen o entrevista con estos más de 100 R MCQ.
Así que desplácese hacia abajo y comience a responder.
A. lm (x ~ y)
B. Proc Reg; modelo y = x; correr;
C. lm (y ~ x)
D. regreso y x
A. ytemp & lt;- rnorm (100, 0, 1); Y & lt; -CUT (YTemp, Breaks = C (-10, -2, -1, 1, 2, 10))
B. Y & lt;- rbinom (100, 5, 0.5)
C. Y & lt;- muestra (Rep (C (1: 5), cada uno = 20), tamaño = 100)
D. Y & lt;- muestra (c (1, 2, 3, 4, 5), 100, reemplazar = verdadero)
A. para (i en 1: nnn) {& lt; código de simulación & gt; }
B. para i en 1: nnn: & lt; código de simulación & gt;
C. for (i - nnn) {& lt; código de simulación & gt; }
D. para (i = 1, nnn, 1) {& lt; código de simulación & gt; }
A. Significa un rango de x a y.
B. Significa que X e Y están correlacionados.
C. Significa que Y lógicamente sigue de x.
D. Significa que X e Y son números reales.
E. Significa probabilidades de x a y aplicar a esta operación.
A. 2 10
B. 1 3 5 7 9
C. 2 4 6 8 10
D. 2
A. el vector de datos como estaba en h
B. toda la matriz como una matriz
C. la matriz de todos los ceros
D. El vector de dimensión C (3,4,2)
A. [1] 2
B. [1] " Hello World "
C. NULO
D. N / A
E. [1] Hola mundo
A. a = 1
B. a == 1
C. a & lt; & lt;- 1
D. a & lt;- 1
E. a -& gt; 1
A. 4
B. 3
C. VERDADERO
D. FALSO
E. 1
A. import.csv (" X.CSV ")
B. import (" x.csv ")
C. read.csv (" x.csv ")
D. Leer (" X.CSV ")
A. ordenar (x, disminuir = t)
B. ordenar (x)
C. Orden (x)
D. X [Sort (x)]
A. resumir x
B. resumen (x)
C. Proc Contenido x;
D. resumir (x)
A. Parcela (x)
B. Hist (x)
C. trama x
D. Plot.hist (x)
A. x $ 1
B. x [0]
C. X.1
D. x [1]
E. x $ 0
A. 0
B. -2
C. N / A
D. 2
A. objetos
B. modo
C. eventos
D. comandos
A. readData
B. escanear
C. read.csv
D. lectura. Tabla
A. AS.TS
B. es.ts
C. TS
D. if.ts
A. convertir los datos en entero
B. convertir los datos en vector
C. convertir los datos en matrices
D. Convierta los datos en el objeto de la serie de tiempo
A. N / A
B. Yaya
C. #¡VALOR!
D. [Una celda en blanco]
E. NULO
A. Impresión de sorpresa de la palabra " Hola "
B. Right justifica la palabra " hola "
C. Imprime la palabra " hola " en negrita
D. Aumenta el tamaño de la palabra " hola " por un factor de 2
A. xlim = c (0, 1)
B. xlimit = " 0, 1 "
C. xlim = " 0, 1 "
D. xlab = c (0, 1)
A. " el valor de x es 2 y el valor de y [x] es C (1: 3) [2] "
B. " el valor de x es 2 y el valor de y [x] es 4 "
C. " el valor de x es 2 y el valor de y [x] es 2 "
D. " el valor de x es 2 y el valor de y [x] es 6 "
A. 1 4
B. 1 4 7
C. 1 3 5
D. 1 2 3 4 5
A. líneas (0, 1)
B. lty = c (0, 1)
C. Abline (0, 1)
D. Smooth.spline (0, 1)
A. [1] falso falso falso verdadero
B. [1] Falso
C. Lanza un error.
D. [1] Verdadero
E. [1] na na na verdad
A. [1] Verdadero [1] Falso
B. [1] Verdadero [1] Verdadero
C. [1] Falso [1] Verdadero
D. NULO
E. [1] nan [1] na
A. 3
B. 1 2 3 4
C. 1 2 2 2 3 3
D. 1 2 3
A. read.table ()
B. load.table ()
C. carga()
D. leer()
A. Tabulate (x, y)
B. tabla (y ~ x)
C. mesa (x*y)
D. tabla (x, y)
A. N / A
B. VERDADERO
C. FALSO
D. -Inf
A. 1 2 1 2
B. 1 1
C. 1 1 3 3
D. 1 3 1 3
A. NULO
B. 2
C. 1.5
D. N / A
A. 5 2
B. 10
C. 2 5
D. 20
A. LM (y ~ x1: x3 + x1: x2)
B. lm (y ~ x1 + x2 + x3 + x1*x2)
C. LM (y ~ x1 + x2 + x3 + interacción (x1, x2))
D. LM (y ~ x1: x2 + x3)
A. Análisis de series temporales
B. Modelos lineales generalizados
C. Modelos lineales de efectos mixtos
D. Análisis de modelos de varianza
E. Herramientas de agrupación
A. x == Y
B. x! = y
C. x =! Y
D. x = ~ y
E. x %% Y
A. media (x [1: longitud (x [, 1]),], na.rm = t)
B. Aplicar (x, 1, media, na.rm = t)
C. por (x, 1, media, na.rm = t)
D. Aplicar (x, 1, media)
A. matriz (x, y, z, nrow = 3)
B. matriz (cbind (x, y, z), nrow = 3)
C. matriz (rbind (x, y, z), nrow = 3)
D. matriz (rbind (x, y, z), ncol = 3)
A. fusionar (x, y, por = " id ")
B. fusionar (x, y, por = " id ", all = true)
C. fusionar (x, y, sort = " id ", all = true)
D. Combinar (x, y, por = " id ")
A. matriz
B. vector
C. marco de datos
D. lista
E. formación
A. sort (data.frame (x = c (10, -3, 4)))
B. Sort (Lista (10, -3, 4))
C. ordenar (c (10, -3, 4))
D. Sort (10, -3, 4)
A. lm (y ~ x) $ residuales
B. lm (y ~ x) $ residuals - lm (y ~ x) $ FITT.Values
C. residuos (LM (y ~ x))
D. Y - lm (y - x) $ FITT.Values
A. igual al resultado de: & gt; c (media (x [, 1]), media (x [, 2]), media (x [, 3])))
B. igual al resultado de: & gt; c (media (x [1,]), media (x [2,]), media (x [3,]), media (x [4,]))
C. igual al resultado de: & gt; c (media (x [, 1]), media (x [, 2]), media (x [, 3]), media (x [, 4]))
D. igual al resultado de: & gt; c (media (x [1,]), media (x [2,]), media (x [3,])))
A. X [c (3,7)] & lt;- x [c (7,3)]
B. Reemplace (x, c (3, 7), c (7,3)
C. X [7] & lt;- x [3]; X [3] & lt;- x [7]
D. X [3] & lt;- x [7]; X [7] & lt;- x [3]
A. [1] NULL
B. [1] verdadero
C. [1] -inf
D. [1] nan
E. [1] Falso
A. Un mensaje de error
B. N / A
C. Un coeficiente de correlación
D. R-cuadrado
A. dispersión (x ~ y)
B. Plot (data.frame (y ~ x))
C. trama (x ~ y)
D. xyplot (x, y)
A. Verdadero
B. 0
C. FALSO
D. 110
A. El vector de dimensión C (3,4,2)
B. toda la matriz como una matriz
C. la matriz de todos los ceros
D. el vector de datos como estaba en h
A. [1] 1 1 1 2 2 2
B. [1] 1 2 1 2 1 2
C. [1] " 1: 2 " " 1: 2 " " 1: 2 "
D. [1] 3 6
A. rescala (x, 1, 2)
B. ! Psych [rescale (x, c (1, 2))]
C. Plotrix :: rescale (x, c (1, 2))
D. Plotrix.Rescale (X, C (1, 2))
E. Plotrix (rescale (x, c (1, 2)))
A. [1] " O " [2] " M " [3] " G "
B. [1] " OMG "
C. [1] " OMG "
D. [1] " O M G "
A. por
B. longitud
C. de
D. tiempos
A. Colmeanos (DF)
B. para (i en 1: nrow (df)) impresión (media (as.numérica (df [i,]))
C. Aplicar (DF, 2, media)
D. SAPPLY (1: NCOL (DF), media (col) media (DF [, col]))
E. para (i en 1: ncol (df)) impresión (media (df [, i]))
A. el vector de fila [falso falso falso]
B. el vector de fila [1 2 3]
C. el vector de fila [2 3 4]
D. El vector de fila [True True True]
A. s4
B. s3
C. R5 (clase de referencia)
A. 2
B. 3 4
C. 2 4 6 8 10
D. 4
A. Regreso y x, nointercept
B. lm (y ~ x, intercept = f)
C. lm (y ~ -1 + x)
D. Proc Reg; modelo y = x; Intercept = f; correr;
A. Verdadero verdadero na
B. N / A
C. VERDADERO
D. Verdadero verdadero falso
E. FALSO
A. X & lt;- Round (y, 0)
B. X & lt;- as.numérico (y)
C. X & lt;- is.integer (y)
D. X & lt;- as.integer (y)
A. Una matriz que contiene los números 1 a 30
B. Una matriz de 2 filas, una matriz de 3 filas y una matriz de 5 filas, cada una que contiene los números 1 a 30
C. Dos matrices, una con 3 columnas, la otra con 5
D. Cinco matrices, cada una con 2 filas y 3 columnas
A. el vector de fila [" x1 " " Y1 " " x2 " " Y2 " " x3 " " Y3 " " x4 " " Y4 " " x5 " " Y5 " " x6 " " Y6 " " x7 " " Y7 " " x8 " " Y8 " " x9 " " Y9 " "
B. el vector de fila [" x1 " " Y2 " " x3 " " Y4 " " x5 " " Y6 " " x7 " " Y8 " " x9 " " y10 "]
C. el vector de fila [" Y1 " " Y2 " " Y3 " " Y4 " " Y5 " " Y6 " " Y7 " " Y8 " " Y9 " " Y10 "]
D. el vector de fila [" x1 " " x2 " " x3 " " x4 " " x5 " " x6 " " x7 " " x8 " " x9 " " x10 "]
A. %%
B. %/%
C. /
D. %*%
E. modificación
A. [, 1] [, 2] [1,] 3 2
B. [, 1] [1,] 3 [2,] 2
C. [, 1] [1,] 2 [2,] 1
D. [, 1] [, 2] [1,] 2 3
A. df [, media (x), por = factor]
B. para (F en niveles (DF $ Factor)) Impresión (media (subconjunto (df, factor == f) $ x))
C. SAPPLY (Niveles (DF $ Factor), Media de función (F) (subconjunto (DF, factor == f) $ x))
D. ddply (df ,. (factor), resumir, media (x))
A. 1 3
B. 1 2
C. 1 4
D. 2 4
A. X [[3]] [4]
B. X [[4]] [[3]]
C. X [[3, 4]]
D. X [3, 4]
E. X [3] [4]
A. 2
B. 1
C. Una matriz 2x2 con todas las células igual a 1
D. 4
A. ! is.na (x)
B. ! todos (is.na (x))
C. Todos (is.na (x))
D. all (! is.na (x))
A. Las matrices se pueden transponer; Las matrices no pueden
B. Las matrices pueden incluir múltiples clases de objetos diferentes
C. Solo las matrices admiten valores infinitos
D. Son idénticos; Ambos están incluidos para facilitar el uso
E. Las matrices admiten más de 2 dimensiones
A. No se muestran valores
B. 0, 2
C. 0, 10
D. 0, 1
A. 5
B. " 5 "
C. 5.457
D. 5.5
A. modo (y)
B. ordenar (y, disminuir = t) [1]
C. nombres (tabla (y)) [tabla (y) == max (tabla (y))]
D. sort (tabla (y), disminuyendo = t)
A. hace de Z una matriz de todos los ceros
B. indicaría un error sobre la longitud de no coincidir
C. se recicla desde el principio nuevamente para llegar a la talla 24
D. son lo mismo que la longitud de H
A. (Todos estos son correctos)
B. Asignar (" X ", C (10.4, 5.6, 3.1, 6.4, 21.7))))
C. c (10.4, 5.6, 3.1, 6.4, 21.7) -& gt; X
D. x & lt;- c (10.4, 5.6, 3.1, 6.4, 21.7)
A. fecha (x, " día ")
B. strsplit (x, "-")
C. división (x, "-") [3]
D. subStr (x, 10, 11)
A. t.test (a, b, emparejado = verdadero)
B. media (a) == media (b)
C. Ks.Test (A, B)
D. t.test (a, b, emparejado = falso)
A. El vector de dimensión C (3,4,2)
B. toda la matriz como una matriz
C. el vector de datos como estaba en h
D. la matriz de todos los ceros
A. X [" B ", " C " ]
B. X [, C (2, 4)]
C. X [C (" B " ;, " C ")]
D. X [2, 4]
A. ??trama
B. ? " trama "
C. ayuda (" trama ")
D. Ayuda (trama)
E. ?trama
A. tabulate (x, y, na.omit = f)
B. tabla (x, y, na.include = t)
C. tabla (x, y, usena = " siempre ")
D. tabla (x*y, na.rm = f)
A. Y [que (x & lt; 100)]
B. Y [, que (x & lt; 100)]
C. Y [x & lt; = 100]
D. Y [donde (x & lt; 100),]
A. & gt; ab & lt;- a * b
B. & gt; ab & lt;- externo (a, b, %o %)
C. & gt; ab & lt;- exterior (a, b, *)
D. & gt; ab & lt;- a % o % b
A. complejo
B. (Todos estos son válidos)
C. lógico
D. doble
E. entero
A. La expresión se escanea de derecha a izquierda
B. Cualquier operando vectorial corto se extiende al reciclar sus valores hasta que coincidan con el tamaño de cualquier otro operando
C. Cualquier operando vectorial más corto que una matriz o operando de matriz genera un error
D. Mientras solo se encuentren vectores y matrices cortos, las matrices pueden tener el atributo DIM diferente o los resultados de un error
A. JarqueBeratest (residual (x))
B. bgtest (x)
C. heterocedastisity (x)
D. gqtest (x)
A. x & lt; -seq (1,5, por = 2); s & lt; -rep (x, tiempos = 3); ordena)
B. x & lt; -seq (1,5, por = 2); Rep (x, tiempos = 3)
C. x & lt; -seq (1,5, por = 2); Rep (x, cada uno = 3)
D. x & lt; -C (1 1 1 3 3 3 5 5 5)
A. Autocorrelación (x)
B. Gqtest (x)
C. JarqueBeratest (residual (x))
D. bgtest (x)
A. dibuja 1 número de 40 distribuciones normales diferentes
B. dibuja 40 números pseudo-aleatorios
C. Dibuja 40 números aleatorios de una distribución normal con media de 1
D. Dibuja 40 números aleatorios de una distribución normal con desviación estándar de 4
A. el vector de fila [1 2 3 falso]
B. el vector de fila [1 2 3 na]
C. el vector de fila [verdadero verdadero verdadero falso]
D. el vector de fila [falso falso falso verdadero]
A. Una matriz solo puede contener valores numéricos.
B. Una matriz no debe ser singular.
C. Un marco de datos puede contener variables que tienen diferentes modos.
D. Un marco de datos puede contener variables de diferentes longitudes.
A. 1
B. 365
C. 4
D. 12
A. Eliminar()
B. Borrar()
C. Despegar()
D. Borrar()
A. Altura (longitud (altura))
B. Altura [longitud (altura)]
C. Altura [longitud [altura]]
D. Altura (5)
A. ¡Var_a!
B. \ _Vara
C. .2var_a
D. Var2_a
A. Una matriz tiene dos dimensiones, mientras que una matriz puede tener tres o más dimensiones.
B. Una matriz es un subtipo del marco de datos, mientras que una matriz es un tipo separado por completo.
C. Una matriz puede tener columnas de diferentes longitudes, pero las columnas de una matriz deben ser de la misma longitud.
D. Una matriz solo puede contener valores numéricos, mientras que una matriz puede mezclar diferentes tipos de valores.
A. Tipo
B. Longitud
C. Atributos
D. Escalar
A. BOF (pizza, 5)
B. Primero (pizza, 5)
C. Top (pizza, 5)
D. Cabeza (pizza, 5)
A. Consola (-25)
B. Consola (inversa = verdadero)
C. Historia()
D. Historia (max.show = 25)