Queste domande e risposte R a scelta multipla ti aiuteranno a comprendere meglio gli argomenti R. Puoi utilizzare questi 100+ R MCQ per prepararti al tuo prossimo esame o colloquio.
Scorri verso il basso per iniziare a rispondere.
A. lm (x ~ y)
B. Proc Reg; Modello y = x; correre;
C. lm (y ~ x)
D. regressione y x
A. ytemp & lt;- rnorm (100, 0, 1); Y & lt; -taglio (ytemp, breaks = c (-10, -2, -1, 1, 2, 10))
B. Y & lt;- rbinom (100, 5, 0,5)
C. Y & lt;- campione (Rep (c (1: 5), ciascuno = 20), dimensione = 100)
D. Y & lt;- campione (c (1, 2, 3, 4, 5), 100, sostituire = true)
A. per (i in 1: nnn) {& lt; codice di simulazione & gt; }
B. per i in 1: nnn: & lt; codice di simulazione & gt;
C. per (i - nnn) {& lt; codice di simulazione & gt; }
D. per (i = 1, nnn, 1) {& lt; codice di simulazione & gt; }
A. Significa un intervallo da x a y.
B. Significa che X e Y sono correlati.
C. Significa che Y segue logicamente da x.
D. Significa che X e Y sono numeri reali.
E. Significa le probabilità da x a y si applicano a questa operazione.
A. 2 10
B. 1 3 5 7 9
C. 2 4 6 8 10
D. 2
A. il vettore di dati così com'era in h
B. L'intero array come array
C. l'array di tutti gli zeri
D. Il vettore della dimensione C (3,4,2)
A. [1] 2
B. [1] " Hello World "
C. NULLO
D. N / A
E. [1] Hello World
A. a = 1
B. a == 1
C. a & lt; & lt;- 1
D. a & lt;- 1
E. a -& gt; 1
A. 4
B. 3
C. VERO
D. Falso
E. 1
A. import.csv (" x.csv ")
B. import (" x.csv ")
C. read.csv (" x.csv ")
D. leggi (" x.csv ")
A. Ordina (x, diminuendo = t)
B. Ordina (x)
C. Ordine (x)
D. X [ordina (x)]
A. Riassumi x
B. Riepilogo (x)
C. Proc contenuto x;
D. Riassumi (x)
A. Trama (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. Oggetti
B. modalità
C. eventi
D. comandi
A. readdata
B. scansione
C. read.csv
D. Read.Table
A. as.ts
B. is.ts
C. ts
D. if.ts
A. Converti i dati in intero
B. Converti i dati in vettore
C. Converti i dati in matrici
D. Converti i dati nell'oggetto serie temporale
A. N / A
B. Nan
C. #VALORE!
D. [una cella vuota]
E. NULLO
A. SURPREPRESS STAMPA DELLA parola " Hello "
B. Il diritto giustifica la parola " ciao "
C. Stampa la parola " ciao " in grassetto
D. Aumenta la dimensione della parola " ciao " da un fattore di 2
A. xlim = c (0, 1)
B. XLIMIT = " 0, 1 "
C. Xlim = " 0, 1 "
D. xlab = c (0, 1)
A. " il valore di x è 2 e il valore di y [x] è c (1: 3) [2] "
B. " il valore di x è 2 e il valore di y [x] è 4 "
C. " il valore di x è 2 e il valore di y [x] è 2 "
D. " il valore di x è 2 e il valore di y [x] è 6 "
A. 1 4
B. 1 4 7
C. 1 3 5
D. 1 2 3 4 5
A. linee (0, 1)
B. lty = c (0, 1)
C. ABLINE (0, 1)
D. Smooth.spline (0, 1)
A. [1] false false false vero
B. [1] Falso
C. Lancia un errore.
D. [1] vero
E. [1] na na na true
A. [1] vero [1] falso
B. [1] vero [1] vero
C. [1] FALSE [1] vero
D. NULLO
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. carico()
D. Leggere()
A. tabulate (x, y)
B. Tabella (y ~ x)
C. Tabella (x*y)
D. Tabella (x, y)
A. N / A
B. VERO
C. Falso
D. -Inf
A. 1 2 1 2
B. 1 1
C. 1 1 3 3
D. 1 3 1 3
A. NULLO
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 + interazione (x1, x2))
D. LM (y ~ x1: x2 + x3)
A. Analisi delle serie temporali
B. Modelli lineari generalizzati
C. Modelli di effetti misti lineari
D. Analisi dei modelli di varianza
E. Strumenti di clustering
A. X == Y.
B. x! = y
C. X =! y
D. x = ~ y
E. x %% y
A. media (x [1: lunghezza (x [, 1]),], na.rm = t)
B. Applica (x, 1, media, na.rm = t)
C. di (x, 1, media, na.rm = t)
D. Applica (x, 1, media)
A. Matrix (x, y, z, nrow = 3)
B. Matrix (cbind (x, y, z), nrow = 3)
C. Matrix (rbind (x, y, z), nrow = 3)
D. Matrix (rbind (x, y, z), ncol = 3)
A. Merge (x, y, by = " id ")
B. unisci (x, y, by = " id ", all = true)
C. Merge (X, Y, Sort = " id ", All = true)
D. Combina (x, y, by = " id ")
A. matrice
B. vettore
C. Data.Frame
D. elenco
E. vettore
A. Ordine (data.Frame (x = c (10, -3, 4)))
B. ordinamento (elenco (10, -3, 4))
C. Ordina (C (10, -3, 4))
D. Ordina (10, -3, 4)
A. LM (y ~ x) $ residui
B. LM (y ~ x) $ residui - lm (y ~ x) $ fitted.values
C. residui (lm (y ~ x))
D. Y - LM (Y - X) $ Fitted.Values
A. uguale al risultato di: & gt; c (media (x [, 1]), media (x [, 2]), media (x [, 3]))
B. uguale al risultato di: & gt; c (media (x [1,]), media (x [2,]), media (x [3,]), media (x [4,]))
C. uguale al risultato di: & gt; c (media (x [, 1]), media (x [, 2]), media (x [, 3]), media (x [, 4]))
D. uguale al risultato di: & gt; c (media (x [1,]), media (x [2,]), media (x [3,]))
A. X [C (3,7)] & lt;- x [C (7,3)]
B. Sostituire (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] vero
C. [1] -inf
D. [1] NAN
E. [1] Falso
A. Un messaggio di errore
B. N / A
C. Un coefficiente di correlazione
D. R quadrato
A. dispersione (x ~ y)
B. Plot (data.frame (y ~ x))
C. trama (x ~ y)
D. xyplot (x, y)
A. VERO
B. 0
C. Falso
D. 110
A. Il vettore della dimensione C (3,4,2)
B. L'intero array come array
C. l'array di tutti gli zeri
D. il vettore di dati così com'era in 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. Rescale (x, 1, 2)
B. ! Psych [Riscale (X, C (1, 2))]
C. Plotrix :: Riscale (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. di
B. lunghezza
C. da
D. volte
A. Colmeans (DF)
B. per (i in 1: nrow (df)) stampa (media (as.numeric (df [i,])))
C. Applica (df, 2, media)
D. sapply (1: ncol (df), funzione (col) media (df [, col]))
E. per (i in 1: ncol (df)) stampa (media (df [, i]))
A. Il vettore di riga [false false false]
B. Il vettore di riga [1 2 3]
C. Il vettore di riga [2 3 4]
D. The Row Vector [True True True]
A. S4
B. S3
C. R5 (classe di riferimento)
A. 2
B. 3 4
C. 2 4 6 8 10
D. 4
A. Regress y x, noIntercept
B. lm (y ~ x, intercetta = f)
C. lm (y ~ -1 + x)
D. Proc Reg; Modello y = x; intercetta = f; correre;
A. Vero vero na
B. N / A
C. VERO
D. Vero vero falso
E. Falso
A. X & lt;- round (y, 0)
B. X & lt;- as.numeric (y)
C. X & lt;- is.integer (y)
D. X & lt;- as.integer (y)
A. Un array contenente i numeri da 1 a 30
B. Un array a 2 file, un array a 3 file e un array a 5 file, ciascuno contenente i numeri da 1 a 30
C. Due matrici, una con 3 colonne, l'altra con 5
D. Cinque matrici, ciascuna con 2 righe e 3 colonne
A. The Row Vector [" x1 " " Y1 " " x2 " " Y2 " " x3 " " Y3 " " x4 " " Y4 " " x5 " " Y5 " " x6 " " Y6 " " x7 " " Y7 " " x8 " " Y8 " " x9 " " Y9 " "
B. The Row Vector [" x1 " " Y2 " " x3 " " Y4 " " x5 " " Y6 " " x7 " " Y8 " " x9 " " y10 "]
C. The Row Vector [" Y1 " " Y2 " " Y3 " " Y4 " " Y5 " " Y6 " " Y7 " " Y8 " " Y9 " " Y10 "]
D. The Row Vector [" x1 " " x2 " " x3 " " x4 " " x5 " " x6 " " x7 " " x8 " " x9 " " x10 "]
A. %%
B. %/%
C. /
D. %*%
E. mod
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), by = fattore]
B. per (F nei livelli (df $ fattore)) stampa (media (sottoinsieme (df, fattore == f) $ x))
C. sapply (livelli (df $ fattore), funzione funzione (f) (sottoinsieme (df, fattore == f) $ x))
D. ddply (df ,. (fattore), riassumi, 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 matrice 2x2 con tutte le celle pari a 1
D. 4
A. ! is.na (x)
B. ! tutto (is.na (x))
C. tutto (is.na (x))
D. tutto (! is.na (x))
A. Le matrici possono essere trasposte; Gli array non possono
B. Gli array possono includere più classi di oggetti diverse
C. Solo le matrici supportano i valori infiniti
D. Sono identici; Entrambi sono inclusi per facilità d'uso
E. Gli array supportano più di 2 dimensioni
A. Non vengono visualizzati i valori
B. 0, 2
C. 0, 10
D. 0, 1
A. 5
B. " 5 "
C. 5.457
D. 5.5
A. Modalità (Y)
B. Ordina (y, diminuzione = t) [1]
C. nomi (tabella (y)) [tabella (y) == max (tabella (y))]
D. ordin (tabella (y), diminuendo = t)
A. fa z un array di tutti gli zeri
B. segnalerebbe un errore sulla lunghezza della mancata corrispondenza
C. vengono riciclati dall'inizio per renderlo fino alla taglia 24
D. sono gli stessi della lunghezza di H
A. (Tutti questi sono corretti)
B. Assegna (" 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. data (x, " day ")
B. strsplit (x, "-")
C. Split (x, "-") [3]
D. substr (x, 10, 11)
A. t.test (a, b, accoppiato = true)
B. media (a) == media (b)
C. ks.test (a, b)
D. t.test (a, b, accoppiato = false)
A. Il vettore della dimensione C (3,4,2)
B. L'intero array come array
C. il vettore di dati come lo era in h
D. l'array di tutti gli zeri
A. X [" B ", " C " "
B. X [, C (2, 4)]
C. X [C (" B ", " C ")]
D. X [2, 4]
A. ??complotto
B. ? " trama "
C. Help (" Plot ")
D. Aiuto (trama)
E. ?complotto
A. tabulate (x, y, na.omit = f)
B. Tabella (x, y, na.include = t)
C. Tabella (x, y, usa = " sempre ")
D. Tabella (x*y, na.rm = f)
A. Y [che (x & lt; 100)]
B. Y [, che (x & lt; 100)]
C. Y [x & lt; = 100]
D. Y [dove (x & lt; 100),]
A. & gt; ab & lt;- a * b
B. & gt; ab & lt;- esterno (a, b, %o %)
C. & gt; ab & lt;- esterno (a, b, *)
D. & gt; ab & lt;- a % o % b
A. complesso
B. (Tutti questi sono validi)
C. logico
D. Doppio
E. numero intero
A. L'espressione è scansionata da destra a sinistra
B. Eventuali operandi vettoriali brevi vengono estesi riciclando i loro valori fino a quando non corrispondono alla dimensione di qualsiasi altro operand
C. Qualsiasi operando vettoriale più corto di una matrice o un operando dell'array genera un errore
D. Finché si incontrano solo vettori e array brevi, gli array possono avere il diverso attributo Dim o un errore di errore
A. Jarqueberatest (residuo (x))
B. bgtest (x)
C. eteroscedastisity (x)
D. gqtest (x)
A. x & lt; -seq (1,5, di = 2); s & lt; -rep (x, tempes = 3); ordinamento
B. x & lt; -seq (1,5, di = 2); Rep (X, Times = 3)
C. x & lt; -seq (1,5, di = 2); Rep (x, ciascuno = 3)
D. x & lt; -c (1 1 1 3 3 3 5 5 5)
A. AutocorrelationTest (x)
B. gqtest (x)
C. Jarqueberatest (residuo (x))
D. bgtest (x)
A. Disegna 1 numero da 40 diverse distribuzioni normali
B. Disegna 40 numeri pseudo-casuali
C. Disegna 40 numeri casuali da una distribuzione normale con media di 1
D. Disegna 40 numeri casuali da una distribuzione normale con deviazione standard di 4
A. Il vettore di riga [1 2 3 false]
B. Il vettore di riga [1 2 3 Na]
C. il vettore di riga [vero vero falso]
D. il vettore di riga [false false false vero]
A. Una matrice può contenere solo valori numerici.
B. Una matrice non deve essere singolare.
C. Un frame di dati può contenere variabili che hanno modalità diverse.
D. Una cornice di dati può contenere variabili di diverse lunghezze.
A. 1
B. 365
C. 4
D. 12
A. Rimuovi ()
B. Cancellare()
C. Detach ()
D. Eliminare()
A. Altezza (lunghezza (altezza))
B. Altezza [lunghezza (altezza)]
C. Altezza [lunghezza [altezza]]
D. Altezza (5)
A. Var_a!
B. \ _Vara
C. .2var_a
D. Var2_a
A. Una matrice ha due dimensioni, mentre un array può avere tre o più dimensioni.
B. Un array è un sottotipo del frame di dati, mentre una matrice è interamente un tipo separato.
C. Una matrice può avere colonne di lunghezze diverse, ma le colonne di un array devono avere tutte la stessa lunghezza.
D. Una matrice può contenere solo valori numerici, mentre un array può mescolare diversi tipi di valori.
A. Tipo
B. Lunghezza
C. Attributi
D. Scalare
A. BOF (Pizza, 5)
B. Primo (Pizza, 5)
C. Top (Pizza, 5)
D. Testa (pizza, 5)
A. Console (-25)
B. Console (reverse = true)
C. Storia()
D. Cronologia (max.show = 25)