これらの R の多肢選択式の質問と回答は、R のトピックをより深く理解するのに役立ちます。これらの 100 以上の R MCQ を使用して、次の試験や面接の準備をすることができます。
下にスクロールして回答を始めてください。
A. lm(x〜y)
B. proc reg;モデルy = x;走る;
C. lm(y〜x)
D. 回帰Y x
A. ytemp< -rnorm(100、0、1); y< - cut(ytemp、breaks = c(-10、-2、-1、1、2、10))
B. y< -rbinom(100、5、0.5)
C. y< -sample(rep(c(1:5)、それぞれ= 20)、size = 100)
D. y< -sample(c(1、2、3、4、5)、100、置換= true)
A. (1:nnn){<シミュレーションコード> }
B. 1のIの場合:nnn:<シミュレーションコード>
C. for(i -nnn){<シミュレーションコード> }
D. (i = 1、nnn、1){<シミュレーションコード> }
A. xからyまでの範囲を意味します。
B. xとyが相関していることを意味します。
C. yはxから論理的に続くことを意味します。
D. xとyが実数であることを意味します。
E. これは、この操作にxからyのオッズが適用されることを意味します。
A. 2 10
B. 1 3 5 7 9
C. 2 4 6 8 10
D. 2
A. hのようなデータベクトル
B. 配列としての配列全体
C. すべてのゼロの配列
D. 寸法ベクトルC(3,4,2)
A. [1] 2
B. [1]" Hello World"
C. ヌル
D. Na
E. [1] Hello World
A. a = 1
B. a == 1
C. a<< -1
D. a< -1
E. A-> 1
A. 4
B. 3
C. 真実
D. 間違い
E. 1
A. import.csv(" x.csv")
B. インポート(" x.csv")
C. read.csv(" x.csv")
D. 読む(" x.csv")
A. ソート(x、減少= t)
B. sort(x)
C. 注文(x)
D. x [sort(x)]
A. xを要約します
B. 要約(x)
C. procコンテンツX;
D. 要約(x)
A. プロット(x)
B. hist(x)
C. プロット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. Na
D. 2
A. オブジェクト
B. モード
C. イベント
D. コマンド
A. readdata
B. スキャン
C. read.csv
D. read.table
A. as.ts
B. is.ts
C. ts
D. if.ts
A. データを整数に変換します
B. データをベクトルに変換します
C. データをマトリックスに変換します
D. データを時系列オブジェクトに変換
A. na
B. ナン
C. #価値!
D. [空白のセル]
E. ヌル
A. " hello"
B. 右"こんにちは"
C. "こんにちは"太字のフォント
D. " hello" 2倍
A. xlim = c(0、1)
B. xlimit =" 0、1"
C. xlim =" 0、1"
D. xlab = c(0、1)
A. " xの値は2で、y [x]の値はc(1:3)[2]"
B. " xの値は2で、y [x]の値は4"
C. " xの値は2で、y [x]の値は2"
D. " xの値は2で、y [x]の値は6"
A. 1 4
B. 1 4 7
C. 1 3 5
D. 1 2 3 4 5
A. 行(0、1)
B. lty = c(0、1)
C. abline(0、1)
D. smooth.spline(0、1)
A. [1] false false true
B. [1] false
C. エラーをスローします。
D. [1]本当
E. [1] na na na true
A. [1] true [1] false
B. [1] true [1] true
C. [1] false [1] true
D. ヌル
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. ロード()
D. 読む()
A. Tabulate(x、y)
B. テーブル(y〜x)
C. テーブル(x*y)
D. 表(x、y)
A. Na
B. 真実
C. 間違い
D. -inf
A. 1 2 1 2
B. 1 1
C. 1 1 3 3
D. 1 3 1 3
A. ヌル
B. 2
C. 1.5
D. na
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 +相互作用(x1、x2))
D. lm(y〜x1:x2 + x3)
A. 時系列分析
B. 一般化された線形モデル
C. 線形混合効果モデル
D. 分散モデルの分析
E. クラスタリングツール
A. x == y
B. x!= y
C. x =! y
D. x = 〜y
E. x %% y
A. 平均(x [1:length(x [、1])、]、na.rm = t)
B. 適用(x、1、平均、na.rm = t)
C. by(x、1、平均、na.rm = t)
D. 適用(x、1、平均)
A. マトリックス(x、y、z、nrow = 3)
B. マトリックス(cbind(x、y、z)、nrow = 3)
C. マトリックス(rbind(x、y、z)、nrow = 3)
D. マトリックス(rbind(x、y、z)、ncol = 3)
A. マージ(x、y、by =" id")
B. Merge(x、y、by =" id"、all = true)
C. マージ(x、y、sort =" id"、all = true)
D. combine(x、y、by =" id")
A. マトリックス
B. ベクター
C. data.frame
D. リスト
E. 配列
A. sort(data.frame(x = c(10、-3、4)))
B. ソート(リスト(10、-3、4))
C. ソート(c(10、-3、4))
D. ソート(10、-3、4)
A. lm(y〜x)$残差
B. lm(y〜x)$ residuals -lm(y〜x)$ fitted.values
C. 残差(lm(y〜x))
D. y -lm(y -x)$ fitted.values
A. 結果に等しい:> c(平均(x [、1])、平均(x [、2])、平均(x [、3]))
B. 結果に等しい:> c(平均(x [1、])、平均(x [2、])、平均(x [3、])、平均(x [4、]))
C. 結果に等しい:> c(平均(x [、1])、平均(x [、2])、平均(x [、3])、平均(x [、4]))
D. の結果に等しい:> c(平均(x [1、])、平均(x [2、])、平均(x [3、]))
A. x [c(3,7)]< -x [c(7,3)]
B. 交換(x、c(3、7)、c(7,3)
C. x [7]< -x [3]; x [3]< -x [7]
D. x [3]< -x [7]; x [7]< -x [3]
A. [1] null
B. [1] true
C. [1] -inf
D. [1]ナン
E. [1] false
A. エラーメッセージ
B. na
C. 相関係数
D. r四角
A. 散布(x〜y)
B. plot(data.frame(y〜x))
C. プロット(x〜y)
D. xyplot(x、y)
A. 真実
B. 0
C. 間違い
D. 110
A. 寸法ベクトルC(3,4,2)
B. 配列としての配列全体
C. すべてのゼロの配列
D. hのようなデータベクトル
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. 再スケール(x、1、2)
B. !Psych [Rescale(X、C(1、2))]]
C. plotrix :: Respale(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. に
B. 長さ
C. から
D. 時代
A. colmeans(df)
B. for(i in 1:nrow(df))print(mean(as.numeric(df [i、])))
C. 適用(df、2、平均)
D. SAPPLY(1:NCOL(DF)、function(col)平均(df [、col]))
E. for(i in 1:ncol(df))print(平均(df [、i]))
A. 行ベクトル[false false]
B. 行ベクトル[1 2 3]
C. 行ベクトル[2 3 4]
D. 行ベクトル[True True True]
A. S4
B. S3
C. R5(参照クラス)
A. 2
B. 3 4
C. 2 4 6 8 10
D. 4
A. 回帰y x、no intercept
B. lm(y〜x、intercept = f)
C. lm(y〜 -1 + x)
D. proc reg;モデルy = x; Intercept = f;走る;
A. 真の真のna
B. Na
C. 真実
D. True True False
E. 間違い
A. x< -Round(Y、0)
B. x< -as.numeric(y)
C. x< -is.integer(y)
D. x< -as.integer(y)
A. 番号1〜30を含む1つの配列
B. 1つの2列アレイ、1つの3列アレイ、1つの5列アレイ、それぞれが番号1〜30を含む
C. 2つのマトリックス、1つは3つの列、もう1つは5つのマトリックスです。
D. それぞれ2列と3列のある5つのマトリックス
A. 行ベクトル[" x1" " y1" " x2" " y2" " x3" " y3" " x4" " y4" " x5" " y5" " x6" " Y6" " x7" " y7" " x8" " y8" " x9" " y9" "
B. 行ベクトル[" x1" " y2" " x3" " y4" " x5" " Y6" " x7" " y8" " x9" " y10"]
C. 行ベクトル[" y1" " y2" " y3" " y4" " y5" " Y6" " y7" " y8" " y9" " y10"]
D. 行ベクトル[" x1" " x2" " x3" " x4" " x5" " x6" " x7" " x8" " x9" " x10"]
A. %%
B. %/%
C. /
D. %*%
E. モッド
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 [、平均(x)、= factor]
B. for(f inレベル(df $ factor))print(veam(df、factor == f)$ x))
C. sapply(レベル(df $ factor)、function(f)mean(subset(df、factor == f)$ x))
D. ddply(df、。(ファクター)、要約、平均(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. すべてのセルが1に等しい2x2マトリックス
D. 4
A. !is.na(x)
B. !all(is.na(x))
C. すべて(is.na(x))
D. すべて(!is.na(x))
A. マトリックスは転置できます。アレイはできません
B. 配列には、複数の異なるオブジェクトクラスを含めることができます
C. アレイのみが無限の値をサポートします
D. それらは同一です。どちらも使いやすいために含まれています
E. 配列は2つ以上の寸法をサポートしています
A. 値は表示されません
B. 0、2
C. 0、10
D. 0、1
A. 5
B. " 5"
C. 5.457
D. 5.5
A. モード(y)
B. ソート(y、減少= t)[1]
C. 名前(表(y))[表(y)== max(表(y))]
D. ソート(表(y)、減少= t)
A. zをすべてのゼロの配列にします
B. 不一致の長さに関する誤差を示すでしょう
C. サイズ24になるまで、最初から再びリサイクルされます
D. hの長さとまったく同じです
A. (これらはすべて正しい)
B. 割り当て(" x"、C(10.4、5.6、3.1、6.4、21.7))
C. C(10.4、5.6、3.1、6.4、21.7) - >バツ
D. X< -C(10.4、5.6、3.1、6.4、21.7)
A. 日付(x、" day")
B. strsplit(x、" - ")
C. split(x、" - ")[3]
D. substr(x、10、11)
A. t.test(a、b、ペア付き= true)
B. 平均(a)==平均(b)
C. ks.test(a、b)
D. t.test(a、b、ペア付き= false)
A. 寸法ベクトルC(3,4,2)
B. 配列としての配列全体
C. h のようなデータベクトル
D. すべてのゼロの配列
A. x [" b"" c" ]
B. x [、c(2、4)]
C. x [c(" b"、" c")]
D. x [2、4]
A. ?? plot
B. ?"プロット"
C. ヘルプ("プロット")
D. ヘルプ(プロット)
E. ?プロット
A. Tabulate(x、y、na.omit = f)
B. 表(x、y、na.include = t)
C. 表(x、y、usena =" altore")
D. 表(x*y、na.rm = f)
A. y [これ(x< 100)]
B. y [、それ(x< 100)]
C. y [x< = 100]
D. y [ここで(x< 100)、]
A. > ab< -a * b
B. > ab< - 外側(a、b、%o%)
C. > ab< - 外側(a、b、 *)
D. > ab< -a%o%b
A. 複雑
B. (これらはすべて有効です)
C. 論理
D. ダブル
E. 整数
A. 式は右から左にスキャンされます
B. 短いベクターオペランドは、他のオペランドのサイズに一致するまで値をリサイクルすることによって拡張されます
C. マトリックスまたはアレイオペランドよりも短いベクターオペランドはエラーを生成します
D. 短いベクトルと配列のみが発生する限り、配列には異なるDIM属性またはエラー結果が得られます
A. jarqueberatest(残留(x))
B. bgtest(x)
C. ヘテロシュタスティシティ(x)
D. gqtest(x)
A. x< -seq(1,5、by = 2); s< -rep(x、times = 3);ソート(s)
B. x< -seq(1,5、by = 2); rep(x、times = 3)
C. x< -seq(1,5、by = 2); rep(x、各= 3)
D. x< -c(1 1 1 3 3 3 5 5 5)
A. autocorrelationTest(x)
B. gqtest(x)
C. jarqueberatest(残留(x))
D. bgtest(x)
A. 40の異なる通常の分布から1つの数字を描画します
B. 40の擬似ランダム数を引きます
C. 平均1の正規分布から40の乱数を描画します
D. 標準偏差が4の正規分布から40の乱数を描画します
A. 行ベクトル[1 2 3 false]
B. 行ベクトル[1 2 3 Na]
C. 行ベクトル[True True True False]
D. 行ベクトル[false false true]
A. マトリックスには数値のみが含まれる場合があります。
B. マトリックスは特異ではないはずです。
C. データフレームには、異なるモードを持つ変数が含まれる場合があります。
D. データフレームには、異なる長さの変数が含まれる場合があります。
A. 1
B. 365
C. 4
D. 12
A. 削除()
B. erase()
C. DETACH()
D. 消去()
A. 高さ(長さ(高さ))
B. 高さ[長さ(高さ)]
C. 高さ[長さ[高さ]]
D. 高さ(5)
A. var_a!
B. \ _vara
C. .2var_a
D. var2_a
A. マトリックスには2つの次元がありますが、配列には3つ以上の寸法があります。
B. 配列はデータフレームのサブタイプであり、マトリックスは完全に個別のタイプです。
C. マトリックスは異なる長さの列を持つことができますが、配列の列はすべて同じ長さでなければなりません。
D. マトリックスには数値のみが含まれている場合がありますが、配列はさまざまなタイプの値を組み合わせることができます。
A. タイプ
B. 長さ
C. 属性
D. スカラー
A. Bof(ピザ、5)
B. 最初(ピザ、5)
C. トップ(ピザ、5)
D. ヘッド(ピザ、5)
A. コンソール(-25)
B. コンソール(reverse = true)
C. 歴史()
D. 歴史(max.show = 25)