Эти вопросы R с несколькими вариантами ответов и ответы на них помогут вам лучше понять предмет R. Вы можете подготовиться к предстоящему экзамену или собеседованию с помощью этих 100+ R MCQ.
Так что прокрутите вниз и начните отвечать.
A. lm (x ~ y)
B. proc reg; модель y = x; бегать;
C. lm (y ~ x)
D. регресс 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;- образец (rep (c (1: 5), каждый = 20), размер = 100)
D. Y & lt;- образец (C (1, 2, 3, 4, 5), 100, заменить = true)
A. for (i in 1: nnn) {& lt; код моделирования & gt; }
B. для i in 1: nnn: & lt; код моделирования & gt;
C. for (i - nnn) {& lt; код моделирования & gt; }
D. for (i = 1, nnn, 1) {& lt; код моделирования & gt; }
A. Это означает диапазон от x до y.
B. Это означает, что x и y коррелируют.
C. Это означает, что y логически следует от x.
D. Это означает, что X и Y являются реальными числами.
E. Это означает, что шансы на x до Y применить к этой операции.
A. 2 10
B. 1 3 5 7 9
C. 2 4 6 8 10
D. 2
A. вектор данных, как это было в H
B. Весь массив как массив
C. массив всех нулей
D. вектор измерений C (3,4,2)
A. [1] 2
B. [1] " Hello World "
C. НУЛЕВОЙ
D. НА
E. [1] Привет, мир
A. a = 1
B. a == 1
C. a & lt; & lt;- 1
D. a & lt;- 1
E. a -& gt; 1
A. 4
B. 3
C. ИСТИННЫЙ
D. ЛОЖЬ
E. 1
A. import.csv (" x.csv ")
B. Импорт (" x.csv ")
C. read.csv (" x.csv ")
D. Читать (" x.csv ")
A. сортировка (x, уменьшение = t)
B. Сорт (x)
C. Порядок (x)
D. X [sort (x)]
A. суммировать x
B. Резюме (x)
C. Содержание PROC X;
D. суммировать (x)
A. Сюжет (x)
B. Hist (x)
C. Сюжет x
D. сюжет. Хист (x)
A. x $ 1
B. x [0]
C. X.1
D. x [1]
E. x $ 0
A. 0
B. -2
C. НА
D. 2
A. объекты
B. режим
C. события
D. команды
A. readdata
B. сканирование
C. Read.csv
D. Читать.table
A. as.ts
B. is.ts
C. Т.С.
D. if.ts
A. преобразовать данные в целое число
B. преобразовать данные в вектор
C. преобразовать данные в матрицы
D. преобразовать данные в объект временных рядов
A. На
B. Нэн
C. #ЦЕНИТЬ!
D. [пустая ячейка]
E. НУЛЕВОЙ
A. Удивительные печати слова " Привет "
B. Право оправдывает слово " Привет "
C. Отпечатает слово " Привет " Смелью шрифтом
D. Увеличивает размер слова " Привет " в 2
A. xlim = c (0, 1)
B. xlimit = " 0, 1 "
C. xlim = " 0, 1 "
D. xlab = c (0, 1)
A. " значение x равно 2, а значение y [x] равно C (1: 3) [2] "
B. " значение X равно 2, а значение y [x] составляет 4 "
C. " значение x равно 2, а значение y [x] составляет 2 "
D. " значение x равно 2, а значение y [x] - 6 "
A. 1 4
B. 1 4 7
C. 1 3 5
D. 1 2 3 4 5
A. Линии (0, 1)
B. lty = c (0, 1)
C. Аблина (0, 1)
D. Smooth.spline (0, 1)
A. [1] Неверно ложное ложное истинное
B. [1] Неверно
C. Бросает ошибку.
D. [1] Правда
E. [1] na na na true
A. [1] Верно [1] Неверно
B. [1] Верно [1] Верно
C. [1] Неверно [1] Верно
D. НУЛЕВОЙ
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. нагрузка()
D. читать()
A. Tabulate (x, y)
B. таблица (y ~ x)
C. Таблица (x*y)
D. Таблица (x, y)
A. НА
B. ИСТИННЫЙ
C. ЛОЖЬ
D. -Inf
A. 1 2 1 2
B. 1 1
C. 1 1 3 3
D. 1 3 1 3
A. НУЛЕВОЙ
B. 2
C. 1.5
D. На
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 + взаимодействие (x1, x2))
D. LM (y ~ x1: x2 + x3)
A. Анализ временных рядов
B. Общие линейные модели
C. Линейные модели смешанных эффектов
D. Модели дисперсии
E. Кластеризационные инструменты
A. x == y
B. x! = y
C. x =! у
D. x = ~ y
E. x %% y
A. среднее (x [1: длина (x [, 1]),], na.rm = t)
B. Применить (x, 1, среднее, na.rm = t)
C. по (x, 1, среднее, na.rm = t)
D. применить (x, 1, среднее)
A. Матрица (x, y, z, nrow = 3)
B. Матрица (Cbind (x, y, z), nrow = 3)
C. Матрица (rbind (x, y, z), nrow = 3)
D. Матрица (rbind (x, y, z), ncol = 3)
A. Merge (x, y, by = " id ")
B. Merge (x, y, by = " id ", All = true)
C. Merge (x, y, sort = " id ", All = true)
D. Объедините (x, y, by = " id ")
A. матрица
B. вектор
C. data.frame
D. список
E. множество
A. Sort (data.frame (x = c (10, -3, 4)))))
B. Сортировка (список (10, -3, 4))
C. Сортировка (C (10, -3, 4))
D. Сортировка (10, -3, 4)
A. LM (y ~ x) $ остатки
B. lm (y ~ x) $ остатки - lm (y ~ x) $ fitted.values
C. Остатки (LM (y ~ x))
D. Y - lm (y - x) $ fitted.clues
A. Равен результату: & gt; c (среднее (x [, 1]), среднее (x [, 2]), среднее (x [, 3])))
B. Равен результату: & gt; c (среднее (x [1,]), среднее (x [2,]), среднее (x [3,]), среднее (x [4,]))
C. Равен результату: & gt; c (среднее (x [, 1]), среднее (x [, 2]), среднее (x [, 3]), среднее (x [, 4]))
D. Равно от результата: & gt; c (среднее (x [1,]), среднее (x [2,]), среднее (x [3,]))
A. X [c (3,7)] & lt;- x [c (7,3)]
B. Заменить (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] Верно
C. [1] -inf
D. [1] Нэн
E. [1] Неверно
A. Сообщение об ошибке
B. На
C. Коэффициент корреляции
D. R квадрат
A. разброс (x ~ y)
B. График (data.frame (y ~ x))
C. Сюжет (x ~ y)
D. xyplot (x, y)
A. Истинный
B. 0
C. ЛОЖЬ
D. 110
A. вектор измерений C (3,4,2)
B. Весь массив как массив
C. массив всех нулей
D. вектор данных, как это было в 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 [Rescale (x, c (1, 2))]
C. Plotrix :: Rescale (x, c (1, 2))
D. plotrix.rescale (x, c (1, 2))
E. ПЛИТРИКС (Rescale (x, c (1, 2))))
A. [1] " O " [2] " M " [3] " G "
B. [1] " OMG "
C. [1] " OMG "
D. [1] " O M G "
A. к
B. длина
C. от
D. время
A. Colmeans (DF)
B. для (i in 1: nrow (df)) print (среднее (as.numeric (df [i,])))
C. применить (DF, 2, среднее)
D. Sapply (1: NCOL (DF), функция (COL) среднее (DF [, col]))
E. для (i in 1: ncol (df)) print (среднее (df [, i])))
A. вектор строки [ложно ложь.
B. Вектор ряда [1 2 3]
C. вектор строки [2 3 4]
D. Вектор ряда [True True True]
A. S4
B. S3
C. R5 (справочный класс)
A. 2
B. 3 4
C. 2 4 6 8 10
D. 4
A. регресс y x, nointercept
B. lm (y ~ x, recept = f)
C. lm (y ~ -1 + x)
D. proc reg; модель y = x; recept = f; бегать;
A. Истинный истинный на
B. НА
C. ИСТИННЫЙ
D. Верно истинное ложь
E. ЛОЖЬ
A. X & lt;- круглый (y, 0)
B. X & lt;- as.nemeric (y)
C. X & lt;- is.integer (y)
D. X & lt;- as.integer (y)
A. Один массив, содержащий числа от 1 до 30
B. Один 2-рядовой массив, один 3-рядовой массив и один 5-й массив, каждый из которых содержит числа с 1 по 30
C. Две матрицы, одна с 3 столбцами, другой с 5
D. Пять матриц, каждая с 2 рядами и 3 столбцами
A. Вектор ряда [" x1 " " Y1 " " x2 " " Y2 " " x3 " " Y3 " " x4 " " Y4 " " x5 " " Y5 " " x6 " " Y6 " " x7 " " Y7 " " x8 " " Y8 " " x9 " " Y9 " "
B. Вектор ряда [" x1 " " Y2 " " x3 " " Y4 " " x5 " " Y6 " " x7 " " Y8 " " x9 " " Y10 "]
C. Вектор ряда [" Y1 " " Y2 " " Y3 " " Y4 " " Y5 " " Y6 " " Y7 " " Y8 " " Y9 " " Y10 "]
D. Вектор ряда [" x1 " " x2 " " x3 " " x4 " " x5 " " x6 " " x7 " " x8 " " x9 " " x10 "]
A. %%
B. %/%
C. /
D. %*%
E. мод
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 [, среднее (x), по = фактор]
B. Для (f в уровнях (DF $ Factor)) Print (среднее (Submet (df, фактор == f) $ x))
C. Sapply (уровни (DF $ фактор), функция (F) среднее (подмножество (df, фактор == f) $ x)))
D. ddply (df ,. (фактор), суммирование, среднее (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. Матрица 2x2 со всеми ячеек, равными 1
D. 4
A. ! is.na (x)
B. ! All (is.na (x))
C. все (is.na (x))
D. все (! is.na (x))
A. Матрицы могут быть транспонированы; Массивы не могут
B. Массивы могут включать несколько разных классов объектов
C. Только массивы поддерживают бесконечные значения
D. Они идентичны; Оба включены для простоты использования
E. Массивы поддерживают более 2 измерений
A. Значения не отображаются
B. 0, 2
C. 0, 10
D. 0, 1
A. 5
B. " 5 "
C. 5.457
D. 5.5
A. режим (y)
B. сортировка (y, уменьшение = t) [1]
C. имена (таблица (y)) [таблица (y) == max (таблица (y))]
D. сортировка (таблица (y), уменьшение = t)
A. делает Z массивом всех нулей
B. сигнализирует об ошибке по поводу несоответствия длины
C. переработаны с самого начала снова, чтобы привести к размеру 24
D. так же, как длину H
A. (Все это правильно)
B. Назначить (" 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; Икс
D. x & lt;- c (10.4, 5.6, 3.1, 6.4, 21,7)
A. Дата (x, " день ")
B. strsplit (x, "-")
C. Split (x, "-") [3]
D. substr (x, 10, 11)
A. t.test (a, b, paired = true)
B. среднее (а) == Среднее (б)
C. ks.test (a, b)
D. t.test (a, b, paired = false)
A. вектор измерений C (3,4,2)
B. Весь массив как массив
C. вектор данных, как это было в H
D. массив всех нулей
A. X [" B ", " C " ]
B. X [, c (2, 4)]
C. X [C (" B ", " C ")]
D. X [2, 4]
A. ??сюжет
B. ? " сюжет "
C. Помощь (" сюжет ")
D. помощь (сюжет)
E. ?сюжет
A. Tabulate (x, y, na.omit = f)
B. Таблица (x, y, na.include = t)
C. Таблица (x, y, usena = " всегда ")
D. Таблица (x*y, na.rm = f)
A. Y [который (x & lt; 100)]
B. Y [, что (x & lt; 100)]
C. Y [x & lt; = 100]
D. Y [где (x & lt; 100),]
A. & gt; ab & lt;- a * b
B. & gt; ab & lt;- Внешний (A, B, %O %)
C. & gt; ab & lt;- Внешний (A, B, *)
D. & gt; ab & lt;- A % o % b
A. сложный
B. (Все это действительнее)
C. логичный
D. двойной
E. целое число
A. Выражение сканируется справа налево
B. Любые короткие векторные операнды расширяются путем утилизации своих значений до тех пор, пока они не соответствуют размеру любых других операндов
C. Любой векторный операнд короче, чем матрица или матричный операнд, генерирует ошибку
D. Пока встречаются только короткие векторы и массивы, массивы могут иметь различный атрибут DIM или результаты ошибки
A. Jarqueberatest (остаточный (x))
B. bgtest (x)
C. Heteroscedastisity (x)
D. gqtest (x)
A. x & lt; -seq (1,5, by = 2); s & lt; -Rep (x, times = 3); Сорт (ы)
B. x & lt; -seq (1,5, by = 2); Rep (x, times = 3)
C. x & lt; -seq (1,5, by = 2); Rep (x, каждый = 3)
D. x & lt; -c (1 1 1 3 3 3 5 5 5)
A. AutoCorrelationTest (x)
B. gqtest (x)
C. Jarqueberatest (остаточный (x))
D. bgtest (x)
A. он рисует 1 число из 40 различных нормальных распределений
B. он рисует 40 псевдолупиточных чисел
C. он привлекает 40 случайных чисел из нормального распределения со средним значением 1
D. он привлекает 40 случайных чисел из нормального распределения со стандартным отклонением 4
A. вектор строки [1 2 3 ложь]
B. вектор строки [1 2 3 na]
C. Вектор строк [верно истинно истинное ложь]
D. вектор строки [ложное ложное истинность]
A. Матрица может содержать только числовые значения.
B. Матрица не должна быть единственной.
C. Кадра данных может содержать переменные, которые имеют разные режимы.
D. Кадра данных может содержать переменные разных длин.
A. 1
B. 365
C. 4
D. 12
A. Удалять()
B. Стереть()
C. DESTACH ()
D. Удалить()
A. Высота (длина (высота))
B. Высота [длина (высота)]
C. Высота [длина [высота]]
D. Высота (5)
A. Var_a!
B. \ _Vara
C. .2var_a
D. Var2_a
A. Матрица имеет два измерения, в то время как массив может иметь три или более измерений.
B. Массив - это подтип кадры данных, в то время как матрица является отдельным типом полностью.
C. Матрица может иметь столбцы разной длины, но столбцы массива должны быть одинаковой длины.
D. Матрица может содержать только числовые значения, в то время как массив может смешивать разные типы значений.
A. Тип
B. Длина
C. Атрибуты
D. Скаляр
A. BOF (Pizza, 5)
B. Первое (пицца, 5)
C. Топ (пицца, 5)
D. Голова (пицца, 5)
A. Консоль (-25)
B. Консоль (реверс = верно)
C. История ()
D. История (max.show = 25)