R语言试题自测：从基础漏洞到统计检验的实战验证

简介面向R语言初学者与备考复习人群的试题练习文档围绕基础统计概念与R语言入门操作展开可用于课堂测验、自学自测与考前查漏补缺。内容覆盖描述性统计与推断性统计的区分、名义数据与计量数据等数据类型辨析以及getwd()、head()、ls()、rm()等常用命令的用法数据操作部分涉及逻辑变量判断、类型转换、向量极值与中位数、均值、方差、标准差函数函数应用则包含seq()、rep()、which()、因子factor()及矩阵创建、索引、合并等典型题目均附参考答案便于对照订正。资源包共1个docx文件约96KB轻量易读适合打印或直接在电脑上练习。目前已有11253人学习下载说明其在R语言入门练习场景中具有一定参考价值适合希望系统梳理基础知识点、通过做题巩固语法的读者使用。1. 一份R语言试题包能帮你把基础漏洞逐个堵上期末前一周某高校实验室里几个同学围着屏幕对答案发现同一个mean(rep(1:3,length.out5))有人算出1.8、有人算出2.6谁也说不清谁对。这种场景太常见了R语言语法看着简单真到向量循环、下标索引、因子水平这些地方凭直觉写十有八九翻车。这份《R试题附带答案.docx》就是冲着这类基础漏洞来的它把绪论统计概念、R软件入门、数据描述性分析、概率分布、参数估计与假设检验串成一条线每道题后面直接给答案适合正在学R语言、准备统计类课程考核、或者想系统自查基础的人。它不教你写复杂模型但能把“数据类型分不清、函数记混、下标算错”这些地基问题一次性暴露出来。2. 绪论与数据类型六道题把统计口径先对齐很多人拿到R语言试题直接跳到代码题结果第一页就栽跟头。绪论部分看着是概念题实际上决定了后面所有函数怎么选。比如“用图或表描述数据”属于描述性统计还是推断性统计这题答错的人往往在后续做假设检验时也分不清什么时候该用t.test()、什么时候只该用summary()。先把这层口径对齐后面写代码才不至于南辕北辙。2.1 描述性统计与推断性统计的分界试题第1题问“用图或表描述数据属于什么”答案是描述性统计第2题问“统计学分为描述性统计和什么”答案是推断性统计。这两题放在最前面不是凑数。描述性统计负责把手里这批数据说清楚——均值、频数、条形图都算推断性统计负责从样本推总体——置信区间、假设检验都算。R里对应得很直接summary()、table()、barplot()是描述性工具t.test()、prop.test()是推断性工具。我见过有人拿summary()的输出直接当总体结论写进报告这就是概念没对齐的典型翻车。2.2 名义、有序、计数、计量四类数据对应四种R对象试题第3到第6题连着考数据类型学历是名义数据身高是计量数据定量数据分为计数数据和计量数据定性数据分为名义数据和有序数据。这套分类在R里有明确的落点选错对象类型后面建模全歪。数据类别典型例子R中常见对象易错点名义数据学历、部门编号factor()无序因子误当数值做加减有序数据满意度等级factor(..., orderedTRUE)忘记设ordered计数数据某时段事件次数integer向量与计量数据混用计量数据身高、体重numeric向量误转成因子常见做法是读入数据后先跑一遍str()看每列是chr、num还是factor再决定要不要as.factor()或as.numeric()。这一步花三十秒能省掉后面半小时的报错排查。2.3 用一道因子题验证你的分类直觉试题第14题很典型部门数据x里1代表行政部、2代表财务部、3代表销售部只想对1和2两个部门做分类统计正确写法是factor(x, levelsc(1,2), labelsc(行政部,财务部))。注意levels只保留1和23会被归为NA。这题四个选项里gl()是生成因子序列的函数不是用来重编码已有数据的选A、B的人多半是把gl()和factor()记混了。x - c(1, 2, 3, 1, 2, 3, 1) new_x - factor(x, levels c(1, 2), labels c(行政部, 财务部)) new_x table(new_x)第一行构造原始部门编码第二行用factor()重编码levels限定只认1和2labels给出可读名称第三行打印结果第四行做频数统计。参数上要盯住两点levels的顺序决定因子水平顺序labels的长度必须和levels一致否则直接报错。如果原始数据里有0或4这类脏值也会变成NA跑完table()记得加useNAifany看一眼有没有漏网之鱼。3. R软件入门向量运算与工作空间管理入门章节的题量最大也最容易让人产生“我都会”的错觉。实际上c(1,2,3,4,5)c(20,200)这种题考的是R的循环补齐规则短向量自动重复结果是21 202 23 204 25。答错的人不是不会加法是没意识到R在背后偷偷补齐。这一章把工作目录、对象管理、向量运算、矩阵下标几块拆开练每一块都有对应的翻车点。3.1 工作目录与对象清理getwd、ls、rm三件套试题第2题问查看当前工作目录的命令答案是getwd()第4题问列出工作空间所有变量名的函数答案是ls()第5题要求删除所有以字母n开头的对象答案是rm(listls(pat^n))。这三条命令是每次开新项目必走的流程但rm那条的写法值得拆开看。getwd() # 查看当前工作目录 setwd(D:/r_workspace/demo) # 切换到项目目录路径按实际改 ls() # 列出当前所有对象名 rm(list ls(pat ^n)) # 删除所有以n开头的对象 ls() # 再列一次确认已清掉ls(pat^n)里的pat是正则匹配参数^n表示以n开头rm()的list参数接收一个字符向量所以要用ls()的结果喂给它。这里有个血泪经验rm(listls())会清空整个工作空间写脚本时千万别手滑放在开头否则前面跑了几小时的结果全没。我一般习惯在脚本末尾才做清理或者干脆只删指定前缀的对象。3.2 向量运算与下标补齐规则和负索引试题第1题c(1,2,3,4,5)c(20,200)考循环补齐第11题x-rep(c(1,4,7),c(3,2,1)); x[x5]考逻辑索引第12题v-10:5; w-v[c(2,4)]; mean(w)考位置索引第13题v[-(1:5)]考负索引。这四类索引是R语言数据操作的基本功混着考就是逼你把规则记牢。# 循环补齐 c(1, 2, 3, 4, 5) c(20, 200) # 短向量重复得 21 202 23 204 25 # 逻辑索引 x - rep(c(1, 4, 7), c(3, 2, 1)) # 生成 1 1 1 4 4 7 x[x 5] # 取出大于5的元素得 7 # 位置索引与负索引 v - 10:5 # 10 9 8 7 6 5 w - v[c(2, 4)] # 取第2、4个得 9 7 mean(w) # 得 8 v[-(1:5)] # 去掉前5个只剩 5逻辑索引x[x5]返回的是满足条件的元素值不是位置位置索引v[c(2,4)]返回的是第2和第4个元素负索引v[-(1:5)]表示排除前五个。三者混用是新手最常见的翻车点尤其负索引和正索引不能同时出现在一个方括号里写了会直接报错。参数上注意rep()的times和each区别rep(c(1,4,7), c(3,2,1))是按次数逐个重复得1 1 1 4 4 7写成each3就变成每个元素各重复三次结果完全不同。3.3 矩阵构造与下标提取array、matrix、dim三条路试题第16题要求生成3行4列、按列填充的矩阵正确选项包括array(1:12,c(3,4))、dim(A)-c(3,4)、matrix(1:12,nrow3)等。第17题从矩阵中提取第2到3行、第3到4列的子矩阵答案是A[2:3,3:4]或A[2:3,c(3,4)]。第20题对矩阵按列求和得6 15 24 33答案是apply(A,2,sum)。A - matrix(1:12, nrow 3) # 3行4列默认按列填充 A[2:3, 3:4] # 提取子矩阵 apply(A, 2, sum) # 按列求和得 6 15 24 33 apply(A, 1, sum) # 按行求和得 22 26 30matrix()的byrow参数默认是FALSE也就是按列填充这和第16题给的矩阵布局一致如果数据是按行录入的必须显式写byrowTRUE否则矩阵整个转置。apply()的第二个参数是边距1代表行、2代表列这个数字记反了结果就完全对不上。第18题问哪段代码能取出1 2 3答案是A[,1]或A[1:3,1]考的就是“取第一列”和“取第一列前三行”这两种写法等价。4. 数据描述性分析与概率分布函数名和参数别记混描述性分析和概率分布这两块试题里填空和选择混着出考的全是函数名和分布参数。中位数median()、均值mean()、方差var()、标准差sd()这四个函数写错一个字母就报错二项分布期望np、泊松分布期望和方差都是λ、均匀分布方差(b-a)^2/12这些公式记混了后面做参数估计连起点都没有。4.1 定性数据与定量数据的描述工具对照试题第1到第3题连着考描述工具定性数据用频数和相对频数对应table()和prop.table()定性数据的图形是条形图、饼图和Pareto图对应barplot()和pie()定量数据的图形是直方图、茎叶图和箱线图对应hist()、stem()和boxplot()。这套对应关系建议直接背下来因为考试和工作里都是按数据类型选工具。dept - factor(c(行政部, 财务部, 销售部, 行政部, 财务部)) table(dept) # 频数 prop.table(table(dept)) # 相对频数 barplot(table(dept)) # 条形图 hist(c(56.5, 65.3, 57.3, 62.5, 59.0)) # 直方图 boxplot(c(56.5, 65.3, 57.3, 62.5, 59.0)) # 箱线图prop.table()必须套在table()外面单独用会报错barplot()接收的是频数表直接喂原始因子向量也能画但标签不好看。直方图的breaks参数控制分箱数量默认值在样本量小的时候会画出很奇怪的形状我一般显式写breaks10或按数据范围调整。4.2 四种平均数什么时候用加权、几何、调和试题第4到第8题是一组平均数辨析总评成绩按10%、20%、70%加权用加权平均数股票按股数加权算平均价格用加权平均数前半段60公里、后半段30公里算平均速度用调和平均数各花1元钱买水果算平均价格用调和平均数按天卖手机算平均销量用算术平均数按每日递增百分比算平均销量用几何平均数。这组题的现实意义在于R里没有现成的“加权平均数函数”得自己用weighted.mean()。score - c(85, 90, 78) weight - c(0.1, 0.2, 0.7) weighted.mean(score, weight) # 加权平均得 80.1 # 调和平均两段等距路程速度分别为60和30 2 / (1/60 1/30) # 得 40 # 几何平均连续增长率 prod(c(1.10, 1.12, 1.08, 1.11, 1.09))^(1/5) - 1weighted.mean()的第二个参数是权重向量长度必须和数值向量一致且权重之和通常为1不为1也能算但结果含义会变。调和平均数的公式是n / sum(1/x)几何平均数是prod(x)^(1/n)这两个在R里都没有内置函数得手写。考试时记不住公式就记场景等距求速度用调和连乘求增长率用几何按份额求总评用加权。4.3 离散与连续分布期望方差公式和R函数对照试题第4章把二项、泊松、超几何、均匀、正态、指数六种分布过了一遍。二项分布X~B(n,p)期望np、方差np(1-p)泊松分布X~P(λ)期望和方差都是λ均匀分布U(a,b)期望(ab)/2、方差(b-a)^2/12正态分布N(μ,σ^2)期望μ、方差σ^2指数分布期望1/λ、方差1/λ^2。R里对应的函数前缀是binom、pois、unif、norm、exp加d是密度、p是累积概率、q是分位数、r是随机数。dbinom(3, size 10, prob 0.3) # 二项分布概率 ppois(5, lambda 2) # 泊松累积概率 qnorm(0.975, mean 0, sd 1) # 正态分位数约1.96 rexp(10, rate 0.5) # 指数分布随机数参数名要记准二项分布是size和prob不是n和p泊松是lambda正态是mean和sd注意sd是标准差不是方差试题里写N(μ,σ^2)是方差转成R函数时要开根号。第8题考指数分布与泊松分布的关系每小时到店10辆车服从泊松分布则车辆间隔时间服从指数分布平均间隔1/10小时这题选B。这个关系在排队论和可靠性分析里用得很多记反了方向整个模型就错了。5. 参数估计与假设检验点估计方法和统计量辨析最后一章试题量不大但概念密度高。点估计的矩估计法、最大似然估计法、最小二乘估计法三种方法的思想要能一句话说清统计量的定义——不含未知参数的样本函数——决定了哪些表达式能当统计量、哪些不能。这部分题答错往往不是计算问题是定义没吃透。5.1 三种点估计法的适用场景试题第2题问常见点估计方法答案是矩估计法、最大似然估计法和最小二乘估计法。矩估计法用样本矩去估计总体矩比如用样本均值估计总体均值、用样本二阶矩估计总体二阶矩最大似然估计法找使似然函数最大的参数值最小二乘估计法最小化残差平方和回归分析里最常用。R里没有统一的“点估计函数”矩估计得手写最大似然用optim()或专门包最小二乘用lm()。# 矩估计示例用样本均值估计泊松分布的lambda x - c(2, 3, 1, 4, 2, 3, 2) lambda_hat - mean(x) # 矩估计值 # 最小二乘示例 fit - lm(dist ~ speed, data cars) coef(fit)mean(x)作为矩估计在泊松分布下恰好也是最大似然估计但换成均匀分布U(0,θ)就不一样了矩估计是2*mean(x)最大似然估计是max(x)。试题里没展开到这个深度但实际做题和写报告时方法选错结论会差一截。5.2 统计量为什么不能含未知参数试题第11题问哪个表达式不是统计量关键在“统计量是样本的函数且不含未知参数”。总体N(μ,σ^2)里μ未知、σ^2已知那么含μ的表达式就不是统计量含σ^2和样本的才是。第12题考样本均值的分布X̄~N(μ, σ^2/n)选C。第13题考样本均值和样本方差的联合性质第14题问统计三大分布答案是卡方分布、t分布、F分布。# 样本均值的标准误 set.seed(42) x - rnorm(30, mean 50, sd 10) mean(x) sd(x) / sqrt(length(x)) # 标准误 t.test(x, mu 50) # 单样本t检验sd(x)/sqrt(length(x))是样本均值的标准误和样本标准差sd(x)不是一回事报告里写错这两个数会被直接质疑。t.test()的mu参数是原假设的总体均值输出里的p-value小于显著性水平才拒绝原假设。这里有个玄学现象样本量小的时候t.test()和z.test结果差得明显样本量大了两者趋同所以别拿大样本的结论去套小样本场景。6. 把试题当自测脚本跑一套可复现的验证流程试题包最大的价值不是背答案是把它变成可执行的验证脚本。我的习惯是每做完一章题把涉及函数和输出的题目挑出来写成一段带stopifnot()的R脚本跑通一遍才算真会。比如向量运算那几题直接对照试题给的答案做断言分布参数那几题用d、p、q函数反算验证。这样做的成本很低但能把“看着会、一写就错”的漏洞逼出来。# 自测脚本片段对照试题答案做断言 stopifnot(identical(c(1,2,3,4,5) c(20,200), c(21,202,23,204,25))) stopifnot(identical(sum(seq(1,5,by2)), 9)) stopifnot(identical(length(rep(1:3, c(2,2,3))), 7)) stopifnot(identical(which(2:8 5), c(6L,7L,8L))) stopifnot(identical((c(1,3,5) 4)[2], 7)) # 分布参数验证二项分布期望 n - 10; p - 0.3 stopifnot(abs(sum(0:n * dbinom(0:n, n, p)) - n*p) 1e-10)stopifnot()遇到第一个不满足的条件就停适合逐条排查identical()比严格能区分整数和浮点试题里which()返回的是整数向量所以断言里写6L而不是6。分布验证那段用期望的定义式反算比直接背公式更能暴露参数记混的问题。跑完这套脚本哪条断言挂了就回去翻对应章节的题比从头再看一遍效率高得多。几个容易忽略的细节试题里mean(rep(1:3,length.out5))的答案是2.6不是摘要里写的1.8以试题正文答案为准v[-(1:5)]的结果是5不是空集负索引去掉前五个后还剩最后一个元素factor()那题选C不选D因为levels要写全c(1,2,3)再配两个labels只写c(1,2)会把3变成NA。这些地方答案和直觉有出入恰恰是最该动手跑一遍的。从那以后我每次拿到这类试题包都先挑十道有输出的题写成断言脚本跑一遍跑挂了再翻答案比对着答案看一遍记得牢得多。希望帮到你。本文还有配套的精品资源点击获取