R语言期末复习指南：从数据类型到假设检验的考点梳理

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判定以及R软件入门操作展开帮助读者在刷题中夯实基础概念与语法细节。包内共1个docx文件约96KB按绪论、R软件入门、数据操作、函数应用等模块编排题目与答案对照呈现便于自测后即时核对。内容覆盖getwd()、ls()、head()等常用命令rm(listls(pat^n))等对象清理技巧以及median()、mean()、var()、sd()等统计函数和seq()、rep()、which()等向量运算的典型考法还涉及矩阵创建、索引与合并的判断题。已有11253人学习适合课堂配套练习、期末复习或面试前快速回顾R语言核心知识点。1. R语言试题复习地图从数据类型到假设检验的一条主线R语言期末复习最容易翻车的地方不是某个函数记不住而是知识点散成一地描述性统计、数据类型、向量运算、矩阵索引、因子、列表、数据框、概率分布、参数估计每一块单拎出来都懂合在一起就串不起来。这份试题资料的价值恰恰在于它按章节把考点排成了一条线——绪论讲统计学的分类与数据类型R入门讲工作目录、向量、逻辑值、函数调用接着是矩阵与数据框、描述性分析与平均数选择、常见分布与统计量最后落到参数估计与假设检验。复习时如果只背答案换个问法就懵如果按这条主线把每个模块的“考什么、怎么算、哪里容易错”理清楚题目怎么变都能接住。下面按这条地图逐块拆重点放在易混概念和R代码的实际输出上。2. 绪论与数据类型统计学分类和四种数据尺度的判断绪论部分题量不大但它是后面所有描述性分析和分布选择的地基。这一章的核心只有两件事统计学怎么分数据怎么分。考试里这两块几乎必出选择题或填空题而且错一次就连带后面平均数、图形选择一起错。2.1 描述性统计与推断性统计的分界统计学分为描述性统计和推断性统计。判断标准很简单用图或表把已有数据呈现出来、算个均值方差属于描述性统计用样本去推断总体、做参数估计和假设检验属于推断性统计。试题里“用图或表描述数据属于什么”答案就是描述性统计这是最基础的一道送分题但复习时要能反过来判断给一个“根据样本均值估计总体均值”的场景要能认出它属于推断性统计。2.2 定性数据与定量数据的二级分类数据类型的考法集中在两级分类上梳理成一张表最清楚大类二级分类典型例子说明定性数据名义数据学历、性别、部门编号只有类别无大小顺序定性数据有序数据满意度等级、学历层次类别之间有顺序定量数据计数数据人数、次数只能取整数定量数据计量数据身高、体重、价格可以取小数试题里“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”四道题其实考的是同一张表。最容易错的是把学历当成有序数据——如果题目明确说“学历层次”且给出小学、中学、大学的顺序才按有序处理单说“学历”这个字段标准答案给的是名义数据。复习时按题目给的定义走不要凭生活直觉。提示名义和有序的区分看“类别之间有没有可比的大小顺序”计数和计量的区分看“能不能取非整数值”这两条判断规则比背例子稳。3. R语言基础操作工作目录、向量运算与常用函数这一章是整份试题里代码题最密集的部分考的都是R的“手感”工作空间怎么管、向量怎么算、逻辑值怎么来、常用统计函数叫什么。题目不难但细节多错一个参数就整题丢分。3.1 工作目录与工作空间管理查看当前工作目录用getwd()设置工作目录用setwd()这两个函数名只差一个字母是选择题的高频陷阱。列出当前工作空间中所有变量名用ls()注意ls.str()是列出变量名加结构信息list()是创建列表四个选项放在一起就是考你分不分得清。删除工作空间中所有以字母 n 开头的对象标准写法是# ls(pat^n) 用正则匹配以 n 开头的对象名 # rm(list...) 把匹配到的对象名列表交给 rm 删除 rm(list ls(pat ^n))这里的关键是pat参数接受正则表达式^n表示以 n 开头rm()的list参数要的是一个字符向量所以必须用ls()的结果包一层。复习时把这条命令拆成“找对象”和“删对象”两步理解比死记整行更可靠。3.2 向量运算与逻辑值c(1, 2, 3, 4, 5) c(20, 200)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。这条规则在后面矩阵运算、rep()相关题目里反复出现必须吃透。逻辑变量那道题L - 3 5是比较运算符结果是FALSE所以 L 是逻辑变量、值为 FALSE。配套的x - 3; y - as.character(x); is.numeric(y)输出3和FALSE考的是类型转换后原类型判断会变。常用统计函数要能默写中位数median()、均值mean()、方差var()、标准差sd()。试题里有一处把median()写成了media()这是典型的拼写翻车点考试填函数名时务必核对。3.3 序列、重复与索引函数这一组题目考的是seq()、rep()、which()和负索引的返回值逐个过一遍sum(seq(1, 5, by 2)) # 135 9 mean(rep(1:3, length.out 5)) # 重复到长度51 2 3 1 2均值 1.8 length(rep(1:3, c(2, 2, 3))) # 按次数重复1 1 2 2 3 3 3长度 7 which(2:8 5) # 逻辑条件为真的位置6 7 8 对应下标 5 6 7 (c(1, 3, 5) 4)[2] # 先算 5 7 9取第2个得 7which()返回的是逻辑向量中 TRUE 的位置下标不是值本身这是最容易混的一点。负索引v[-(1:5)]表示排除前五个元素如果向量正好只有五个元素结果就是空集。x - rep(c(1,4,7), c(3,2,1)); x[x5]先构造出1 1 1 4 4 7再用逻辑索引取出大于5的值结果只有7。4. 矩阵、因子与数据框索引规则和类型约束从向量过渡到二维数据结构考点集中在矩阵的构造方式、下标索引、按行按列汇总以及因子和数据框的类型特性。这一章题目综合性强一道题往往同时考构造和索引。4.1 矩阵的构造与下标索引构造 3 行 4 列、按列填充 1 到 12 的矩阵matrix(1:12, nrow 3)、array(1:12, c(3,4))、先建向量再设dim()都能得到同样结果试题里这几个选项都是对的。要记住R默认按列填充byrow TRUE才会按行填。索引题给矩阵 A 取A[2:3, 3:4]得到的是第2到3行、第3到4列的子矩阵即8 11; 9 12。取第一列写成A[, 1]或A[1:3, 1]结果是1 2 3。按列求和用apply(A, 2, sum)得到6 15 24 33apply的第二个参数 1 表示按行、2 表示按列这个数字含义必须记牢tapply则是按因子分组汇总两者不要混。合并矩阵用rbind()按行合并、cbind()按列合并选项里出现的rowbind()、colbind()都是干扰项。4.2 因子与数据框的类型规则因子题的核心是factor()的levels和labels参数只想对 1 和 2 两个部门分类统计levels就只写c(1, 2)labels对应给两个名称写成factor(x, levels c(1, 2), labels c(行政部, 财务部))。创建因子的函数是factor()和gl()table()是频数统计、tapply()是分组汇总不是创建因子的函数。数据框那道多选题df[Height]返回的是数据框df[[Height]]、df$Height、df$Height返回的是向量题目要向量所以后三个都对。数据框由长度相等的向量构成每个向量代表一列矩阵要求所有元素类型一致数据框允许列与列类型不同这是两者本质区别。列表题里mylist[[2]][3]取第二个元素字符向量的第3个结果是c取列表中矩阵里的数字 8用mylist[[3]][2, 3]或mylist[[3]][8]前者按二维下标、后者按线性下标两种写法等价。scan(data.dat, what list(, 0, 0))读取三个变量第一个空字符串表示字符型后两个 0 表示数值型。读入其他格式数据库要先导入foreign包这个包名是固定考点。5. 描述性分析与概率分布平均数选择和分布参数这一章把描述性统计的图形、数值方法和常见概率分布放在一起考的是“什么场景选什么工具”。平均数选错、分布参数记混是这一块最常见的失分点。5.1 定性数据与定量数据的描述工具定性数据的数值方法用频数和相对频数对应函数table()和prop.table()图形用条形图、饼图和 Pareto 图前两个对应barplot()和pie()。定量数据的图形用直方图、茎叶图和箱线图对应hist()、stem()和boxplot()。这组函数名要能双向对应给图形说函数、给函数说图形。5.2 算术、加权、几何、调和平均数的选择四种平均数的选择是选择题重灾区判断依据是“权重加在什么上”场景应选平均数判断依据总评成绩按 10%、20%、70% 加权加权平均数各部分权重不同已知各股票股数和价格求平均价格加权平均数以股数为权重两段等距离、速度不同求平均速度调和平均数距离相等、速度取倒数平均各市场各花1元买水果求平均单价调和平均数金额相等、单价取倒数平均连续几天按固定增长率递增求平均增长几何平均数比率连乘开方试题里“前半段60公里、后半段30公里、两段距离相等”求平均速度答案是调和平均数“各买1元钱水果”求平均单价也是调和平均数。这两题的共同点是“分子固定、分母变化”用调和平均如果是“各买1千克”则改用算术平均。复习时抓住“固定的是金额/距离还是数量”这一条比背题型快。5.3 常见分布的期望与方差离散分布和连续分布的参数要能默写分布记号期望方差适用抽样二项分布B(n, p)npnp(1-p)有放回泊松分布P(λ)λλ稀有事件计数超几何分布———无放回均匀分布U(a, b)(ab)/2(b-a)²/12连续正态分布N(μ, σ²)μσ²连续指数分布E(λ)1/λ1/λ²连续二项分布、泊松分布、超几何分布属于离散型均匀、正态、指数属于连续型。超几何分布是二项分布在无放回抽样下的补充这个对应关系常考填空。指数分布与泊松分布的关系要理解泊松描述单位时间内事件发生次数指数描述两次事件的间隔时间每小时平均到店10辆车间隔时间服从指数分布平均间隔为 1/10 小时。统计三大分布是 χ² 分布、t 分布、F 分布选项里混入均匀、正态、指数或 Γ、β、Cauchy 都是干扰。样本均值X̄的分布题来自 N(μ, σ²) 的样本均值服从 N(μ, σ²/n)方差要除以 n这是最容易被漏掉的一个分母。6. 易错点清单这五处最容易在考场上丢分复习到这一步知识点已经铺开真正拉开差距的是那些“看着会、一做就错”的地方。梳理下来这份试题里反复出现的坑集中在五处每条按“易漏点、为什么漏、怎么补”说清楚。易漏点一which()返回下标而不是值。为什么漏平时用which()多是顺手取位置考试一紧张就把它和逻辑索引混为一谈。怎么补记住which(2:8 5)的结果是6 7 8这三个下标对应原向量的第5、6、7个元素如果题目要值得再套一层x[which(...)]。易漏点二apply()第二个参数 1 和 2 的方向。为什么漏1 和 2 没有语义提示纯靠记忆。怎么补记“1 是行、2 是列”配合apply(A, 2, sum)得到列和6 15 24 33这道题反推验证做题时先想“我要按行还是按列”再落数字。易漏点三factor()的levels写多了。为什么漏习惯性把全部类别都写进levels忘了题目只要求统计其中两类。怎么补题目说“只想对1和2两个部门统计”levels就只保留c(1, 2)多写的类别会被当成缺失或多余水平统计结果直接错。易漏点四调和平均数和算术平均数的场景判断。为什么漏两种题面都像“求平均”区别藏在“固定的是金额还是数量”里。怎么补看到“各花1元”“两段等距离”就用调和平均看到“各买1千克”“各部分权重已知”就用加权或算术平均先找固定量再选公式。易漏点五样本均值分布的方差分母。为什么漏记成 N(μ, σ²) 或 N(μ/n, σ²)把除以 n 的位置放错。怎么补样本均值X̄ ~ N(μ, σ²/n)方差除以 n、均值不变这条单独抄一遍和三大分布的题放在一起复习。注意这五条不是孤立的which()和逻辑索引、apply()和tapply()经常在同一道综合题里同时出现复习时按“函数对”成组记比单记一个函数稳。7. 复习清单按模块过一遍再上考场最后落到怎么用这份试题做查漏补缺。我的做法是把整份卷子按模块切成六块每块配一个“自测动作”做完打勾没过的回对应章节重看。下面这张表就是我的复习清单可以直接照着走模块自测动作过关标准数据类型默写定性/定量二级分类表四个例子能各归其位工作空间手写getwd、setwd、ls、rm(listls(pat^n))不看资料写对正则向量运算手算循环补齐、seq、rep、which五道小题结果和答案一致矩阵与数据框写matrix构造、apply按列求和、df$Height取列索引方向不混描述性分析四种平均数各配一个场景能说出为什么选它分布与估计默写六个分布的期望方差、样本均值分布分母位置不错具体执行时我会先合上答案把每道题做一遍做错的题不抄答案而是在旁边写一句“错因”比如“which 返回下标不是值”“levels 多写了3”。第二天只看错因那一列能复述出正确做法就算过。参数估计和假设检验部分试题里只给了点估计方法的填空——矩估计法、最大似然估计法和最小二乘估计法矩估计的思想是用样本矩估计总体矩——这部分题量少但概念性强建议单独用一张纸把“样本矩对应总体矩”的对应关系写一遍别和后面的区间估计混。从那以后我每次复习这种带答案的试题都强制自己先做“错因标注”再对答案而不是直接看解析因为看解析会产生“我会了”的错觉只有写错因才能暴露真实的漏洞。这份试题按章节排得很规整正好适合当这张清单的底稿把每章的题过一遍、错因标一遍上考场前翻错因那一列就够了。希望帮到你。本文还有配套的精品资源点击获取