简介这份R语言试题及答案文档面向正在学习或备考R语言的初学者与数据分析入门者帮助读者通过做题系统检验对基础语法与统计概念的掌握程度。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判断以及getwd()、head()、ls()、rm()等常用工作空间操作命令并延伸到向量运算、因子创建、矩阵构造与索引等数据操作要点每道题均附带参考答案便于自测与查漏补缺。资源包内含1个docx文件约96KB轻量易读适合打印练习或对照复习。目前已有11252人学习下载热度较高可作为课堂练习、期末复习或面试前知识梳理的配套题库使用帮助读者在较短时间内定位薄弱环节并巩固R语言基础。1. 从一道题看懂 R 语言它到底在考什么很多人第一次看到「R 试题附带答案」这种资源第一反应是这不就是一份题库吗但真正翻过一遍就会发现它考的并不是死记硬背而是你对 R 语言这套「数据思维」到底有没有建立起来。打个比方R 语言就像一间厨房向量、矩阵、数据框是不同形状的锅碗瓢盆函数是菜谱而统计概念是食材——试题则像一位老师傅站在旁边指着某口锅问你这口锅该装什么、火候怎么控、什么时候该换锅。这份资源把 R 语言入门、数据描述性分析、概率分布、参数估计与假设检验串成了一条线每一道题背后都对应一个真实的数据处理场景。搞懂它不只是为了应付考试而是让你在面对一份真实数据时知道第一步该做什么、用什么函数、结果怎么读。接下来几章我会把这份试题里反复出现的核心概念一个个拆开讲清楚。2. R 语言的数据类型与基本操作为什么它和 Excel 不一样2.1 数据类型不是学术分类而是决定你能做什么运算R 语言里最基础的一层认知是搞清楚数据到底分几类。试题里反复出现「学历是名义数据」「身高是计量数据」这类判断很多人觉得这只是统计学的名词游戏其实它直接决定了你在 R 里能对一列数据做什么。通俗地说数据分两大阵营定性数据和定量数据。定性数据描述的是「类别」比如性别、部门、学历定量数据描述的是「数量」比如身高、销售额、股票价格。定性数据又分两种名义数据比如「行政部、财务部、销售部」彼此没有大小顺序和有序数据比如「不满意、一般、满意」有顺序但不能直接加减。定量数据也分两种计数数据比如「一个班有多少人」只能是整数和计量数据比如「身高 175.3 厘米」可以是小数。为什么这个区分重要因为在 R 里名义数据和有序数据通常用因子factor来存储而定量数据用数值向量。如果你把该用因子的列存成了数值做分类统计时就会翻车——R 会把它当成连续数字去算均值结果毫无意义。提示判断一列数据该用什么类型先问自己「这列数字能不能做加减乘除」。能就是定量不能就是定性。2.2 向量、矩阵、数据框三种容器的本质区别R 语言里最常用的三种数据容器是向量、矩阵和数据框。试题里有一道很典型的题矩阵要求所有元素类型一致而数据框允许每一列类型不同。这句话是整个 R 数据结构的核心。打个比方向量像一排同款储物格每个格子里放的东西必须同类矩阵像一张方格纸每个格子里也只能放同类东西但有了行和列两个维度数据框则像一张 Excel 表每一列是一个变量列与列之间可以是不同类型——第一列是姓名字符型第二列是年龄数值型第三列是性别因子型互不干扰。试题里有一道关于矩阵索引的题A[2:3, 3:4]取的是第 2 到第 3 行、第 3 到第 4 列的子矩阵。这个语法看起来简单但初学者最容易搞混的是「行在前还是列在前」。记住一个口诀方括号里先写行、再写列中间用逗号隔开。如果只写一个维度比如A[,1]那就是取第一列的所有行。# 创建一个 3 行 4 列的矩阵 A - matrix(1:12, nrow 3) # 取第 2 到第 3 行、第 3 到第 4 列 A[2:3, 3:4] # 取第一列的所有元素 A[, 1]上面代码中matrix(1:12, nrow 3)表示把 1 到 12 这 12 个数字按列填充成 3 行 4 列的矩阵。A[2:3, 3:4]中的2:3是行索引3:4是列索引。A[, 1]中逗号前面留空表示「所有行」逗号后面的1表示「第一列」。这三个写法在试题里反复出现是必须形成肌肉记忆的操作。2.3 工作空间管理ls() 和 rm() 为什么是高频考点试题里有一道题问「列出当前工作空间中所有变量的函数」答案是ls()。还有一道题问「删除所有以字母 n 开头的对象」答案是rm(list ls(pat ^n))。这两道题看似简单但背后是一个很实际的问题R 的工作空间是一个「全局环境」你创建的每一个变量都住在里面时间一长就会堆满临时对象导致命名冲突或者内存浪费。ls()相当于「点名」列出当前环境里所有还活着的变量名。rm()相当于「清退」把指定的变量从内存里删掉。ls(pat ^n)里的pat是 pattern模式的缩写^n是正则表达式表示「以 n 开头」。所以整句话的意思是先列出所有以 n 开头的变量名然后一次性全部删除。注意rm(list ls())会清空整个工作空间执行前确认没有需要保留的变量。这个操作没有后悔药。2.4 常见误区这五个概念初学者最容易搞混第一个易混点getwd()和setwd()。前者是「查看当前工作目录」后者是「设置工作目录」。很多人记反是因为两个函数只差一个字母。区分方法get是「获取」set是「设置」和英文含义完全对应。第二个易混点head(rt, n 10)和head(rt, 10)。两者结果一样但前者更规范。试题里两种写法都算对但实际写代码时建议带上n 可读性更好。第三个易混点3 5和3 5。前者是「判断是否相等」返回逻辑值FALSE后者是「赋值」把 5 赋给 3实际上会报错因为 3 不是合法变量名。试题里L - 3 5的结果是L为逻辑变量、值为FALSE考的就是这个区分。第四个易混点as.character()和is.numeric()。前者是「转换类型」把数值转成字符后者是「判断类型」返回TRUE或FALSE。试题里y - as.character(3)之后y是3再判断is.numeric(y)返回FALSE因为字符型不是数值型。第五个易混点factor()和gl()。两者都能创建因子但factor()更通用gl()专门用来生成「水平序列」。试题里有一道关于部门分类的题正确答案用factor(x, levels c(1, 2), labels c(行政部, 财务部))意思是只保留 1 和 2 两个水平并给它们贴上标签。如果用gl()参数写法完全不同容易搞混。3. 描述性统计与 R 函数数据开口说话的第一步3.1 定性数据和定量数据的描述方法为什么必须分开试题里有一道填空题数值法描述定性数据的两种常用方法分别是「频数」和「相对频数」对应的 R 函数是table()和prop.table()。图形法描述定性数据主要有条形图、饼图和 Pareto 图对应函数是barplot()和pie()。描述定量数据的图形则有直方图、茎叶图和箱线图对应函数是hist()、stem()和boxplot()。为什么定性数据和定量数据要用不同的描述方法因为定性数据的核心是「每一类出现了多少次」所以频数表和条形图最直接定量数据的核心是「分布长什么样」所以直方图和箱线图才能看出集中趋势和离散程度。打个比方定性数据像投票结果你关心的是「谁得了几票」定量数据像身高测量你关心的是「大家普遍多高、差距多大」。3.2 四种平均数什么时候用算术、什么时候用调和试题里有一组关于平均数的题考的是算术平均数、加权平均数、几何平均数和调和平均数的适用场景。这四种平均数不是随便选的选错了结果就会失真。算术平均数适用于「每个数据同等重要」的场景比如一周五天的手机销量求平均。加权平均数适用于「每个数据权重不同」的场景比如期末总评成绩由平时 10%、实验 20%、期末 70% 组成。几何平均数适用于「连续比率变化」的场景比如计算一段时间的平均增长率。调和平均数适用于「固定总量、不同单价」的场景比如三段路程速度不同求平均速度或者三个市场价格不同但各买一元钱求平均价格。试题里有一道典型题前半段时速 60 公里后半段时速 30 公里两段距离相等求平均速度。答案是调和平均数不是算术平均数。因为速度的定义是「路程除以时间」两段路程相等时时间不同必须用调和平均。# 算术平均数 mean(c(7, 8, 9, 10, 11)) # 加权平均数平时 10%、实验 20%、期末 70% weighted.mean(c(85, 90, 78), c(0.1, 0.2, 0.7)) # 调和平均数两段等距路程速度分别为 60 和 30 1 / mean(1 / c(60, 30))上面代码中mean()是最基础的算术平均。weighted.mean()的第一个参数是数值向量第二个参数是权重向量两者长度必须一致。调和平均数的计算方式是「倒数的平均数的倒数」所以写成1 / mean(1 / c(60, 30))。这三个函数在试题里都有对应题目理解它们的适用场景比记住函数名更重要。3.3 常见误区描述性统计里的三个坑第一个坑把「频数」和「相对频数」搞混。频数是「出现了多少次」相对频数是「占比多少」。table()返回频数prop.table()返回相对频数。试题里有一道题问「数值法描述定性数据的两种方法」答案就是这两个不能只写一个。第二个坑把「直方图」和「条形图」搞混。直方图用于定量数据横轴是连续的数值区间条形图用于定性数据横轴是离散的类别。两者的 R 函数也不同hist()和barplot()。第三个坑把「茎叶图」当成「箱线图」。茎叶图是把数据按位数拆开展示原始分布箱线图是展示中位数、四分位数和异常值。试题里明确把茎叶图归入定量数据的图形描述对应函数是stem()。4. 概率分布与随机变量R 语言里的「概率工具箱」4.1 离散分布和连续分布二项、泊松、超几何 vs 均匀、正态、指数试题里有一道填空题二项分布、泊松分布、超几何分布是「离散」随机变量中常见的分布均匀分布、正态分布、指数分布是「连续」随机变量中常见的分布。这个分类是概率论的基础也是 R 语言里选择函数的前提。离散分布描述的是「可以一个一个数出来」的结果比如抛硬币正面朝上的次数、一小时内到达洗车店的汽车数、从一批产品中抽到次品的数量。连续分布描述的是「连续变化」的结果比如身高、体重、等待时间。二项分布适用于「有放回抽样」超几何分布适用于「无放回抽样」。试题里有一道题专门考这个区别二项分布适用于有放回抽样超几何分布适用于无放回抽样。为什么因为有放回时每次抽样的概率不变无放回时每次抽样的概率会变化。泊松分布描述的是「单位时间内事件发生的次数」指数分布描述的是「两个事件之间的时间间隔」。试题里有一道题一小时内到达洗车店的汽车数服从泊松分布均值为每小时 10 辆则车辆的间隔时间服从指数分布平均间隔时间为 1/10 小时。这个关系是泊松过程和指数分布的核心联系。4.2 期望和方差每个分布的「身份证」试题里有一组填空题考的是各个分布的期望和方差公式。二项分布X~B(n,p)的期望是np方差是np(1-p)。泊松分布X~P(λ)的期望和方差都是λ。均匀分布X~U(a,b)的期望是(ab)/2方差是(b-a)^2/12。正态分布X~N(μ,σ^2)的期望是μ方差是σ^2。指数分布的期望是1/λ方差是1/λ^2。这些公式不需要死记硬背但需要理解它们的含义。期望是「长期平均结果」方差是「波动程度」。泊松分布的期望和方差相等这是一个很特殊的性质说明它的「平均发生次数」和「波动程度」是同一个参数控制的。# 二项分布抛 10 次硬币正面朝上概率 0.5求期望和方差 n - 10 p - 0.5 E_binom - n * p Var_binom - n * p * (1 - p) # 泊松分布均值 lambda 3 lambda - 3 E_pois - lambda Var_pois - lambda # 均匀分布区间 [0, 10] a - 0 b - 10 E_unif - (a b) / 2 Var_unif - (b - a)^2 / 12上面代码中E_binom和Var_binom分别计算二项分布的期望和方差。E_pois和Var_pois都等于lambda体现了泊松分布的特殊性。E_unif和Var_unif计算均匀分布的期望和方差。这些计算在试题里以填空形式出现但实际数据分析中理解这些参数的含义比记住公式更重要。4.3 常见误区概率分布里的四个易混点第一个易混点二项分布和泊松分布。两者都描述「次数」但二项分布有固定的试验次数n泊松分布没有固定次数描述的是「单位时间内」。区分方法看有没有「总共多少次」这个前提。第二个易混点超几何分布和二项分布。两者都描述「抽到多少个」但二项分布是有放回超几何分布是无放回。区分方法看抽样后「放不放回去」。第三个易混点指数分布和泊松分布。泊松分布描述「事件发生次数」指数分布描述「事件间隔时间」。两者是「一对搭档」经常一起出现。第四个易混点正态分布和标准正态分布。正态分布N(μ,σ^2)有两个参数标准正态分布N(0,1)是均值为 0、方差为 1 的特殊情况。试题里有一道题问样本均值的分布答案是X̄~N(μ, σ^2/n)考的就是正态分布的性质。5. 参数估计与假设检验从样本猜总体的「赌局」5.1 点估计的三种方法矩估计、极大似然、最小二乘试题里有一道填空题常见点估计的方法有「矩」估计法、「极大似然」估计法和最小二乘估计法。这三种方法解决的是同一个问题手里只有样本怎么猜总体的参数矩估计法的基本思想是用「样本矩」去估计「总体矩」。通俗地说就是用样本的平均值去猜总体的平均值用样本的方差去猜总体的方差。极大似然估计法的思想是哪个参数值最有可能产生我看到的这组样本就选哪个。最小二乘估计法主要用于回归分析思想是让预测值和实际值的误差平方和最小。打个比方你抓了一把糖果想知道整袋糖果的平均重量。矩估计法就是直接称这把糖果的平均重量当作整袋的平均重量。极大似然估计法则是反过来想如果整袋糖果的平均重量是某个值那么我抓到这把糖果的概率有多大选概率最大的那个值。5.2 统计量为什么有些量能猜、有些量不能猜试题里有一道题问「下列各式中不是统计量的是」答案是含有未知参数的表达式。统计量的定义是「样本的函数且不依赖于任何未知参数」。换句话说统计量必须是你完全能从样本里算出来的量。样本均值X̄是统计量因为你可以从样本里直接算出来。样本方差S^2也是统计量。但如果表达式里含有总体均值μ或总体方差σ^2那就不是统计量因为μ和σ^2是未知的你算不出来。这个区分在假设检验里非常关键。假设检验的基本逻辑是先假设总体参数等于某个值然后看样本统计量在这个假设下出现的概率有多大。如果概率太小就拒绝假设。5.3 常见误区参数估计里的三个坑第一个坑把「样本方差」和「总体方差」搞混。样本方差的分母是n-1总体方差的分母是N。试题里有一道题专门考样本方差的计算公式答案是分母为n-1的那个。第二个坑把「点估计」和「区间估计」搞混。点估计给出一个具体数值区间估计给出一个范围。试题里主要考点估计的方法但实际应用中区间估计更常用。第三个坑把「统计量」和「参数」搞混。参数是总体的特征统计量是样本的特征。参数未知统计量已知。试题里有一道题问「不是统计量的是哪个」考的就是这个区分。6. 什么时候该用这份试题什么时候不该用这份「R 试题附带答案」最适合的场景是你已经看过一遍 R 语言的基础教程但不确定自己到底有没有真正理解。它像一面镜子能照出你在数据类型、向量操作、矩阵索引、描述性统计、概率分布、参数估计这些环节里哪些地方是「以为自己懂了」、哪些地方是「真的懂了」。具体来说如果你正在准备一门数据分析相关的课程考试这份试题能帮你快速定位薄弱环节。如果你刚开始学 R做完前两章的题目就能发现自己是不是把getwd()和setwd()搞反了、是不是把factor()和gl()混为一谈。如果你已经工作想捡起 R 语言做数据分析这份试题能帮你复习那些「知道名字但说不清区别」的概念。但它也有明确的边界。第一它不教你如何安装 R 或 RStudio也不教你如何读写外部数据文件。第二它不涉及高级绘图比如ggplot2或机器学习建模。第三它的题目以概念判断和基础操作为主不涉及复杂的数据清洗或性能优化。如果你需要的是「从零搭建一个数据分析项目」这份试题只能作为其中的一个环节不能替代完整的实战教程。我自己的习惯是每次觉得自己「差不多会了」的时候就找一份类似的试题做一遍把错题对应的知识点重新翻一遍文档。有一次我自信满满地跳过了一道关于which.min()的题结果在实际分析里把最小值的位置和最小值本身搞混了排查了半天才发现是索引问题。从那以后我每次遇到「位置」和「值」相关的函数都强制自己在纸上写一遍输入和输出确认没有搞反。希望这份试题能帮你把 R 语言的基础打得扎实一点少走一些我当年走过的弯路。本文还有配套的精品资源点击获取
简介这份R语言试题及答案文档面向正在学习或备考R语言的初学者与数据分析入门者帮助读者通过做题系统检验对基础语法与统计概念的掌握程度。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判断以及getwd()、head()、ls()、rm()等常用工作空间操作命令并延伸到向量运算、因子创建、矩阵构造与索引等数据操作要点每道题均附带参考答案便于自测与查漏补缺。资源包内含1个docx文件约96KB轻量易读适合打印练习或对照复习。目前已有11252人学习下载热度较高可作为课堂练习、期末复习或面试前知识梳理的配套题库使用帮助读者在较短时间内定位薄弱环节并巩固R语言基础。1. 从一道题看懂 R 语言它到底在考什么很多人第一次看到「R 试题附带答案」这种资源第一反应是这不就是一份题库吗但真正翻过一遍就会发现它考的并不是死记硬背而是你对 R 语言这套「数据思维」到底有没有建立起来。打个比方R 语言就像一间厨房向量、矩阵、数据框是不同形状的锅碗瓢盆函数是菜谱而统计概念是食材——试题则像一位老师傅站在旁边指着某口锅问你这口锅该装什么、火候怎么控、什么时候该换锅。这份资源把 R 语言入门、数据描述性分析、概率分布、参数估计与假设检验串成了一条线每一道题背后都对应一个真实的数据处理场景。搞懂它不只是为了应付考试而是让你在面对一份真实数据时知道第一步该做什么、用什么函数、结果怎么读。接下来几章我会把这份试题里反复出现的核心概念一个个拆开讲清楚。2. R 语言的数据类型与基本操作为什么它和 Excel 不一样2.1 数据类型不是学术分类而是决定你能做什么运算R 语言里最基础的一层认知是搞清楚数据到底分几类。试题里反复出现「学历是名义数据」「身高是计量数据」这类判断很多人觉得这只是统计学的名词游戏其实它直接决定了你在 R 里能对一列数据做什么。通俗地说数据分两大阵营定性数据和定量数据。定性数据描述的是「类别」比如性别、部门、学历定量数据描述的是「数量」比如身高、销售额、股票价格。定性数据又分两种名义数据比如「行政部、财务部、销售部」彼此没有大小顺序和有序数据比如「不满意、一般、满意」有顺序但不能直接加减。定量数据也分两种计数数据比如「一个班有多少人」只能是整数和计量数据比如「身高 175.3 厘米」可以是小数。为什么这个区分重要因为在 R 里名义数据和有序数据通常用因子factor来存储而定量数据用数值向量。如果你把该用因子的列存成了数值做分类统计时就会翻车——R 会把它当成连续数字去算均值结果毫无意义。提示判断一列数据该用什么类型先问自己「这列数字能不能做加减乘除」。能就是定量不能就是定性。2.2 向量、矩阵、数据框三种容器的本质区别R 语言里最常用的三种数据容器是向量、矩阵和数据框。试题里有一道很典型的题矩阵要求所有元素类型一致而数据框允许每一列类型不同。这句话是整个 R 数据结构的核心。打个比方向量像一排同款储物格每个格子里放的东西必须同类矩阵像一张方格纸每个格子里也只能放同类东西但有了行和列两个维度数据框则像一张 Excel 表每一列是一个变量列与列之间可以是不同类型——第一列是姓名字符型第二列是年龄数值型第三列是性别因子型互不干扰。试题里有一道关于矩阵索引的题A[2:3, 3:4]取的是第 2 到第 3 行、第 3 到第 4 列的子矩阵。这个语法看起来简单但初学者最容易搞混的是「行在前还是列在前」。记住一个口诀方括号里先写行、再写列中间用逗号隔开。如果只写一个维度比如A[,1]那就是取第一列的所有行。# 创建一个 3 行 4 列的矩阵 A - matrix(1:12, nrow 3) # 取第 2 到第 3 行、第 3 到第 4 列 A[2:3, 3:4] # 取第一列的所有元素 A[, 1]上面代码中matrix(1:12, nrow 3)表示把 1 到 12 这 12 个数字按列填充成 3 行 4 列的矩阵。A[2:3, 3:4]中的2:3是行索引3:4是列索引。A[, 1]中逗号前面留空表示「所有行」逗号后面的1表示「第一列」。这三个写法在试题里反复出现是必须形成肌肉记忆的操作。2.3 工作空间管理ls() 和 rm() 为什么是高频考点试题里有一道题问「列出当前工作空间中所有变量的函数」答案是ls()。还有一道题问「删除所有以字母 n 开头的对象」答案是rm(list ls(pat ^n))。这两道题看似简单但背后是一个很实际的问题R 的工作空间是一个「全局环境」你创建的每一个变量都住在里面时间一长就会堆满临时对象导致命名冲突或者内存浪费。ls()相当于「点名」列出当前环境里所有还活着的变量名。rm()相当于「清退」把指定的变量从内存里删掉。ls(pat ^n)里的pat是 pattern模式的缩写^n是正则表达式表示「以 n 开头」。所以整句话的意思是先列出所有以 n 开头的变量名然后一次性全部删除。注意rm(list ls())会清空整个工作空间执行前确认没有需要保留的变量。这个操作没有后悔药。2.4 常见误区这五个概念初学者最容易搞混第一个易混点getwd()和setwd()。前者是「查看当前工作目录」后者是「设置工作目录」。很多人记反是因为两个函数只差一个字母。区分方法get是「获取」set是「设置」和英文含义完全对应。第二个易混点head(rt, n 10)和head(rt, 10)。两者结果一样但前者更规范。试题里两种写法都算对但实际写代码时建议带上n 可读性更好。第三个易混点3 5和3 5。前者是「判断是否相等」返回逻辑值FALSE后者是「赋值」把 5 赋给 3实际上会报错因为 3 不是合法变量名。试题里L - 3 5的结果是L为逻辑变量、值为FALSE考的就是这个区分。第四个易混点as.character()和is.numeric()。前者是「转换类型」把数值转成字符后者是「判断类型」返回TRUE或FALSE。试题里y - as.character(3)之后y是3再判断is.numeric(y)返回FALSE因为字符型不是数值型。第五个易混点factor()和gl()。两者都能创建因子但factor()更通用gl()专门用来生成「水平序列」。试题里有一道关于部门分类的题正确答案用factor(x, levels c(1, 2), labels c(行政部, 财务部))意思是只保留 1 和 2 两个水平并给它们贴上标签。如果用gl()参数写法完全不同容易搞混。3. 描述性统计与 R 函数数据开口说话的第一步3.1 定性数据和定量数据的描述方法为什么必须分开试题里有一道填空题数值法描述定性数据的两种常用方法分别是「频数」和「相对频数」对应的 R 函数是table()和prop.table()。图形法描述定性数据主要有条形图、饼图和 Pareto 图对应函数是barplot()和pie()。描述定量数据的图形则有直方图、茎叶图和箱线图对应函数是hist()、stem()和boxplot()。为什么定性数据和定量数据要用不同的描述方法因为定性数据的核心是「每一类出现了多少次」所以频数表和条形图最直接定量数据的核心是「分布长什么样」所以直方图和箱线图才能看出集中趋势和离散程度。打个比方定性数据像投票结果你关心的是「谁得了几票」定量数据像身高测量你关心的是「大家普遍多高、差距多大」。3.2 四种平均数什么时候用算术、什么时候用调和试题里有一组关于平均数的题考的是算术平均数、加权平均数、几何平均数和调和平均数的适用场景。这四种平均数不是随便选的选错了结果就会失真。算术平均数适用于「每个数据同等重要」的场景比如一周五天的手机销量求平均。加权平均数适用于「每个数据权重不同」的场景比如期末总评成绩由平时 10%、实验 20%、期末 70% 组成。几何平均数适用于「连续比率变化」的场景比如计算一段时间的平均增长率。调和平均数适用于「固定总量、不同单价」的场景比如三段路程速度不同求平均速度或者三个市场价格不同但各买一元钱求平均价格。试题里有一道典型题前半段时速 60 公里后半段时速 30 公里两段距离相等求平均速度。答案是调和平均数不是算术平均数。因为速度的定义是「路程除以时间」两段路程相等时时间不同必须用调和平均。# 算术平均数 mean(c(7, 8, 9, 10, 11)) # 加权平均数平时 10%、实验 20%、期末 70% weighted.mean(c(85, 90, 78), c(0.1, 0.2, 0.7)) # 调和平均数两段等距路程速度分别为 60 和 30 1 / mean(1 / c(60, 30))上面代码中mean()是最基础的算术平均。weighted.mean()的第一个参数是数值向量第二个参数是权重向量两者长度必须一致。调和平均数的计算方式是「倒数的平均数的倒数」所以写成1 / mean(1 / c(60, 30))。这三个函数在试题里都有对应题目理解它们的适用场景比记住函数名更重要。3.3 常见误区描述性统计里的三个坑第一个坑把「频数」和「相对频数」搞混。频数是「出现了多少次」相对频数是「占比多少」。table()返回频数prop.table()返回相对频数。试题里有一道题问「数值法描述定性数据的两种方法」答案就是这两个不能只写一个。第二个坑把「直方图」和「条形图」搞混。直方图用于定量数据横轴是连续的数值区间条形图用于定性数据横轴是离散的类别。两者的 R 函数也不同hist()和barplot()。第三个坑把「茎叶图」当成「箱线图」。茎叶图是把数据按位数拆开展示原始分布箱线图是展示中位数、四分位数和异常值。试题里明确把茎叶图归入定量数据的图形描述对应函数是stem()。4. 概率分布与随机变量R 语言里的「概率工具箱」4.1 离散分布和连续分布二项、泊松、超几何 vs 均匀、正态、指数试题里有一道填空题二项分布、泊松分布、超几何分布是「离散」随机变量中常见的分布均匀分布、正态分布、指数分布是「连续」随机变量中常见的分布。这个分类是概率论的基础也是 R 语言里选择函数的前提。离散分布描述的是「可以一个一个数出来」的结果比如抛硬币正面朝上的次数、一小时内到达洗车店的汽车数、从一批产品中抽到次品的数量。连续分布描述的是「连续变化」的结果比如身高、体重、等待时间。二项分布适用于「有放回抽样」超几何分布适用于「无放回抽样」。试题里有一道题专门考这个区别二项分布适用于有放回抽样超几何分布适用于无放回抽样。为什么因为有放回时每次抽样的概率不变无放回时每次抽样的概率会变化。泊松分布描述的是「单位时间内事件发生的次数」指数分布描述的是「两个事件之间的时间间隔」。试题里有一道题一小时内到达洗车店的汽车数服从泊松分布均值为每小时 10 辆则车辆的间隔时间服从指数分布平均间隔时间为 1/10 小时。这个关系是泊松过程和指数分布的核心联系。4.2 期望和方差每个分布的「身份证」试题里有一组填空题考的是各个分布的期望和方差公式。二项分布X~B(n,p)的期望是np方差是np(1-p)。泊松分布X~P(λ)的期望和方差都是λ。均匀分布X~U(a,b)的期望是(ab)/2方差是(b-a)^2/12。正态分布X~N(μ,σ^2)的期望是μ方差是σ^2。指数分布的期望是1/λ方差是1/λ^2。这些公式不需要死记硬背但需要理解它们的含义。期望是「长期平均结果」方差是「波动程度」。泊松分布的期望和方差相等这是一个很特殊的性质说明它的「平均发生次数」和「波动程度」是同一个参数控制的。# 二项分布抛 10 次硬币正面朝上概率 0.5求期望和方差 n - 10 p - 0.5 E_binom - n * p Var_binom - n * p * (1 - p) # 泊松分布均值 lambda 3 lambda - 3 E_pois - lambda Var_pois - lambda # 均匀分布区间 [0, 10] a - 0 b - 10 E_unif - (a b) / 2 Var_unif - (b - a)^2 / 12上面代码中E_binom和Var_binom分别计算二项分布的期望和方差。E_pois和Var_pois都等于lambda体现了泊松分布的特殊性。E_unif和Var_unif计算均匀分布的期望和方差。这些计算在试题里以填空形式出现但实际数据分析中理解这些参数的含义比记住公式更重要。4.3 常见误区概率分布里的四个易混点第一个易混点二项分布和泊松分布。两者都描述「次数」但二项分布有固定的试验次数n泊松分布没有固定次数描述的是「单位时间内」。区分方法看有没有「总共多少次」这个前提。第二个易混点超几何分布和二项分布。两者都描述「抽到多少个」但二项分布是有放回超几何分布是无放回。区分方法看抽样后「放不放回去」。第三个易混点指数分布和泊松分布。泊松分布描述「事件发生次数」指数分布描述「事件间隔时间」。两者是「一对搭档」经常一起出现。第四个易混点正态分布和标准正态分布。正态分布N(μ,σ^2)有两个参数标准正态分布N(0,1)是均值为 0、方差为 1 的特殊情况。试题里有一道题问样本均值的分布答案是X̄~N(μ, σ^2/n)考的就是正态分布的性质。5. 参数估计与假设检验从样本猜总体的「赌局」5.1 点估计的三种方法矩估计、极大似然、最小二乘试题里有一道填空题常见点估计的方法有「矩」估计法、「极大似然」估计法和最小二乘估计法。这三种方法解决的是同一个问题手里只有样本怎么猜总体的参数矩估计法的基本思想是用「样本矩」去估计「总体矩」。通俗地说就是用样本的平均值去猜总体的平均值用样本的方差去猜总体的方差。极大似然估计法的思想是哪个参数值最有可能产生我看到的这组样本就选哪个。最小二乘估计法主要用于回归分析思想是让预测值和实际值的误差平方和最小。打个比方你抓了一把糖果想知道整袋糖果的平均重量。矩估计法就是直接称这把糖果的平均重量当作整袋的平均重量。极大似然估计法则是反过来想如果整袋糖果的平均重量是某个值那么我抓到这把糖果的概率有多大选概率最大的那个值。5.2 统计量为什么有些量能猜、有些量不能猜试题里有一道题问「下列各式中不是统计量的是」答案是含有未知参数的表达式。统计量的定义是「样本的函数且不依赖于任何未知参数」。换句话说统计量必须是你完全能从样本里算出来的量。样本均值X̄是统计量因为你可以从样本里直接算出来。样本方差S^2也是统计量。但如果表达式里含有总体均值μ或总体方差σ^2那就不是统计量因为μ和σ^2是未知的你算不出来。这个区分在假设检验里非常关键。假设检验的基本逻辑是先假设总体参数等于某个值然后看样本统计量在这个假设下出现的概率有多大。如果概率太小就拒绝假设。5.3 常见误区参数估计里的三个坑第一个坑把「样本方差」和「总体方差」搞混。样本方差的分母是n-1总体方差的分母是N。试题里有一道题专门考样本方差的计算公式答案是分母为n-1的那个。第二个坑把「点估计」和「区间估计」搞混。点估计给出一个具体数值区间估计给出一个范围。试题里主要考点估计的方法但实际应用中区间估计更常用。第三个坑把「统计量」和「参数」搞混。参数是总体的特征统计量是样本的特征。参数未知统计量已知。试题里有一道题问「不是统计量的是哪个」考的就是这个区分。6. 什么时候该用这份试题什么时候不该用这份「R 试题附带答案」最适合的场景是你已经看过一遍 R 语言的基础教程但不确定自己到底有没有真正理解。它像一面镜子能照出你在数据类型、向量操作、矩阵索引、描述性统计、概率分布、参数估计这些环节里哪些地方是「以为自己懂了」、哪些地方是「真的懂了」。具体来说如果你正在准备一门数据分析相关的课程考试这份试题能帮你快速定位薄弱环节。如果你刚开始学 R做完前两章的题目就能发现自己是不是把getwd()和setwd()搞反了、是不是把factor()和gl()混为一谈。如果你已经工作想捡起 R 语言做数据分析这份试题能帮你复习那些「知道名字但说不清区别」的概念。但它也有明确的边界。第一它不教你如何安装 R 或 RStudio也不教你如何读写外部数据文件。第二它不涉及高级绘图比如ggplot2或机器学习建模。第三它的题目以概念判断和基础操作为主不涉及复杂的数据清洗或性能优化。如果你需要的是「从零搭建一个数据分析项目」这份试题只能作为其中的一个环节不能替代完整的实战教程。我自己的习惯是每次觉得自己「差不多会了」的时候就找一份类似的试题做一遍把错题对应的知识点重新翻一遍文档。有一次我自信满满地跳过了一道关于which.min()的题结果在实际分析里把最小值的位置和最小值本身搞混了排查了半天才发现是索引问题。从那以后我每次遇到「位置」和「值」相关的函数都强制自己在纸上写一遍输入和输出确认没有搞反。希望这份试题能帮你把 R 语言的基础打得扎实一点少走一些我当年走过的弯路。本文还有配套的精品资源点击获取
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
