企业官网建设流程全解析

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(list=ls(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：

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)) # 1+3+5 = 9 mean(rep(1:3, length.out = 5)) # 重复到长度5：1 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 7

which()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[x>5]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 33；apply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”：

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：

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：

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