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辨析以及getwd()、head()、ls()、rm()等常用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细节每道题均附带答案便于自测与查漏补缺。资源包共1个docx文件约96KB轻量易取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、期末复习或面试准备的配套题库使用帮助读者在短时间内梳理R语言核心知识点并巩固易错环节。1. R语言试题复习地图从数据类型到假设检验的完整脉络R语言期末复习最怕什么不是不会写代码而是知识点散落在向量、矩阵、数据框、概率分布、参数估计五六个模块里做题时张冠李戴。这份试题资源把绪论、R软件入门、数据描述性分析、概率与随机变量、参数估计与假设检验串成一条线本质上是一张R语言基础知识的完整地图。它适合已经学过一遍、正在刷题查漏补缺的人也适合想用题目反向定位薄弱章节的自学者。梳理下来会发现整份试题的考点分布极有规律数据类型判断和向量运算占入门部分矩阵与数据框操作是中期重点概率分布和统计量计算则是后期拉分项。先看清这张地图再逐块攻克比盲目刷题高效得多。2. 绪论与数据类型描述性统计和推断性统计的底层区分2.1 描述性统计与推断性统计的边界绪论部分的核心只有一句话用图或表描述数据属于描述性统计统计学分为描述性统计和推断性统计。这个知识点看似简单但试题里反复出现说明它是后续所有章节的分类基础。描述性统计负责“看数据长什么样”推断性统计负责“从样本猜总体”。做题时只要抓住“有没有做推断”这个动作就能快速判断归属。2.2 数据类型四象限名义、有序、计数、计量数据类型是R语言里最容易翻车的地方因为四个概念两两交叉稍不留神就选错。梳理下来可以按两条轴来记定性还是定量以及是否可排序。数据类型定性/定量是否可排序典型例子名义数据定性否学历中的“专业类别”有序数据定性是学历中的“小学、中学、大学”计数数据定量是人数、次数计量数据定量是身高、体重试题里“学历是名义数据”和“身高是计量数据”这两道题考的就是定性/定量的第一层判断。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个二分结构必须背到条件反射。注意有序数据和计数数据都“可排序”但前者是定性、后者是定量判断时先问“这个数能不能做加减乘除”。2.3 易漏点数据类型判断的三个陷阱易漏点一把“学历”直接当成有序数据。为什么漏因为学历确实有高低顺序但试题里“学历”如果指的是“学历类别”而非“学历层次”就是名义数据。怎么补看题目问的是“分类”还是“排序”分类用名义排序用有序。易漏点二混淆计数数据和计量数据。为什么漏因为两者都是数字。怎么补计数数据只能取非负整数计量数据可以取小数。身高可以是170.5厘米所以是计量人数只能是3人、5人所以是计数。易漏点三忽略“定量数据分为计数和计量”这个二级分类。为什么漏因为教材往往只强调定性/定量的大类。怎么补做题时看到“定量数据分为”立刻反应“计数数据和计量数据”看到“定性数据分为”立刻反应“名义数据和有序数据”。3. R软件入门向量、矩阵与数据框的操作要点3.1 工作空间与基础命令R软件入门部分的高频考点集中在工作目录、对象管理和函数调用。查看当前工作目录用getwd()列出当前工作空间所有变量名用ls()删除以字母n开头的对象用rm(listls(pat^n))。这三个命令几乎每年必考属于送分题但拼写错误会直接丢分。head()函数默认显示前6个观测值要显示前10个需要写成head(rt, n10)。这里容易错的是参数名n不能省略否则R会把第二个参数当成其他含义。# 查看工作目录 getwd() # 列出当前工作空间所有变量名 ls() # 删除所有以字母n开头的对象 rm(list ls(pat ^n)) # 显示数据集rt的前10个观测值 head(rt, n 10)提示ls(pat^n)中的pat是pattern的缩写^n是正则表达式表示以n开头。这个命令在清理工作空间时非常实用。3.2 向量运算与循环补齐向量运算是R语言入门最核心的机制试题里反复考循环补齐规则。c(1,2,3,4,5) c(20,200)的结果是[1] 21 202 23 204 25因为短向量会自动循环补齐到与长向量等长。这个规则在矩阵运算里同样适用但方向要注意矩阵是按列补齐。1:n-1的结果是0 1 2因为冒号优先级高于减号先算1:n再减1。如果要得到1 2需要写成1:(n-1)。这个优先级陷阱在试题里出现频率极高。# 循环补齐示例 c(1, 2, 3, 4, 5) c(20, 200) # 结果[1] 21 202 23 204 25 # 冒号优先级示例 n - 3 1:n - 1 # 结果[1] 0 1 2 1:(n - 1) # 结果[1] 1 23.3 逻辑变量与类型转换L - 3 5变量L是逻辑变量值为FALSE。是判断相等不是赋值。x - 3; y - as.character(x); is.numeric(y)的输出是[1] 3和[1] FALSE因为as.character()把数值转成字符后is.numeric()返回假。类型转换函数是R语言入门必考内容as.character()转字符as.numeric()转数值as.logical()转逻辑。转换失败时会产生NA并给出警告做题时要注意区分“转换成功但值变了”和“转换失败产生NA”。3.4 易错点向量索引与负索引易错点一负索引的含义。v[-(1:5)]不是取前5个的负值而是删除前5个元素。如果v只有6个元素删除前5个后只剩第6个。试题里v - 10:5; v[-(1:5)]的结果是5因为10:5是10 9 8 7 6 5删除前5个后只剩5。易错点二逻辑索引与位置索引混用。x[x5]是逻辑索引返回所有大于5的元素which(x5)返回的是位置索引。两者结果不同前者返回值后者返回下标。易错点三which.min()和min()的区别。min(X)返回最小值which.min(X)返回最小值的位置。试题里X-c(21,8,2,5,11)min(X)是2which.min(X)是3因为2在第3个位置。4. 数据描述性分析数值法与图形法的对应关系4.1 定性数据的描述方法定性数据的数值法描述有两种频数和相对频数对应R函数是table()和prop.table()。图形法主要有条形图、饼图和Pareto图前两种对应函数是barplot()和pie()。Pareto图是条形图的变种按频数从高到低排序试题里只考概念不考绘图。数据类型数值法R函数图形法R函数定性数据频数table()条形图barplot()定性数据相对频数prop.table()饼图pie()定量数据均值、中位数等mean()、median()直方图hist()定量数据方差、标准差var()、sd()茎叶图stem()定量数据分位数quantile()箱线图boxplot()4.2 定量数据的描述方法定量数据的图形法有直方图、茎叶图和箱线图对应函数是hist()、stem()和boxplot()。数值法包括均值、中位数、方差、标准差、分位数等。试题里反复考的是平均数类型的选择算术平均数、加权平均数、几何平均数、调和平均数。判断规则很简单如果数据是“每个观测值权重相同”用算术平均数如果“每个观测值有权重”用加权平均数如果“计算平均增长率或平均比率”用几何平均数如果“计算平均速度且两段距离相等”用调和平均数。# 加权平均数示例 scores - c(85, 90, 78) weights - c(0.1, 0.2, 0.7) weighted.mean(scores, weights) # 结果80.1 # 几何平均数示例 growth - c(1.1, 1.12, 1.08, 1.11, 1.09) prod(growth)^(1/length(growth)) # 结果约1.09984.3 易漏点平均数类型的选择依据易漏点一看到“权重”就选加权但权重是否相等要看清。如果权重都是1加权平均数等于算术平均数。试题里“平时成绩占10%实验作业占20%期末考试占70%”是典型加权平均数。易漏点二几何平均数和调和平均数的适用场景混淆。几何平均数用于比率或增长率调和平均数用于“每单位价格买固定金额”或“两段距离相等求平均速度”。试题里“前半段时速60公里后半段时速30公里两段距离相等”是调和平均数。易漏点三忘记函数名后面的括号。试题明确要求“函数名后面记得加()”median()、mean()、var()、sd()一个都不能少。漏掉括号在R里会报错或返回函数本身。5. 概率分布与统计量离散与连续的对应关系5.1 常见离散分布与连续分布离散随机变量常见分布有二项分布、泊松分布、超几何分布。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。泊松分布描述特定时间段内事件发生的次数指数分布描述两个事件之间的间隔时间。连续随机变量常见分布有均匀分布、正态分布、指数分布。均匀分布的期望是(ab)/2方差是(b-a)^2/12。正态分布的期望是μ方差是σ²。指数分布的期望是1/λ方差是1/λ²。分布类型分布名称期望方差适用场景离散二项分布 B(n,p)npnp(1-p)有放回抽样离散泊松分布 P(λ)λλ单位时间事件次数离散超几何分布——无放回抽样连续均匀分布 U(a,b)(ab)/2(b-a)²/12等可能区间连续正态分布 N(μ,σ²)μσ²自然现象连续指数分布 Exp(λ)1/λ1/λ²事件间隔时间5.2 统计量与抽样分布统计三大分布是χ²分布、t分布、F分布。样本均值X̄服从N(μ, σ²/n)这是中心极限定理的直接推论。试题里“设X1,X2,…,Xn是来自正态总体N(μ,σ²)的样本X̄是样本均值则X̄~N(μ, σ²/n)”是必考公式。样本方差的计算公式是S² Σ(Xi - X̄)² / (n-1)分母是n-1而不是n这是无偏估计的要求。试题里“总体X~N(μ,σ²)其中μ未知σ²已知下列各式中不是统计量的是”考的是统计量的定义统计量不能包含未知参数。# 样本均值和样本方差 x - c(2, 4, 6, 8, 10) mean(x) # 样本均值 var(x) # 样本方差分母为n-1 sd(x) # 样本标准差 # 正态分布概率计算 pnorm(1.96) # 标准正态累积概率 qnorm(0.975) # 标准正态分位数5.3 易错点分布判断与参数计算易错点一二项分布和超几何分布的抽样方式混淆。二项分布是有放回超几何是无放回。试题里“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”必须记牢。易错点二指数分布和泊松分布的关系搞反。泊松分布描述“次数”指数分布描述“间隔时间”。试题里“1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”。易错点三统计量不能包含未知参数。如果总体均值μ未知那么包含μ的表达式就不是统计量。试题里“不是统计量的是”往往就是含μ的那个选项。6. 参数估计与假设检验点估计方法和复习清单6.1 点估计的三种方法常见点估计方法有矩估计法、最大似然估计法和最小二乘估计法。矩估计法的基本思想是用样本矩去估计总体矩。最大似然估计法通过最大化似然函数来估计参数。最小二乘估计法通过最小化残差平方和来估计参数。# 矩估计示例用样本均值估计总体均值 x - c(1, 2, 3, 4, 5) mu_hat - mean(x) # 一阶矩估计 mu_hat # 最大似然估计示例正态分布均值的MLE normal_mle - function(x) { mu - mean(x) sigma2 - mean((x - mu)^2) # MLE分母为n list(mu mu, sigma2 sigma2) } normal_mle(x)6.2 假设检验的基本框架假设检验的核心是“小概率原理”在原假设成立的条件下观测到当前样本或更极端情况的概率小于显著性水平α时拒绝原假设。检验统计量的选择取决于总体分布和参数是否已知。检验场景检验统计量分布R函数单样本均值σ已知Z统计量标准正态pnorm()单样本均值σ未知t统计量t分布t.test()单样本方差χ²统计量χ²分布var.test()两样本均值比较t统计量t分布t.test()两样本方差比较F统计量F分布var.test()6.3 复习清单从错题反推薄弱章节梳理完整份试题后我整理了一份查漏补缺清单按“看到题目→反应知识点→对应函数”的路径走一遍看到“数据类型判断”→ 先分定性/定量再分名义/有序/计数/计量看到“向量运算”→ 检查循环补齐和运算符优先级看到“矩阵操作”→ 确认按行还是按列索引是位置还是逻辑看到“数据框”→ 区分df[Height]返回数据框df[[Height]]和df$Height返回向量看到“平均数类型”→ 权重相等用算术有权重用加权比率用几何速度用调和看到“概率分布”→ 先分离散/连续再对应期望和方差公式看到“统计量”→ 检查是否包含未知参数看到“点估计”→ 矩估计用样本矩最大似然用导数最小二乘用残差平方和提示这份清单建议打印出来每做错一道题就在对应条目上画正字画得最多的就是最该优先复习的章节。从那以后我每次复习R语言试题都强制走一遍“数据类型→向量运算→矩阵索引→数据框提取→平均数选择→分布判断→统计量定义”这条链路错题率明显下降。希望帮到你。本文还有配套的精品资源点击获取