R语言期末复习全攻略：从数据类型到假设检验的试题脉络

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。

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(list=ls(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, n=10)。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 2

3.3 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[x>5]是逻辑索引，返回所有大于5的元素；which(x>5)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2，which.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。

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1.0998

4.3 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(a+b)/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。

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。

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