R R · 20 вопросов · ~55 мин · ⏱ Таймер 55:00 · Лёгкий ·

Факторы и категориальные данные

Проверка охватывает код, данные и интерпретацию результата как единое решение. В тесте «Факторы и категориальные данные» рассматриваются Уровни факторов, Упорядоченные факторы, Перекодировка и Ошибки сравнения. Нужно предсказывать структуру результата, находить скрытые риски, выбирать исправление и доказывать его проверкой. Из 20 вопросов 12 содержат код; остальные описывают ситуации, в которых синтаксически допустимое решение может привести к неверному аналитическому выводу.

Отвечено: 0 из 20

⏱ --:--

💡 Инструкция: Выберите один ответ из пяти. На 20 вопросов отведено 55 минут. Читайте код построчно, учитывайте типы, атрибуты, пропуски и допущения анализа. После завершения откроются общий процент, 4 тематических шкал и объяснение к каждому заданию.

Вопрос 1 из 20

Ситуация: Категории хранятся как строки с числами; после преобразования среднее стало около полутора вместо ожидаемого значения. Какое утверждение лучше всего объясняет показанный фрагмент?

x <- factor(c('10', '20', '10'))
result <- as.numeric(x)
result

Воспроизводимый анализ групп хранит исходный дизайн, порядок факторов, контрасты, исключения и полный набор сравнений Перекодировка должна сохранять однозначное соответствие исходных уровней новым подписям и отдельно обрабатывать неизвестные значения Номинальные факторы нельзя осмысленно сравнивать операторами < и > без заранее заданного порядка Упорядоченный фактор задаёт осмысленный порядок уровней и поддерживает сравнения, основанные на этом порядке Фактор хранит целочисленные коды и отдельный набор levels, поэтому изменение подписи уровня не меняет порядок наблюдений

Вопрос 2 из 20

Ситуация: Категории хранятся как строки с числами; после преобразования среднее стало около полутора вместо ожидаемого значения. Какое скрытое допущение здесь опаснее остальных?

x <- factor(c('10', '20', '10'))
result <- as.numeric(x)
result

Алфавитный порядок levels может не совпадать с порядком интенсивности и переворачивает сравнения категорий Сравнение внутренних кодов создаёт видимость ранжирования там, где категории лишь различаются по названию Ручная замена по внутренним кодам ломается при изменении порядка levels или появлении нового уровня Преобразование factor напрямую через as.numeric() возвращает внутренние коды, а не числовой смысл подписей Ручное переименование уровней без фиксации порядка может поменять базовую группу и смысл знака эффекта

Вопрос 3 из 20

Ситуация: Категории хранятся как строки с числами; после преобразования среднее стало около полутора вместо ожидаемого значения. Что нужно сделать, чтобы ошибка не вернулась на следующем наборе данных?

Для номинальных данных используйте равенство или явную предметную шкалу, а для порядка создайте ordered factor Задайте levels в предметном порядке и ordered = TRUE, не полагаясь на сортировку текста Перекодируйте по именам, задайте полный словарь и проверяйте значения, не вошедшие в него Для числовых подписей сначала преобразуйте levels через as.character(), а состав уровней задавайте явно Зафиксируйте levels, contrasts и таблицу запланированных гипотез в коде до расчёта

Вопрос 4 из 20

Ситуация: Категории хранятся как строки с числами; после преобразования среднее стало около полутора вместо ожидаемого значения. Какая проверка непосредственно подтверждает, что дефект устранён?

Сравните levels(), as.integer() и таблицу частот до и после перекодировки Проверьте is.ordered(), смысл levels и соответствие порядка документации предметной области Проверьте levels(), is.ordered() и несколько сравнений соседних категорий Повторите модель в чистом окружении и проверьте совпадение матрицы дизайна и всех сравнений Сопоставьте старую и новую таблицы частот и убедитесь, что сумма наблюдений не изменилась

Вопрос 5 из 20

Ситуация: Категории хранятся как строки с числами; после преобразования среднее стало около полутора вместо ожидаемого значения. Что стоит написать в технической рецензии к этому фрагменту?

x <- factor(c('10', '20', '10'))
result <- as.numeric(x)
result

Перекодировка должна сохранять однозначное соответствие исходных уровней новым подписям и отдельно обрабатывать неизвестные значения; при этом главный риск состоит в том, что ручная замена по внутренним кодам ломается при изменении порядка levels или появлении нового уровня Фактор хранит целочисленные коды и отдельный набор levels, поэтому изменение подписи уровня не меняет порядок наблюдений; поэтому повторный запуск в той же сессии заменяет проверку граничных случаев Упорядоченный фактор задаёт осмысленный порядок уровней и поддерживает сравнения, основанные на этом порядке; при этом главный риск состоит в том, что преобразование factor напрямую через as.numeric() возвращает внутренние коды, а не числовой смысл подписей Фактор хранит целочисленные коды и отдельный набор levels, поэтому изменение подписи уровня не меняет порядок наблюдений; при этом главный риск состоит в том, что алфавитный порядок levels может не совпадать с порядком интенсивности и переворачивает сравнения категорий Фактор хранит целочисленные коды и отдельный набор levels, поэтому изменение подписи уровня не меняет порядок наблюдений; при этом главный риск состоит в том, что преобразование factor напрямую через as.numeric() возвращает внутренние коды, а не числовой смысл подписей

Вопрос 6 из 20

Ситуация: Система ранжирует уровни риска, но после импорта они оказались отсортированы по алфавиту. Что является главным техническим основанием для разбора?

x <- factor(c('низкий', 'высокий', 'средний'), levels = c('низкий', 'средний', 'высокий'), ordered = TRUE)
result <- x[2] > x[3]
result

Фактор хранит целочисленные коды и отдельный набор levels, поэтому изменение подписи уровня не меняет порядок наблюдений Воспроизводимый анализ групп хранит исходный дизайн, порядок факторов, контрасты, исключения и полный набор сравнений Перекодировка должна сохранять однозначное соответствие исходных уровней новым подписям и отдельно обрабатывать неизвестные значения Номинальные факторы нельзя осмысленно сравнивать операторами < и > без заранее заданного порядка Упорядоченный фактор задаёт осмысленный порядок уровней и поддерживает сравнения, основанные на этом порядке

Вопрос 7 из 20

Ситуация: Система ранжирует уровни риска, но после импорта они оказались отсортированы по алфавиту. Что именно может сломаться при новых данных?

x <- factor(c('низкий', 'высокий', 'средний'), levels = c('низкий', 'средний', 'высокий'), ordered = TRUE)
result <- x[2] > x[3]
result

Алфавитный порядок levels может не совпадать с порядком интенсивности и переворачивает сравнения категорий Ручное переименование уровней без фиксации порядка может поменять базовую группу и смысл знака эффекта Преобразование factor напрямую через as.numeric() возвращает внутренние коды, а не числовой смысл подписей Сравнение внутренних кодов создаёт видимость ранжирования там, где категории лишь различаются по названию Ручная замена по внутренним кодам ломается при изменении порядка levels или появлении нового уровня

Вопрос 8 из 20

Ситуация: Система ранжирует уровни риска, но после импорта они оказались отсортированы по алфавиту. Какое изменение устраняет именно причину проблемы?

Для числовых подписей сначала преобразуйте levels через as.character(), а состав уровней задавайте явно Зафиксируйте levels, contrasts и таблицу запланированных гипотез в коде до расчёта Задайте levels в предметном порядке и ordered = TRUE, не полагаясь на сортировку текста Для номинальных данных используйте равенство или явную предметную шкалу, а для порядка создайте ordered factor Перекодируйте по именам, задайте полный словарь и проверяйте значения, не вошедшие в него

Вопрос 9 из 20

Ситуация: Система ранжирует уровни риска, но после импорта они оказались отсортированы по алфавиту. Какой контроль отличит исправление от случайно удачного результата?

Сопоставьте старую и новую таблицы частот и убедитесь, что сумма наблюдений не изменилась Повторите модель в чистом окружении и проверьте совпадение матрицы дизайна и всех сравнений Проверьте is.ordered(), смысл levels и соответствие порядка документации предметной области Проверьте levels(), is.ordered() и несколько сравнений соседних категорий Сравните levels(), as.integer() и таблицу частот до и после перекодировки

Вопрос 10 из 20

Ситуация: Система ранжирует уровни риска, но после импорта они оказались отсортированы по алфавиту. Какое заключение останется верным и на новых данных?

x <- factor(c('низкий', 'высокий', 'средний'), levels = c('низкий', 'средний', 'высокий'), ordered = TRUE)
result <- x[2] > x[3]
result

Номинальные факторы нельзя осмысленно сравнивать операторами < и > без заранее заданного порядка; при этом главный риск состоит в том, что алфавитный порядок levels может не совпадать с порядком интенсивности и переворачивает сравнения категорий Упорядоченный фактор задаёт осмысленный порядок уровней и поддерживает сравнения, основанные на этом порядке; следовательно, предупреждения можно не учитывать, если итог выглядит ожидаемо Упорядоченный фактор задаёт осмысленный порядок уровней и поддерживает сравнения, основанные на этом порядке; при этом главный риск состоит в том, что сравнение внутренних кодов создаёт видимость ранжирования там, где категории лишь различаются по названию Упорядоченный фактор задаёт осмысленный порядок уровней и поддерживает сравнения, основанные на этом порядке; при этом главный риск состоит в том, что алфавитный порядок levels может не совпадать с порядком интенсивности и переворачивает сравнения категорий Фактор хранит целочисленные коды и отдельный набор levels, поэтому изменение подписи уровня не меняет порядок наблюдений; при этом главный риск состоит в том, что преобразование factor напрямую через as.numeric() возвращает внутренние коды, а не числовой смысл подписей

Вопрос 11 из 20

Ситуация: В справочник добавили новый код категории, а старый скрипт продолжает переименовывать уровни по позиции. Какой принцип непосредственно относится к этому коду?

x <- factor(c('M', 'F', 'X'), levels = c('F', 'M', 'X'))
levels(x) <- c('женщина', 'мужчина', 'другое')
result <- x
result

Упорядоченный фактор задаёт осмысленный порядок уровней и поддерживает сравнения, основанные на этом порядке Номинальные факторы нельзя осмысленно сравнивать операторами < и > без заранее заданного порядка Фактор хранит целочисленные коды и отдельный набор levels, поэтому изменение подписи уровня не меняет порядок наблюдений tapply() разбивает вектор по факторам и применяет функцию к каждой комбинации уровней, возвращая массив с возможными NA для пустых ячеек Перекодировка должна сохранять однозначное соответствие исходных уровней новым подписям и отдельно обрабатывать неизвестные значения

Вопрос 12 из 20

Ситуация: В справочник добавили новый код категории, а старый скрипт продолжает переименовывать уровни по позиции. Какой риск здесь остаётся главным, даже если результат выглядит правдоподобно?

x <- factor(c('M', 'F', 'X'), levels = c('F', 'M', 'X'))
levels(x) <- c('женщина', 'мужчина', 'другое')
result <- x
result

Неиспользуемые комбинации уровней создают пустые позиции, которые можно ошибочно принять за реальные нулевые значения Сравнение внутренних кодов создаёт видимость ранжирования там, где категории лишь различаются по названию Преобразование factor напрямую через as.numeric() возвращает внутренние коды, а не числовой смысл подписей Алфавитный порядок levels может не совпадать с порядком интенсивности и переворачивает сравнения категорий Ручная замена по внутренним кодам ломается при изменении порядка levels или появлении нового уровня

Вопрос 13 из 20

Ситуация: В справочник добавили новый код категории, а старый скрипт продолжает переименовывать уровни по позиции. Какая правка делает решение устойчивым, а не просто удобным на текущем примере?

Для номинальных данных используйте равенство или явную предметную шкалу, а для порядка создайте ordered factor Перекодируйте по именам, задайте полный словарь и проверяйте значения, не вошедшие в него Явно решите, сохранять ли пустые уровни, и различайте отсутствие группы от результата, равного нулю Для числовых подписей сначала преобразуйте levels через as.character(), а состав уровней задавайте явно Задайте levels в предметном порядке и ordered = TRUE, не полагаясь на сортировку текста

Вопрос 14 из 20

Ситуация: В справочник добавили новый код категории, а старый скрипт продолжает переименовывать уровни по позиции. Что нужно проверить после правки?

Сравните levels(), as.integer() и таблицу частот до и после перекодировки Проверьте levels(), is.ordered() и несколько сравнений соседних категорий Сравните levels(), table(groups, useNA = 'ifany') и dimnames() результата Проверьте is.ordered(), смысл levels и соответствие порядка документации предметной области Сопоставьте старую и новую таблицы частот и убедитесь, что сумма наблюдений не изменилась

Вопрос 15 из 20

Ситуация: В справочник добавили новый код категории, а старый скрипт продолжает переименовывать уровни по позиции. Какой итог разбора не смешивает правило языка с впечатлением от результата?

x <- factor(c('M', 'F', 'X'), levels = c('F', 'M', 'X'))
levels(x) <- c('женщина', 'мужчина', 'другое')
result <- x
result

Перекодировка должна сохранять однозначное соответствие исходных уровней новым подписям и отдельно обрабатывать неизвестные значения; при этом главный риск состоит в том, что преобразование factor напрямую через as.numeric() возвращает внутренние коды, а не числовой смысл подписей Перекодировка должна сохранять однозначное соответствие исходных уровней новым подписям и отдельно обрабатывать неизвестные значения; поэтому внешний вид напечатанного объекта важнее происхождения и структуры данных Перекодировка должна сохранять однозначное соответствие исходных уровней новым подписям и отдельно обрабатывать неизвестные значения; при этом главный риск состоит в том, что ручная замена по внутренним кодам ломается при изменении порядка levels или появлении нового уровня Фактор хранит целочисленные коды и отдельный набор levels, поэтому изменение подписи уровня не меняет порядок наблюдений; при этом главный риск состоит в том, что ручная замена по внутренним кодам ломается при изменении порядка levels или появлении нового уровня Номинальные факторы нельзя осмысленно сравнивать операторами < и > без заранее заданного порядка; при этом главный риск состоит в том, что сравнение внутренних кодов создаёт видимость ранжирования там, где категории лишь различаются по названию

Вопрос 16 из 20

Ситуация: Разработчик пытается определить «большую» категорию цвета, чтобы отсортировать записи по важности. Какое правило нужно применить к этому фрагменту прежде всего?

x <- factor(c('красный', 'синий', 'зелёный'))
result <- x[1] < x[2]
result

NA обозначает пропущенное значение, сравнение с ним через == даёт NA, а проверка выполняется функцией is.na() Фактор хранит целочисленные коды и отдельный набор levels, поэтому изменение подписи уровня не меняет порядок наблюдений Номинальные факторы нельзя осмысленно сравнивать операторами < и > без заранее заданного порядка Упорядоченный фактор задаёт осмысленный порядок уровней и поддерживает сравнения, основанные на этом порядке Перекодировка должна сохранять однозначное соответствие исходных уровней новым подписям и отдельно обрабатывать неизвестные значения

Вопрос 17 из 20

Ситуация: Разработчик пытается определить «большую» категорию цвета, чтобы отсортировать записи по важности. Что в этой ситуации способно исказить вывод без явной синтаксической ошибки?

x <- factor(c('красный', 'синий', 'зелёный'))
result <- x[1] < x[2]
result

Сравнение внутренних кодов создаёт видимость ранжирования там, где категории лишь различаются по названию Ручная замена по внутренним кодам ломается при изменении порядка levels или появлении нового уровня Алфавитный порядок levels может не совпадать с порядком интенсивности и переворачивает сравнения категорий Преобразование factor напрямую через as.numeric() возвращает внутренние коды, а не числовой смысл подписей Условие x == NA не выделяет пропуски и распространяет неопределённость дальше по вычислению

Вопрос 18 из 20

Ситуация: Разработчик пытается определить «большую» категорию цвета, чтобы отсортировать записи по важности. Что следует изменить в коде или процессе?

Для номинальных данных используйте равенство или явную предметную шкалу, а для порядка создайте ordered factor Перекодируйте по именам, задайте полный словарь и проверяйте значения, не вошедшие в него Задайте levels в предметном порядке и ordered = TRUE, не полагаясь на сортировку текста Используйте is.na() или complete.cases() и заранее определите, означает ли пропуск отсутствие измерения, отказ или неприменимость Для числовых подписей сначала преобразуйте levels через as.character(), а состав уровней задавайте явно

Вопрос 19 из 20

Ситуация: Разработчик пытается определить «большую» категорию цвета, чтобы отсортировать записи по важности. Какой тест лучше всего ловит повтор этой ошибки?

Подсчитайте sum(is.na(x)) и проследите, где пропуски появились впервые, прежде чем заменять их Сопоставьте старую и новую таблицы частот и убедитесь, что сумма наблюдений не изменилась Проверьте levels(), is.ordered() и несколько сравнений соседних категорий Сравните levels(), as.integer() и таблицу частот до и после перекодировки Проверьте is.ordered(), смысл levels и соответствие порядка документации предметной области

Вопрос 20 из 20

Ситуация: Разработчик пытается определить «большую» категорию цвета, чтобы отсортировать записи по важности. Как сформулировать вывод без лишних обобщений?

x <- factor(c('красный', 'синий', 'зелёный'))
result <- x[1] < x[2]
result

Номинальные факторы нельзя осмысленно сравнивать операторами < и > без заранее заданного порядка; при этом главный риск состоит в том, что алфавитный порядок levels может не совпадать с порядком интенсивности и переворачивает сравнения категорий Номинальные факторы нельзя осмысленно сравнивать операторами < и > без заранее заданного порядка; поэтому отсутствие сообщения об ошибке уже подтверждает корректность результата Номинальные факторы нельзя осмысленно сравнивать операторами < и > без заранее заданного порядка; при этом главный риск состоит в том, что сравнение внутренних кодов создаёт видимость ранжирования там, где категории лишь различаются по названию Упорядоченный фактор задаёт осмысленный порядок уровней и поддерживает сравнения, основанные на этом порядке; при этом главный риск состоит в том, что сравнение внутренних кодов создаёт видимость ранжирования там, где категории лишь различаются по названию Перекодировка должна сохранять однозначное соответствие исходных уровней новым подписям и отдельно обрабатывать неизвестные значения; при этом главный риск состоит в том, что ручная замена по внутренним кодам ломается при изменении порядка levels или появлении нового уровня

Ответьте на все 20 вопросов, чтобы получить результат

🔗 Встроить тест на свой сайт (iframe) ▼

Скопируйте код и вставьте в любое место на вашем сайте:

Также доступна прямая ссылка на embed-страницу