💡 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: Код собирает отчёт по списку номеров строк; в списке иногда встречаются повторы и номер, которого уже нет после фильтрации. Какой принцип непосредственно относится к этому коду?
R Фрагмент R Копировать
x <- c(a = 10, b = 20, c = 30)
result <- x[c(3, 1, 3, 5)]
result
Логическая маска выбирает позиции с TRUE, сохраняет NA как неопределённый элемент и перерабатывается по длине при несовпадении с вектором
Аргумент na.rm = TRUE удаляет пропуски только внутри конкретного вычисления и не исправляет исходные данные
NA обозначает пропущенное значение, сравнение с ним через == даёт NA, а проверка выполняется функцией is.na()
Временной индекс должен быть упорядоченным, уникальным для заданной частоты и отражать реальные интервалы между наблюдениями
Положительный индекс выбирает указанные позиции, может повторять их и возвращает NA для позиции за пределами вектора
Вопрос 2 из 20
Ситуация: Код собирает отчёт по списку номеров строк; в списке иногда встречаются повторы и номер, которого уже нет после фильтрации. Какой риск здесь остаётся главным, даже если результат выглядит правдоподобно?
R Фрагмент R Копировать
x <- c(a = 10, b = 20, c = 30)
result <- x[c(3, 1, 3, 5)]
result
Условие x == NA не выделяет пропуски и распространяет неопределённость дальше по вычислению
Короткая маска может быть переработана и создать регулярный, но неверный отбор без явной ошибки
Преобразование нерегулярных дат в обычный ts создаёт видимость равных интервалов, которых в данных нет
Смешивание положительных и отрицательных индексов в одном выражении вызывает ошибку, а нулевой индекс просто ничего не выбирает
Безусловное удаление NA может сместить оценку, если пропуски связаны с величиной показателя или группой
Вопрос 5 из 20
Ситуация: Код собирает отчёт по списку номеров строк; в списке иногда встречаются повторы и номер, которого уже нет после фильтрации. Какой итог разбора не смешивает правило языка с впечатлением от результата?
R Фрагмент R Копировать
x <- c(a = 10, b = 20, c = 30)
result <- x[c(3, 1, 3, 5)]
result
Положительный индекс выбирает указанные позиции, может повторять их и возвращает NA для позиции за пределами вектора; при этом главный риск состоит в том, что смешивание положительных и отрицательных индексов в одном выражении вызывает ошибку, а нулевой индекс просто ничего не выбирает
Логическая маска выбирает позиции с TRUE, сохраняет NA как неопределённый элемент и перерабатывается по длине при несовпадении с вектором; при этом главный риск состоит в том, что короткая маска может быть переработана и создать регулярный, но неверный отбор без явной ошибки
Положительный индекс выбирает указанные позиции, может повторять их и возвращает NA для позиции за пределами вектора; при этом главный риск состоит в том, что условие x == NA не выделяет пропуски и распространяет неопределённость дальше по вычислению
NA обозначает пропущенное значение, сравнение с ним через == даёт NA, а проверка выполняется функцией is.na(); при этом главный риск состоит в том, что смешивание положительных и отрицательных индексов в одном выражении вызывает ошибку, а нулевой индекс просто ничего не выбирает
Положительный индекс выбирает указанные позиции, может повторять их и возвращает NA для позиции за пределами вектора; поэтому внешний вид напечатанного объекта важнее происхождения и структуры данных
Вопрос 10 из 20
Ситуация: После перехода от четырёх строк к пяти фильтр продолжил работать, но стал выбирать не те наблюдения через одну строку. Как сформулировать вывод без лишних обобщений?
R Фрагмент R Копировать
x <- 1:6
mask <- c(TRUE, FALSE)
result <- x[mask]
result
Логическая маска выбирает позиции с TRUE, сохраняет NA как неопределённый элемент и перерабатывается по длине при несовпадении с вектором; при этом главный риск состоит в том, что условие x == NA не выделяет пропуски и распространяет неопределённость дальше по вычислению
Аргумент na.rm = TRUE удаляет пропуски только внутри конкретного вычисления и не исправляет исходные данные; при этом главный риск состоит в том, что безусловное удаление NA может сместить оценку, если пропуски связаны с величиной показателя или группой
NA обозначает пропущенное значение, сравнение с ним через == даёт NA, а проверка выполняется функцией is.na(); при этом главный риск состоит в том, что короткая маска может быть переработана и создать регулярный, но неверный отбор без явной ошибки
Логическая маска выбирает позиции с TRUE, сохраняет NA как неопределённый элемент и перерабатывается по длине при несовпадении с вектором; поэтому отсутствие сообщения об ошибке уже подтверждает корректность результата
Логическая маска выбирает позиции с TRUE, сохраняет NA как неопределённый элемент и перерабатывается по длине при несовпадении с вектором; при этом главный риск состоит в том, что короткая маска может быть переработана и создать регулярный, но неверный отбор без явной ошибки
Вопрос 15 из 20
Ситуация: В таблице нужно отделить записи без цены, но выражение сравнения возвращает неопределённость для каждой строки. Какое заключение лучше всего выдерживает проверку?
R Фрагмент R Копировать
x <- c(4, NA, 9)
result <- x == NA
result
NA обозначает пропущенное значение, сравнение с ним через == даёт NA, а проверка выполняется функцией is.na(); при этом главный риск состоит в том, что условие x == NA не выделяет пропуски и распространяет неопределённость дальше по вычислению
Логическая маска выбирает позиции с TRUE, сохраняет NA как неопределённый элемент и перерабатывается по длине при несовпадении с вектором; при этом главный риск состоит в том, что короткая маска может быть переработана и создать регулярный, но неверный отбор без явной ошибки
NA обозначает пропущенное значение, сравнение с ним через == даёт NA, а проверка выполняется функцией is.na(); при этом главный риск состоит в том, что безусловное удаление NA может сместить оценку, если пропуски связаны с величиной показателя или группой
NA обозначает пропущенное значение, сравнение с ним через == даёт NA, а проверка выполняется функцией is.na(); поэтому достаточно один раз проверить класс объекта на текущем наборе данных
Аргумент na.rm = TRUE удаляет пропуски только внутри конкретного вычисления и не исправляет исходные данные; при этом главный риск состоит в том, что условие x == NA не выделяет пропуски и распространяет неопределённость дальше по вычислению
Вопрос 16 из 20
Ситуация: Среднее в отчёте рассчитывается без ошибок, но в одной группе отсутствует почти половина измерений, а в другой — ни одного. На какое свойство R здесь следует опереться?
R Фрагмент R Копировать
x <- c(5, NA, 7, 9)
result <- mean(x, na.rm = TRUE)
result
Пропуски могут быть явными NA и неявными кодами вроде пустой строки, 999 или «нет данных», которые нужно нормализовать по словарю
Аргумент na.rm = TRUE удаляет пропуски только внутри конкретного вычисления и не исправляет исходные данные
NA обозначает пропущенное значение, сравнение с ним через == даёт NA, а проверка выполняется функцией is.na()
Логическая маска выбирает позиции с TRUE, сохраняет NA как неопределённый элемент и перерабатывается по длине при несовпадении с вектором
Положительный индекс выбирает указанные позиции, может повторять их и возвращает NA для позиции за пределами вектора
Вопрос 20 из 20
Ситуация: Среднее в отчёте рассчитывается без ошибок, но в одной группе отсутствует почти половина измерений, а в другой — ни одного. Какой вывод точнее всего связывает механизм и главный риск?
R Фрагмент R Копировать
x <- c(5, NA, 7, 9)
result <- mean(x, na.rm = TRUE)
result
Аргумент na.rm = TRUE удаляет пропуски только внутри конкретного вычисления и не исправляет исходные данные; при этом главный риск состоит в том, что условие x == NA не выделяет пропуски и распространяет неопределённость дальше по вычислению
NA обозначает пропущенное значение, сравнение с ним через == даёт NA, а проверка выполняется функцией is.na(); при этом главный риск состоит в том, что безусловное удаление NA может сместить оценку, если пропуски связаны с величиной показателя или группой
Логическая маска выбирает позиции с TRUE, сохраняет NA как неопределённый элемент и перерабатывается по длине при несовпадении с вектором; при этом главный риск состоит в том, что короткая маска может быть переработана и создать регулярный, но неверный отбор без явной ошибки
Аргумент na.rm = TRUE удаляет пропуски только внутри конкретного вычисления и не исправляет исходные данные; следовательно, совпадение числа строк можно считать полной проверкой решения
Аргумент na.rm = TRUE удаляет пропуски только внутри конкретного вычисления и не исправляет исходные данные; при этом главный риск состоит в том, что безусловное удаление NA может сместить оценку, если пропуски связаны с величиной показателя или группой