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

Упорядоченный фактор задаёт осмысленный порядок уровней и поддерживает сравнения, основанные на этом порядке Воспроизводимый анализ групп хранит исходный дизайн, порядок факторов, контрасты, исключения и полный набор сравнений Фактор хранит целочисленные коды и отдельный набор levels, поэтому изменение подписи уровня не меняет порядок наблюдений 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

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

Сравнение внутренних кодов создаёт видимость ранжирования там, где категории лишь различаются по названию 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 Ручная замена по внутренним кодам ломается при изменении порядка levels или появлении нового уровня

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 Перекодируйте по именам, задайте полный словарь и проверяйте значения, не вошедшие в него Зафиксируйте levels, contrasts и таблицу запланированных гипотез в коде до расчёта 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 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?

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

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

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 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 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; 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

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

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 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 Воспроизводимый анализ групп хранит исходный дизайн, порядок факторов, контрасты, исключения и полный набор сравнений

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

Ручное переименование уровней без фиксации порядка может поменять базовую группу и смысл знака эффекта Ручная замена по внутренним кодам ломается при изменении порядка levels или появлении нового уровня 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

Вопрос 8 из 20

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

Зафиксируйте levels, contrasts и таблицу запланированных гипотез в коде до расчёта Для числовых подписей сначала преобразуйте levels через as.character(), а состав уровней задавайте явно Перекодируйте по именам, задайте полный словарь и проверяйте значения, не вошедшие в него 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

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?

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

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 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 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

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

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

Сравнение внутренних кодов создаёт видимость ранжирования там, где категории лишь различаются по названию Неиспользуемые комбинации уровней создают пустые позиции, которые можно ошибочно принять за реальные нулевые значения 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 Алфавитный порядок levels может не совпадать с порядком интенсивности и переворачивает сравнения категорий

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 числовых подписей сначала преобразуйте levels через as.character(), а состав уровней задавайте явно Явно решите, сохранять ли пустые уровни, и различайте отсутствие группы от результата, равного нулю 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 Для номинальных данных используйте равенство или явную предметную шкалу, а для порядка создайте ordered factor

Вопрос 14 из 20

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

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

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 ручная замена по внутренним кодам ломается при изменении порядка levels или появлении нового уровня 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 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 Перекодировка должна сохранять однозначное соответствие исходных уровней новым подписям и отдельно обрабатывать неизвестные значения; поэтому внешний вид напечатанного объекта важнее происхождения и структуры данных 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

Перекодировка должна сохранять однозначное соответствие исходных уровней новым подписям и отдельно обрабатывать неизвестные значения 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 NA обозначает пропущенное значение, сравнение с ним через == даёт NA, а проверка выполняется функцией is.na()

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

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 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 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 числовых подписей сначала преобразуйте levels через as.character(), а состав уровней задавайте явно Перекодируйте по именам, задайте полный словарь и проверяйте значения, не вошедшие в него 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 Используйте is.na() или complete.cases() и заранее определите, означает ли пропуск отсутствие измерения, отказ или неприменимость

Вопрос 19 из 20

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

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

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; 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 Номинальные факторы нельзя осмысленно сравнивать операторами < и > без заранее заданного порядка; поэтому отсутствие сообщения об ошибке уже подтверждает корректность результата

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