2.La función para cargar datos en un CSV llamado 'fichero.

csv' separados
por ';' y con separador decimal de ',' esRespuesta necesaria. Opción única.

(1 Punto)
read.csv("fichero.csv", sep = ";", dec = ",")
read.csv2("fichero.csv")
Todas son correctas
3.Si leemos un fichero CSV sin cabecera, con la opción header =
FALSERespuesta necesaria. Opción única.
(1 Punto)
R nombrará las columnas con la notacion Xi donde i es el indice de la columna en
cuestion
R nombrará las columnas con la notacion Vi donde i es el indice de la columna en
cuestion
R no nombrará las columnas
Todas las opciones son falsas
4.Los strings por defecto se guardan comoRespuesta necesaria. Opción
única.
(1 Punto)
Caracteres
Factores (o variables categoricas)
Valores numericos
Ningula de las otras
5.Para leer un CSV desde internet...Respuesta necesaria. Opción única.
(1 Punto)
Se usa la misma instruccion que para leer un csv local
Se debe descargar un pluggin adicional
Se tiene que leer desde un https necesariamente
Tiene que tener siempre una cabecera
6.Para convertir una variable categórica a carácter, se usa la
instrucciónRespuesta necesaria. Opción única.
(1 Punto)
as.character()
as.factor()
as.string()
(character)
7.Un fichero XMLRespuesta necesaria. Opción única.
(1 Punto)
Debe leerse con la libreria especial XML
 No puede cargarse directamente como data.frame, sino que pasa primero por cargarse
como nodo raiz
Cuando se procesa el nodo raiz de un XML, se obtiene una matriz pero no un
data.frame
Todas son correctas
8.Las páginas web HTMLRespuesta necesaria. Opción única.
(1 Punto)
Son un caso especial de archivos XML
No se puede leer en R
Tiene que leerse la web entera para poder extraer informacion
Deben pasarse a XML antes de cargarse en R
9.Para extraer las filas 3, 4 y 5 de un data frame llamado data, se utiliza la
sentenciaRespuesta necesaria. Opción única.
(1 Punto)
data [3:5 , ]
data [ , 3:5 ]
data [3 , 4 , 5 ]
data (3 , 4 , 5 )
10.La función readHTMLTableRespuesta necesaria. Opción única.
(1 Punto)
Devuelve una lista de tablas de la web procesada
Devuelve un dataframe de tablas de la web procesada
Devuelve una matriz de tablas de la web procesada
Devuelve las etiquetas XML de la web procesada
11.Para extraer la información del nodo raízRespuesta necesaria. Opción
única.
(1 Punto)
Se aplica la funcion xmlValue a cada entrada del nodo raiz
Se aplica la funcion xmlValue al nodo raiz
Se aplica la funcion xmlParse al fichero XML
Se aplica la funcion xmlApply al dataframe
12.Para transponer una matriz llamada m , hacemos uso deRespuesta
necesaria. Opción única.
(1 Punto)
t (m)
t [m]
tm
m (t)
13.La librería que ayuda a la carga de datos en ficheros JSON esRespuesta
necesaria. Opción única.
(1 Punto)
json
jsonlite
json-mraz
Ninguna alternativa
14.La carga de un JSONRespuesta necesaria. Opción única.
(1 Punto)
Siempre devuelve un dataframe
Puede devolver una estructura de la que acabar extrayendo datos en un data frame
Devuelve una matriz
Debe transponerse
15.Para acceder a las columnas 3 y 5 de un data frame llamado data
hacemosRespuesta necesaria. Opción única.
(1 Punto)
data [3 , 5]
data [ c ( 3 , 5 ) ]
data [ c ( 3 , 5 ) , ]
data [ , c ( 3 , 5 ) ]
16.Si tengo un data frame llamado data con col.names = c("uno", "dos",
"tres") y quiero acceder a la tercera columna haremosRespuesta necesaria.
Opción única.
(1 Punto)
data.3
data.tres
data$3
data$tres
17.Para leer las tres primeras filas de un data frame llamado data
hacemosRespuesta necesaria. Opción única.
(1 Punto)
data [ c ( 1 , 2 , 3 ) , ]
data [ 1 : 3 ]
head ( data , 3 )
Todas las opciones son correctas
18.Los ficheros de ancho fijoRespuesta necesaria. Opción única.
(1 Punto)
Requieren que cada fila tenga los campos de la misma anchura
Requieren que todas las columnas sean categoricas
 Solo sirven si el fichero tiene cabecera
Requieren que todas las colum,nas sean igual de anchas
19.De los siguientes, no es un separador válidoRespuesta necesaria.
Opción única.
(1 Punto)
"\t"
"\n"
","
"t"
20.Si un fichero de ancho fijo tiene cabeceraRespuesta necesaria. Opción
única.
(1 Punto)
Debe indicarse con header = TRUE
Es obligatorio añadir el separador sep
En caso de añadir el separador, estse solamente se aplica a la fila de la cabecera
Todas las alternativas son correctas
21.Para evitar cargar una columna de un fichero de ancho fijoRespuesta
necesaria. Opción única.
(1 Punto)
Se coloca su nombre con un signo menos adelante
Se coloca su anchura con un signo menos adelante
Se coloca delete ( "nombre_de_la_columna")
No puede hacerse en la carga del fichero
22.Si queremos empezar a cargar el fichero en la quinta línea y obviar las
4 primeras pondremosRespuesta necesaria. Opción única.
(1 Punto)
start = 4
skip = 4
read = 4
delete = 4
23.Los ficheros más típicos para guardar objetos de R sonRespuesta
necesaria. Opción única.
(1 Punto)
rdos y rdata
Rdata y rds
csv y xml
json y xml
24.Para guardar o serializar más de un objeto en R se utilizaRespuesta
necesaria. Opción única.
(1 Punto)
Solamente Save
Solamente saveRDS
Tanto save como save RDS indistintamente
No se puede serializar mas de un objeto en R en el mismo fichero , deben ir en ficheros
a parte
25.Si queremos ser notificados acerca de la existencia de un objeto en R
que intentamos sobre escribir al cargar un Rdata, debemos usarRespuesta
necesaria. Opción única.
(1 Punto)
attach
load
readRDS
error
26.Para cargar el dataset llamado cars de la librería datasets de R
usamosRespuesta necesaria. Opción única.
(1 Punto)
load (cars)
data (cars)
read (cars)
charge (cars)
27.Para guardar todos los objetos de la sesión actual de R en un Rdata
usaremosRespuesta necesaria. Opción única.
(1 Punto)
save.all
save.image
save.session
store.all
28.Si queremos eliminar los NA de un data frame data , se puede hacer
conRespuesta necesaria. Opción única.
(1 Punto)
is,na (data)
na.rm (data)
na.omit (data)
complete.cases (data)
29.En caso de saber que un valor conocido de una variable debería ser
NA,Respuesta necesaria. Opción única.
(1 Punto)
Podemos hacer na.omit del valor
 Podemos asignar a las filas de dicha variable el valor NA
Podemos cambiar los NA por el valor conocido
Debemos volver a cargar el data frame
30.La media o la desviación típica de vectores que contienen
NARespuesta necesaria. Opción única.
(1 Punto)
Nos devolveran NA por defecto
Pueden calcularse numericamente indicando na.rm = TRUE
El valor que devuelven es por seguridad NA para indicar que no puede calcularse de
forma correcta
Todas son correctas
31.Cuando se desconoce un valorRespuesta necesaria. Opción única.
(1 Punto)
Se puede cambiar por NA
Se puede eliminar del data frame
Si es un valor numerico, se puede cambiar por el promedio
Se puede cambiar por cualquier otro valor aleatorio del data frame
Todas las alternativas son correctas
32.Para eliminar las entradas repetidas de un data frame, hacemos uso de
la funciónRespuesta necesaria. Opción única.
(1 Punto)
remove
unique
duplicated
clean
33.La función rescale de R escala variables numéricas para que se
encuentrenRespuesta necesaria. Opción única.
(1 Punto)
Siempre entre 0 y 1
Siempre entre 0 y 100
Entre 0 y 1 salvo que indiquemos un parametro "to" diferente
Todas las alternativas son falsas
34.La función rescale de R escala variables categoricas para que se
encuentrenRespuesta necesaria. Opción única.
(1 Punto)
Entre 0 y 1
Entre 0 y 100
No se pueden escalar variables categoricas
Entre 0 y 1 salvo que indiquemos un parametro "to" diferente
35.La función scaleRespuesta necesaria. Opción única.
(1 Punto)
Reescala valores numericos para que se encuentren en el intervalo [ 0 , 1 ]
Estandariza los valores con la operacion de normalizacion Z = ( X - mean ) / sd
Tiene valores entre -1 y 1
Se ;puede aplicar a variables categoricas
36.Para dividir una variable numérica en categoríasRespuesta necesaria.
Opción única.
(1 Punto)
Se puede usar la funcion "cut" proporcionando siempre un punto de corte mas que
categoria de clasificacion
Se puede usar la funcion "cut" proporcionando siempre un punto de corte menos que
categoria de clasificacion
Siempre hay que proporcionar el numero de cortes que se quiere
Se usa la funcion break de R
37.En una división categórica de variables numéricasRespuesta necesaria.
Opción única.
(1 Punto)
Se necesita aportar un nombre siempre para cada categoria
R no puede decidir por donde cortar las variables numericas
Si indicamos el numero de cortes, R tiende a realizar intervalos de la misma longitud
Los intervalos son cerrados por la izquierda y abiertos por la derecha
38.Las variables ficticias o dummiesRespuesta necesaria. Opción única.
(1 Punto)
Sirven para transformar factores a variables numericas
Sirven para transformar variables numericas a factores
Se tienen que aplicar a todo un data frame y no a columnas concretas
Se debe proporcionar el parametro breaks para poder crearlas
39.Los factores y las categoríasRespuesta necesaria. Opción única.
(1 Punto)
Son los mismo
Los factores son categorias pero no al reves
Las categorias son factores pero no al reves
Son dos conceptos que no guardan relacion alguna
40.Cuando falta informaciónRespuesta necesaria. Opción única.
(1 Punto)
Podemos eliminar ocurrencias concretas
Podemos eliminar ocurrencias de solamente algunas variables
Podemos elimiar la variable de todo el data frame donde falta la informacion
 Todas son correctas
41.Cuando falta información de un data frame se puede reemplazar
porRespuesta necesaria. Opción única.
(1 Punto)
La mediana o la moda
El primer o el tercer cuartil
El maximo o el minimo
La desviacion tipica
42.El valor que se encuentra en medio de todos los disponibles
(previamente ordenados) se llamaRespuesta necesaria. Opción única.
(1 Punto)
Media
Mediana
Moda
Tercer cuartil
43.Cuando faltan valores en un data frameRespuesta necesaria. Opción
única.
(1 Punto)
Podemos visualizar las ocurrencias con una tabla usando " md. pattern() "
Podemos visualizar cuantos NAs hay en cada columna con un " summary "
La funcion "aggr" del paquete VIM nos ayuda a dar una representacion grafica de la
proporcion de variables que faltan
Todas las alternativas son correctas
44.Los informes de tabla dinámica de excel funcionan conRespuesta
necesaria. Opción única.
(1 Punto)
pares de clave - valor
separadores de barra bajas
muchas columnas numericas separadas
excel no trae dicha funcion, es exclusiva de R
45.La función que crea un array asociativo o diccionario a partir de varias
columnas de datos esRespuesta necesaria. Opción única.
(1 Punto)
gather
reunite
spread
unite
46.Para convertir de pares clave - valor en varias columnas donde cada
clave sea una columna diferente utilizamos la funciónRespuesta necesaria.
Opción única.
(1 Punto)
gather
separate
spread
unite
47.Los datos en generalRespuesta necesaria. Opción única.
(1 Punto)
Vienen bien preparados para iniciar el analisis inmediatamente
Suelen venir desarreglados y un data scientist se pasa mas del 80% dando forma para
tratarlos correctamente a posteriori
Deben sacarse siempre de una base de datos pues estos siempre vienen bien formados
alli
Conviene que los procese antes el equipo de marketing pues tien mas astucia con el
software Excel
48.De los siguientes, no es un modelo predictivo válido para rellenar los
valores de NAsRespuesta necesaria. Opción única.
(1 Punto)
Comparacion de medias predictivas
Regresion logistica
Modelo de probabilidades proporcionales
Modelo de regresion media
49.Un outlier. Opción única.
(1 Punto)
Esta por encima del rango intercuartilico
Puede estar mas alla de 1.5 veces por encima de Q3 o mas abajo de 1.5 veces por
debajo de Q1
Puede estar mas alla de 1.5 veces el rango intercuartilico por encima de Q3 o mas abajo
de 1.5 veces el rango intercuartilico por debajo de Q1
Toma el valor maximo o minimo
50.La caja de un diagrama de caja y bigotes. Opción única.
(1 Punto)
Esta definido por Q1, la media y Q3
Esta definido por Q1, la mediana y Q3
Esta definido por Q1, la moda y Q3
Esta definido por Q1, Q2, Q3 y Q4
51.Para saber si un data frame contiene valores NAs podemos
usarRespuesta necesaria. Opción única.
(1 Punto)
isNA
hasNA
anyNA
noNA