1.                                                                                                                   [10 marks]

This question relates to a data frame covid that contains three variables, strin- gency_index, new_cases_per_million, and log_cases.

This data set is similar to, but NOT exactly the same as one of the data sets used in the course lab work.

>  dim(covid)

[1]  21366         3

> head(covid)

stringency_index new_cases_per_million  log_cases

The plot below shows the relationship between stringency_index and log_cases.

The following code is attempting to use a “validation-set” approach to calculate a test error estimate for a linear regression model (to describe the relationship between stringency_index and log_cases).

> N <- nrow(bovgc)

>  tr-gn  <-  s-mpla(saq(N), N* .8)

> yrr-gn  <-  bovgc8lof  b-sas[tr-gnJ

> xrr-gn  <-  bovgc8strgnfanby gncax[tr-gnJ

> yrast  <-  bovgc8lof  b-sas[-tr-gnJ

> xrast  <-  bovgc8strgnfanby gncax[-tr-gnJ

>  egt  <-  lm(lof  b-sas  -  strgnfanby gncax,  bovgc)

> LofLoss  <-  eunbtgon(p, y)  【

+         -ma-n(y*lof(p)  +  (1  - y)*lof(1  - p), n- .rm=rRuE)

+ )

> prac  <- pracgbt(egt,  c-t- .er-ma(strgnfanby gncax=xrr-gn)) > LofLoss(prac, yrr-gn)

(a) There are several errors in the above code.  Identify the errors and write

new code to fix the errors.

[10 marks]

2.                                                                                                                   [15 marks]

This question relates to a CSV file "covid .csv".

This file is similar to, but NOT exactly the same as the files used in the course lab work.

There are several thousand lines in the CSV file, but the first few lines are shown below.

(a) Explain in detail what the following shell code is doing and what the result-

ing output would look like.

You will not be able to give exact details of the output, but you should be able to describe its general structure.

awk  -F,  -e  ✬NR  >  1  { print($2)  } ✬ covid .csv  >  ages

Rscript  -e  ✬table(read .table("ages")[[1]]) ✬

[10 marks]

(b) Write a SINGLE bash expression (that may contain multiple commands

piped together) that prints out the total number of 52-year-old males from Lima in the covid .csv file.

HINT: you could search the covid .csv file for the rows that contain Lima and then search within those rows for rows that contain male and then search within those rows for rows that contain 52 and then count the number of those rows.

The result of your code would look like this:

65

[5 marks]

3.                                                                                                                   [10 marks] This question relates to the the JSON file, "covid .json", shown below.

This is similar to, but NOT exactly the same as the JSON files used in the course lab work.

(a) Write down the result of the following R code.

>  lgar-ry(isonlgta)

>  eromJsoN(ra-cLgnas(mbovgc .isonm))

[5 marks]

(b) A MongoDB database called covid contains a large number of documents with

the same structure as the file "covid .json".

Write R code to query the covid database and extract ONLY the continent and location for records with population greater than  100,000,000 and location not equal to "World".

The output of your code would look like this:

continent

1                     Asia

2    South  America

3                     Asia

4                 Africa

5                 Africa

6                     Asia

7                     Asia

8                     Asia

9   North  America

10               Africa

11                   Asia

12                   Asia

13               Europe

14  North  America

location

Bangladesh

Brazil

China

Egypt

Ethiopia

Indonesia

India

Japan

Mexico

Nigeria

Pakistan

Philippines

Russia

United  States

[5 marks]