应用is.na()函数列出sleep数据集中的没有、存在缺失值的变量，应用统计函数，计算各个变量中缺失值相应的频数、频率

在R语言中，你可以使用`is.na()`函数配合`sapply()`或者`lapply()`对"data.frame"或"data.table"类型的`sleep`数据集逐列检查是否存在缺失值。这个函数会返回TRUE如果元素是NA，FALSE则表示不是。以下是步骤：

1. 首先，你需要加载`sleep`数据集，如果没有安装的话可以使用`data("sleep")`从R自带的数据集中获取。

2. 然后，可以使用`sapply()`或`lapply()`遍历所有变量，并用`is.na()`检测缺失值。例如，这里是一个使用`sapply()`的例子：

   missing_variables <- names(sleep)[sapply(sleep, is.na)]

这将创建一个向量，其中包含所有有缺失值的变量名。

3. 接下来，为了计算每个变量中缺失值的频数（次数），可以使用`sum(is.na(sleep[, variable]))`，替换`variable`为你想要查看的变量名。这将返回该变量中的NA值总数。

4. 计算频率，则需要除以总的观测次数。如果你的`sleep`数据集有一个名为`nrow()`的函数提供总行数，可以用下面的方式：

   frequency <- sum(is.na(sleep[, variable])) / nrow(sleep)

5. 最后，如果你想把这两步结合起来，可以在循环中完成，或者创建一个数据框来存储结果，如下所示：

   result <- data.frame(
       Variable = missing_variables,
       Frequency = sapply(missing_variables, function(x) sum(is.na(sleep[, x])) / nrow(sleep))
   )