Ejercicios

Con la misma base de datos ozone de R comprueba si el resto de variables tienen datos atípicos

10KB

ozone.csv

data <- read.csv("ozone.csv")  # import data

Estudio Univariante

boxplot(data$Pressure_height)

###Los valores atípicos son:

outlier_values <- boxplot.stats(data$Pressure_height)$out  # outlier values.

out_ind <- which(data$Pressure_height %in% c(outlier_values))



###Los valores extremos son:
extreme_values <- boxplot.stats(data$Pressure_height,coef=3)$out  # extreme values.

ext_ind <- which(data$Pressure_height %in% c(extreme_values))

Estudio Bivariante

par(mfrow=c(1, 2))
boxplot(data$Pressure_height ~ data$Month, main="Pressure Height across months") 
boxplot(data$Pressure_height ~ data$Day_of_week, main="Pressure Height for days of week")  
dev.off()

Función outliers()

La función propia outliers() proporciona datos atípicos, modifica la función para detectar datos extremos y aplícala a las distintas variables de la base de datos ozone, luego piensa que harías

# Aplicar la función a múltiples variables numéricas o enteras
numeric_integer_vars <- names(which(sapply(data, is.numeric) | sapply(data, is.integer)))
outliers_results <- lapply(paste0("data$", numeric_integer_vars), outliers)

###Eliminar el valor extremo de Wind_speed
eliminar_extreme("data$Wind_speed")

Estudio Multivariante

library(dbscan)
library(class)
library(ggplot2)
data <- read.csv("ozone.csv")  # import data

lof<-lof(data[,4:ncol(data)])
lof[lof>1.5]
data[lof>1.5,]
ggplot(data, aes(x = Pressure_height, y = Wind_speed, colour = lof)) +  
geom_point() +  
scale_color_gradient(low = "blue", high = "red", name = "LOF Score") +  
labs(title = "Detección de Valores Atípicos con LOF", 
x = "Pressure_height", y = "Wind_speed")

ggplot(data, aes(x = Pressure_height, y = Ozone_reading, colour = lof)) +  
geom_point() +  
scale_color_gradient(low = "blue", high = "red", name = "LOF Score") +  
labs(title = "Detección de Valores Atípicos con LOF",
x = "Pressure_height", y = "Ozone_reading")data$Day_of_week<-as.factor(data$Day_of_week)

ggplot(data, aes(x = Pressure_height, y = Wind_speed, color = Day_of_week)) +  
geom_point() +  labs(title = "Conjunto de Datos de Ozone",       
x = "Pressure_height", y = "Wind_speed")