Eliminando los NA's para hacer los cálculos.

El eliminar los NA del dataset puede ser contraproducente y puede generar Sesgo. En los entornos productivos es mejor aplicar técnicas de imputación de datos y esa directriz no la puede dar la industria. Por ejemplo una técnica de imputación es remplazar los valores NA por el valor promedio de la variable, otro ejemplo es remplazar los NA por el valor que más se repite en la variable.

Seria de utilidad que Platzi pueda hacer un curso orientado al Data Quality para enfocarse en curar los datos y hacer análisis mucho más refinados y limpios. Just think about it !

Nota Publica: Cuando el Coeficiente de Desviación no es optimo, lo mejor es apoyarse en la mediana o en algún curtail para explicar los datos.

Clase 28
Eliminando los NA’s para hacer los cálculos
.
.
Eliminar NA’s de la variable
na.rm = TRUE
.
mean(orangeec$Creat.Ind…GDP)
mean(orangeec$Creat.Ind…GDP, na.rm = TRUE)
prom <- mean(orangeec$Creat.Ind…GDP, na.rm = TRUE)
.
25% de coeficiente de variacion es el maximo para que el promedio sea una referencia
a la hora de tomar una decision

TIP

Si deseas visualizar lo que se guardó en la variable, luego de especificarla se debe llamar, así:
CoefVar = (desv/prom)*100
CoefVar

Si no quiere copiar la segunda línea, es similar a ejecutar
(CoefVar = (desv/prom)*100 )
Es decir, los parentesis, significa que va a mostrar el resultado apenas se ejecute.

Como está en el video, ayuda a eliminar los NA’s para ese cálculo en específico sin afectar la base de datos. Si lo que se quiere es limpiar la base de los NA’s para regresiones o demás hay opciones como:

orangeec <- datos[!is.na(orangeec$Creat.Ind…GDP),]

O para eliminar todas las filas que contengan un valor nulo:

orangeec <- na.omit(orangeec)

Poner el promedio en los NA

promedio <- mean(orangeec$Creat.Ind...GDP, na.rm = TRUE)

orangeec$Creat.Ind...GDP[is.na(orangeec$Creat.Ind...GDP)] <- promedio

Resultado

Los NA's son missing values quieres decir que son valores que no existen

Tomando el ejemplo para hallar la sd de la variable orangeec$Internet.penetration...population, adjunto los valores hallados y el summary:

mean(orangeec$Creat.Ind...GDP)
mean(orangeec$Creat.Ind...GDP, na.rm=TRUE)

sd(orangeec$Creat.Ind...GDP)
sd(orangeec$Creat.Ind...GDP, na.rm=TRUE)
desv<- sd(orangeec$Creat.Ind...GDP, na.rm=TRUE)

coefvar<-(desv/prom)*100
coefar

Buena clase, aprendimos a mirar el comportamiento de los datos con respecto de la media

Para el polvo la aspiradora
Para los NA’ na.rm = TRUE

Otro metodo de realizar analisis sin los Na es que podemos realizar el promedio o cualesquiera sea la medida de tendencia central o de dispersion, ajustando N. Asi evitamos los procesos engorrosos de transformacion u omision de datos.

## Protegiéndonos de los peligros del promedio.


summary(orangeec)

desv <- sd(orangeec$Internet.penetration...population)
desv

prom <- mean(orangeec$Internet.penetration...population)
prom

Coefvar <- (desv/prom)*100
Coefvar

prom <- mean(orangeec$Creat.Ind...GDP, na.rm=TRUE)
desv <- sd(orangeec$Creat.Ind...GDP, na.rm=TRUE)

Coefvar <- (desv/prom)*100
Coefvar```

Me sale el siguiente error cuando ejecuto el comando

<Error in mean.default(orangeec$Creat.Ind...GDP, na.rm = true) : 
  object 'true' not found>

sd(orangeec$Internet.penetration...population)
    dev <-sd(orangeec$Internet.penetration...population)
    mean(orangeec$Internet.penetration...population) 
    
    prom <- mean(orangeec$Internet.penetration...population)
    prom
    
    CoefVar <- (des/prom)*100
    CoefVar 
    mean(ntcars$mpg)```

Ejemplo de los calculos

<
desviacion<-sd(orangeec$Internet.penetration...population)
promedio<-mean(orangeec$Internet.penetration...population)
coeficiente<-(desviacion/promedio)*100>

En caso de quieran ahorrarse código y no necesiten tener guardadas las variables en su enviroment de R pueden ir directo a hacer el coeficiente de la siguiente manera

coefInternet<-(sd(orangeec.csv$Internet.penetration...population)/
                 mean(orangeec.csv$Internet.penetration...population))*100

Muy buena clase

mean(orangeec$Creat.Ind...GDP)
prom <- mean(orangeec$Creat.Ind...GDP, na.rm=TRUE)
sd(orangeec$Creat.Ind...GDP)
des <- sd(orangeec$Creat.Ind...GDP, na.rm=TRUE)

CoefVar <- (des / prom)*100
CoefVar