ComenzarEmpieza gratis

Calcular tendencias de series temporales

Una de las ventajas más útiles de los objetos xts es poder realizar operaciones matemáticas simples a lo largo del tiempo. En tus datos de vuelos, una métrica valiosa sería el porcentaje de vuelos retrasados, cancelados o desviados cada mes.

En este ejercicio, usarás tus datos para generar una nueva columna de serie temporal con el porcentaje de vuelos que llegan tarde a Boston cada mes. Luego crearás un gráfico para esta métrica y, a continuación, calcularás métricas adicionales para cancelaciones y desvíos de vuelos.

Este ejercicio forma parte del curso

Estudio de caso: Análisis de series temporales de una ciudad en R

Ver curso

Instrucciones del ejercicio

  • Usa expresiones matemáticas simples sobre flights_xts para calcular el porcentaje de vuelos retrasados cada mes. Guarda esto como una nueva columna en flights_xts llamada pct_delay.
  • Usa plot.xts() para ver el porcentaje de vuelos retrasados cada mes.
  • Repite el cálculo anterior para generar dos columnas adicionales en tu objeto xts — pct_cancel y pct_divert — para los vuelos cancelados y desviados, respectivamente.
  • Usa plot.zoo() para ver las tres tendencias juntas. Para ello, necesitarás seleccionar un subconjunto de los datos de flights_xts que contenga las tres columnas que acabas de generar.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Calculate percentage of flights delayed each month: pct_delay
flights_xts$pct_delay <- (___ / ___) * 100

# Use plot.xts() to view pct_delay over time


# Calculate percentage of flights cancelled each month: pct_cancel


# Calculate percentage of flights diverted each month: pct_divert


# Use plot.zoo() to view all three trends over time
plot.zoo(x = ___[ , c("___", "___", "___")])
Editar y ejecutar código