ComenzarEmpieza gratis

Ampliar tus datos

Ahora que dominas el flujo de trabajo con series temporales, estás listo para evaluar la hipótesis de que los retrasos de vuelos dependen de la visibilidad y el viento.

En este ejercicio, añadirás algunas columnas más a tu objeto xts fusionando datos de la visibilidad media mensual (vis) y de la velocidad del viento (wind) en el área de Boston entre 2010 y 2015. Estos datos proceden de la misma fuente que tus datos de temperatura, pero ya han sido manipulados y convertidos a xts para facilitarte el trabajo.

Es similar a lo que ya has hecho, pero esta vez tienes menos código preescrito. Tu objeto xts de trabajo, flights_temps, también está disponible en tu espacio de trabajo.

Este ejercicio forma parte del curso

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

Ver curso

Instrucciones del ejercicio

  • Tu primera tarea, como siempre, es confirmar la periodicidad y la duración de tus datos vis y wind usando dos llamadas a periodicity().
  • Una vez que hayas confirmado que los datos vis y wind tienen la misma periodicidad y duración que tus datos existentes, usa merge() para combinar los tres objetos en un único objeto xts: flights_weather. Para mantener la coherencia, fusiona los datos en el siguiente orden: flights_temps, vis, wind.
  • Usa head() para ver las primeras filas de flights_weather y comprobar que la fusión se hizo correctamente.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Confirm the periodicity and duration of the vis and wind data



# Merge vis and wind with your existing flights_temps data
flights_weather <- 

# View the first few rows of your flights_weather data
Editar y ejecutar código