Gestiona los valores ausentes

En el capítulo 3, usaste na.locf() para rellenar valores ausentes con el último valor no ausente. Puedes usar interpolación cuando no sea adecuado arrastrar el valor anterior. En este ejercicio, vas a explorar dos métodos de interpolación: lineal y spline.

La interpolación lineal calcula valores que se sitúan en la recta entre dos puntos de datos conocidos. Es una buena opción para datos bastante lineales, como una serie con una tendencia marcada. La interpolación spline es más adecuada para series sin una tendencia fuerte, porque calcula una aproximación no lineal usando múltiples puntos de datos.

Usa estos dos métodos para interpolar los tres valores ausentes de la rentabilidad del Treasury a 10 años en el objeto DGS10. Luego compara los resultados con la salida de na.locf().

Este ejercicio forma parte del curso

Importación y gestión de datos financieros en R

Ver curso

Instrucciones del ejercicio

Completa el comando para usar na.approx() y rellenar valores ausentes mediante interpolación lineal.
Completa el comando para usar na.spline() y rellenar valores ausentes mediante interpolación spline.
Fusiona locf, approx y spline en un único objeto llamado na_filled.
Completa el comando para representar na_filled.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# fill NA using last observation carried forward
locf <- na.locf(DGS10)

# fill NA using linear interpolation
approx <- ___(DGS10)

# fill NA using spline interpolation
spline <- ___(DGS10)

# merge into one object


# plot combined object
___(___, col = c("black", "red", "green"))

Editar y ejecutar código