Tratar valores ausentes

No capítulo 3, você usou na.locf() para preencher valores ausentes com o último valor não ausente. Você pode usar interpolação quando não for adequado carregar o valor anterior adiante. Neste exercício, você vai explorar dois métodos de interpolação: linear e spline.

A interpolação linear calcula valores que ficam em uma linha entre dois pontos de dados conhecidos. Essa é uma boa escolha para dados razoavelmente lineares, como uma série com forte tendência. A interpolação spline é mais adequada para séries sem uma forte tendência, pois calcula uma aproximação não linear usando múltiplos pontos de dados.

Use esses dois métodos para interpolar os três valores ausentes da taxa do Treasury de 10 anos no objeto DGS10. Em seguida, compare os resultados com a saída de na.locf().

Este exercício faz parte do curso

Importando e Gerenciando Dados Financeiros em R

Ver curso

Instruções do exercício

Complete o comando para usar na.approx() e preencher valores ausentes com interpolação linear.
Complete o comando para usar na.spline() e preencher valores ausentes com interpolação spline.
Una locf, approx e spline em um único objeto chamado na_filled.
Complete o comando para plotar na_filled.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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 e executar o código