Detecția valorilor aberante multivariate
100 de persoane care locuiesc în aceeași zonă au depus o cerere de despăgubire deoarece casele lor au fost avariate de grindina din noaptea de duminică. Setul de date hailinsurance conține 100 de observații și 2 variabile. Prima coloană conține plățile efectuate de compania de asigurări către fiecare client, iar a doua coloană reprezintă cel mai recent preț al casei.
În acest exercițiu, vei folosi mai întâi estimatori clasici pe setul de date. Vei compara apoi rezultatele cu cele obținute prin estimatori robuști.
Acest exercițiu face parte din cursul
Detecția fraudelor în R
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Create a scatterplot
plot(hailinsurance, xlab = "price house", ylab = "claim")
# Compute the sample mean and sample covariance matrix
clcenter <- colMeans(___)
clcov <- cov(___)
# Add 97.5% tolerance ellipsoid
rad <- sqrt(qchisq(___, ___))
ellipse(center = clcenter, shape = clcov, radius = rad,col = "blue", lty = 2)