Histogramas y valores atípicos

Modelización del riesgo de crédito en R

Lore Dirick

Manager of Data Science Curriculum at Flatiron School

Usar la función hist()

hist(loan_data$int_rate)

Histograma de tipo de interés

Modelización del riesgo de crédito en R

Usar la función hist()

hist(loan_data$int_rate, main = "Histogram of interest rate", xlab = "Interest rate")

Histograma de tipo de interés

Modelización del riesgo de crédito en R

Usar hist() con annual_inc

hist(loan_data$annual_inc, xlab = "Annual Income", main = "Histogram of Annual Income")

Captura de pantalla 12-06-2020 13.55.03.png

Modelización del riesgo de crédito en R

Usar hist() con annual_inc

hist_income <- hist(loan_data$annual_inc,
                    xlab = "Annual Income",
                    main = "Histogram of Annual Income")
hist_income$breaks

0  500000 1000000 1500000 2000000 2500000 3000000 3500000 4000000 4500000 ...
Modelización del riesgo de crédito en R

El argumento breaks

n_breaks <- sqrt(nrow(loan_data)) # n_breaks = 170.5638
hist_income_n <- hist(loan_data$annual_inc, breaks = n_breaks, 
                      xlab = "Annual Income", main = "Histogram of Annual Income")

Captura de pantalla 12-06-2020 13.55.58 PM.png

Modelización del riesgo de crédito en R

annual_inc

plot(loan_data$annual_inc, ylab = "Annual Income")

Captura de pantalla 12-06-2020 13.56.24.png

Modelización del riesgo de crédito en R

annual_inc

plot(loan_data$annual_inc, ylab = "Annual Income")

Captura de pantalla 12-06-2020 13.56.53.png

Modelización del riesgo de crédito en R

Valores atípicos

  • ¿Cuándo es un valor atípico?

    • Juicio experto

    • Regla general, p. ej.,

      • Q1 - 1.5 * IQR
      • Q3 + 1.5 * IQR
    • Normalmente: combinación de ambos
Modelización del riesgo de crédito en R

Juicio experto

"Salarios anuales > 3 millones $ son atípicos"

$$

# Find outlier
index_outlier_expert <- which(loan_data$annual_inc > 3000000)

# Remove outlier from dataset
loan_data_expert <- loan_data[-index_outlier_expert, ]
Modelización del riesgo de crédito en R

Regla general

Atípico si es mayor que Q3 + 1.5 * IQR

$$

# Calculate Q3 + 1.5 * IQR
outlier_cutoff <- quantile(loan_data$annual_inc, 0.75) + 1.5 * IQR(loan_data$annual_inc)

# Identify outliers
index_outlier_ROT <- which(loan_data$annual_inc > outlier_cutoff)

# Remove outliers
loan_data_ROT <- loan_data[-index_outlier_ROT, ]
Modelización del riesgo de crédito en R
hist(loan_data_expert$annual_inc,
     sqrt(nrow(loan_data_expert)), 
     xlab = "Annual income")


hist(loan_data_ROT$annual_inc,
     sqrt(nrow(loan_data_ROT)), 
     xlab = "Annual income")

Modelización del riesgo de crédito en R

Gráfico bivariante

plot(loan_data$emp_length, loan_data$annual_inc, 
     xlab= "Employment length", ylab= "Annual income")

Captura de pantalla 12-06-2020 13.58.14.png

Modelización del riesgo de crédito en R

Gráfico bivariante

plot(loan_data$emp_length, loan_data$annual_inc, 
     xlab= "Employment length", ylab= "Annual income")

Captura de pantalla 12-06-2020 13.58.34.png

Modelización del riesgo de crédito en R

¡Vamos a practicar!

Modelización del riesgo de crédito en R

Preparing Video For Download...