Introductie tot ontbrekende data
Omgaan met missende data in R
Nicholas Tierney
Statistician
Introductie
Het beste wat je met ontbrekende data kunt doen, is ze niet hebben
--Gertrude Mary Cox
Werken met echte data = werken met ontbrekende data
Ontbrekende data kunnen je analyse onverwacht beïnvloeden
Slechte imputatie leidt tot slechte schattingen en beslissingen.
Wat ga je leren
- Wat ontbrekende waarden zijn
- Hoe je ontbrekende data vindt
- Hoe je ontbrekende data opschoont en ordent
- Onderzoeken waarom data ontbreken
- Ontbrekende waarden imputeren
Veronderkende voorkennis
- Basis tot gemiddelde ervaring met R
- Ervaring met plotten met ggplot2
- Ervaring met dplyr gebruiken om data te bewerken en herschikken
- Ervaring met het fitten van lineaire modellen in R
Wat zijn ontbrekende waarden?
Ontbrekende waarden zijn waarden die hadden moeten worden vastgelegd maar dat niet zijn.
NA = Not Available.
Hoe check ik of ik ontbrekende waarden heb?
x <- c(1, NA, 3, NA, NA, 5)any_na(x)
TRUE
are_na(x)
FALSE TRUE FALSE TRUE TRUE FALSE
n_miss(x)
3
prop_miss(x)
0.5
Werken met ontbrekende data
NA + anything = NA
heights
Sophie Dan Fred
165 177 NA
sum(heights)
NA
Valkuilen met ontbrekende data
NaN: Not a Number.
any_na(NaN)
TRUE
any_na(NULL)
FALSE
any_na(Inf)
FALSE
Valkuilen met ontbrekende data (2)
NA | TRUE
TRUE
NA | FALSE
NA
NA + NaN
NA
NaN + NA
NaN
Laten we oefenen!
Omgaan met missende data in R
