[R-br] tratamento de pontos discrepantes (pesos de bovinos)

[Adriele Giaretta Biase]

Boa tarde pessoal,



estou trabalhando com um banco de dados que possuem várias coletas de pesos
ao longo do tempo de vários bois.

O meu objetivo é deixar um ajuste simples (pode até ser um modelo não-
linear ao invés de uma regressão simples), porém, preciso remover os
possíveis pontos discrepantes que atrapalham o ajuste, de forma recursiva
(automática). O algoritmo será executado em vários momentos, enquanto
acompanha o crescimento do animal. O mais importante  seria a remoção dos
*outiliers* do banco de dados.  Eu criei um algoritmo para fazer isso.

Gostaria de saber se alguém possui uma ideia melhor ou sugestão. Segue a
função  criada.


*OBS:* Muitos pontos discrepantes ainda ficam no banco, isso devido a um
erro operacional da balança que pesa os animais. Precisaria de algo mais
robusto para remover os pontos destoantes de forma recursiva para todos os
animais.




DADOS é um data.frame com as seguintes colunas: BRINCO (identificação ou
numero do animal), DATA (dia da pesagem do peso do animal) e PESO (peso do
animal correspondente ao dia)



fit_linear <- function(DADOS){

fit_aux = c()

BRINCO = as.numeric(as.vector(levels( as.factor(DADOS[,"BRINCO"]))))

pdf(file = "ajuste%03d.pdf")   # salvar os gráficos em pdf

for (i in BRINCO){

dados = subset(DADOS, BRINCO == i, selec =  c( BRINCO, DATA, PESO))

j=1

while (j<=30){

dias =  as.vector(as.numeric(as.factor(dados[,"DATA"])))

pesos = as.numeric(as.vector(dados$PESO))

dad = cbind(dias, pesos)

mod <- lm(pesos~dias)

INFLUENTES = influence.measures(mod)

dados_analise = cbind(INFLUENTES$is.inf, dad)

dados_influentes = as.data.frame(dados_analise)

colnames(dados_influentes) = c("x1", "x2", "x3", "x4", "x5", "x6", "DATA",
"PESO")

dados = subset(dados_influentes, (x1==FALSE & x2==FALSE & x3==FALSE &
x4==FALSE & x5==FALSE & x6==FALSE),

               selec =  c(x1, x2, x3, x4, x5, x6, DATA, PESO))

j = j+1

}

res <- residuals(mod)

h <- hatvalues(mod)

P = length(mod$coefficient); N=length(peso); P; N; hc<-3*P/N;hc

limt <- list(c(DFB=2/sqrt(N),FDFits=2*sqrt(P/N),cov.r=3*P/N,

 Cook=qf(0.5,2,8, lower.tail = TRUE, log.p = FALSE),hat=3*P/N))

N=length(peso); P=length(mod$coefficient)

rs <- rstudent(mod)

h <- lm.influence(mod)$hat; lc <- 3*P/N

minrs=min(min(rs),-3)

maxrs=max(max(rs),3)

ymin=minrs-.1

ymax=maxrs+.1

maxh=max(max(h),lc)

minh=min(h)

xmin=minh-.1

xmax=maxh+.1

par(mfrow=c(1,1))

plot(c(xmin,xmax),c(ymin,ymax), type="n", xlab="h - leverage",
ylab="RStudent", main= i)

abline(h=-2.5, col="red")

abline(h=2.5,col="red"); abline(v=lc, col="blue")

points(h,rs)

plot(dad,  main= i)

abline(mod,lty=2)

}

dev.off()

}


Agradeço,


-- 
Adriele Giaretta Biase.
Mestre em  Estatística e Experimentação Agropecuária - UFLA.
Doutora em Estatística e Experimentação Agronômica - ESALQ/ USP
Contato: (19) 98861-0619.
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20170720/d9a94728/attachment.html>