excludedata

Visualice reglas de exclusión con datos aleatorios.

Genere datos aleatorios x e y.

xdata = -3 + 6*rand(1,1e4);
ydata = -3 + 6*rand(1,1e4);

Como ejemplo, excluya datos que están dentro del cuadro [-1 1 -1 1] o fuera del dominio [-2 2].

outliers1 = ~excludedata(xdata,ydata,'box',[-1 1 -1 1]);
outliers2 = excludedata(xdata,ydata,'domain',[-2 2]);
outliers = outliers1|outliers2;

Represente los datos que no están excluidos. El área blanca corresponde a las regiones excluidas.

plot(xdata(~outliers),ydata(~outliers),'.')
axis([-3 3 -3 3])
axis square

Cargue el recuento de votos y los nombres de los condados del estado de Florida en las elecciones presidenciales estadounidenses de 2000.

load flvote2k

Utilice el recuento de votos de los candidatos de los dos partidos principales, Bush y Gore, como predictores del recuento de votos para el candidato del tercer partido, Buchanan, y represente las dispersiones:

plot(bush,buchanan,'rs')
hold on
plot(gore,buchanan,'bo')
legend('Bush data','Gore data')

Asuma un modelo en el que una proporción fija de los votantes de Bush o de Gore eligen votar a Buchanan.

f = fittype({'x'})

f = 
     Linear model:
     f(a,x) = a*x

Excluya los datos de los votantes por correo, que no utilizaron la polémica papeleta "mariposa".

nobutterfly = strcmp(counties,'Absentee Ballots');

Realice un ajuste robusto de ponderación bicuadrada del modelo a los dos conjuntos de datos, excluyendo los votantes por correo.

bushfit = fit(bush,buchanan,f,'Exclude',nobutterfly,'Robust','on');
gorefit = fit(gore,buchanan,f,'Exclude',nobutterfly,'Robust','on');

Los ajustes robustos otorgan una ponderación baja a los valores atípicos, por lo que los valores residuales grandes de un ajuste robusto se pueden utilizar para identificar los valores atípicos.

figure
plot(bushfit,bush,buchanan,'rs','residuals')
hold on
plot(gorefit,gore,buchanan,'bo','residuals')

Calcule los valores residuales.

bushres = buchanan - feval(bushfit,bush);
goreres = buchanan - feval(gorefit,gore);

Identifique los valores residuales grandes como aquellos fuera del rango [-500 500].

bushoutliers = excludedata(bush,bushres,'range',[-500 500]);
goreoutliers = excludedata(gore,goreres,'range',[-500 500]);

Muestre los condados correspondientes a los valores atípicos. Los condados de Miami-Dade y Broward se corresponden con los mayores valores predictores. El condado de Palm Beach, el único del estado que utilizó las papeletas "mariposa", corresponde a los mayores valores residuales.

counties(bushoutliers)

ans = 2x1 cell
    {'Miami-Dade'}
    {'Palm Beach'}

counties(goreoutliers)

ans = 3x1 cell
    {'Broward'   }
    {'Miami-Dade'}
    {'Palm Beach'}