Las funciones decil() y anomalia_porcentual() devuelven estos estadísticos
para alguna variable dado un periodo de referencia especificado.
Argumentos
- variable
vector de observaciones de la variable de interés.
- referencia
serie de observaciones para usar de referencia en el ajuste a la distribución teórica. Puede ser:
vector lógico que se usará para filtrar los datos de entrada.
vector numérico de observaciones.
la serie completa (opción por defecto).
- na.rm
lógico. Define si se utilizan o no valores faltantes en el cálculo de la anomalía porcentual.
Valor
Devuelve un vector numérico con el decil asociado a cada valor de la variable.
En este caso la columna deciles es de tipo doble ya que devuelve el valor exacto
del decil sin redondeos. Para el cálculo de la anomalía porcentual también
devuelve un vector numérico. Las funciones son compatibles con
dplyr::group_by() y dplyr::mutate().
Detalles
Para recuperar el valor de la variable asociado a determinado decil se puede
utilizar la función stats::quantile().
Ejemplos
library(dplyr)
#>
#> Adjuntando el paquete: ‘dplyr’
#> The following objects are masked from ‘package:stats’:
#>
#> filter, lag
#> The following objects are masked from ‘package:base’:
#>
#> intersect, setdiff, setequal, union
data(NH0358)
# Deciles de precipitación usando como referencia la serie completa
NH0358 %>%
mutate(deciles = decil(precip)) %>%
slice_head(n = 10)
#> codigo codigo_nh fecha t_max t_min precip lluvia_datos lluvia llovizna
#> 1 5 0358 1951-01-01 29.2 8.2 0.0 0 NA NA
#> 2 5 0358 1951-01-02 31.3 17.4 0.0 0 NA NA
#> 3 5 0358 1951-01-03 30.9 18.3 0.0 0 NA NA
#> 4 5 0358 1951-01-04 32.9 20.1 5.2 1 NA NA
#> 5 5 0358 1951-01-05 32.6 18.4 0.0 0 NA NA
#> 6 5 0358 1951-01-06 30.4 10.3 0.0 0 NA NA
#> 7 5 0358 1951-01-07 29.1 13.8 0.0 0 NA NA
#> 8 5 0358 1951-01-08 31.4 16.4 0.0 0 NA NA
#> 9 5 0358 1951-01-09 30.6 19.6 8.1 1 NA NA
#> 10 5 0358 1951-01-10 28.4 16.9 9.2 1 NA NA
#> granizo nieve t_aire_max t_aire_min t_suelo_max t_suelo_min heliofania_efec
#> 1 NA NA NA NA NA NA NA
#> 2 NA NA NA NA NA NA NA
#> 3 NA NA NA NA NA NA NA
#> 4 NA NA NA NA NA NA NA
#> 5 NA NA NA NA NA NA NA
#> 6 NA NA NA NA NA NA NA
#> 7 NA NA NA NA NA NA NA
#> 8 NA NA NA NA NA NA NA
#> 9 NA NA NA NA NA NA NA
#> 10 NA NA NA NA NA NA NA
#> heliofania_rel p_vapor hr td rocio viento_10m viento_2m rad etp deciles
#> 1 NA NA NA NA NA NA NA NA NA 7.634097
#> 2 NA NA NA NA NA NA NA NA NA 7.634097
#> 3 NA NA NA NA NA NA NA NA NA 7.634097
#> 4 NA NA NA NA NA NA NA NA NA 8.780583
#> 5 NA NA NA NA NA NA NA NA NA 7.634097
#> 6 NA NA NA NA NA NA NA NA NA 7.634097
#> 7 NA NA NA NA NA NA NA NA NA 7.634097
#> 8 NA NA NA NA NA NA NA NA NA 7.634097
#> 9 NA NA NA NA NA NA NA NA NA 9.012704
#> 10 NA NA NA NA NA NA NA NA NA 9.082497
# Deciles mensuales
precip_mensual <- NH0358 %>%
group_by(fecha = lubridate::floor_date(fecha, "month")) %>%
summarise(precip = sum(precip, na.rm = TRUE))
precip_mensual %>%
mutate(deciles = decil(precip))
#> # A tibble: 839 × 3
#> fecha precip deciles
#> <date> <dbl> <dbl>
#> 1 1951-01-01 85.2 6.00
#> 2 1951-02-01 156. 8.64
#> 3 1951-03-01 32.1 1.91
#> 4 1951-04-01 43.6 2.87
#> 5 1951-05-01 243. 9.74
#> 6 1951-06-01 27.2 1.60
#> 7 1951-07-01 1.4 0.119
#> 8 1951-08-01 88 6.25
#> 9 1951-09-01 25.3 1.45
#> 10 1951-10-01 37 2.42
#> # ℹ 829 more rows
# Definiendo un periodo de referencia
precip_mensual %>%
mutate(deciles = decil(precip,
referencia = lubridate::year(fecha) <= 1958))
#> # A tibble: 839 × 3
#> fecha precip deciles
#> <date> <dbl> <dbl>
#> 1 1951-01-01 85.2 6.88
#> 2 1951-02-01 156. 8.75
#> 3 1951-03-01 32.1 2.19
#> 4 1951-04-01 43.6 3.33
#> 5 1951-05-01 243. 9.90
#> 6 1951-06-01 27.2 1.56
#> 7 1951-07-01 1.4 0.104
#> 8 1951-08-01 88 6.98
#> 9 1951-09-01 25.3 1.35
#> 10 1951-10-01 37 3.02
#> # ℹ 829 more rows