7.3 Data Challenges

cada uma das variáveis registadas como texto livre.A mesma informação pode ser expressa de forma muito diferente em observações diferentes, dependendo de quem estava fazendo a gravação.Por exemplo, dados em falta podem ser deixados em branco e lidos por R como NA.Mas texto como “N/A”, “N/a”, “Nenhum”, “N/A” ou outros significam a mesma coisa.Da mesma forma, há muitas maneiras alternativas de a polícia entrar em informações sobre o sexo, raça ou idade das vítimas, suspeitos e pessoas presas.,Exemplos incluem: “homem de 15 anos”,” Homem Adulto”,” Homem M/B de 18 anos”,” dois homens, ambos de 20 anos 1 mulher, 19 anos”,” duas mulheres brancas, 18-20 anos de idade”, e muitos outros.Alguns indivíduos são identificados pelo nome e sexo pode ser inferido.

Esta falta de um meio universal para gravar os dados, não é geralmente um problema para o inteligente leitor humano tentando ler dados a partir de um pequeno número de incidentes,mas apresenta um desafio significativo ao tentar extrair informações de resumo de todo o conjunto de dados.,Além da mesma informação sendo armazenada de muitas maneiras,um outro desafio é que existem alguns erros óbvios em datas,números de casos e em outras variáveis.Valores a partir de números de casos e outras variáveis para a mesma observação ou outras observações próximas no conjunto de dados podem ser úteis para corrigir erros como os incidentes são, mais ou menos, em ordem de tempo.