Datos ausentes — Datos, 14–17 años
Las respuestas en blanco forman parte de un conjunto de datos; no son un detalle invisible. Entender por qué faltan valores ayuda a juzgar si una conclusión es fiable.
Idea
Los datos ausentes aparecen cuando se esperaba un valor, pero no se registró, se rechazó o no pudo medirse. El propio espacio en blanco informa: puede señalar una pregunta omitida, un sensor averiado o una persona a la que no se pudo contactar. Los valores ausentes deben contarse y describirse, no ignorarse sin más.
Por qué
Los analistas consideran importantes los datos ausentes porque eliminarlos puede cambiar el grupo estudiado. Si las personas con menos ingresos responden menos a una pregunta sobre dinero, las respuestas restantes pueden parecer demasiado favorables. La pregunta clave no es solo cuánto falta, sino por qué falta.
Ejemplo resuelto
Una encuesta pregunta a 100 personas si van en bicicleta al colegio. Responden 80 y 48 dicen que sí. Entre quienes responden, la tasa es 48 ÷ 80 = 60%. No debemos informar de que es el 48% de todo el alumnado sin saber si las 20 personas que no respondieron se parecen a las demás; la estimación podría estar sesgada.
Error frecuente
Un error frecuente es sustituir todos los espacios en blanco por cero. Parece ordenado porque un espacio vacío puede interpretarse como «ninguno», pero convierte «desconocido» en un valor medido. Una temperatura ausente no es 0 °C, y unos ingresos ausentes no significan cero ingresos; la sustitución necesita una justificación.
Uso
Las comprobaciones de datos ausentes se usan en historiales sanitarios, encuestas escolares, sensores climáticos y formularios en línea. Un hospital puede descubrir que una clínica deja un campo en blanco mucho más a menudo que las demás, lo que revela un problema de formación o de software. Informar de la cantidad y el patrón de ausencias hace más seguras las decisiones.
Sigue explorando
Otros idiomas
Cargando MyLeoNes™…