La incertidumbre de datos es un término que utilizamos para describir el nivel de confianza que un usuario tiene en sus datos. Hay muchas razones por las que usted podría no estar 100% seguro de que sus datos reflejan lo que realmente está sucediendo en el mundo real.
Antes de examinar esas razones con más detalle, es útil examinar dos aspectos de la incertidumbre: la exactitud y la precisión.
¿Qué es la precisión y exactitud?
La precisión se refiere al grado en que un valor medido se aproxima a un valor real. En tanto que la exactitud se refiere a la proximidad entre un valor medido y un valor verdadero del mensurando. La precisión se puede entender en dos contextos: (1) como medida de la dispersión de los valores medidos en torno al valor medio de ese grupo de mediciones; o (2) la resolución de los datos (es decir, la menor diferencia de medición que se puede registrar con ese método o herramienta de medición en particular).
Tomemos como ejemplo una cifra objetivo. Ahora finge que tienes cuatro lanzadores de dardos que tienen tres intentos cada uno para acercarse lo más posible al centro, o centro de diana, del objetivo. Los dardos del lanzador 1 (mostrados en rojo) aterrizan muy cerca del centro de la diana. Ella es exacta y precisa. Los dardos del lanzador 2 (mostrados en verde) están muy cerca unos de otros, pero no cerca de la diana. Es preciso, pero no exacto. Los dardos del lanzador 3 (mostrados en azul) aterrizan cerca del centro, pero no cerca uno del otro. Es exacto, pero no muy preciso. Finalmente, los dardos del lanzador 4 (mostrados en amarillo) aterrizan sobre el objetivo y no están ni cerca uno del otro. No es ni exacta ni precisa.
En el mundo real, es posible que tengas que decidir cómo medir algún fenómeno que te interese (por ejemplo, decidir qué lanzador de dardos elegir para tu equipo). Aunque los métodos de medición que usted tiene que elegir pueden no ser tan diferentes en su precisión y exactitud como los lanzadores de dardos en la figura anterior, usted todavía querrá elegir el método que le da el mayor nivel de precisión y exactitud que usted puede obtener (sujeto a otras restricciones en su proyecto, tales como el costo).
Por lo tanto, si es capaz de dirigir la recopilación de datos usted mismo, es posible que tenga un mayor grado de confianza en sus datos. Sin embargo, a menudo se utilizan datos que fueron recopilados por otra persona, y depende de usted hacer una estimación de la fiabilidad de los datos. En el resto de esta galería de conceptos, hablaremos sobre varios tipos de incertidumbre en los datos y las fuentes de esa incertidumbre.
Tipos de incertidumbre
En general, podemos pensar en tres tipos de incertidumbre para un conjunto de datos dado: incertidumbre temática, posicional (espacial) y temporal (Buttenfield y Beard 1994).
Hay muchas fuentes de incertidumbre en los datos. Aquí, enumeramos algunos ejemplos:
- Percepción (de un recolector de datos humanos) o sesgo del observador. En otras palabras, dos medidores pueden intentar describir el mismo objeto o fenómeno (y posiblemente incluso utilizar el mismo instrumento), pero aún así conseguir diferentes mediciones para describir el objeto o fenómeno.
- Precisión del dispositivo de medición. Algunos métodos de medición son más precisos que otros (por ejemplo, un receptor GPS con corrección diferencial es más preciso que uno sin él).
- Precisión del dispositivo de medición. Esto a menudo tiene que ver con la calidad de la calibración del instrumento.
- Procesamiento de datos. Operaciones como la vectorización, la rasterización y los cálculos (es decir, la derivación de una medida de datos a partir de datos brutos) pueden introducir incertidumbre en los datos.
- Variación del fenómeno en sí mismo. Algunos fenómenos (por ejemplo, los edificios) están bien definidos y es fácil para el recolector de datos decir dónde comienza y dónde termina el fenómeno. Otros, como los tipos de suelo o de vegetación, son más difusos, y son más difíciles de describir con un alto grado de exactitud y precisión.
Traducido desde: GEOG 486
Buenas noches, me parece muy oportuna e interesante para muchas áreas de trabajo, la traducción del documento que tiene como título “Cartography and Visualization”, pero me parece también que hay un error en la traducción, en el tercer párrafo del artículo original se menciona lo siguiente: “Thrower 3’s darts (shown in blue) all land near the center, but not close together. He is accurate, but not very precise.”, dice que es EXACTO, pero NO MUY PRECISO, mientras que en la traducción “Los dardos del lanzador 3 (mostrados en azul) aterrizan cerca del centro, pero no cerca uno del otro. ES PRECISO, pero NO MUY EXACTO”.
Me percaté de este error cuando puse las sentencias en un cuadro de doble entrada, donde en un eje ponemos la Precisión (Sí/No) y en el otro la Exactitud (Sí/No), donde por consecuencia del análisis la 1ra sentencia, rojo, cumple con que sí es preciso y Sí es Exacto; la 2da, verde, sí es preciso, pero no exacto; la 3ra, azul, no es preciso, pero sí es exacto; finalmente, la 4ta, amarillo, no es preciso y no exacto.
También me pareció interesante que se menciones los tres tipos de incertidumbre, esto tiene también que ver con las componentes de los datos (especialidad Sistemas de Información Geográfica), la Temática, la Temporal y la Espacial.
Espero haber ayudado un poco.
Muchas gracias.
Estimado Santos, gracias por ayudarnos a corregir los errores presentes, esto permite mejorar cada día. Como gratificación podrías reclamar gratuitamente para ti o alguien que le desees proporcionar uno de nuestros cursos disponibles en http://www.arcgeek.com
Puedes reclamar a través del formulario de contacto.