Incertidumbre en Estadística

Actualizado el 24 de octubre de 2021, por Luis Benites.

Este hombre palo mide unos 250 píxeles de alto. Se incorpora una pequeña cantidad de error (quizás la mitad de un píxel).

En el mundo real, la incertidumbre (a veces llamada error o sesgo ) es parte de la vida cotidiana, pero en las estadísticas tratamos de cuantificar cuánta incertidumbre hay en los resultados de nuestros experimentos, encuestas o pruebas.

Los dos tipos principales son epistémicos (cosas que no sabemos por falta de datos o experiencia) y aleatorios (cosas que simplemente se desconocen, como qué número mostrará un dado en la siguiente tirada).

Se mide a través de una variedad de formas.

Medidas de incertidumbre

El intervalo de confianza (IC) muestra cuál es la incertidumbre con una determinada estadística (por ejemplo, una media ). El margen de error es un rango de valores por encima y por debajo de la estadística de muestra de un intervalo de confianza. Por ejemplo, una encuesta podría informar un nivel de confianza del 95 % de entre 4,88 y 5,26. Eso significa que si la encuesta se repite usando los mismos métodos, el 95% de las veces el parámetro de población real estará entre 4,88 y 5,26, el 95% de las veces.

El error medio se refiere a la media (promedio) de todos los errores. “Error” en este contexto es la diferencia entre un valor medido y verdadero.

Para conocer lo que sucede con los errores de medición cuando usa medidas inciertas para calcular otra cosa (por ejemplo, usar la longitud para calcular el área), consulte: Propagación de la incertidumbre . En términos generales, la precisión relativa muestra la incertidumbre como una fracción de una cantidad. Es la relación entre la precisión de una medida y la medida en sí.

Para conocer la entropía de una distribución en la que una variable de fila X explica una variable de columna Y, consulte: Coeficiente de incertidumbre .

Fuentes de incertidumbre

• Los errores de interpolación ocurren debido a la falta de datos y pueden verse agravados por su elección del método de interpolación.
• El sesgo del modelo ocurre porque cualquier modelo es una aproximación, o una mejor estimación de cómo sería una distribución real.
• Los errores numéricos son errores humanos que aparecen cuando se traducen modelos matemáticos a una computadora.
• El error de observación se debe a la variabilidad de las mediciones en un experimento.
• La incertidumbre de los parámetros ocurre porque no conocemos los valores exactos o «mejores» en una población; solo podemos hacer una buena suposición con el muestreo.

Referencias

Everitt, BS; Skrondal, A. (2010), The Cambridge Dictionary of Statistics , Cambridge University Press.
Levine, D. (2014). Incluso usted puede aprender estadísticas y análisis: una guía fácil de entender sobre estadísticas y análisis, 3.ª edición. Pearson FT Press
Potter, K. (2012). Análisis de Incertidumbre y Espacio de Parámetros en Visualización. Instituto de Imágenes y Computación Científica de la Universidad de Utah. Recuperado el 9 de abril de 2019 de: http://www.sci.utah.edu/~kpotter/talks/StatisticalUncertainty.pdf