Actualizado por ultima vez el 5 de octubre de 2021, por Luis Benites.
El ruido estadístico es la irregularidad aleatoria que encontramos en cualquier dato de la vida real. No tienen patrón. Un minuto, sus lecturas pueden ser demasiado pequeñas. El siguiente podrían ser demasiado grandes. Estos errores suelen ser inevitables e impredecibles.
Cuantificación del ruido estadístico
El ruido estadístico generalmente consiste en errores y residuos:
- Los errores pueden incluir errores de medición y errores de muestreo ; las diferencias entre los valores observados que hemos medido realmente y sus ‘valores verdaderos’. Si bien la mayoría de los errores son inevitables, los errores sistemáticos generalmente se pueden evitar. Se infiltran en sus datos cuando comete el mismo error una y otra vez. Por ejemplo, supongamos que desea saber algo sobre la salud general de la población, pero solo encuestó a los pacientes en las salas de espera de los médicos. Ese error sistemático (encuestas a personas enfermas una y otra vez) creará una estadística completamente fuera de lugar.
- El residuo de los datos observados es la diferencia entre su valor observado (nuevamente, ese punto de datos que ha medido) y el valor predicho; no el ‘valor verdadero’ en sí, sino el punto en el espacio en el que su teoría le dice que debe estar el punto de datos. En el análisis de regresión , es la distancia entre el punto de datos observado y la línea de regresión.
La importancia del ruido
Reconocer y cuantificar la cantidad de ruido estadístico en un conjunto de datos es un paso importante en el análisis; un paso que nos permitirá ver inmediatamente si los cambios de datos son significativos o simplemente parte de lo estático.
El ruido estadístico suele estar referenciado por márgenes de error .
Por ejemplo, si las encuestas nos dicen que el candidato B ha subido tres puntos porcentuales en la opinión pública, pero el ruido estadístico (también conocido como margen de error) es de 10 puntos porcentuales, sabemos que el cambio no es estadísticamente significativo.
Referencias
Smith, S. The Scientist and Engineer’s Guide to Digital Signal Processing, Capítulo 2
Obtenido de http://my.fit.edu/~vkepuska/ece3551/DSP-GUIDE/CH2.PDF el 11 de febrero de 2018
Goldacre, B. Unemployment está subiendo… (19 de agosto de 2011). El guardián.
Recuperado de https://www.theguardian.com/commentisfree/2011/aug/19/bad-science-unemployment-statistical-noise el 11 de febrero de 2018
Universidad de Granada SCI2S: Noisy Data in Data Mining
recuperado de http:// sci2s.ugr.es/noisydata el 14 de febrero de 2018
