Exactitud, precisión y tipos de errores en la evaluación de datos

Publicado el 18 septiembre, 2020

¿Por qué evaluar los datos?

Cuando esté leyendo el trabajo científico de otra persona (o incluso cuando esté revisando el suyo), siempre debe examinar cuidadosamente los datos presentados. Los datos científicos pueden influir en la formulación de políticas y otras decisiones importantes, por lo que tener buenos datos es clave. Los datos confiables conducen a decisiones mejor informadas, mayor credibilidad científica e incluso pueden señalar dónde es posible que su estudio deba modificarse o rediseñarse.

Una forma en que podemos evaluar nuestros datos es mediante la replicación. Realizar ciertos pasos o incluso todo el experimento una y otra vez nos da más información de la que obtenemos en una sola pasada. Pero incluso si realiza exactamente los mismos pasos cada vez con mucho cuidado y minuciosidad, es posible que obtenga resultados diferentes. ¿Significa esto que tienes datos incorrectos? No necesariamente. Pero podría ayudarlo a identificar diferentes tipos de errores asociados con sus datos.

Probablemente haya escuchado los términos precisión, precisión y error antes, pero ¿qué significan exactamente esos términos? Repasemos cada uno de estos para darle una mejor idea de cómo se relacionan con los datos científicos, los suyos o los de cualquier otra persona.

Exactitud vs precisión

¡Correcto! ¡Le diste al clavo! ¡Diana! Ha escuchado estas declaraciones si adivinó correctamente la respuesta correcta a una pregunta. Al igual que en ese cuestionario, la precisión de los datos científicos se refiere a qué tan cerca está una medición del valor “verdadero”.

Tomemos esa diana, por ejemplo. Si tuvieras un objetivo al que estuvieras lanzando dardos y acertaras en el centro mismo del objetivo cada vez, serías muy preciso porque ese es el valor “verdadero” que estás tratando de lograr. Pero si golpea muy lejos del centro del objetivo cada vez, sería inexacto porque no está cerca del valor “verdadero”. Cuanto más lejos estés del centro, menos precisos serán tus lanzamientos.


La diferencia entre precisión y precisión se puede ilustrar con un juego de dardos.
La diferencia entre precisión y precisión se puede ilustrar con un juego de dardos.

La precisión es muy importante en la recopilación de datos científicos. Por ejemplo, es posible que desee medir el volumen de una determinada sustancia química en su experimento. Si el volumen real fuera de 60 ml pero midiera 75 ml, no tendría un valor muy preciso porque no se acerca al valor “verdadero” de 60 ml. Pero si midió 59 ml, podría considerar que este es un valor exacto, ya que está muy cerca del volumen “verdadero”.


La precisión es importante al recopilar datos científicos.
La precisión es importante al recopilar datos científicos como el volumen

Volvamos a tu objetivo por un minuto. Esta vez, cuando lanzas los dardos, no estás ni cerca del centro, pero al menos golpeas el mismo lugar cada vez. En este caso, podemos decir que si bien no fue preciso, fue preciso. Esto se debe a que la precisión , que a menudo se denomina reproducibilidad o repetibilidad, es el acuerdo de medidas repetidas.

Entonces, mientras que la precisión se refiere a qué tan cerca está de su valor real, la precisión se refiere a la frecuencia con la que obtiene la misma medida en las mismas condiciones. Si, por ejemplo, midiera el volumen de su sustancia química diez veces y cada vez que midiera 75 ml (cuando el valor real sigue siendo 60 ml), aún no sería muy preciso. Sin embargo, la buena noticia es que fue preciso porque obtuvo el mismo valor cada vez que tomó una medición.

Al igual que con los ejemplos que acabamos de ver, puede ser exacto sin ser preciso y preciso sin ser exacto. Pero también puede ser exacto y preciso (acercándose al valor ‘verdadero’ cada vez) o ni exacto ni preciso (estando lejos de la medición ‘verdadera’ y con un valor diferente cada vez).

Tipos de error

Idealmente, desea ser exacto y preciso. Pero debido a que ni los humanos ni los instrumentos que utilizamos para tomar medidas son perfectos, cualquier medida es propensa a errores de alguna forma. El error humano incluye cualquier error humano básico: derramar una sustancia, dejar caer el equipo, olvidar apagar el horno de secado, etc. Estos errores pueden suceder y sucederán, ¡sin importar cuán evitables puedan parecer en retrospectiva!

Cualquier error que no se atribuya directamente a “oopses” humanos se clasifica en dos categorías. El primero es el error aleatorio , que es un error que ocurre aleatoriamente en el espacio y el tiempo. Este tipo de error se produce de forma periódica y sin un patrón específico y, por tanto, da resultados imprecisos. Los errores aleatorios son inevitables y son solo parte de cada conjunto de datos, pero es muy probable que ocurran en una dirección positiva o negativa. Esto significa que, en teoría, después de tomar suficientes medidas, los errores aleatorios esencialmente se cancelarían, acercándolo a su valor “verdadero”. ¡La repetición trabaja a tu favor aquí!

El segundo tipo de error no humano es el error sistemático , que es el error asociado con los instrumentos. Quizás su pipeta no dispensa la cantidad correcta de líquido o sus escalas no están calibradas correctamente. En este caso, tendría el mismo error cada vez porque su instrumentación está desfasada en la misma cantidad para cada medición. Al final, todas sus mediciones serían demasiado altas o demasiado bajas, lo que generaría datos precisos, pero inexactos.

Un tipo de error sistemático que puede encontrar es la deriva . Esto es cuando un instrumento cambia gradualmente con el tiempo. La deriva a menudo ocurre en instrumentos que registran continuamente, como detectores. Cada tipo de instrumento tendrá una cantidad diferente de deriva; por ejemplo, algunos detectores de murciélagos derivan unos ocho minutos al año, mientras que algunos detectores de peces lo hacen unos segundos cada mes. Es posible que unos minutos o segundos no parezcan mucho, pero si está tratando de usar esos datos de detección para calcular la velocidad de nado en metros por segundo, ¡necesita que los segundos sean los correctos! Como puede ver, este es un tipo de error muy importante a tener en cuenta. Sin embargo, lo más probable es que el fabricante del instrumento le diga cuánta desviación se producirá y con qué frecuencia debe recalibrar sus máquinas para evitarla.

Resumen de la lección

Informar los datos es un paso importante en las investigaciones científicas. Sin embargo, sus datos deben ser creíbles, ya que otros pueden basar nuevos experimentos en sus resultados, las decisiones de políticas pueden verse influenciadas y, en general, usted desea que lo vean como un científico de buena reputación.

Examinar sus datos para determinar su exactitud y precisión ayuda a dar credibilidad a sus resultados y experimentos. La precisión se refiere a qué tan cerca está una medición del valor “verdadero”, y la precisión , a menudo llamada reproducibilidad o repetibilidad, es la concordancia de mediciones repetidas. Golpear el centro del objetivo significa que estás acertado. Pero golpear el centro del objetivo una y otra vez es aún mejor porque ahora eres preciso y preciso.

Se producirán errores en cualquier conjunto de datos, especialmente errores aleatorios . Estos errores que ocurren al azar en el espacio y el tiempo son inevitables e impredecibles. Sin embargo, con suficiente replicación, esencialmente se equilibrarán. Los errores sistemáticos, por otro lado, están asociados con los instrumentos y se pueden prevenir con pasos preventivos como una calibración adecuada.

Los resultados del aprendizaje

Determina tu capacidad para hacer lo siguiente cuando hayas revisado el video:

  • Comprender la importancia de informar datos creíbles
  • Indicar las funciones que desempeñan la exactitud y la precisión en el proceso de producción de datos creíbles.
  • Especificar los tipos de errores que pueden ocurrir en cualquier conjunto de datos.

¡Puntúa este artículo!