{"id":28,"date":"2024-03-15T12:18:40","date_gmt":"2024-03-15T11:18:40","guid":{"rendered":"https:\/\/blog.magenta-dataportfolio.eu\/?p=28"},"modified":"2024-09-13T14:03:51","modified_gmt":"2024-09-13T12:03:51","slug":"falta-de-precision-en-el-analisis-a-causa-de-una-mala-eleccion-de-la-escala","status":"publish","type":"post","link":"https:\/\/blog.magenta-dataportfolio.eu\/index.php\/2024\/03\/15\/falta-de-precision-en-el-analisis-a-causa-de-una-mala-eleccion-de-la-escala\/","title":{"rendered":"Falta de precisi\u00f3n en el an\u00e1lisis a causa de una mala elecci\u00f3n de la escala"},"content":{"rendered":"
\n
\"\"
El uso de una lente macro para hacer esta fotograf\u00eda difumina las ramas m\u00e1s lejanas del cerezo, obteniendo \u00fanicamente el detalle de la m\u00e1s pr\u00f3xima. Imagen de Rebecca Tregear<\/a> en Pixabay<\/a><\/figcaption><\/figure><\/div>\n\n
\n
\"\"<\/figure><\/div>\n\n\n

Est\u00e1s de visita en una ciudad desconocida, digamos New York, y consultas un mapa para no perderte. Este mapa contiene el detalle de las calles de la ciudad, a un tama\u00f1o adecuado para hacerlo manejable quiz\u00e1 con el detalle de un \u00fanico barrio, por lo que resulta ideal para guiar tus pasos. \u00bfTe imaginas hacer lo mismo con una hoja DIN-A4 con el mapa de todos los EEUU? New York no ser\u00eda m\u00e1s que un punto sobre el papel, ser\u00eda imposible distinguir una simple avenida. A la hora de analizar datos, puede darse un problema similar a causa de una mala elecci\u00f3n de escala.<\/p>\n\n\n\n

La operadora ferroviaria Renfe pone a disposici\u00f3n de los usuarios un conjunto de datos abiertos con la informaci\u00f3n del n\u00famero de pasajeros en las estaciones de los n\u00facleos de Cercan\u00edas<\/a> de distintas ciudades espa\u00f1olas. Los datos m\u00e1s recientes de que dispone, seg\u00fan consulta en octubre de 2023, son del a\u00f1o 2018.<\/p>\n\n\n\n

La informaci\u00f3n proporcionada incluye el n\u00famero medio de pasajeros subidos y bajados en las estaciones de cada n\u00facleo de Cercan\u00edas, dividido en periodos de 30 minutos, en el a\u00f1o 2018. A modo de ejemplo, se muestra una fila del fichero disponible para el n\u00facleo de Barcelona:<\/p>\n\n\n\n

La agregaci\u00f3n de datos facilitada no permite diferenciar las tendencias de los flujos de viajeros en d\u00edas laborables de fines de semana y festivos, ni tampoco permite identificar diferencias en funci\u00f3n de la \u00e9poca del a\u00f1o o en per\u00edodos no lectivos, por citar algunos casos. S\u00ed que es posible, no obstante, analizar la evoluci\u00f3n a lo largo del d\u00eda e inferir los horarios de m\u00e1xima afluencia, sin embargo esta informaci\u00f3n puede resultar enga\u00f1osa ya que, por lo general, la poblaci\u00f3n se desplaza m\u00e1s tarde los fines de semana que los d\u00edas laborables.<\/p>\n\n\n\n

Otro caso que me he encontrado en el que la falta de precisi\u00f3n temporal puede dar lugar a resultados imprecisos, es el de los datos de accidentabilidad<\/a> del portal de datos abiertos de la ciudad de Barcelona. El dataset proporciona la hora en la que se produjo el accidente, sin especificar el minuto concreto (por ejemplo, las 11h en lugar de las 11:26h). En esta ocasi\u00f3n la falta de precisi\u00f3n a causa de la falta de granularidad es m\u00e1s sutil: imaginemos que se desea analizar la influencia de la falta de luz solar en la accidentabilidad de VMPs, si el accidente ha tenido lugar a las 11h o a las 23h no hay problema, pero si ha tenido lugar a las 18h en el mes de febrero, no hay la misma luz solar a las 18:05h que a las 18:55h.<\/p>\n\n\n\n

As\u00ed pues a mayor detalle en los datos proporcionados mayor precisi\u00f3n en el an\u00e1lisis, lo que a su vez da lugar a un conocimiento m\u00e1s profundo de aquellos aspectos que se est\u00e1 analizando.<\/p>\n","protected":false},"excerpt":{"rendered":"

Est\u00e1s de visita en una ciudad desconocida, digamos New York, y consultas un mapa para no perderte. Este mapa contiene el detalle de las calles de la ciudad, a un tama\u00f1o adecuado para hacerlo manejable quiz\u00e1 con el detalle de… Continue Reading →<\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[7],"tags":[9],"_links":{"self":[{"href":"https:\/\/blog.magenta-dataportfolio.eu\/index.php\/wp-json\/wp\/v2\/posts\/28"}],"collection":[{"href":"https:\/\/blog.magenta-dataportfolio.eu\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.magenta-dataportfolio.eu\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.magenta-dataportfolio.eu\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.magenta-dataportfolio.eu\/index.php\/wp-json\/wp\/v2\/comments?post=28"}],"version-history":[{"count":2,"href":"https:\/\/blog.magenta-dataportfolio.eu\/index.php\/wp-json\/wp\/v2\/posts\/28\/revisions"}],"predecessor-version":[{"id":52,"href":"https:\/\/blog.magenta-dataportfolio.eu\/index.php\/wp-json\/wp\/v2\/posts\/28\/revisions\/52"}],"wp:attachment":[{"href":"https:\/\/blog.magenta-dataportfolio.eu\/index.php\/wp-json\/wp\/v2\/media?parent=28"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.magenta-dataportfolio.eu\/index.php\/wp-json\/wp\/v2\/categories?post=28"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.magenta-dataportfolio.eu\/index.php\/wp-json\/wp\/v2\/tags?post=28"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}