¿El mejor término para los datos inventados?

Question

¿El mejor término para los datos inventados?

Preguntado el 4 de Agosto, 2019: Cuando se hizo la pregunta
3899 visitas: Cuantas visitas ha tenido la pregunta
5 Respuestas: Cuantas respuestas ha tenido la pregunta
Resuelta: Estado actual de la pregunta

Estoy escribiendo un ejemplo y me he inventado algunos datos. Quiero que quede claro para el lector que no son datos reales, pero tampoco quiero dar la impresión de malicia, ya que sólo sirve como ejemplo.

No hay ningún componente (pseudo)aleatorio en estos datos en particular, por lo que me parece que "simulado" no es apropiado. Si lo llamo ficticio o fabricado, ¿da eso la impresión de fraudulento ¿Datos? ¿Es "inventado" una palabra que encajaría en un contexto científico?

¿Cuál es la terminología en la literatura estadística para los datos inventados no simulados?

Preguntado el 4 de Agosto, 2019 por James

9 votos

Sólo para añadir un comentario que se extiende a lo largo de varias respuestas: "sintético" es una buena palabra para datos inventados que intentan parecer lo más realistas posible, mientras que "maqueta" sugiere datos que han sido elaborados para demostrar algo en particular. Por ejemplo, los datos "maquetados" podrían contener valores atípicos absurdos, sólo para demostrar lo importante que es tratar adecuadamente los valores atípicos.

Comentado el 4 de Agosto, 2019 por foss

0 votos

Personalmente prefiero el término "simulado" y es el que más he encontrado en la literatura estadística (es decir, "realizamos simulaciones para comparar nuestro modelo frente a X,Y,Z...."

Comentado el 26 de Agosto, 2019 por Samir Rachid Zaim

Answer 1

5 Respuestas

Answer 2

46voto

Matthias Schippling Puntos 881

Yo probablemente llamaría a esto datos "sintéticos" o "artificiales", aunque también podría llamarlos "simulados" (la simulación es muy simple).

Respondido el 4 de Agosto, 2019 por Matthias Schippling (881 Puntos )

30 votos

Se oye "datos de juguete", "ejemplo de juguete" y "datos ficticios". También estoy de acuerdo en que "simulado" podría encajar bien incluso en ausencia de números aleatorios.

Comentado el 4 de Agosto, 2019 por pauly

7 votos

También puede utilizarse "datos ilustrativos" o "datos de ejemplo".

Comentado el 4 de Agosto, 2019 por Alan

8 votos

+1 ' datos sintéticos y ejemplo de juguete ' son términos que podría utilizar, si se diera la ocasión, al igual que 'ejemplo construido'. A veces digo "ejemplo ilustrativo" o algo parecido, sobre todo cuando el ejemplo se construyó explícitamente para que tuviera unas características concretas (por ejemplo, cuando se diseñó como contraejemplo de alguna noción errónea).

Comentado el 4 de Agosto, 2019 por AdamSane

Mostrar 3 comentarios más

Answer 3

15voto

Fredrik Mörk Puntos 85694

Si desea referirse a sus datos como ficticio estarías en buena compañía, ya que ese es el término que Francis Anscombe utilizó para describir su ahora famoso cuarteto .

De Anscombe, F. J. (1973). " Gráficos en el análisis estadístico ", Am. Stat. 27 (1):

Algunos de estos puntos se ilustran con cuatro conjuntos de datos ficticios, cada uno formado por once pares (x, y), que se muestran en la tabla.

Pero creo que su precaución es acertada, ya que mi OED (v4) parece indicar que este uso de ficticio es obsoleto

ficticio , a.

(fkts)

[f. L. fictci-us (f. fingre, fingir) + -ous: véase -itious].

1.1 †a.1.a Artificial por oposición a natural (obs.). b.1.b Falsificación, 'imitación', farsa; no genuino.

Respondido el 4 de Agosto, 2019 por Fredrik Mörk (85694 Puntos )

0 votos

En términos de legibilidad, la primera sugerencia y los comentarios son una alternativa mucho mejor. No es necesario utilizar palabras poco comunes y complicadas.

Comentado el 4 de Agosto, 2019 por Dipstick

2 votos

@Tim: Quiero estar de acuerdo, pero no estoy del todo seguro de con qué estaría de acuerdo. ¿Estás diciendo que ficticio sería una mala elección, a pesar de haberse utilizado antes en un contexto similar? Porque eso es lo que estoy diciendo.

Comentado el 4 de Agosto, 2019 por Fredrik Mörk

Answer 4

7voto

Davoud Taghawi-Nejad Puntos 71

En informática solemos llamarlo datos de la maqueta que puede presentarse a través de una maqueta (aplicación).

Los datos de la maqueta también pueden presentarse a través de una aplicación totalmente funcional, por ejemplo para probar la funcionalidad de la aplicación de forma controlada.

Respondido el 4 de Agosto, 2019 por Davoud Taghawi-Nejad (71 Puntos )

5 votos

Buena observación, pero creo que los datos simulados no son exactamente los mismos. Cuando se crean datos simulados para pruebas unitarias, solo se necesitan para preservar algunas propiedades muy básicas de los datos reales, mientras que cuando se utilizan datos simulados para análisis estadísticos, normalmente se utilizan ejemplos de datos más sofisticados.

Comentado el 4 de Agosto, 2019 por Dipstick

2 votos

Sin embargo, sigo creyendo que ErikE tiene razón, cuando escribes código analítico necesitas datos reales o simulados. Los datos simulados pueden ser tan grandes como quieras que sean.

Comentado el 6 de Agosto, 2019 por Mathijs Segers

1 votos

Las prácticas probablemente varían, al igual que el uso de la terminología, supongo. Para muchas de nuestras pruebas y análisis utilizamos datos reales que han sido "desactivados" por razones de seguridad y anonimato. Para otros, creamos datos básicos tal y como describe Tim. No tengo una opinión firme, pero utilizamos el término maqueta con bastante ligereza.

Comentado el 6 de Agosto, 2019 por Davoud Taghawi-Nejad

Answer 5

3voto

rtol Puntos 11

He visto repetidas sugerencias sobre el término "datos sintéticos". Sin embargo, ese término tiene un significado muy amplio y muy distinto del que usted quiere expresar: https://en.wikipedia.org/wiki/Synthetic_data

No estoy seguro de que exista un término científico generalmente aceptado, pero el término "datos de ejemplo" parece difícil de malinterpretar

Respondido el 5 de Agosto, 2019 por rtol (11 Puntos )

1 votos

Ese artículo parece un poco confuso: la relación con la anonimización es bastante tenue.

Comentado el 6 de Agosto, 2019 por Rob Allen

0 votos

+1 pero estoy de acuerdo con el comentario anterior: aparte de los segundos párrafos (que dicen que los datos sintetizados son un tipo de datos anónimos), el resto del artículo de Wikipedia parece describir lo que el autor de la pregunta quiere. Es decir, datos sintetizados de aspecto realista.

Comentado el 9 de Agosto, 2019 por Assembler

Answer 6

3voto

mkt Puntos 688

Me he topado muchas veces con el término "datos falsos". Supongo que podría tener algunas connotaciones negativas, pero lo he oído con tanta frecuencia que no me parece negativo en absoluto.

Andrew Gelman también lo utiliza:

https://statmodeling.stat.columbia.edu/2009/09/04/fake-data_simul/

https://statmodeling.stat.columbia.edu/2019/03/23/yes-i-really-really-really-like-fake-data-simulation-and-i-cant-stop-talking-about-it/

https://books.google.dk/books?id=lV3DIdV0F9AC&pg=PA155&lpg=PA155&dq=fake+data+simulation&source=bl&ots=6ljKB6StQ4&sig=ACfU3U17GLP_84q_HfIQB4u5O6wV0yA2Aw&hl=es&sa=X&ved=2ahUKEwiF2_eB0uvjAhWswcQBHSn5Cn04ChDoATAAegQICRAB#v=onepage&q=fake%20data%20simulation&f=false

Una búsqueda rápida en Google de "datos falsos" arroja muchos resultados que parecen utilizar el término de forma similar:

https://scientistseessquirrel.wordpress.com/2016/03/10/good-uses-for-fake-data-part-1/

http://modernstatisticalworkflow.blogspot.com/2017/04/an-easy-way-to-simulate-fake-data-from.html

https://clayford.github.io/dwir/dwr_12_generating_data.html

E incluso hay un fakeR lo que sugiere que se trata de algo relativamente habitual: https://cran.r-project.org/web/packages/fakeR/fakeR.pdf