¿Cuál es la diferencia entre censura y truncamiento?

Question

En el libro Modelos y métodos estadísticos para datos de vida Está escrito:

Censura: Cuando una observación es incompleta debido a alguna causa aleatoria.
Truncado: Cuando el carácter incompleto de la observación se debe a un proceso de selección sistemática inherente al diseño del estudio.

¿Qué se entiende por "proceso de selección sistemática inherente al diseño del estudio" en la definición de truncamiento?

¿Cuál es la diferencia entre censura y truncamiento?

Answer 1

Las definiciones varían, y a veces los dos términos se utilizan indistintamente. Intentaré explicar los usos más comunes utilizando el siguiente conjunto de datos: $$ 1\qquad 1.25\qquad 2\qquad 4 \qquad 5$$

[Censura](http://en.wikipedia.org/wiki/Censoring%28statistics%29) :_ algunas observaciones estarán censuradas, lo que significa que sólo sabemos que están por debajo (o por encima) de algún límite. Esto puede ocurrir, por ejemplo, si medimos la concentración de una sustancia química en una muestra de agua. Si la concentración es demasiado baja, el equipo del laboratorio no puede detectar la presencia de la sustancia química. Sin embargo, puede seguir estando presente, por lo que sólo sabemos que la concentración está por debajo del límite de detección del laboratorio.

Si el límite de detección es 1,5, de modo que las observaciones que caen por debajo de este límite se censuran, nuestro conjunto de datos de ejemplo pasaría a ser: $$ <1.5\qquad <1.5\qquad 2\qquad 4 \qquad 5,$$ es decir, no conocemos los valores reales de las dos primeras observaciones, sino sólo que son menores que 1,5.

[Truncado](http://en.wikipedia.org/wiki/Truncation%28statistics%29) :_ el proceso que genera los datos es tal que sólo es posible observar resultados por encima (o por debajo) del límite de truncamiento. Esto puede ocurrir, por ejemplo, si las mediciones se realizan con un detector que sólo se activa si las señales que detecta están por encima de un determinado límite. Es posible que haya muchas señales débiles, pero nunca podremos saberlo con este detector.

Si el límite de truncamiento es 1,5, nuestro conjunto de datos de ejemplo sería $$2\qquad 4 \qquad 5$$ y no sabríamos que, de hecho, hubo dos señales que no se registraron.

Answer 2

Como perspectiva desde otro campo (la programación), censurar y truncar son dos operaciones distintas.

Cuando trabaje con un conjunto de datos sensibles, por ejemplo, números de la seguridad social y números de teléfono, podría censor o tenerlo censurado antes de conceder el acceso:

123-12-1234 => 999-99-9999
567-56-5678 => 999-99-9999
(906) 123-4567 => (000) 000-0000

Esto permite que el resto de la aplicación funcione como lo haría normalmente, con estructuras de datos similares, pero sin contenido informativo real ni difusión de información privada.

El truncamiento, por el contrario, suele consistir en cortar los valores restantes a partir de un determinado punto. Para trabajar en una aplicación, no necesito cientos de miles de registros, tal vez sólo necesito ~50 de cada uno, lo que hace que el acceso a los datos sea mucho más rápido y los conjuntos de datos más pequeños.

Una variante similar de truncamiento es cuando se inserta un valor en una columna o tipo de datos de longitud o precisión limitada:

abcdefghijklmnopqrstuv => abcdef
10.23412421345 => 10.23
10.92455311 => 10