Exactitud, precisión, moda y rango en el análisis de datos

En la diana de la derecha se observa que los tiros están dispersos unos de otros: algunos se alejan del centro, que en este caso es el valor real, y otros se acercan demasiado.

Los resultados exactos tienen esta característica, unos valores están muy lejanos y otros muy cercanos; por ejemplo, una persona que está realizando el pesaje de algún objeto y obtiene valores exactos, seguramente anotará 1.5 \, \text{kg}, 1.9 \, \text{kg}, 1.1 \, \text{kg}, 0.9 \, \text{kg}, cuando el valor real es 1.4 \, \text{kg}. El rango en esta clase de conjuntos es muy alto.

Precisión: cuando los valores son parecidos entre ellos, pero no necesariamente cercanos al valor o resultado deseado.

Caso contrario a la exactitud, los valores son muy parecidos entre ellos. En el ejemplo del pesaje, un conjunto de valores precisos se vería de la forma 1.55 \, \text{kg}, 1.60 \, \text{kg}, 1.56 \, \text{kg}, 1.59 \, \text{kg}, cuando el valor real es 1.4 \, \text{kg}.

Esta clase de conjuntos es engañosa, ya que se podría afirmar que se está en lo correcto cuando todas las mediciones se alejan del valor real. En este caso, el valor del rango es pequeño.

Lo ideal siempre es ser exactos y precisos, como se representa en la imagen de la derecha.

La moda es útil cuando los datos son muy cercanos entre ellos; de lo contrario, pierde validez. Se utiliza también en las variables cualitativas. En algunos conjuntos puede haber más de una o no existir si ningún número se repite. Una desventaja es que carece de fórmula matemática.

El uso del rango permite conocer qué tan alejados se encuentran los valores; por tal motivo, se puede aplicar al cálculo de la exactitud y precisión.

Las medidas de tendencia central y de dispersión son herramientas efectivas para analizar un conjunto de datos, aunque cada uno con sus respectivas limitaciones; por ejemplo, los análisis basados solamente en promedios son de muy poca profundidad y probablemente conducen a decisiones erróneas.