| Note |
|---|
ATENCIÓN, ESTA PÁGINA ES PARTE DE UN TRABAJO EN CURSO, Y POR TANTO SUS CONTENIDOS SE ENCUENTRAN SUJETOS A REVISIONES Y CAMBIOS SIN PREVIO AVISO. |
...
De los grupos generados en el Paso 1, identificamos aquellos con un nº de registros menor a un valor umbral “X”.
En esos grupos, se eliminan los valores de las variables pivote que sean necesarios para “disolverlos” en un grupo mayor y menos identificable.
2.1.2 Diferencial de privacidad
...
2.1.2.2 Posible pérdida de valores en las variables pivote
Se eliminarán los valores de las variables pivote que den lugar a grupos pequeños, lo que puede acarrear una pérdida de datos en estas variables (es decir, que aparezcan vacías para determinados registros)
...
Para este ejemplo identificaremos y suprimiremos los grupos de menos de 4 registros. Esto nos lleva a eliminar (❌ ) todos los valores de las variables pivote para los grupos 2 y 3 (que son de tamaño 1 y 2, respectivamente), “disolviéndose” ambos grupos pequeños en otro más grande y sin identificación de titulación/centro, quedando el dataset final anonimizado así:
...
PÉRDIDA DE INFORMACIÓN | VARIABLES PIVOTE | BLOQUE 1 | BLOQUE 2 | BLOQUE 3 | |||||
|---|---|---|---|---|---|---|---|---|---|
TITULACIÓN | CENTRO | AÑO NACIMIENTO | GÉNERO | CRÉDITOS MATRICULADOS | CRÉDITOS PRESENTADOS | CRÉDITOS SUPERADOS | |||
VARIABLES PIVOTE | TITULACIÓN | 37,5% |
|
|
|
|
|
|
|
CENTRO | 37,5% |
|
|
|
|
|
|
| |
BLOQUE 1 | AÑO NACIMIENTO | 0% |
|
|
|
|
|
|
|
BLOQUE 2 | GÉNERO | 0% |
|
|
|
|
|
|
|
BLOQUE 3 | CRÉDITOS MATRICULADOS | 0% |
|
|
|
|
|
|
|
CRÉDITOS PRESENTADOS | 0% |
|
|
|
|
|
|
| |
CRÉDITOS SUPERADOS | 0% |
|
|
|
|
|
|
| |
La tabla de diferencial de privacidad nos indica, por ejemplo, las siguientes cosas:
...