| 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. |
...
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:
El dataset anonimizado final nos permitirá realizar cualquier cálculo (recuentos, medias, máximos, mínimos, etc.) sobre cualquier variable usando como criterio de agrupación la Titulación, el EstudioCentro, o ambos.
El dataset anonimizado nos permitirá calcular, por ejemplo, la tasa de éxito (créditos superados respecto a créditos matriculados), al haberse conservado la relación entre ambas variables (
en la tabla)El dataset anonimizado NO nos permitirá calcular, por ejemplo, la media de créditos matriculados por Género, al NO haberse conservado la relación entre las variables implicadas (
en la tabla)Las variables “Titulación” y “Campo” han perdido el 37,5% de sus valores (NOTA: en los datasets reales esta pérdida suele ser marginal)
...