Define la pregunta y a quién describen los datos
Objetivos
Antes de calcular, podrás decir qué grupo y periodo describen los datos y qué afirmación no permiten hacer.
Concepto
La población es el conjunto completo sobre el que quieres responder una pregunta. Una muestra es el grupo de observaciones que realmente tienes. El periodo y la forma en que se eligieron las filas también delimitan lo que puedes concluir.
Define primero la pregunta, la unidad de cada fila y las fechas incluidas. En el archivo Sakila de este curso hay 16 044 filas, una por pago, entre mayo de 2005 y febrero de 2006. Es un extracto de una base de muestra, no una muestra aleatoria del mercado ni un registro de una empresa real. También importa cómo se eligieron las observaciones: si un equipo encuesta solo a quienes ya usan el producto, puede dejar fuera a quienes lo abandonaron. Sin un diseño de selección conocido, no presentes un margen de error como si fuera una muestra aleatoria.
Ejemplo
Pregunta que sí describe el archivo: «¿Cuál fue el importe medio de los pagos del extracto Sakila?». Pregunta que no puede responder: «¿Cuánto gasta en promedio cada cliente?». El archivo no tiene identificadores de cliente ni incluye toda la actividad de un negocio real. Tampoco fue muestreado para representar otros clientes o empresas.
Práctica guiada
Anota la población deseada, las filas disponibles y el periodo. Si el CSV no contiene esas filas o fechas, limita la respuesta a lo que observaste.
Reto
Escribe una pregunta que el CSV pueda responder y una generalización que necesitaría más datos.
Intenta el reto antes de consultar las pistas.
Quiz
Comprobación
Antes de calcular una medida, declara a qué filas y periodo se aplica.