Espero que me excusen los autores del siguiente gráfico y que comprendan que mi interés por reproducirlo aquí es pro bono publico. Explica visualmente y a través de tres ejemplos tres modos en que se presenta el fenómeno de los valores perdidos (missing data, para algunos) en conjuntos de datos reales.
(Nota: los británicos son geniales. Tienen incluso un portal entero dedicado al fenómeno de los datos perdidos).
Me llegó el otro día información acerca de un curso sobre métodos para afrontar el problema planteado por los valores no informados (missing observations) que su autor agrupaba bajo etiquetas bastante simpáticas: el bueno, el malo y el impensable. Tal vez faltaba el feo, tal vez porque lo son todos ellos, igual que el bendito problema que suponen. Añadía, sin mayores abundamientos, que
explicaría cómo la solución común es en general la peor; mostraría por qué cierta solución sencilla, relativamente común y con mala fama no es habitualmente tan mala, explicando, además, cuáles son las situaciones en las que funciona y no funciona e indicaría dos soluciones que proporcionan resultados insesgados, una de las cuales es sencilla de implementar pero sólo funciona en ciertas circunstancias y la otra, aunque más complicada, funciona siempre.
