La crisis financiera mundial destacó la necesidad de recopilar datos relevantes y más granulares. El alcance de las estadísticas del banco central ahora se empuja más allá del plan agregado, que inevitablemente implica el cálculo de los valores promedio, que también se extiende a datos microeconómicos (más detallados), para comprender rápidamente los signos de alerta dentro del sistema financiero, ejemplo de los préstamos individuales, operaciones y bancos.
Los datos granulares pueden aclarar cómo se transmite la política monetaria en diferentes puntos de la economía; Pueden ayudar a mejorar la definición de medidas futuras y permitir una respuesta más oportuna a las políticas.
Una buena demostración de cómo usamos los datos granulares es el anacredit del proyecto del BCE, que proporciona la creación de una nueva base de datos que contiene información detallada sobre préstamos bancarios a nivel individual en la zona euro.
La recopilación de información estadística detallada puede ser bastante compleja, especialmente en lo que respecta a la elección de metodologías y procedimientos de cálculo que garantizan la comparabilidad entre los diferentes países.
Un desafío adicional consiste en obtener información de los sujetos que operan fuera del sistema bancario que puede tener un impacto en el sistema financiero y, por lo tanto, también en la política monetaria. Por ejemplo, piense en el fondo de cobertura (fondos especulativos que reúnen los recursos financieros de un número limitado de individuos o inversores institucionales) y en bancos en la sombra o bancos en la sombra (sujetos que brindan servicios similares a los ofrecidos por los bancos, pero sin acceso explícito al banco central de liquidez y sin la vigilancia regulatoria requerida para los bancos tradicionales).
¿Que la estadística?
Una estadística es una data de una parte de una población. Es lo opuesto a un parámetro. Un parámetro son datos de un censo. Un censo examina a todos.
Piénselo así: si tiene un poco de información, es una estadística. Si observa parte de un conjunto de datos, es una estadística. Si sabes algo sobre el 10% de las personas, esa también es una estadística. Los parámetros son toda la información. Y toda la información rara vez se conoce. ¡Por eso necesitamos estadísticas!
Las estadísticas son una forma de comprender los datos que se recopilan sobre nosotros y el mundo. Por ejemplo, cada vez que envía un paquete por correo, ese paquete se rastrea en una enorme base de datos. La base de datos de UPS es 17 terabytes, casi tan grande como si catalogara todos los libros en la Biblioteca del Congreso. Todos esos datos no tienen sentido sin una forma de interpretarlo, que es donde entra las estadísticas. Las estadísticas son sobre datos y variables. También se trata de analizar esos datos y producir información significativa sobre esos datos.
- Estimadores. Se usó para adivinar un parámetro. En otras palabras, algo sobre una población. A menudo tomado de estadísticas descriptivas. Por ejemplo, si sabe que la muestra significa que puede usarla para adivinar cuál significa la población. Utilizado en estadísticas inferenciales. Las estadísticas inferenciales son solo una «mejor suposición» sobre algo, basado en datos.
- Estadísticas de prueba, que se utilizan en pruebas de hipótesis nulas. Ahí es donde tomas un hecho conocido sobre una población y luego prueba ese hecho para ver si es cierto o no. Una «población» podría ser personas reales en un juicio. O podría ser televisores en una fábrica. La estadística de prueba que utiliza depende del tipo de datos que tenga. Algunos ejemplos de estadísticas de prueba: t Score y Chi-square.
¿Cuáles son los tipos de estadísticas que existen?
Los datos ordinales son el tipo de datos estadísticos que tiene las siguientes características:
Los datos ordinales se observan, no se miden, se ordenan pero no equivocados y no tienen cero significativo
Se pueden ordenar sus categorías (1, 2, 3er, etc., de ahí el nombre ‘Ordinal’), pero no hay consistencia en las distancias relativas entre las categorías adyacentes.
- Opinión (de acuerdo, sobre todo de acuerdo, neutral, en su mayoría en desacuerdo, en desacuerdo)
- Grado tumoral (1, 2, 3)
- Hora del día (mañana, mediodía, noche)
En los ejemplos de datos ordinales anteriores, hay un orden obvio para las categorías.
Con los datos ordinales, al igual que con los datos nominales, puede agrupar los datos evaluando si son iguales o diferentes.
A medida que se ordenan los datos ordinales, se pueden clasificar haciendo comparaciones simples entre las categorías, como mayores/menos que, más/menos, más alto/más bajo, etc.
Sin embargo, no puede hacer ninguna operación matemática con datos ordinales, porque no son datos numéricos.
Con los datos ordinales, puede calcular con precisión las mismas cosas que puede con datos nominales, con un par de cosas adicionales (ver si puede detectarlos). Eso es:
- Opinión (de acuerdo, sobre todo de acuerdo, neutral, en su mayoría en desacuerdo, en desacuerdo)
- Grado tumoral (1, 2, 3)
- Hora del día (mañana, mediodía, noche)
Artículos Relacionados:
- Estadística: ¿Cuáles son los elementos principales?
- ¿Qué son los datos estadísticos?
- ¿Qué es un modelo estadístico? Aprende sobre los diferentes tipos de modelos estadísticos y cómo se pueden usar para analizar datos.
- 10 maneras en que la estadística puede mejorar tu vida
- Cómo hacer estadísticas: una guía paso a paso
