Ver el código de «Conjunto de datos»

Un '''conjunto de datos''' (dataset en inglés) es un conjunto de [[datos]] usualmente presentado en forma [[tabla (base de datos)|tabular]].  Cada [[columna (base de datos)|columna]] representa un [[variable]] en particular.  Cada [[fila (base de datos)|fila]] corresponde a un miembro dado del conjunto de datos en cuestión.  Alista valores para cada variable, tal como la altura o el peso de un objeto.  Cada valor se conoce como un dato.  Cada conjunto de datos puede incluir datos para uno o más miembros, correspondiendo al numero de filas.

Datos no tabulares pueden tomar la forma de un [[lenguaje de marcado]] con filas de caracteres, tal como un archivo [[XML]] o [[HXL]].

==Historia==
Históricamente, el termino originó con los [[computadores centrales]], en donde un conjunto de datos, muy cercanos a los archivos de computadores.

==Propiedades==
Un conjunto de datos tiene varias caracteristicas que definen su estructura y propiedades.  Estos incluyen el numero y tipos de atributos o variables y las [[medidas estadísticas]] que los puede aplicar tales como [[deviación estándar]] y [[curtosis]].<ref>{{Cite book |url=http://books.google.co.uk/books?id=uTzeRZFmaBgC&pg=PA100 |title=Principles of data mining and knowledge discovery |author=Jan M. Żytkow, Jan Rauch |postscript=<!--None--> |isbn=978-3-540-66490-1 |year=1999}}</ref>

En el caso más sencillo, existe tan solo un variable, y luego el conjunto de datos consiste de una columna singular de variables, frecuentemente representado como una lista.  A pesar de su nombre, un cojunto de datos [[univariado]] no es un conjunto matemático en el sentido matemático común, dado que un valor dado puede repetir multiples veces.  Normalmente la orden no es importante, y luego la colección de los valores puede ser considerado como un [[multiconjunto]] en lugar de una lista ordenada.

Los valores pueden ser numeros, tales como [[numeros reales]]  o [[numeros enteros]], por ejemplo representando la altura de una persona en centimetros, pero también puede ser [[datos nominales]] (i.e., no consistiendo de valores numericos), por ejemplo representando el grupo étnico de una persona.  Mas generalmente, los valores pueden ser de todos los tipos descritos como una medición.  Para cada variables, los valores normalmente serán todos del mismo tipo.  Sin embargo, pueden existir "valores perdidos", que deben ser indicados de alguna manera.

En la [[estadística]], los conjuntos de datos usualmente provienen de observaciones actuales obtenidos a través de [[mostreo]], una población estadística, y cada fila corresponde a observaciones sobre un elemento de esta población.  Conjuntos de datos pueden ser generados a través de [[algoritmos]] para el fin de comprobar ciertos tipos de software.  Algunos software estadístico moderno tales como [[SPSS]] presentará sus conjuntos de datos de una manera clásica.

==Conjuntos de datos clásicos==
Algunos conjuntos de datos clásicos han sido utilizados extensivamente en la literatura de la estadística:

* Conjunto de datos del flor de iris - un conjunto de datos multivariado introducido por Ronald Fischer.<ref name="fisher36">{{cite journal|author=Fisher, R.A. |title=The Use of Multiple Measurements in Taxonomic Problems| journal=[[Annals of Eugenics]]| volume=7 |pages=179&ndash;188| year=1936| url=http://digital.library.adelaide.edu.au/coll/special//fisher/138.pdf | doi=10.1111/j.1469-1809.1936.tb02137.x}}</ref>
* Conjunto de datos de análisis categórico - conjunto de datos utilizado en el libro, ''An Introduction to Categorical Data Analysis'', por Agresti en [http://lib.stat.cmu.edu/datasets/agresti StatLib.]
* Estadisticas robustas - conjuntos de datos utilizados en ''Robust Regression and Outlier Detection'' (Peter Rousseeuw y Leroy, 1986). [http://www.uni-koeln.de/themen/statistik/data/rousseeuw/ de University of Cologne.]
* ''Serie de tiempos'' - utilizados en el libro de Chatfields, ''The Analysis of Time Series'', de [http://lib.stat.cmu.edu/modules.php?op=modload&name=PostWrap&file=index&page=datasets/ StatLib.]

== Ver también ==
* [[Interoperabilidad]]
* [[Conjunto de datos en común]]
* [[HXL]]

==Notas==
{{reflist}}

== Enlaces externas ==
* [http://www.fao.org/climatechange/54638/es/ Conjuntos de datos de FAO sobre el cambio climáctico]
* [http://www.unicef.org/spanish/statistics/index_24300.html Estadisticas de DevInfo]


[[Category:Metodología]]
[[Category:Manejo de Información]]