Evaluar el sesgo y el ruido inducido por los métodos de protección de la privacidad de la Oficina del Censo de EE.UU.

La Oficina del Censo de EE.UU. enfrenta un difícil dilema entre la precisión de las estadísticas del Censo y la protección de la información individual. Realizamos una evaluación independiente del sesgo y el ruido inducido por los dos principales sistemas de evitación de divulgación de la Oficina: el algoritmo TopDown utilizado para el Censo de 2020 y el algoritmo de intercambio implementado para los tres Censos anteriores. Nuestra evaluación aprovecha el Archivo de Medición Ruidosa (NMF) así como dos ejecuciones independientes del algoritmo TopDown aplicadas al Censo decenal de 2010. Encontramos que el NMF contiene demasiado ruido para ser útil directamente sin modelado de error de medición, especialmente para las poblaciones hispanas y multirraciales. El posprocesamiento de TopDown reduce el ruido del NMF y produce datos cuya precisión es similar a la del intercambio. Si bien los errores estimados para los algoritmos TopDown y de intercambio generalmente no son mayores que otras fuentes de error del Censo, pueden ser relativamente sustanciales para geografías con poblaciones totales pequeñas.