Generación de datos sintéticos para el control de la divulgación

La generación de datos sintéticos es una técnica de limitación de la divulgación estadística introducida por Donald Rubin en 1993, en la que los valores de un conjunto de datos confidencial se reemplazan por extracciones de una distribución predictiva posterior ajustada en lugar de liberarse directamente. Los registros artificiales resultantes preservan la estructura estadística conjunta de los datos originales, al tiempo que impiden la identificación de individuos reales, lo que permite a los analistas trabajar con un conjunto de datos publicable que se comporta como el original para la mayoría de los fines inferenciales.