Unidad de Análisis HospitalarioVariables aleatorias y distribuciones continuas · mecanismo GRDCIE-10 I50
Actividad 4 · GRD 2024

Versión de impresión: se muestran todas las secciones en una sola página.

# ---- rutas relativas ----
# La base GRD original no se entrega (es pública y pesa ~570 MB). Para reproducir el informe,
# se deja en la subcarpeta GRD_PUBLICO_2024/ junto a este .Rmd, igual que en las Actividades 1 a 3.
# Como respaldo se busca también en la carpeta de la Actividad 1 (../informe-1/).
buscar_archivo <- function(rel) {
  candidatos <- c(rel, file.path("..", "informe-1", rel))
  f <- candidatos[file.exists(candidatos)][1]
  if (is.na(f)) stop("No se encontró el archivo ", rel, " junto al .Rmd")
  f
}
ruta_grd <- buscar_archivo(file.path("GRD_PUBLICO_2024", "GRD_PUBLICO_2024.txt"))

cols_diag <- paste0("DIAGNOSTICO", 1:35)
cols_usar <- c("ID_BENEFICIARIO", "FECHA_NACIMIENTO", "TIPO_ACTIVIDAD", "FECHA_INGRESO", "FECHAALTA",
               cols_diag)

base <- fread(ruta_grd, sep = "|", encoding = "Latin-1", quote = "", na.strings = "",
              select = cols_usar, colClasses = list(character = "ID_BENEFICIARIO"))

# ---- Ω: igual que en las Actividades 2 y 3 (sin CMA y con fechas válidas en todos los egresos) ----
n0 <- nrow(base)
hosp_all <- base[TIPO_ACTIVIDAD == "HOSPITALIZACIÓN"]
rm(base); invisible(gc())
fecha_valida <- function(x) grepl("^[0-9]{4}-[0-9]{2}-[0-9]{2}$", x)
ok_fechas <- fecha_valida(hosp_all$FECHA_INGRESO) & fecha_valida(hosp_all$FECHA_NACIMIENTO) &
             fecha_valida(hosp_all$FECHAALTA)
n_malas_omega <- sum(!ok_fechas)
omega <- hosp_all[ok_fechas]
rm(hosp_all, ok_fechas); invisible(gc())
N <- nrow(omega)
# ---------------- cohorte E y roles diagnósticos (Actividades 1 a 3) ----------------
omega[, E  := Reduce(`|`, lapply(cols_diag, function(cc) grepl("^I50", omega[[cc]])))]
omega[, Ep := grepl("^I50", DIAGNOSTICO1)]            # I50 como diagnóstico principal
omega[, (cols_diag) := NULL]; invisible(gc())
omega[, estancia := as.numeric(as.Date(FECHAALTA) - as.Date(FECHA_INGRESO))]
corte_L <- unname(quantile(omega$estancia, 0.75))     # percentil 75 de la estancia en Ω (evento L)

coh <- omega[E == TRUE]
nE  <- nrow(coh); pE <- nE / N
rm(omega); invisible(gc())
rol_lbl <- c("Eₚ: I50 diagnóstico principal", "Eₛ: I50 solo diagnóstico secundario")
coh[, rol := factor(ifelse(Ep, rol_lbl[1], rol_lbl[2]), levels = rol_lbl)]

# ---------------- W: estancia en días ----------------
W     <- coh$estancia
mu    <- mean(W)                                      # μ  = E[W]
varW  <- var(W)                                       # Var[W] (divide por n − 1)
sigma <- sd(W)                                        # σ  (desviación estándar, NO la varianza)
n0W   <- sum(W == 0)                                  # estancias de 0 días

# ---------------- instante continuo de egreso (U y G) ----------------
# La fecha de egreso tiene resolución diaria. Cada egreso se ubica en un instante al azar dentro
# de su día: t = (día del año − 1) + Uniforme(0, 1). La decisión se explica en el Resultado 03 y
# se usa igual para U (Resultado 02) y para G (Resultado 03).
inicio <- as.Date("2024-01-01")
coh[, dia := as.numeric(as.Date(FECHAALTA) - inicio)]   # 0 = 1 de enero, ..., 365 = 31 de diciembre
n_fuera_2024 <- sum(coh$dia < 0 | coh$dia > 365)
set.seed(20261113)                                    # semilla fija para la posición dentro del día
coh[, t_egreso := dia + runif(.N)]
U_obs <- coh$t_egreso                                 # U observada: instante del año, en [0, 366)

# serie G: episodios ordenados por instante de egreso y días entre egresos consecutivos
t_ord <- sort(coh$t_egreso)
G     <- diff(t_ord)
nG    <- length(G)
lambda_G <- 1 / mean(G)                               # tasa por día (rate de dexp/pexp/rexp)
G_dia <- diff(sort(coh$dia))                          # misma serie con resolución diaria (con empates)
n_emp <- sum(G_dia == 0)

# ---------------- serie diaria D de la Actividad 3 (para relacionar con la Poisson) ----------------
dias <- data.table(fecha = seq(inicio, as.Date("2024-12-31"), by = "day"))
dias[, dia := as.numeric(fecha - inicio)]
dias <- merge(dias, coh[, .(D = .N), by = dia], by = "dia", all.x = TRUE)
dias[is.na(D), D := 0L]
lambda_A3 <- mean(dias$D)                             # = n(E) / 366, el λ de la Actividad 3
ID_D <- var(dias$D) / mean(dias$D)                    # índice de dispersión de D
dias_sem <- c("Lunes", "Martes", "Miércoles", "Jueves", "Viernes", "Sábado", "Domingo")
dias[, dow := factor(dias_sem[as.integer(format(fecha, "%u"))], levels = dias_sem)]
feriados <- as.Date(c("2024-01-01", "2024-03-29", "2024-05-01", "2024-05-21", "2024-06-20",
                      "2024-07-16", "2024-08-15", "2024-09-18", "2024-09-19", "2024-09-20",
                      "2024-10-31", "2024-11-01", "2024-12-25"))   # mismos feriados de la Actividad 3
dias[, habil := !(dow %in% c("Sábado", "Domingo")) & !(fecha %in% feriados)]

# ---------------- beneficiarios con más de un episodio (para discutir la independencia) ----------------
benef <- coh[!is.na(ID_BENEFICIARIO) & ID_BENEFICIARIO != "", .N, by = ID_BENEFICIARIO]
pct_ep_repetidos <- benef[N >= 2, sum(N)] / sum(benef$N)

1 Introducción

1.1 Contexto y objetivo

Este informe continúa las Actividades 1, 2 y 3 en el rol de analista de la Unidad de Análisis Hospitalario. La Actividad 1 caracterizó los episodios con insuficiencia cardíaca (CIE-10 I50) en los egresos GRD 2024, la Actividad 2 expresó esas características como eventos y la Actividad 3 modeló conteos con distribuciones discretas. Ahora la jefatura quiere trabajar con magnitudes: cuántos días de estancia esperar en un episodio, cuánto tiempo pasa entre dos egresos consecutivos de la cohorte y qué estancia separa al 10% de episodios más largos.

Para eso se definen variables aleatorias continuas sobre los episodios de la cohorte y se modelan con las distribuciones uniforme, exponencial, normal y lognormal. Cada modelo se compara con lo que muestran los datos, con simulación en R y con remuestreo de episodios reales, y se estudia el comportamiento del promedio muestral. Los parámetros se obtienen con promedios y desviaciones de la base. No se hacen pruebas de hipótesis ni ajustes por máxima verosimilitud, y la comparación entre modelo y datos es descriptiva.

Qué cambia con lo continuo Una variable continua puede tomar cualquier valor de un intervalo, y la probabilidad de un valor exacto es cero: lo que tiene probabilidad es un intervalo, como P(W > 7), y se calcula con la función de distribución acumulada (p... en R). La densidad no es una probabilidad: puede superar 1 y solo tiene sentido integrada sobre un intervalo. Por ejemplo, la densidad exponencial del tiempo entre egresos vale dexp(0, λ) = 142,9 en 0 (Resultado 03), y aun así toda probabilidad calculada con ella está entre 0 y 1. Como en las actividades anteriores, cada valor se refiere a episodios de hospitalización, no a personas, y ninguna cifra describe riesgo de personas, incidencia ni prevalencia.

1.2 Declaración de uso de inteligencia artificial

Se utilizó Claude Code (Anthropic, modelo Claude Opus 5.5) como apoyo para: (i) escribir y depurar el código R de construcción de variables, cálculo de densidades, acumuladas y cuantiles, remuestreo y simulación; (ii) redactar borradores del texto interpretativo; y (iii) revisar el cumplimiento de la pauta y de la retroalimentación de las actividades anteriores. Los resultados se verificaron así: (a) ninguna cifra del texto está escrita a mano: todas se insertan desde el código y se recalculan en cada compilación; (b) la convención de parámetros de pexp, pnorm, plnorm y punif se verifica comparando cada función con el cálculo a mano de la fórmula, con una columna de diferencia (sección 2.5); (c) la tasa λ se contrasta con el λ de la Actividad 3 calculado por otra vía (egresos por día); (d) cada modelo se compara con los datos (histogramas con la densidad superpuesta, cuantiles observados contra teóricos, probabilidades de cola y remuestreo de episodios reales), no solo se calcula; (e) todas las simulaciones usan semilla fija y se comprobó que dos compilaciones sucesivas entregan los mismos números; y (f) las frases que comparan valores se generan a partir de los propios valores calculados, para que el texto no pueda contradecir a su tabla. La responsabilidad técnica y de contenido del informe es del autor.

2 Datos, correcciones y variables

RESULTADO 01 · PARTE 1

Espacio muestral y cohorte Ω = egresos hospitalarios GRD 2024, sin CMA y con fechas de ingreso, nacimiento y alta válidas: N = 873.719 episodios. La cohorte E (insuficiencia cardíaca en cualquiera de los 35 campos de diagnóstico) tiene n(E) = 52.312 episodios. Son exactamente Ω y E de las Actividades 2 y 3. En la cohorte, Eₚ (I50 como diagnóstico principal) tiene 11.331 episodios y Eₛ (I50 solo como diagnóstico secundario) 40.981.

2.1 Fuente de datos y tablas auxiliares

  • Base: GRD_PUBLICO_2024.txt, base pública de egresos hospitalarios y cirugía mayor ambulatoria del mecanismo GRD, Fondo Nacional de Salud (FONASA), año 2024. Texto plano delimitado por |, codificación Latin-1. Descargada desde el portal de datos abiertos de FONASA el 21 de agosto de 2026. No se entrega por su tamaño; para reproducir el informe se ubica en la subcarpeta GRD_PUBLICO_2024/.
  • CIE-10.xlsx (se entrega en el zip): catálogo CIE-10, para verificar los códigos I50.
  • Variables de la base que se usan: FECHA_INGRESO y FECHAALTA (estancia y fecha de egreso), DIAGNOSTICO1 a DIAGNOSTICO35 (cohorte y rol diagnóstico), TIPO_ACTIVIDAD y FECHA_NACIMIENTO (definición de Ω) e ID_BENEFICIARIO (discusión de la independencia).
cie10 <- suppressMessages(as.data.table(read_excel("CIE-10.xlsx", sheet = "CIE 10")))
tabla_html(cie10[grepl("^I50", Código), .(Código, Descripción)],
           caption = "Códigos CIE-10 que definen la cohorte E (fuente: CIE-10.xlsx)",
           label = "cie10")
Tabla 1. Códigos CIE-10 que definen la cohorte E (fuente: CIE-10.xlsx)
Código Descripción
I50 Insuficiencia cardíaca
I50.0 Insuficiencia cardíaca congestiva
I50.1 Insuficiencia ventricular izquierda
I50.9 Insuficiencia cardíaca, no especificada

La cohorte se define con el patrón ^I50, que captura I50 y sus subcategorías (Tabla 1), buscado en los 35 campos de diagnóstico.

2.2 Correcciones a partir de la retroalimentación de la Actividad 3

No hubo cambios: la evaluación de la Actividad 3 no estaba disponible al cerrar este informe, así que no hay correcciones pendientes de ella, y el tamaño final de la cohorte es de 52.312 episodios, el mismo de las Actividades 1 a 3. El marcador M y los parámetros de la Actividad 3 no cambian. Se mantienen las correcciones ya aplicadas por la retroalimentación de las Actividades 1 y 2, como resume la tabla siguiente.

cambios <- data.table(
  `Origen` = c("Actividad 3", "Actividad 2", "Actividad 2", "Actividad 1"),
  `Observación` = c(
    "Sin retroalimentación disponible al cierre del informe.",
    "Diferencias en notación científica (0.0e+00) en un informe con coma decimal.",
    "El zip no traía las tablas auxiliares que el texto decía entregar.",
    "Hablar de episodios y no de personas, nombrar el estadístico que se compara y no proponer hipótesis explicativas (por ejemplo, invernales)."),
  `Cómo se mantiene en la Actividad 4` = c(
    "No hay cambios en Ω, en E, en el marcador M ni en los parámetros de la Actividad 3.",
    "Decimales fijos con coma decimal; probabilidades pequeñas con 3 cifras significativas y las extremadamente pequeñas como potencia de 10 (por ejemplo, P(G > 1) en el Resultado 03), nunca redondeadas a cero.",
    "El zip incluye el .Rmd, el HTML, CIE-10.xlsx (única tabla auxiliar que usa este informe) y el enlace al HTML publicado.",
    "Todo el texto habla de episodios. La estacionalidad del Resultado 02 se describe sin atribuirle una causa."),
  `Efecto sobre la cohorte` = c(paste0("Ninguno: n(E) = ", fnum(nE), "."), "Ninguno (formato).",
                                "Ninguno (entrega).", "Ninguno (redacción).")
)
tabla_html(cambios, caption = "Estado de las correcciones al iniciar la Actividad 4", label = "cambios") |>
  column_spec(2:3, width = "38%") |> kable_styling(full_width = TRUE)
Tabla 2. Estado de las correcciones al iniciar la Actividad 4
Origen Observación Cómo se mantiene en la Actividad 4 Efecto sobre la cohorte
Actividad 3 Sin retroalimentación disponible al cierre del informe. No hay cambios en Ω, en E, en el marcador M ni en los parámetros de la Actividad 3. Ninguno: n(E) = 52.312.
Actividad 2 Diferencias en notación científica (0.0e+00) en un informe con coma decimal. Decimales fijos con coma decimal; probabilidades pequeñas con 3 cifras significativas y las extremadamente pequeñas como potencia de 10 (por ejemplo, P(G > 1) en el Resultado 03), nunca redondeadas a cero. Ninguno (formato).
Actividad 2 El zip no traía las tablas auxiliares que el texto decía entregar. El zip incluye el .Rmd, el HTML, CIE-10.xlsx (única tabla auxiliar que usa este informe) y el enlace al HTML publicado. Ninguno (entrega).
Actividad 1 Hablar de episodios y no de personas, nombrar el estadístico que se compara y no proponer hipótesis explicativas (por ejemplo, invernales). Todo el texto habla de episodios. La estacionalidad del Resultado 02 se describe sin atribuirle una causa. Ninguno (redacción).

2.3 Tabla de variables aleatorias

Cada variable se define por el experimento que la genera. "Al azar" significa que cada episodio de la cohorte tiene la misma probabilidad de ser elegido.

vars <- data.table(
  Variable = c("W", "W | Eₚ y W | Eₛ", "U", "G", "V", "W̄<sub>n</sub>"),
  Experimento = c(
    "Elegir un episodio al azar de la cohorte E y registrar su estancia: FECHAALTA − FECHA_INGRESO, en días.",
    "Lo mismo que W, eligiendo el episodio solo entre los de Eₚ o solo entre los de Eₛ.",
    "Elegir un episodio al azar de E y registrar el instante del año en que egresa: días transcurridos desde el 1 de enero (día del año − 1 más la posición dentro del día).",
    "Ordenar los episodios de E por instante de egreso y registrar los días entre dos egresos consecutivos.",
    "Elegir un episodio al azar de E y describir su estancia con una curva de densidad.",
    "Elegir n episodios de E al azar con reposición (n = 5 y n = 30) y promediar sus estancias."),
  Soporte = c("[0, ∞) (registrada en días enteros: 0, 1, 2, ...)", "[0, ∞)", "[0, 366) (2024 es bisiesto)",
              "[0, ∞)", "Normal: (−∞, ∞) · Lognormal: (0, ∞) para V = W + 0,5", "[0, ∞)"),
  `Modelo propuesto` = c("Distribución empírica", "Distribución empírica por rol", "Uniforme(0, 366)",
                         "Exponencial(λ)", "Normal(μ, σ) y Lognormal(μℓ, σℓ)", "Normal(μ, σ/√n) por el TCL"),
  `Cálculo en R` = codigo(c("density(W); ecdf(W); quantile(W, p)", "density(W[Ep]); density(W[!Ep])",
                            "dunif, punif, qunif, runif (min = 0, max = 366)",
                            "dexp, pexp, qexp, rexp (rate = λ)",
                            "dnorm(x, mu, sigma); dlnorm(x + 0.5, ml, sl)",
                            "rowMeans(matrix(sample(W, B * n, TRUE), B))"))
)
tabla_html(vars, caption = "Variables aleatorias continuas: experimento, soporte, modelo propuesto y cálculo en R",
           label = "vars", escape = FALSE) |>
  column_spec(1, bold = TRUE) |> column_spec(2, width = "38%") |> kable_styling(full_width = TRUE)
Tabla 3. Variables aleatorias continuas: experimento, soporte, modelo propuesto y cálculo en R
Variable Experimento Soporte Modelo propuesto Cálculo en R
W Elegir un episodio al azar de la cohorte E y registrar su estancia: FECHAALTA − FECHA_INGRESO, en días. [0, ∞) (registrada en días enteros: 0, 1, 2, ...) Distribución empírica density(W); ecdf(W); quantile(W, p)
W | Eₚ y W | Eₛ Lo mismo que W, eligiendo el episodio solo entre los de Eₚ o solo entre los de Eₛ. [0, ∞) Distribución empírica por rol density(W[Ep]); density(W[!Ep])
U Elegir un episodio al azar de E y registrar el instante del año en que egresa: días transcurridos desde el 1 de enero (día del año − 1 más la posición dentro del día). [0, 366) (2024 es bisiesto) Uniforme(0, 366) dunif, punif, qunif, runif (min = 0, max = 366)
G Ordenar los episodios de E por instante de egreso y registrar los días entre dos egresos consecutivos. [0, ∞) Exponencial(λ) dexp, pexp, qexp, rexp (rate = λ)
V Elegir un episodio al azar de E y describir su estancia con una curva de densidad. Normal: (−∞, ∞) · Lognormal: (0, ∞) para V = W + 0,5 Normal(μ, σ) y Lognormal(μℓ, σℓ) dnorm(x, mu, sigma); dlnorm(x + 0.5, ml, sl)
W̄n Elegir n episodios de E al azar con reposición (n = 5 y n = 30) y promediar sus estancias. [0, ∞) Normal(μ, σ/√n) por el TCL rowMeans(matrix(sample(W, B * n, TRUE), B))

W es la misma estancia de las actividades anteriores (Tabla 3). Se registra en días enteros, pero la estancia real es una magnitud continua: un episodio registrado con 7 días representa un intervalo de estancias reales, y por eso en este informe se calculan probabilidades de intervalos, como P(W > 7), y no de valores exactos. V es la misma estancia, ahora descrita con una curva de densidad (normal o lognormal) en lugar de las frecuencias observadas.

2.4 Parámetros estimados desde la base

lnW  <- log(W + 0.5)                                  # tratamiento de las estancias de 0 días: se suma 0,5
ml   <- mean(lnW)                                     # meanlog: media del logaritmo, NO de W
sl   <- sd(lnW)                                       # sdlog: desviación del logaritmo, NO de W
par_tab <- data.table(
  `Parámetro` = c("a, b", "λ (por día)", "μ", "σ", "μℓ (meanlog)", "σℓ (sdlog)", "σ / √n"),
  `Modelo` = c("U ~ Uniforme(a, b)", "G ~ Exponencial(λ)", "V ~ Normal(μ, σ)", "V ~ Normal(μ, σ)",
               "V ~ Lognormal(μℓ, σℓ)", "V ~ Lognormal(μℓ, σℓ)", "W̄<sub>n</sub> ~ Normal(μ, σ/√n)"),
  `Cálculo` = c("Fijos por el calendario: 2024 tiene 366 días",
                paste0("1 / promedio de G = (n − 1) / suma de G = ", fnum(nG), " / ", fnum(sum(G), 2)),
                paste0("mean(W) = suma de estancias / n(E) = ", fnum(sum(W)), " / ", fnum(nE)),
                "sd(W), raíz de var(W)",
                "mean(log(W + 0.5))", "sd(log(W + 0.5))",
                paste0("σ / √5 y σ / √30")),
  Valor = c("a = 0; b = 366", fnum(lambda_G, 2), fnum(mu, 4), fnum(sigma, 4), fnum(ml, 4), fnum(sl, 4),
            paste0(fnum(sigma / sqrt(5), 4), " (n = 5); ", fnum(sigma / sqrt(30), 4), " (n = 30)")),
  `Total sobre el que se obtuvo` = c("366 días de 2024", paste0(fnum(nG), " tiempos entre egresos consecutivos"),
                                     paste0("n(E) = ", fnum(nE), " episodios"), paste0("n(E) = ", fnum(nE), " episodios"),
                                     paste0("n(E) = ", fnum(nE), " episodios (incluye ", fnum(n0W), " con 0 días)"),
                                     paste0("n(E) = ", fnum(nE), " episodios"), "μ y σ de la cohorte"),
  `Argumento en R` = codigo(c("punif(x, min = 0, max = 366)", "pexp(x, rate = lambda)",
                              "pnorm(x, mean = mu, sd = sigma)", "pnorm(x, mean = mu, sd = sigma)",
                              "plnorm(x + 0.5, meanlog = ml, sdlog = sl)", "plnorm(x + 0.5, meanlog = ml, sdlog = sl)",
                              "pnorm(x, mean = mu, sd = sigma / sqrt(n))"))
)
tabla_html(par_tab, caption = "Parámetros de los modelos: cálculo, valor, total sobre el que se obtuvieron y argumento que recibe R",
           label = "param", escape = FALSE) |> column_spec(1, bold = TRUE)
Tabla 4. Parámetros de los modelos: cálculo, valor, total sobre el que se obtuvieron y argumento que recibe R
Parámetro Modelo Cálculo Valor Total sobre el que se obtuvo Argumento en R
a, b U ~ Uniforme(a, b) Fijos por el calendario: 2024 tiene 366 días a = 0; b = 366 366 días de 2024 punif(x, min = 0, max = 366)
λ (por día) G ~ Exponencial(λ) 1 / promedio de G = (n − 1) / suma de G = 52.311 / 365,99 142,93 52.311 tiempos entre egresos consecutivos pexp(x, rate = lambda)
μ V ~ Normal(μ, σ) mean(W) = suma de estancias / n(E) = 580.208 / 52.312 11,0913 n(E) = 52.312 episodios pnorm(x, mean = mu, sd = sigma)
σ V ~ Normal(μ, σ) sd(W), raíz de var(W) 16,2004 n(E) = 52.312 episodios pnorm(x, mean = mu, sd = sigma)
μℓ (meanlog) V ~ Lognormal(μℓ, σℓ) mean(log(W + 0.5)) 1,9446 n(E) = 52.312 episodios (incluye 1.594 con 0 días) plnorm(x + 0.5, meanlog = ml, sdlog = sl)
σℓ (sdlog) V ~ Lognormal(μℓ, σℓ) sd(log(W + 0.5)) 1,0161 n(E) = 52.312 episodios plnorm(x + 0.5, meanlog = ml, sdlog = sl)
σ / √n W̄n ~ Normal(μ, σ/√n) σ / √5 y σ / √30 7,2450 (n = 5); 2,9578 (n = 30) μ y σ de la cohorte pnorm(x, mean = mu, sd = sigma / sqrt(n))

Interpretación (Tabla 4): la uniforme no tiene parámetros que estimar, porque su soporte lo fija el calendario. Los demás son promedios o desviaciones de la base. El tiempo medio entre egresos es 1 / λ = 0,00700 días, unos 10,1 minutos. La estancia tiene μ = 11,09 días y σ = 16,20 días: la desviación es mayor que la media, una primera señal de que la estancia no puede ser normal, porque una normal con esos valores pondría mucha probabilidad bajo 0 (Resultado 04). μℓ y σℓ están en escala logarítmica: eμℓ − 0,5 = 6,49 días es la mediana de la lognormal en la escala de W, no su media.

Decisiones declaradas Empates de fecha: 51.946 de los 52.311 tiempos entre egresos consecutivos (99,3%) son de 0 días con la fecha diaria. Cada egreso se ubica en un instante al azar dentro de su día y la decisión se mantiene en U y en G (Resultado 03). Estancias de 0 días: 1.594 episodios (3,05%) tienen W = 0, donde el logaritmo no existe. Para la lognormal se suma 0,5 día a todas las estancias, sin excluir episodios, y se reporta el efecto de excluirlas (Resultado 04).

2.5 Convención de R para las funciones continuas

Convención declarada dexp, pexp, qexp y rexp reciben la tasa λ (rate), no la media: aquí rate = 142,93 por día, no 0,00700. dnorm, pnorm, qnorm y rnorm reciben la desviación estándar (sd = 16,20), no la varianza (262,45). dlnorm y plnorm reciben meanlog y sdlog, la media y la desviación de log(W + 0,5), no de W, y se evalúan en x + 0,5 porque el modelo se ajustó a W + 0,5. punif recibe los extremos min = 0 y max = 366.

k_G <- 0.02; k_V <- 14
a_mano <- c(90 / 366, exp(-lambda_G * k_G), 1 - pnorm((k_V - mu) / sigma),
            1 - pnorm((log(k_V + 0.5) - ml) / sl))
en_R <- c(punif(90, min = 0, max = 366), pexp(k_G, rate = lambda_G, lower.tail = FALSE),
          pnorm(k_V, mean = mu, sd = sigma, lower.tail = FALSE),
          plnorm(k_V + 0.5, meanlog = ml, sdlog = sl, lower.tail = FALSE))
errores <- c(punif(90, 0, 365), pexp(k_G, rate = 1 / lambda_G, lower.tail = FALSE),
             pnorm(k_V, mu, varW, lower.tail = FALSE), plnorm(k_V, mu, sigma, lower.tail = FALSE))
conv <- data.table(
  Probabilidad = c("P(U ≤ 90)", paste0("P(G > ", fnum(k_G, 2), ")"), paste0("P(V > ", k_V, "), normal"),
                   paste0("P(V > ", k_V, "), lognormal")),
  `Fórmula a mano` = c("90 / 366",
                       paste0("e^(−λk) = e^(−", fnum(lambda_G, 2), " × ", fnum(k_G, 2), ")"),
                       paste0("1 − Φ((", k_V, " − ", fnum(mu, 2), ") / ", fnum(sigma, 2), ") = 1 − Φ(", fnum((k_V - mu) / sigma, 4), ")"),
                       paste0("1 − Φ((ln(", fnum(k_V + 0.5, 1), ") − ", fnum(ml, 4), ") / ", fnum(sl, 4), ") = 1 − Φ(", fnum((log(k_V + 0.5) - ml) / sl, 4), ")")),
  `Valor a mano` = fnum(a_mano, 6),
  `Función de R` = codigo(c("punif(90, min = 0, max = 366)", paste0("1 - pexp(", k_G, ", rate = lambda)"),
                            paste0("1 - pnorm(", k_V, ", mean = mu, sd = sigma)"),
                            paste0("1 - plnorm(", k_V, " + 0.5, meanlog = ml, sdlog = sl)"))),
  `Valor en R` = fnum(en_R, 6),
  Diferencia = fdif(a_mano - en_R),
  `Error frecuente` = codigo(c(paste0("punif(90, 0, 365) = ", fnum(errores[1], 6)),
                               paste0("rate = 1/λ (la media): ", fnum(errores[2], 6)),
                               paste0("sd = var(W): ", fnum(errores[3], 6)),
                               paste0("meanlog = μ, sdlog = σ: ", fnum(errores[4], 6))))
)
tabla_html(conv, caption = "Verificación a mano de la convención de parámetros de R (Φ es la acumulada de la normal estándar, pnorm(z))",
           label = "conv", escape = FALSE)
Tabla 5. Verificación a mano de la convención de parámetros de R (Φ es la acumulada de la normal estándar, pnorm(z))
Probabilidad Fórmula a mano Valor a mano Función de R Valor en R Diferencia Error frecuente
P(U ≤ 90) 90 / 366 0,245902 punif(90, min = 0, max = 366) 0,245902 0,000000 punif(90, 0, 365) = 0,246575
P(G > 0,02) e^(−λk) = e^(−142,93 × 0,02) 0,057350 1 - pexp(0.02, rate = lambda) 0,057350 0,000000 rate = 1/λ (la media): 0,999860
P(V > 14), normal 1 − Φ((14 − 11,09) / 16,20) = 1 − Φ(0,1795) 0,428755 1 - pnorm(14, mean = mu, sd = sigma) 0,428755 0,000000 sd = var(W): 0,495579
P(V > 14), lognormal 1 − Φ((ln(14,5) − 1,9446) / 1,0161) = 1 − Φ(0,7181) 0,236358 1 - plnorm(14 + 0.5, meanlog = ml, sdlog = sl) 0,236358 0,000000 meanlog = μ, sdlog = σ: 0,699071

La fórmula a mano coincide con la función de R en las cuatro probabilidades (Tabla 5, diferencia 0). Para la normal y la lognormal, "a mano" significa estandarizar con la fórmula y leer Φ(z) de la normal estándar. La última columna muestra el error de cada convención: pasar la media a pexp o la varianza a pnorm cambia completamente el resultado, y usar la media y la desviación de W en plnorm produce una probabilidad sin sentido.

3 Variable aleatoria empírica: la estancia W

RESULTADO 01 · PARTE 2

W es la estancia en días de un episodio elegido al azar de la cohorte. Su distribución empírica asigna probabilidad 1 / n(E) a cada uno de los 52.312 episodios. Se estima su densidad con density() y su acumulada con ecdf().

3.1 Histograma, densidad empírica y acumulada empírica

dens_W  <- density(W, n = 4096, from = -5, to = 120)   # ancho de banda por defecto (bw.nrd0)
masa_neg <- mean(pnorm(0, mean = W, sd = dens_W$bw))               # probabilidad que el suavizado deja bajo 0
F_W <- ecdf(W)
p99_W <- unname(quantile(W, 0.99))
x_max <- 75
fuera <- mean(W > x_max)
med_W <- median(W)
y_lab <- 1.08 * max(dens_W$y, max(table(W)) / nE)
ggplot(data.table(W = W[W <= x_max]), aes(x = W)) +
  geom_histogram(aes(y = after_stat(count) / (nE * 1)), breaks = seq(-0.5, x_max + 0.5, 1),
                 fill = paleta[4], color = "white", linewidth = 0.15) +
  geom_line(data = data.table(x = dens_W$x, y = dens_W$y)[x <= x_max], aes(x = x, y = y),
            color = paleta[3], linewidth = 1) +
  geom_vline(xintercept = mu, linetype = "dashed", color = paleta[2], linewidth = 0.9) +
  geom_vline(xintercept = med_W, linetype = "dotted", color = paleta[6], linewidth = 0.9) +
  annotate("text", x = mu + 1, y = y_lab, hjust = 0, color = paleta[2], size = 3.6,
           label = paste0("media = ", fnum(mu, 2))) +
  annotate("text", x = med_W - 1, y = y_lab, hjust = 1, color = paleta[6], size = 3.6,
           label = paste0("mediana = ", fnum(med_W, 0))) +
  scale_x_continuous(breaks = seq(0, x_max, 7)) +
  scale_y_continuous(labels = lab_num) +
  labs(title = "Estancia de los episodios con insuficiencia cardíaca",
       subtitle = paste0("Cohorte E, n = ", fnum(nE), " episodios; se muestran estancias hasta ", x_max,
                         " días (queda fuera el ", fpct(fuera, 2), ")"),
       x = "w: estancia (días)", y = "Densidad")
Figura 1. Histograma de W en escala de densidad (barras de 1 día, área total 1) y densidad empírica obtenida con density() (curva). Las líneas verticales marcan la media y la mediana.

Figura 1. Histograma de W en escala de densidad (barras de 1 día, área total 1) y densidad empírica obtenida con density() (curva). Las líneas verticales marcan la media y la mediana.

x_ecdf <- seq(0, x_max, by = 0.05)
ggplot(data.table(x = x_ecdf, Fx = F_W(x_ecdf)), aes(x = x, y = Fx)) +
  geom_line(color = paleta[3], linewidth = 1) +
  geom_hline(yintercept = c(0.1, 0.5, 0.9), linetype = "dotted", color = "grey40") +
  scale_x_continuous(breaks = seq(0, x_max, 7)) +
  scale_y_continuous(labels = lab_pct, breaks = seq(0, 1, 0.1)) +
  labs(title = "Función de distribución acumulada empírica de W",
       x = "w: estancia (días)", y = "F(w) = P(W ≤ w)")
Figura 2. Función de distribución acumulada empírica de W, obtenida con ecdf(). Las líneas punteadas marcan F(w) = 0,10, 0,50 y 0,90.

Figura 2. Función de distribución acumulada empírica de W, obtenida con ecdf(). Las líneas punteadas marcan F(w) = 0,10, 0,50 y 0,90.

Interpretación (Figura 1 y Figura 2): el histograma está en escala de densidad (cada barra mide la proporción de episodios dividida por su ancho de 1 día, que equivale a hist(W, freq = FALSE)), así que su área total es 1 y se puede comparar con la curva. La estancia se concentra entre 1 y 10 días y tiene una cola larga hacia la derecha: el 1% de los episodios supera los 71 días y el máximo es 645. La densidad empírica se obtuvo con density(W) y su ancho de banda por defecto (bw.nrd0, 0,76 días), que basta para que la curva no reproduzca el registro en días enteros. Como todo suavizado, reparte un poco de probabilidad bajo 0 (2,28%), que no corresponde a estancias negativas sino al ancho de la curva. La acumulada empírica sube rápido hasta cerca de dos semanas y luego se acerca a 1 lentamente, que es otra forma de ver la cola derecha.

3.2 Esperanza, varianza y medidas de posición

qW <- quantile(W, c(0.10, 0.25, 0.50, 0.75, 0.90))
k_W <- corte_L                                         # 7 días: el corte del evento L (Actividades 2 y 3)
P_kW <- mean(W > k_W)
res_W <- data.table(
  Medida = c("E[W]", "Var[W]", "Desviación estándar", "Mediana", "Percentil 10", "Percentil 25",
             "Percentil 75", "Percentil 90", paste0("P(W > ", k_W, ")"), "Asimetría"),
  `Cálculo en R` = codigo(c("mean(W)", "var(W)", "sd(W)", "median(W)", "quantile(W, 0.10)", "quantile(W, 0.25)",
                            "quantile(W, 0.75)", "quantile(W, 0.90)", paste0("mean(W > ", k_W, ")"),
                            "mean((W - mean(W))^3) / sd^3")),
  Valor = c(paste0(fnum(mu, 4), " días"), paste0(fnum(varW, 4), " días²"), paste0(fnum(sigma, 4), " días"),
            paste0(fnum(median(W)), " días"), paste0(fnum(qW[1]), " día"), paste0(fnum(qW[2]), " días"),
            paste0(fnum(qW[4]), " días"), paste0(fnum(qW[5]), " días"),
            paste0(fpct(P_kW), " (", fnum(sum(W > k_W)), " / ", fnum(nE), ")"), fnum(asim(W), 2)))
tabla_html(res_W, caption = paste0("Esperanza, varianza, percentiles y una probabilidad de cola de W (n(E) = ", fnum(nE), " episodios)"),
           label = "resW", escape = FALSE)
Tabla 6. Esperanza, varianza, percentiles y una probabilidad de cola de W (n(E) = 52.312 episodios)
Medida Cálculo en R Valor
E[W] mean(W) 11,0913 días
Var[W] var(W) 262,4525 días²
Desviación estándar sd(W) 16,2004 días
Mediana median(W) 7 días
Percentil 10 quantile(W, 0.10) 1 día
Percentil 25 quantile(W, 0.25) 3 días
Percentil 75 quantile(W, 0.75) 13 días
Percentil 90 quantile(W, 0.90) 24 días
P(W > 7) mean(W > 7) 44,70% (23.382 / 52.312)
Asimetría mean((W - mean(W))^3) / sd^3 8,21

Interpretación (Tabla 6): un episodio de la cohorte dura en promedio E[W] = 11,09 días, con varianza 262,5 días² (desviación 16,20 días). La mitad de los episodios dura 7 días o menos, el 50% central está entre 3 y 13 días, y el 10% más largo supera los 24 días. Como k se usa el mismo corte del evento L de las Actividades 2 y 3, el percentil 75 de la estancia en todo Ω (k = 7 días): P(W > 7) = 44,70%, calculada como proporción de episodios, que es exactamente el P(L | E) de esas actividades. Es decir, casi la mitad de los episodios con insuficiencia cardíaca supera una estancia que solo supera un cuarto de los egresos de Ω.

Lectura de la forma. La distribución es sesgada a la derecha: la media (11,09) es 4,09 días mayor que la mediana (7), porque los pocos episodios muy largos levantan el promedio sin mover la mediana, y el histograma (Figura 1) cae lentamente hacia la derecha. El coeficiente de asimetría es 8,2, cuando una distribución simétrica tiene 0. La distancia entre el percentil 90 y la mediana (17 días) es 2,8 veces la distancia entre la mediana y el percentil 10 (6 días).

3.3 Comparación según el rol diagnóstico: Eₚ contra Eₛ

res_rol <- coh[, .(n = .N, media = mean(estancia), mediana = median(estancia), de = sd(estancia),
                   p10 = quantile(estancia, 0.10), p90 = quantile(estancia, 0.90),
                   Pk = mean(estancia > k_W), P0 = mean(estancia == 0), asim = asim(estancia)), by = rol][order(rol)]
tabla_html(res_rol[, .(`Rol diagnóstico` = rol, Episodios = fnum(n), `E[W]` = fnum(media, 2),
                       `Desv. estándar` = fnum(de, 2), Mediana = fnum(mediana), `Percentil 10` = fnum(p10),
                       `Percentil 90` = fnum(p90), `P(W > 7)` = fpct(Pk, 1), `% registrado con 0 días` = fpct(P0, 2),
                       `Asimetría` = fnum(asim, 1))],
           caption = paste0("Resumen de W por rol diagnóstico (cada fila se calcula sobre los episodios de su rol; k = ", k_W, " días)"),
           label = "rolW")
Tabla 7. Resumen de W por rol diagnóstico (cada fila se calcula sobre los episodios de su rol; k = 7 días)
Rol diagnóstico Episodios E[W] Desv. estándar Mediana Percentil 10 Percentil 90 P(W > 7) % registrado con 0 días Asimetría
Eₚ: I50 diagnóstico principal 11.331 8,41 10,38 6 1 18 37,2% 3,46% 6,7
Eₛ: I50 solo diagnóstico secundario 40.981 11,83 17,40 7 1 26 46,8% 2,93% 8,0
dens_rol <- coh[, {
  d <- density(estancia, n = 2048, from = 0, to = x_max)
  list(x = d$x, y = d$y)
}, by = rol]
dens_rol[, rol_fig := gsub("ₛ", "s", gsub("ₚ", "p", as.character(rol)))]   # la fuente del gráfico no tiene subíndices
ggplot(dens_rol, aes(x = x, y = y, color = rol_fig)) +
  geom_line(linewidth = 1) +
  geom_vline(data = res_rol[, .(rol_fig = gsub("ₛ", "s", gsub("ₚ", "p", as.character(rol))), media)],
             aes(xintercept = media, color = rol_fig), linetype = "dashed", linewidth = 0.7, show.legend = FALSE) +
  scale_color_manual(values = c(paleta[2], paleta[3]), name = NULL) +
  scale_x_continuous(breaks = seq(0, x_max, 7)) +
  scale_y_continuous(labels = lab_num) +
  labs(title = "Densidad de la estancia según el rol de I50 en el episodio",
       subtitle = "Las líneas discontinuas marcan la media de cada rol",
       x = "w: estancia (días)", y = "Densidad dentro del rol") +
  theme(legend.position = "bottom")
Figura 3. Densidad empírica de W (density()) por separado para Eₚ y Eₛ. Cada curva tiene área 1 dentro de su rol.

Figura 3. Densidad empírica de W (density()) por separado para Eₚ y Eₛ. Cada curva tiene área 1 dentro de su rol.

Interpretación (Tabla 7 y Figura 3): los episodios con I50 solo como diagnóstico secundario (Eₛ, 40.981 episodios) duran más: su media es 11,83 días frente a 8,41 en Eₚ, su mediana 7 frente a 6 y su percentil 90 26 frente a 18 días. La densidad de Eₚ tiene el pico más alto y cae más rápido, mientras que la de Eₛ es más baja y tiene una cola derecha más pesada (desviación 17,4 frente a 10,4 días). Las dos distribuciones son sesgadas a la derecha, con la media sobre la mediana en ambos roles. La estancia de toda la cohorte es una mezcla de las dos, dominada por Eₛ (78,3% de los episodios). La comparación describe los episodios registrados y no atribuye la diferencia a una causa.

4 Uniforme: ¿los egresos se reparten parejo en el año?

RESULTADO 02

Si los egresos de la cohorte no tuvieran ningún patrón en el calendario, el instante del año en que egresa un episodio elegido al azar se comportaría como una U ~ Uniforme(0, 366): cada intervalo de igual largo tendría la misma probabilidad. U observada es el instante de egreso de cada episodio, medido en días desde el 1 de enero (el 1 de enero corresponde a [0, 1) y el 31 de diciembre a [365, 366)). La posición dentro del día es la misma que se usa para G en el Resultado 03; no influye en los conteos por mes.

4.1 Densidad, acumulada y probabilidades de la uniforme

EU_t <- (0 + 366) / 2; VU_t <- (366 - 0)^2 / 12
P90_t <- punif(90, min = 0, max = 366)
PQ3_t <- punif(273, min = 0, max = 366) - punif(181, min = 0, max = 366)
med_t <- qunif(0.5, min = 0, max = 366)
qs_U <- c(0.10, 0.25, 0.75, 0.90)
P90_o <- mean(U_obs <= 90); PQ3_o <- mean(U_obs > 181 & U_obs <= 273); med_o <- median(U_obs)
qU_o <- quantile(U_obs, qs_U); qU_t <- qunif(qs_U, 0, 366)
probU <- data.table(
  Cantidad = c("P(U ≤ 90)", "P(181 < U ≤ 273)", "Mediana", paste0("Percentil ", 100 * qs_U)),
  `Función de R` = codigo(c("punif(90, 0, 366)", "punif(273, 0, 366) - punif(181, 0, 366)", "qunif(0.5, 0, 366)",
                            paste0("qunif(", qs_U, ", 0, 366)"))),
  `A mano` = c("90 / 366", "(273 − 181) / 366", "(0 + 366) / 2", paste0(fnum(qs_U, 2), " × 366")),
  Uniforme = c(fpct(P90_t), fpct(PQ3_t), paste0(fnum(med_t, 1), " días"), paste0(fnum(qU_t, 1), " días")),
  Observado = c(paste0(fpct(P90_o), " (", fnum(sum(U_obs <= 90)), " episodios)"),
                paste0(fpct(PQ3_o), " (", fnum(sum(U_obs > 181 & U_obs <= 273)), " episodios)"),
                paste0(fnum(med_o, 1), " días"), paste0(fnum(qU_o, 1), " días")),
  `Observado − uniforme` = c(fpp(P90_o - P90_t), fpp(PQ3_o - PQ3_t), paste0(fnum(med_o - med_t, 1), " días"),
                             paste0(fnum(qU_o - qU_t, 1), " días")))
tabla_html(probU, caption = paste0("Probabilidades y cuantiles de U ~ Uniforme(0, 366) con punif y qunif, contra la proporción y los cuantiles observados en los ", fnum(nE), " egresos"),
           label = "probU", escape = FALSE)
Tabla 8. Probabilidades y cuantiles de U ~ Uniforme(0, 366) con punif y qunif, contra la proporción y los cuantiles observados en los 52.312 egresos
Cantidad Función de R A mano Uniforme Observado Observado − uniforme
P(U ≤ 90) punif(90, 0, 366) 90 / 366 24,59% 21,94% (11.477 episodios) -2,65 p.p.
P(181 < U ≤ 273) punif(273, 0, 366) - punif(181, 0, 366) (273 − 181) / 366 25,14% 27,29% (14.278 episodios) +2,16 p.p.
Mediana qunif(0.5, 0, 366) (0 + 366) / 2 183,0 días 193,2 días 10,2 días
Percentil 10 qunif(0.1, 0, 366) 0,10 × 366 36,6 días 40,3 días 3,7 días
Percentil 25 qunif(0.25, 0, 366) 0,25 × 366 91,5 días 102,2 días 10,7 días
Percentil 75 qunif(0.75, 0, 366) 0,75 × 366 274,5 días 277,1 días 2,6 días
Percentil 90 qunif(0.9, 0, 366) 0,90 × 366 329,4 días 329,9 días 0,5 días
ggplot(data.table(U = U_obs), aes(x = U)) +
  geom_histogram(aes(y = after_stat(density)), breaks = 0:366, fill = paleta[4], color = NA) +
  geom_hline(yintercept = dunif(100, 0, 366), color = paleta[2], linewidth = 1.1) +
  annotate("text", x = 4, y = 1.06 * max(tabulate(floor(U_obs) + 1, 366)) / nE, hjust = 0, color = paleta[2], size = 3.6,
           label = paste0("Línea naranja: dunif(x, 0, 366) = 1/366 = ", fnum(1 / 366, 5))) +
  scale_x_continuous(breaks = c(0, 31, 60, 91, 121, 152, 182, 213, 244, 274, 305, 335, 366)) +
  scale_y_continuous(labels = lab_num) +
  labs(title = "Instante de egreso de los episodios a lo largo de 2024",
       subtitle = "Cada barra es un día; las marcas del eje son el inicio de cada mes",
       x = "u: días desde el 1 de enero", y = "Densidad")
Figura 4. Histograma de U observada en escala de densidad, con barras de 1 día (área total 1), y densidad de la Uniforme(0, 366) = 1/366 (línea naranja).

Figura 4. Histograma de U observada en escala de densidad, con barras de 1 día (área total 1), y densidad de la Uniforme(0, 366) = 1/366 (línea naranja).

x_u <- seq(0, 366, by = 0.5)
F_U <- ecdf(U_obs)
fda_U <- rbind(data.table(x = x_u, Fx = punif(x_u, 0, 366), curva = "Uniforme(0, 366): punif"),
               data.table(x = x_u, Fx = F_U(x_u), curva = "Observada: ecdf(U)"))
ggplot(fda_U, aes(x = x, y = Fx, color = curva, linetype = curva)) +
  geom_line(linewidth = 1) +
  scale_color_manual(values = c(paleta[3], paleta[2]), name = NULL) +
  scale_linetype_manual(values = c("solid", "dashed"), name = NULL) +
  scale_x_continuous(breaks = c(0, 91, 182, 274, 366)) +
  scale_y_continuous(labels = lab_pct, breaks = seq(0, 1, 0.25)) +
  labs(title = "Acumulada de U: uniforme contra observada", x = "u: días desde el 1 de enero", y = "F(u) = P(U ≤ u)") +
  theme(legend.position = "bottom")
Figura 5. Función de distribución acumulada de la Uniforme(0, 366) (punif, línea naranja discontinua) y acumulada empírica de U observada (ecdf, línea verde).

Figura 5. Función de distribución acumulada de la Uniforme(0, 366) (punif, línea naranja discontinua) y acumulada empírica de U observada (ecdf, línea verde).

Interpretación (Tabla 8, Figura 4 y Figura 5): la uniforme asigna P(U ≤ 90) = 90 / 366 = 24,59% a los primeros 90 días del año (1 de enero al 30 de marzo, casi el primer trimestre) y P(181 < U ≤ 273) = 25,14% al intervalo del 30 de junio al 29 de septiembre (casi el tercer trimestre), con mediana qunif(0.5, 0, 366) = 183 días. En los datos, solo 21,94% de los egresos cae en los primeros 90 días (-2,65 p.p.) y 27,29% cae en el intervalo de julio a septiembre (+2,16 p.p.). La mediana observada es 193,2 días, 10,2 días después que la de la uniforme: la mitad de los egresos se alcanza más tarde. En Figura 5 la acumulada observada queda bajo la diagonal durante todo el primer semestre, que es la forma acumulada de ver que hay menos egresos que lo esperado al comienzo del año. La densidad uniforme vale 1/366 (0,00273) en todo el soporte; las barras diarias de Figura 4 oscilan alrededor de ella con un patrón semanal (días de muy pocos egresos cada siete días, que son los sábados y domingos de la Actividad 3) y con un nivel algo más alto en la segunda mitad del año.

4.2 Egresos observados por mes contra lo que espera la uniforme

La cohorte tiene 52.312 episodios, así que cada mes tiene miles de egresos y no hace falta agrupar por trimestre. La frecuencia esperada de cada mes es n(E) · (días del mes / 366) = n(E) · (punif(fin) − punif(inicio)).

meses <- c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio", "Julio", "Agosto", "Septiembre",
           "Octubre", "Noviembre", "Diciembre")
ini_mes <- as.numeric(as.Date(sprintf("2024-%02d-01", 1:12)) - inicio)
fin_mes <- c(ini_mes[-1], 366)
mes_tab <- data.table(mes = factor(meses, levels = meses), dias_mes = fin_mes - ini_mes,
                      p_unif = punif(fin_mes, 0, 366) - punif(ini_mes, 0, 366),
                      obs = sapply(1:12, function(i) sum(U_obs >= ini_mes[i] & U_obs < fin_mes[i])))
mes_tab[, esp := nE * p_unif][, razon := obs / esp][, p_obs := obs / nE]
tabla_html(mes_tab[, .(Mes = mes, `Días` = dias_mes, `P uniforme (punif)` = fpct(p_unif),
                       `Esperados n(E) · P` = fnum(esp, 1), Observados = fnum(obs), `Proporción observada` = fpct(p_obs),
                       `Observados / esperados` = fnum(razon, 3), `Diferencia` = fnum(obs - esp, 1))],
           caption = paste0("Egresos de la cohorte por mes: esperados por la Uniforme(0, 366) y observados (n(E) = ", fnum(nE), ")"),
           label = "mesU") |>
  row_spec_si(which(mes_tab$razon >= 1.05), bold = TRUE, color = "#B45309") |>
  row_spec_si(which(mes_tab$razon <= 0.95), bold = TRUE, color = "#00504A")
Tabla 9. Egresos de la cohorte por mes: esperados por la Uniforme(0, 366) y observados (n(E) = 52.312)
Mes Días P uniforme (punif) Esperados n(E) · P Observados Proporción observada Observados / esperados Diferencia
Enero 31 8,47% 4.430,8 4.007 7,66% 0,904 -423,8
Febrero 29 7,92% 4.144,9 3.656 6,99% 0,882 -488,9
Marzo 31 8,47% 4.430,8 3.854 7,37% 0,870 -576,8
Abril 30 8,20% 4.287,9 3.982 7,61% 0,929 -305,9
Mayo 31 8,47% 4.430,8 4.470 8,54% 1,009 39,2
Junio 30 8,20% 4.287,9 4.268 8,16% 0,995 -19,9
Julio 31 8,47% 4.430,8 5.034 9,62% 1,136 603,2
Agosto 31 8,47% 4.430,8 4.925 9,41% 1,112 494,2
Septiembre 30 8,20% 4.287,9 4.449 8,50% 1,038 161,1
Octubre 31 8,47% 4.430,8 4.883 9,33% 1,102 452,2
Noviembre 30 8,20% 4.287,9 4.395 8,40% 1,025 107,1
Diciembre 31 8,47% 4.430,8 4.389 8,39% 0,991 -41,8
sobre <- mes_tab[razon > 1]; bajo <- mes_tab[razon < 1]
lista <- function(x) { x <- tolower(as.character(x)); if (length(x) == 1) x else paste0(paste(head(x, -1), collapse = ", "), " y ", tail(x, 1)) }
Q_obs <- sapply(1:4, function(q) mean(U_obs >= ini_mes[3 * q - 2] & U_obs < fin_mes[3 * q]))
Q_uni <- sapply(1:4, function(q) (fin_mes[3 * q] - ini_mes[3 * q - 2]) / 366)
ggplot(mes_tab, aes(x = mes)) +
  geom_col(aes(y = obs, fill = razon >= 1), width = 0.75, show.legend = FALSE) +
  geom_line(aes(y = esp, group = 1), color = paleta[6], linewidth = 0.8) +
  geom_point(aes(y = esp), color = paleta[6], size = 2.4) +
  scale_fill_manual(values = c(`TRUE` = paleta[2], `FALSE` = paleta[4])) +
  scale_y_continuous(labels = lab_num) +
  labs(title = "Egresos de la cohorte por mes: observado contra uniforme",
       subtitle = "Barras naranjas: meses sobre lo esperado; barras verdes: meses bajo lo esperado",
       x = NULL, y = "Egresos") +
  theme(axis.text.x = element_text(angle = 30, hjust = 1))
Figura 6. Egresos observados por mes (barras) y frecuencia esperada por la Uniforme(0, 366) (puntos y línea). La uniforme espera más egresos en los meses de 31 días.

Figura 6. Egresos observados por mes (barras) y frecuencia esperada por la Uniforme(0, 366) (puntos y línea). La uniforme espera más egresos en los meses de 31 días.

Interpretación (Tabla 9 y Figura 6): los meses de mayo, julio, agosto, septiembre, octubre y noviembre superan lo que espera la uniforme, y los de enero, febrero, marzo, abril, junio y diciembre quedan bajo lo esperado. El mes con más egresos respecto de lo esperado es julio (1,136 veces lo esperado, 603 egresos más) y el de menos es marzo (0,870 veces). Por trimestre, enero a marzo concentra 22,0% de los egresos frente a 24,9% que espera la uniforme, y julio a septiembre concentra 27,5% frente a 25,1%. Con miles de egresos por mes, diferencias de cientos de egresos no son variaciones de azar: si la uniforme fuera cierta, el conteo de un mes variaría en torno a lo esperado con una desviación de unos 63 egresos (√(n p (1 − p)), con p ≈ 1/12), y las diferencias observadas llegan a 603.

4.3 Esperanza y varianza: teóricas contra observadas

EU_o <- mean(U_obs); VU_o <- var(U_obs)
ee_EU <- sqrt(VU_t / nE)                               # error estándar del promedio si U fuera uniforme
momU <- data.table(
  Medida = c("E[U]", "Var[U]", "Desviación estándar"),
  `Uniforme(0, 366)` = c(paste0("(0 + 366) / 2 = ", fnum(EU_t, 2)), paste0("366² / 12 = ", fnum(VU_t, 2)),
                         paste0("366 / √12 = ", fnum(sqrt(VU_t), 2))),
  `Observado (R)` = c(paste0("mean(U) = ", fnum(EU_o, 2)), paste0("var(U) = ", fnum(VU_o, 2)),
                      paste0("sd(U) = ", fnum(sd(U_obs), 2))),
  `Observado − uniforme` = c(fnum(EU_o - EU_t, 2), fnum(VU_o - VU_t, 2), fnum(sd(U_obs) - sqrt(VU_t), 2)),
  `Relativo` = paste0(fnum(100 * c(EU_o / EU_t - 1, VU_o / VU_t - 1, sd(U_obs) / sqrt(VU_t) - 1), 2), "%"))
tabla_html(momU, caption = paste0("Esperanza y varianza de U: Uniforme(0, 366) contra los ", fnum(nE), " egresos observados"),
           label = "momU")
Tabla 10. Esperanza y varianza de U: Uniforme(0, 366) contra los 52.312 egresos observados
Medida Uniforme(0, 366) Observado (R) Observado − uniforme Relativo
E[U] (0 + 366) / 2 = 183,00 mean(U) = 189,18 6,18 3,38%
Var[U] 366² / 12 = 11.163,00 var(U) = 10.699,21 -463,79 -4,15%
Desviación estándar 366 / √12 = 105,66 sd(U) = 103,44 -2,22 -2,10%

Interpretación (Tabla 10): el instante medio de egreso es 189,2 días, 6,2 días después del centro del año que espera la uniforme (E[U] = 183). Si U fuera uniforme, el promedio de 52.312 egresos variaría alrededor de 183 con un error estándar de √(Var[U] / n) = 0,46 días, así que la diferencia equivale a 13,4 errores estándar: no es azar. La varianza observada es 4,2% menor que 366² / 12, porque los egresos se concentran menos al comienzo del año. La media sola no bastaría para juzgar la uniforme (dos distribuciones distintas pueden tener la misma media), por eso se miran también la acumulada y los conteos por mes.

Qué supuesto falla La uniforme supone que la tasa de egresos es constante en todo el año: que un intervalo de 30 días en febrero tiene la misma probabilidad de contener un egreso que uno en julio. Los datos no lo cumplen: hay estacionalidad, con menos egresos de enero a abril y más de julio a octubre, y además un patrón semanal con pocos egresos los fines de semana (Figura 4). Este informe describe el patrón del registro y no le atribuye una causa. La misma tasa no constante reaparece en el tiempo entre egresos (Resultado 03).

5 Exponencial: tiempo entre egresos

RESULTADO 03

En la Actividad 3 los egresos diarios D se modelaron con una Poisson(λ = 142,93). Si los egresos ocurrieran como un proceso de Poisson con tasa constante, el tiempo G entre dos egresos consecutivos sería Exponencial con la misma tasa λ.

5.1 Construcción de la serie G y empates del mismo día

emp_tab <- data.table(
  Medida = c("Egresos de la cohorte ordenados por fecha de egreso", "Tiempos entre egresos consecutivos (n − 1)",
             "Con fecha diaria: tiempos de 0 días (empates del mismo día)", "Con fecha diaria: tiempos de 1 día",
             "Con fecha diaria: tiempos de 2 o más días", "Días de 2024 con al menos un egreso",
             "Con fecha diaria: promedio de G y 1 / promedio"),
  Valor = c(fnum(nE), fnum(nG), paste0(fnum(n_emp), " (", fpct(n_emp / nG), ")"),
            paste0(fnum(sum(G_dia == 1)), " (", fpct(mean(G_dia == 1)), ")"), fnum(sum(G_dia >= 2)),
            paste0(fnum(sum(dias$D > 0)), " de 366"),
            paste0(fnum(mean(G_dia), 6), " días; ", fnum(1 / mean(G_dia), 2), " por día")))
tabla_html(emp_tab, caption = "Serie G con la fecha de egreso diaria: empates del mismo día", label = "emp")
Tabla 11. Serie G con la fecha de egreso diaria: empates del mismo día
Medida Valor
Egresos de la cohorte ordenados por fecha de egreso 52.312
Tiempos entre egresos consecutivos (n − 1) 52.311
Con fecha diaria: tiempos de 0 días (empates del mismo día) 51.946 (99,30%)
Con fecha diaria: tiempos de 1 día 365 (0,70%)
Con fecha diaria: tiempos de 2 o más días 0
Días de 2024 con al menos un egreso 366 de 366
Con fecha diaria: promedio de G y 1 / promedio 0,006977 días; 143,32 por día

Interpretación (Tabla 11): con 143 egresos diarios en promedio y fecha con resolución diaria, 51.946 de los 52.311 tiempos (99,3%) son empates de 0 días, y los otros 365 son de exactamente 1 día (el paso de un día al siguiente, porque todos los días tienen egresos). Con la fecha diaria, G no es una variable continua: tiene solo dos valores.

Decisión sobre los empates Cada egreso se ubica en un instante al azar dentro de su día: t = (día del año − 1) + u, con u generado con runif() y semilla fija (set.seed(20261113)), y G se calcula como la diferencia entre instantes consecutivos. Se eligió así porque, en un proceso de Poisson, dado el número de egresos de un día, sus instantes se reparten como uniformes independientes dentro del día. Es decir, la decisión no agrega una forma propia a G: completa la información que falta del modo que supone el modelo que se está evaluando, y conserva el promedio de G (el lapso total entre el primer y el último egreso no cambia). Las alternativas no sirven en esta cohorte: excluir los empates deja 365 tiempos, todos de 1 día, con λ = 1 por día, 143 veces menor que el de la Actividad 3; conservarlos como 0 deja 99,3% de la masa en un solo punto, lo que ninguna densidad puede representar. La decisión se mantiene en todo el informe: los mismos instantes definen U (Resultado 02) y G. Su costo es que la forma de G dentro de un día es supuesta, no observada; lo que G sí permite evaluar es si la tasa cambia entre días.

serie_G <- data.table(t = t_ord)[, `:=`(fecha = inicio + floor(t), G = c(NA, diff(t)))]
ext <- serie_G[1:8]
tabla_html(ext[, .(`Orden` = 1:8, `Fecha de egreso` = format(fecha, "%d-%m-%Y"), `Instante t (días)` = fnum(t, 5),
                   `G (días)` = ifelse(is.na(G), "—", fnum(G, 5)), `G (minutos)` = ifelse(is.na(G), "—", fnum(1440 * G, 1)))],
           caption = paste0("Primeros egresos de la serie ordenada y su tiempo G desde el egreso anterior (la serie completa tiene ", fnum(nG), " tiempos)"),
           label = "extG")
Tabla 12. Primeros egresos de la serie ordenada y su tiempo G desde el egreso anterior (la serie completa tiene 52.311 tiempos)
Orden Fecha de egreso Instante t (días) G (días) G (minutos)
1 01-01-2024 0,00574 — —
2 01-01-2024 0,07690 0,07116 102,5
3 01-01-2024 0,08151 0,00461 6,6
4 01-01-2024 0,09516 0,01365 19,7
5 01-01-2024 0,10499 0,00983 14,2
6 01-01-2024 0,11050 0,00551 7,9
7 01-01-2024 0,12248 0,01198 17,2
8 01-01-2024 0,17374 0,05126 73,8

Cada fila de Tabla 12 es un egreso de la cohorte, en el orden de su instante de egreso; G es la diferencia con el instante anterior y el primer egreso no tiene G.

5.2 Estimación de λ y relación con la Poisson de la Actividad 3

lam_tab <- data.table(
  Medida = c("λ de la Actividad 4: 1 / promedio de G", "λ de la Actividad 3: promedio de D = n(E) / 366",
             "Razón λ(G) / λ(D)", "Tiempo medio entre egresos 1 / λ", "Desviación estándar de G",
             "Coeficiente de variación de G = sd / media (exponencial: 1)"),
  `Cálculo` = c(paste0("1 / ", fnum(mean(G), 6), " = ", fnum(nG), " / ", fnum(sum(G), 3)),
                paste0(fnum(nE), " / 366"), "—", "mean(G)", "sd(G)", "sd(G) / mean(G)"),
  Valor = c(paste0(fnum(lambda_G, 3), " egresos por día"), paste0(fnum(lambda_A3, 3), " egresos por día"),
            fnum(lambda_G / lambda_A3, 4), paste0(fnum(mean(G), 6), " días = ", fnum(1440 * mean(G), 2), " minutos"),
            paste0(fnum(sd(G), 6), " días = ", fnum(1440 * sd(G), 2), " minutos"), fnum(sd(G) / mean(G), 3)))
tabla_html(lam_tab, caption = paste0("Estimación de λ desde G y comparación con el λ de la Actividad 3 (", fnum(nG), " tiempos)"),
           label = "lamG")
Tabla 13. Estimación de λ desde G y comparación con el λ de la Actividad 3 (52.311 tiempos)
Medida Cálculo Valor
λ de la Actividad 4: 1 / promedio de G 1 / 0,006996 = 52.311 / 365,993 142,929 egresos por día
λ de la Actividad 3: promedio de D = n(E) / 366 52.312 / 366 142,929 egresos por día
Razón λ(G) / λ(D) — 1,0000
Tiempo medio entre egresos 1 / λ mean(G) 0,006996 días = 10,07 minutos
Desviación estándar de G sd(G) 0,008685 días = 12,51 minutos
Coeficiente de variación de G = sd / media (exponencial: 1) sd(G) / mean(G) 1,241

Interpretación (Tabla 13): λ = 1 / promedio de G = 142,93 egresos por día, prácticamente el mismo λ = 142,93 de la Poisson de la Actividad 3 (razón 1,0000). No es una coincidencia: el promedio de G es el lapso entre el primer y el último egreso dividido por n − 1, y ese lapso es casi el año completo. Es decir, las dos vías miden la misma tasa media. En promedio pasan 10,1 minutos entre dos egresos consecutivos de la cohorte. Sin embargo, la desviación de G es 1,24 veces su media, cuando en una exponencial ambas son iguales a 1 / λ: G varía más que una exponencial, igual que D variaba más que una Poisson en la Actividad 3 (índice de dispersión 22,7).

5.3 Histograma, densidad y acumulada de la exponencial

# Si la tasa cambia entre días y dentro de cada día los egresos son al azar, G es una mezcla de
# exponenciales: con probabilidad proporcional a D_d, un tiempo es Exponencial(D_d), la tasa de su día.
w_d <- dias$D / sum(dias$D)
S_mix <- function(g) vapply(g, function(x) sum(w_d * exp(-dias$D * x)), numeric(1))
f_mix <- function(g) vapply(g, function(x) sum(w_d * dias$D * exp(-dias$D * x)), numeric(1))
g_max <- unname(quantile(G, 0.995))
x_g <- seq(0, g_max, length.out = 400)
curvas_G <- rbind(data.table(x = x_g, y = dexp(x_g, rate = lambda_G), curva = paste0("Exponencial(λ = ", fnum(lambda_G, 1), ")")),
                  data.table(x = x_g, y = f_mix(x_g), curva = "Mezcla: tasa de cada día"))
ggplot(data.table(G = G[G <= g_max]), aes(x = G)) +
  geom_histogram(aes(y = after_stat(count) / (nG * 0.001)), binwidth = 0.001, boundary = 0,
                 fill = paleta[4], color = "white", linewidth = 0.15) +
  geom_line(data = curvas_G, aes(x = x, y = y, color = curva, linetype = curva), linewidth = 1) +
  scale_color_manual(values = c(paleta[2], paleta[3]), name = NULL) +
  scale_linetype_manual(values = c("solid", "dashed"), name = NULL) +
  scale_x_continuous(labels = lab_num, sec.axis = sec_axis(~ . * 1440, name = "g (minutos)", labels = lab_num)) +
  scale_y_continuous(labels = lab_num) +
  labs(title = "Tiempo entre egresos consecutivos de la cohorte",
       subtitle = paste0(fnum(nG), " tiempos; la densidad exponencial vale λ = ", fnum(lambda_G, 1), " en g = 0"),
       x = "g (días)", y = "Densidad") +
  theme(legend.position = "bottom")
Figura 7. Histograma de G en escala de densidad (área total 1) con la densidad Exponencial(λ) superpuesta (dexp, naranja) y la mezcla de exponenciales con la tasa de cada día (verde oscuro). Se muestra hasta el percentil 99,5 de G.

Figura 7. Histograma de G en escala de densidad (área total 1) con la densidad Exponencial(λ) superpuesta (dexp, naranja) y la mezcla de exponenciales con la tasa de cada día (verde oscuro). Se muestra hasta el percentil 99,5 de G.

F_G <- ecdf(G)
pp <- seq(0.001, 0.999, by = 0.001)
panel_fda <- rbind(data.table(x = x_g, y = pexp(x_g, lambda_G), curva = "Exponencial: pexp"),
                   data.table(x = x_g, y = F_G(x_g), curva = "Observada: ecdf(G)"))
panel_fda[, panel := "Acumulada F(g) según g (minutos)"]
panel_qq <- data.table(x = qexp(pp, lambda_G) * 1440, y = quantile(G, pp, names = FALSE) * 1440, curva = "Observada: ecdf(G)", panel = "Cuantil observado según cuantil teórico (minutos)")
lim_qq <- max(panel_qq$x, panel_qq$y)
ggplot() +
  geom_line(data = panel_fda, aes(x = x * 1440, y = y, color = curva, linetype = curva), linewidth = 1) +
  geom_abline(data = data.table(panel = "Cuantil observado según cuantil teórico (minutos)"), aes(slope = 1, intercept = 0), color = paleta[2], linetype = "dashed") +
  geom_point(data = panel_qq, aes(x = x, y = y), color = paleta[3], size = 0.7) +
  facet_wrap(~ panel, scales = "free") +
  scale_color_manual(values = c(paleta[2], paleta[3]), name = NULL) +
  scale_linetype_manual(values = c("dashed", "solid"), name = NULL) +
  scale_x_continuous(labels = lab_num) + scale_y_continuous(labels = lab_num) +
  labs(title = "G contra la exponencial: acumulada y cuantiles", x = "Minutos", y = NULL) +
  theme(legend.position = "bottom")
Figura 8. Izquierda: acumulada de la Exponencial(λ) (pexp) y acumulada empírica de G (ecdf). Derecha: cuantiles observados de G contra cuantiles teóricos de la exponencial (qexp), para probabilidades de 0,001 a 0,999; la diagonal es el ajuste perfecto.

Figura 8. Izquierda: acumulada de la Exponencial(λ) (pexp) y acumulada empírica de G (ecdf). Derecha: cuantiles observados de G contra cuantiles teóricos de la exponencial (qexp), para probabilidades de 0,001 a 0,999; la diagonal es el ajuste perfecto.

ks_G <- c(0.01, k_G, 0.05)
prob_G <- data.table(
  Probabilidad = c(paste0("P(G > ", fnum(ks_G, 2), ")"), "P(G ≤ 1)"),
  `k en minutos` = c(fnum(1440 * ks_G, 1), fnum(1440, 0)),
  `Exponencial (pexp)` = c(fprob(pexp(ks_G, rate = lambda_G, lower.tail = FALSE)),
                           paste0("1 − ", fpot(pexp(1, rate = lambda_G, lower.tail = FALSE)))),
  `A mano` = c(paste0("e^(−", fnum(lambda_G, 2), " × ", fnum(ks_G, 2), ") = ", fprob(exp(-lambda_G * ks_G))),
               paste0("1 − e^(−", fnum(lambda_G, 2), ")")),
  Observado = c(fprob(sapply(ks_G, function(k) mean(G > k))), fpct(mean(G <= 1))),
  `Observado − exponencial` = c(fpp(sapply(ks_G, function(k) mean(G > k)) - pexp(ks_G, lambda_G, lower.tail = FALSE)), "0,00 p.p."),
  `Mezcla por día` = c(fprob(S_mix(ks_G)), "—"))
tabla_html(prob_G, caption = paste0("Probabilidades de G con pexp (rate = λ = ", fnum(lambda_G, 2), "), contra la proporción observada y la mezcla de exponenciales por día"),
           label = "probG", escape = FALSE)
Tabla 14. Probabilidades de G con pexp (rate = λ = 142,93), contra la proporción observada y la mezcla de exponenciales por día
Probabilidad k en minutos Exponencial (pexp) A mano Observado Observado − exponencial Mezcla por día
P(G > 0,01) 14,4 23,95% e^(−142,93 × 0,01) = 23,95% 21,69% -2,25 p.p. 21,60%
P(G > 0,02) 28,8 5,74% e^(−142,93 × 0,02) = 5,74% 6,21% +0,48 p.p. 6,29%
P(G > 0,05) 72,0 0,0788% e^(−142,93 × 0,05) = 0,0788% 0,60% +0,52 p.p. 0,63%
P(G ≤ 1) 1.440 1 − 8,4 · 10−63 1 − e^(−142,93) 100,00% 0,00 p.p. —
P_kG <- c(exp = pexp(k_G, lambda_G, lower.tail = FALSE), obs = mean(G > k_G))

Interpretación (Figura 7, Figura 8 y Tabla 14): el histograma está en escala de densidad, igual que la curva. La exponencial reproduce la forma general (máximo en 0 y caída rápida), pero no los detalles: asigna menos probabilidad que la observada a los tiempos muy cortos y a los largos, y más a los intermedios. Con k = 0,02 días (28,8 minutos, unas tres veces el tiempo medio), pexp da P(G > 0,02) = e−λk = 5,74% y la proporción observada es 6,21%. En la cola, P(G > 0,05) observada es 7,6 veces la exponencial. En Figura 8 los cuantiles observados se apartan de la diagonal hacia arriba en la cola: los tiempos largos son más largos de lo que espera la exponencial. P(G ≤ 1) = 1 − e−λ = 1 − 8,4 · 10−63: con una tasa de 143 egresos diarios es prácticamente seguro que el próximo egreso ocurra antes de un día, y en los datos todos los tiempos son menores que 1 día (máximo 262 minutos). La probabilidad complementaria no es cero, solo es extremadamente pequeña, y se escribe como potencia de 10 para no redondearla.

5.4 Falta de memoria verificada en los datos

La exponencial es la única distribución continua sin memoria: P(G > a + b | G > a) = P(G > b). Si ya pasaron a días sin egresos, la probabilidad de esperar b días más es la misma que al comienzo. En los datos, la probabilidad condicional se calcula por conteo: n(G > a + b) / n(G > a).

ab <- data.table(a = c(0.005, 0.01, 0.02, 0.02), b = c(0.01, 0.01, 0.01, 0.02))
ab[, `:=`(n_a = sapply(a, function(x) sum(G > x)), n_ab = mapply(function(x, y) sum(G > x + y), a, b))]
ab[, `:=`(cond = n_ab / n_a, Pb = sapply(b, function(y) mean(G > y)), Pb_exp = exp(-lambda_G * b),
          mix_cond = S_mix(a + b) / S_mix(a), mix_b = S_mix(b))]
tabla_html(ab[, .(a = paste0(fnum(a, 3), " (", fnum(1440 * a, 1), " min)"), b = paste0(fnum(b, 2), " (", fnum(1440 * b, 1), " min)"),
                  `n(G > a)` = fnum(n_a), `P(G > a + b | G > a) observada` = fpct(cond),
                  `P(G > b) observada` = fpct(Pb), `Diferencia` = fpp(cond - Pb),
                  `Exponencial: ambas = e^(−λb)` = fpct(Pb_exp),
                  `Mezcla: condicional` = fpct(mix_cond), `Mezcla: P(G > b)` = fpct(mix_b))],
           caption = "Falta de memoria: probabilidad condicional observada contra P(G > b) observada, la exponencial y la mezcla por día",
           label = "memG") |>
  add_header_above(c(" " = 3, "Datos" = 3, "Modelos" = 3))
Tabla 15. Falta de memoria: probabilidad condicional observada contra P(G > b) observada, la exponencial y la mezcla por día
Datos
Modelos
a b n(G > a) P(G > a + b | G > a) observada P(G > b) observada Diferencia Exponencial: ambas = e^(−λb) Mezcla: condicional Mezcla: P(G > b)
0,005 (7,2 min) 0,01 (14,4 min) 23.699 24,58% 21,69% +2,89 p.p. 23,95% 24,89% 21,60%
0,010 (14,4 min) 0,01 (14,4 min) 11.348 28,65% 21,69% +6,95 p.p. 23,95% 29,11% 21,60%
0,020 (28,8 min) 0,01 (14,4 min) 3.251 39,34% 21,69% +17,65 p.p. 23,95% 39,13% 21,60%
0,020 (28,8 min) 0,02 (28,8 min) 3.251 18,15% 6,21% +11,93 p.p. 5,74% 18,73% 6,29%
mem1 <- ab[2]

Interpretación (Tabla 15): la falta de memoria no se cumple. Por ejemplo, con a = b = 0,01 días (14,4 minutos), de los 11.348 tiempos que ya superaron a, 28,6% siguió más allá de a + b, mientras que solo 21,7% de todos los tiempos supera b: un tiempo que ya fue largo tiene más probabilidad de seguir siéndolo. La diferencia crece con a y se repite en todas las combinaciones, con al menos 3.251 tiempos en cada base, así que no es efecto de pocos casos. Para la exponencial las dos columnas serían iguales (23,9%).

5.5 Por qué falla la exponencial: la tasa cambia entre días

dia_fin <- floor(t_ord[-1])                               # día del egreso que cierra cada tiempo G
tipo_G <- dias$habil[match(dia_fin, dias$dia)]
tipo_lbl <- c("Hábil (lunes a viernes, no feriado)", "Sábado, domingo o feriado")
tipo_tab <- rbind(
  data.table(tipo = tipo_lbl[1], dias_n = sum(dias$habil), egresos = sum(dias$D[dias$habil]), g = list(G[tipo_G])),
  data.table(tipo = tipo_lbl[2], dias_n = sum(!dias$habil), egresos = sum(dias$D[!dias$habil]), g = list(G[!tipo_G])))
tipo_tab[, `:=`(lam = egresos / dias_n, n_g = sapply(g, length), media = sapply(g, mean), cv = sapply(g, function(x) sd(x) / mean(x)))]
tabla_html(tipo_tab[, .(`Tipo de día` = tipo, `Días` = dias_n, Egresos = fnum(egresos), `λ del tipo (egresos por día)` = fnum(lam, 1),
                        `Tiempos G` = fnum(n_g), `Media de G (min)` = fnum(1440 * media, 2), `1 / λ del tipo (min)` = fnum(1440 / lam, 2),
                        `CV de G (exponencial: 1)` = fnum(cv, 3))],
           caption = "Tasa de egresos y forma de G por tipo de día (cada tiempo se asigna al día del egreso que lo cierra)",
           label = "tipoG")
Tabla 16. Tasa de egresos y forma de G por tipo de día (cada tiempo se asigna al día del egreso que lo cierra)
Tipo de día Días Egresos λ del tipo (egresos por día) Tiempos G Media de G (min) 1 / λ del tipo (min) CV de G (exponencial: 1)
Hábil (lunes a viernes, no feriado) 249 44.482 178,6 44.482 8,09 8,06 1,024
Sábado, domingo o feriado 117 7.830 66,9 7.829 21,33 21,52 1,054

Interpretación (Tabla 16, Tabla 15 y Figura 7): los días hábiles tienen 179 egresos en promedio y los sábados, domingos y feriados 67, así que el tiempo medio entre egresos es 8,1 minutos en un caso y 21,3 en el otro. Dentro de cada tipo de día, el coeficiente de variación de G es cercano a 1 (1,02 y 1,05), como en una exponencial; al juntar todos los días, sube a 1,24. Eso es una mezcla de exponenciales con tasas distintas: los tiempos largos vienen sobre todo de los días con pocos egresos, y por eso un tiempo que ya superó a tiene más probabilidad de pertenecer a un día lento y de seguir. La curva de la mezcla, que usa la tasa observada de cada día, reproduce casi exactamente el histograma y la falta de memoria observada (Tabla 15, columnas de la mezcla). El supuesto que falla es el de una tasa λ constante, el mismo que hacía fallar la Poisson de los egresos diarios en la Actividad 3: el promedio de G recupera bien el λ medio, pero una exponencial con una sola λ no describe la variación de G.

semillas <- 1:20
sens <- rbindlist(lapply(semillas, function(s) {
  set.seed(s)
  g <- diff(sort(coh$dia + runif(nE)))
  data.table(lam = 1 / mean(g), cv = sd(g) / mean(g), cond = mean(g > 0.02) / mean(g > 0.01), Pb = mean(g > 0.01))
}))
rango <- function(x, d) paste0(fnum(min(x), d), " a ", fnum(max(x), d))
tabla_html(data.table(
  Medida = c("λ = 1 / promedio de G", "Coeficiente de variación de G", "P(G > 0,02 | G > 0,01)", "P(G > 0,01)"),
  `Semilla del informe (20261113)` = c(fnum(lambda_G, 3), fnum(sd(G) / mean(G), 3), fpct(mem1$cond), fpct(mem1$Pb)),
  `Rango con 20 semillas distintas` = c(rango(sens$lam, 3), rango(sens$cv, 3), rango(100 * sens$cond, 2), rango(100 * sens$Pb, 2))),
  caption = "Sensibilidad de la decisión sobre los empates: resultados de G con 20 posiciones al azar distintas dentro de cada día (probabilidades del rango en %)",
  label = "sensG")
Tabla 17. Sensibilidad de la decisión sobre los empates: resultados de G con 20 posiciones al azar distintas dentro de cada día (probabilidades del rango en %)
Medida Semilla del informe (20261113) Rango con 20 semillas distintas
λ = 1 / promedio de G 142,929 142,929 a 142,958
Coeficiente de variación de G 1,241 1,237 a 1,268
P(G > 0,02 | G > 0,01) 28,65% 28,22 a 29,97
P(G > 0,01) 21,69% 21,52 a 21,85

La conclusión no depende de la semilla (Tabla 17): con 20 sorteos distintos de la posición dentro del día, λ cambia menos de 0,02%, el coeficiente de variación queda siempre sobre 1,2 y la probabilidad condicional siempre supera a P(G > b) por al menos 6,5 puntos porcentuales.

6 Normal y lognormal: modelar la estancia

RESULTADO 04

La jefatura quiere una curva para la estancia. Se ajustan las dos candidatas con promedios y desviaciones: V ~ Normal(μ, σ) con μ y σ de W, y V ~ Lognormal(μℓ, σℓ) con μℓ y σℓ del logaritmo de W + 0,5.

6.1 Parámetros y tratamiento de las estancias de 0 días

p0  <- mean(W == 0)
W_pos <- W[W > 0]
mlB <- mean(log(W_pos)); slB <- sd(log(W_pos))         # alternativa: excluir las estancias de 0 días
# opción elegida (A): ln(W + 0,5) ~ Normal(ml, sl). P(W > k) = P(W + 0,5 > k + 0,5)
surv_A <- function(k) plnorm(k + 0.5, meanlog = ml, sdlog = sl, lower.tail = FALSE)
q_A    <- function(p) qlnorm(p, meanlog = ml, sdlog = sl) - 0.5
# alternativa (B): W = 0 con probabilidad p0 y, si W > 0, ln(W) ~ Normal(mlB, slB)
surv_B <- function(k) (1 - p0) * plnorm(k, meanlog = mlB, sdlog = slB, lower.tail = FALSE)
q_B    <- function(p) ifelse(p <= p0, 0, qlnorm((p - p0) / (1 - p0), meanlog = mlB, sdlog = slB))
surv_N <- function(k) pnorm(k, mean = mu, sd = sigma, lower.tail = FALSE)
E_ln <- exp(ml + sl^2 / 2) - 0.5; V_ln <- (exp(sl^2) - 1) * exp(2 * ml + sl^2)
parV <- data.table(
  Modelo = c("Normal(μ, σ)", "Normal(μ, σ)", "Lognormal de W + 0,5 (elegida)", "Lognormal de W + 0,5 (elegida)",
             "Lognormal excluyendo W = 0 (alternativa)", "Lognormal excluyendo W = 0 (alternativa)"),
  `Parámetro` = c("μ", "σ", "μℓ = meanlog", "σℓ = sdlog", "μℓ = meanlog", "σℓ = sdlog"),
  `Cálculo` = codigo(c("mean(W)", "sd(W)", "mean(log(W + 0.5))", "sd(log(W + 0.5))", "mean(log(W[W > 0]))", "sd(log(W[W > 0]))")),
  Valor = fnum(c(mu, sigma, ml, sl, mlB, slB), 4),
  `Episodios usados` = fnum(c(nE, nE, nE, nE, length(W_pos), length(W_pos))))
tabla_html(parV, caption = "Parámetros de la normal y de la lognormal estimados desde la cohorte", label = "parV", escape = FALSE) |>
  collapse_rows(columns = 1, valign = "middle")
Tabla 18. Parámetros de la normal y de la lognormal estimados desde la cohorte
Modelo Parámetro Cálculo Valor Episodios usados
Normal(μ, σ) μ mean(W) 11,0913 52.312
σ sd(W) 16,2004 52.312
Lognormal de W + 0,5 (elegida) μℓ = meanlog mean(log(W + 0.5)) 1,9446 52.312
σℓ = sdlog sd(log(W + 0.5)) 1,0161 52.312
Lognormal excluyendo W = 0 (alternativa) μℓ = meanlog mean(log(W[W > 0])) 1,9208 50.718
σℓ = sdlog sd(log(W[W > 0])) 1,0073 50.718

Decisión sobre las estancias de 0 días. 1.594 episodios (3,05%) egresan el mismo día en que ingresan, y log(0) no existe. Se suma 0,5 día a todas las estancias antes de tomar el logaritmo: se conservan los 52.312 episodios y 0,5 es la mitad del día que representa un registro de 0 días. El modelo queda definido para W + 0,5, así que en la escala de W la densidad es dlnorm(w + 0.5, ml, sl), la cola es P(W > k) = 1 - plnorm(k + 0.5, ml, sl) y el cuantil es qlnorm(p, ml, sl) - 0.5. La tabla siguiente muestra el efecto de esa decisión frente a excluir los episodios de 0 días (en ese caso W = 0 conserva su proporción observada, 3,05%, y la lognormal describe solo las estancias positivas).

ks_V <- c(7, 14, 30)
ceros <- data.table(
  `Opción` = c("Observado en la cohorte", "Sumar 0,5 a todas (elegida)", "Excluir las estancias de 0 días"),
  `Episodios en el ajuste` = c(fnum(nE), fnum(nE), fnum(length(W_pos))),
  meanlog = c("—", fnum(ml, 4), fnum(mlB, 4)), sdlog = c("—", fnum(sl, 4), fnum(slB, 4)),
  `P(W > 7)` = fpct(c(mean(W > 7), surv_A(7), surv_B(7))),
  `P(W > 30)` = fpct(c(mean(W > 30), surv_A(30), surv_B(30))),
  `Percentil 10` = fnum(c(quantile(W, 0.1), q_A(0.1), q_B(0.1)), 2),
  `Percentil 50` = fnum(c(quantile(W, 0.5), q_A(0.5), q_B(0.5)), 2),
  `Percentil 90` = fnum(c(quantile(W, 0.9), q_A(0.9), q_B(0.9)), 2))
tabla_html(ceros, caption = "Efecto del tratamiento de las estancias de 0 días sobre la lognormal", label = "ceros") |>
  row_spec(2, bold = TRUE)
Tabla 19. Efecto del tratamiento de las estancias de 0 días sobre la lognormal
Opción Episodios en el ajuste meanlog sdlog P(W > 7) P(W > 30) Percentil 10 Percentil 50 Percentil 90
Observado en la cohorte 52.312 — — 44,70% 6,58% 1,00 7,00 24,00
Sumar 0,5 a todas (elegida) 52.312 1,9446 1,0161 47,24% 7,35% 1,40 6,49 25,20
Excluir las estancias de 0 días 50.718 1,9208 1,0073 47,51% 6,87% 1,56 6,56 24,38

Interpretación (Tabla 19): las dos opciones dan curvas parecidas, con diferencias de menos de un punto porcentual en P(W > 7) y P(W > 30) y de menos de un día en los percentiles. Excluir los ceros sigue algo mejor la cola derecha: P(W > 30) baja de 7,35% a 6,87% (observado 6,58%) y el percentil 90 de 25,2 a 24,4 días (observado 24). Una razón es que, al sumar 0,5, los 1.594 episodios de 0 días entran al ajuste como log(0,5) y alargan la cola izquierda del logaritmo, lo que aumenta σℓ (1,016 frente a 1,007) y ensancha también la cola derecha. Sumar 0,5 sigue mejor el extremo izquierdo: el percentil 10 es 1,40 días frente a 1,56 (observado 1). Se mantiene sumar 0,5 porque describe todos los episodios con una sola curva y una sola llamada a plnorm, sin una masa aparte en 0. Las conclusiones del resto del Resultado 04 son las mismas con cualquiera de las dos opciones, y la respuesta a la jefatura informa ambas.

6.2 Histograma con las dos densidades superpuestas

x_v <- seq(-30, x_max, by = 0.1)
dens_V <- rbind(data.table(x = x_v, y = dnorm(x_v, mean = mu, sd = sigma), modelo = "Normal(μ, σ)"),
                data.table(x = x_v[x_v > -0.5], y = dlnorm(x_v[x_v > -0.5] + 0.5, meanlog = ml, sdlog = sl), modelo = "Lognormal de W + 0,5"))
dens_V[, modelo := factor(modelo, levels = c("Normal(μ, σ)", "Lognormal de W + 0,5"))]
P_neg <- pnorm(0, mean = mu, sd = sigma)
k_bar <- 0:60
p_bar <- sapply(k_bar, function(k) mean(W == k))       # altura de cada barra (proporción / 1 día)
dif_ln_bar <- dlnorm(k_bar + 0.5, ml, sl) - p_bar
dif_no_bar <- dnorm(k_bar, mu, sigma) - p_bar
ggplot() +
  geom_histogram(data = data.table(W = W[W <= x_max]), aes(x = W, y = after_stat(count) / nE),
                 breaks = seq(-0.5, x_max + 0.5, 1), fill = paleta[4], color = "white", linewidth = 0.15) +
  geom_area(data = data.table(x = x_v[x_v <= 0], y = dnorm(x_v[x_v <= 0], mu, sigma)), aes(x = x, y = y),
            fill = paleta[2], alpha = 0.3) +
  geom_line(data = dens_V, aes(x = x, y = y, color = modelo, linetype = modelo), linewidth = 1.05) +
  annotate("text", x = -29, y = dnorm(0, mu, sigma) * 1.25, hjust = 0, color = "#B45309", size = 3.5,
           label = paste0("P(V < 0) normal = ", fpct(P_neg, 1))) +
  scale_color_manual(values = c(paleta[2], paleta[3]), name = NULL) +
  scale_linetype_manual(values = c("dashed", "solid"), name = NULL) +
  scale_x_continuous(breaks = seq(-28, x_max, 7)) +
  scale_y_continuous(labels = lab_num) +
  labs(title = "Estancia observada contra las dos curvas candidatas",
       subtitle = paste0("Normal: μ = ", fnum(mu, 2), ", σ = ", fnum(sigma, 2), "; lognormal: meanlog = ", fnum(ml, 3), ", sdlog = ", fnum(sl, 3)),
       x = "w: estancia (días)", y = "Densidad") +
  theme(legend.position = "bottom")
Figura 9. Histograma de W en escala de densidad (barras de 1 día, área total 1) con la densidad Normal(μ, σ) (dnorm) y la densidad lognormal de W + 0,5 (dlnorm evaluada en w + 0,5). El área sombreada es la probabilidad que la normal asigna a estancias negativas.

Figura 9. Histograma de W en escala de densidad (barras de 1 día, área total 1) con la densidad Normal(μ, σ) (dnorm) y la densidad lognormal de W + 0,5 (dlnorm evaluada en w + 0,5). El área sombreada es la probabilidad que la normal asigna a estancias negativas.

Interpretación (Figura 9): la normal no tiene la forma de los datos: es simétrica alrededor de 11,1 días, queda muy por debajo del máximo del histograma entre 1 y 7 días y pone 24,7% de la probabilidad en estancias negativas, que no existen. La lognormal sigue el máximo cerca de los primeros días, la caída posterior y la cola larga hacia la derecha: entre 0 y 60 días, su mayor diferencia con la altura de una barra es de 1,01 puntos (en 2 días), frente a 6,30 puntos de la normal (en 2 días).

6.3 Cuantiles observados contra teóricos

pp_v <- seq(0.005, 0.995, by = 0.005)
qq_V <- rbind(data.table(modelo = "Normal(μ, σ)", p = pp_v, teo = qnorm(pp_v, mu, sigma), obs = quantile(W, pp_v, names = FALSE)),
              data.table(modelo = "Lognormal de W + 0,5", p = pp_v, teo = q_A(pp_v), obs = quantile(W, pp_v, names = FALSE)))
qq_V[, modelo := factor(modelo, levels = c("Normal(μ, σ)", "Lognormal de W + 0,5"))]
ggplot(qq_V, aes(x = teo, y = obs)) +
  geom_abline(slope = 1, intercept = 0, color = paleta[2], linetype = "dashed") +
  geom_point(color = paleta[3], size = 1) +
  geom_point(data = qq_V[round(p, 3) %in% c(0.1, 0.5, 0.9, 0.99)], color = paleta[2], size = 3) +
  facet_wrap(~ modelo, scales = "free_x") +
  scale_x_continuous(labels = lab_num) + scale_y_continuous(labels = lab_num) +
  labs(title = "Cuantiles de la estancia: observados contra cada modelo",
       x = "Cuantil teórico del modelo (días)", y = "Cuantil observado de W (días)")
Figura 10. Cuantiles observados de W (quantile) contra cuantiles teóricos de cada modelo (qnorm y qlnorm − 0,5), para probabilidades de 0,005 a 0,995. La diagonal es el ajuste perfecto; los puntos grandes marcan los percentiles 10, 50, 90 y 99.

Figura 10. Cuantiles observados de W (quantile) contra cuantiles teóricos de cada modelo (qnorm y qlnorm − 0,5), para probabilidades de 0,005 a 0,995. La diagonal es el ajuste perfecto; los puntos grandes marcan los percentiles 10, 50, 90 y 99.

qq_p <- c(0.10, 0.50, 0.90, 0.99)
cuant <- data.table(
  Percentil = paste0("Percentil ", 100 * qq_p),
  `Observado: quantile(W)` = fnum(quantile(W, qq_p), 1),
  `Normal: qnorm(p, μ, σ)` = fnum(qnorm(qq_p, mu, sigma), 1),
  `Lognormal: qlnorm(p, μℓ, σℓ) − 0,5` = fnum(q_A(qq_p), 1),
  `Normal − observado` = fnum(qnorm(qq_p, mu, sigma) - quantile(W, qq_p), 1),
  `Lognormal − observado` = fnum(q_A(qq_p) - quantile(W, qq_p), 1))
tabla_html(cuant, caption = "Percentiles 10, 50 y 90 (y 99, para la cola) observados y de cada modelo, en días", label = "cuantV")
Tabla 20. Percentiles 10, 50 y 90 (y 99, para la cola) observados y de cada modelo, en días
Percentil Observado: quantile(W) Normal: qnorm(p, μ, σ) Lognormal: qlnorm(p, μℓ, σℓ) − 0,5 Normal − observado Lognormal − observado
Percentil 10 1,0 -9,7 1,4 -10,7 0,4
Percentil 50 7,0 11,1 6,5 4,1 -0,5
Percentil 90 24,0 31,9 25,2 7,9 1,2
Percentil 99 71,0 48,8 73,8 -22,2 2,8
dif_q_ln <- q_A(qq_p) - quantile(W, qq_p, names = FALSE)

Interpretación (Figura 10 y Tabla 20): en el gráfico de la normal los puntos forman una curva que se aleja de la diagonal en los dos extremos: su percentil 10 es -9,7 días, una estancia negativa, y su mediana (11,1) es 4,1 días mayor que la observada, porque en la normal media y mediana coinciden. Su percentil 90 (31,9) exagera la cola moderada, pero su percentil 99 (48,8) se queda muy corto frente al observado (71). En la lognormal los puntos siguen la diagonal casi completa: el percentil 50 es 6,5 frente a 7, el 90 es 25,2 frente a 24 y el 99 es 73,8 frente a 71 días.

6.4 P(W > k) de tres formas

ks_cola <- c(7, 14, 30, 60)
colas <- data.table(k = ks_cola)
colas[, `:=`(obs = sapply(k, function(x) mean(W > x)), nor = surv_N(k), lno = surv_A(k))]
tabla_html(colas[, .(`k (días)` = k, `Proporción observada: mean(W > k)` = fprob(obs),
                     `Normal: 1 − pnorm(k, μ, σ)` = fprob(nor), `Lognormal: 1 − plnorm(k + 0,5, μℓ, σℓ)` = fprob(lno),
                     `Normal − observado` = fpp(nor - obs), `Lognormal − observado` = fpp(lno - obs),
                     `Normal / observado` = fnum(nor / obs, 2), `Lognormal / observado` = fnum(lno / obs, 2))],
           caption = "P(W > k) observada, con la normal (pnorm) y con la lognormal (plnorm)", label = "colasV") |>
  add_header_above(c(" " = 1, "P(W > k)" = 3, "Diferencia" = 2, "Razón" = 2))
Tabla 21. P(W > k) observada, con la normal (pnorm) y con la lognormal (plnorm)
P(W > k)
Diferencia
Razón
k (días) Proporción observada: mean(W > k) Normal: 1 − pnorm(k, μ, σ) Lognormal: 1 − plnorm(k + 0,5, μℓ, σℓ) Normal − observado Lognormal − observado Normal / observado Lognormal / observado
7 44,70% 59,97% 47,24% +15,27 p.p. +2,54 p.p. 1,34 1,06
14 21,70% 42,88% 23,64% +21,17 p.p. +1,93 p.p. 1,98 1,09
30 6,58% 12,16% 7,35% +5,58 p.p. +0,77 p.p. 1,85 1,12
60 1,53% 0,13% 1,68% -1,40 p.p. +0,16 p.p. 0,08 1,10
cc7 <- c(lno = surv_A(7.5), nor = surv_N(7.5))       # con corrección por continuidad, para la nota

Interpretación (Tabla 21): se eligieron k = 7 (el corte del evento L), 14 (dos semanas), 30 (un mes) y 60 días (cola extrema). La normal sobrestima la cola moderada y subestima la extrema: con k = 14 da 42,9% frente a 21,7% observado, y con k = 60 da 0,13% frente a 1,53%, es decir 12 veces menos episodios largos que los registrados. La lognormal queda cerca en todos los k, con una sobrestimación de entre 0,2 y 2,5 puntos porcentuales. Parte de esa diferencia se debe a que W se registra en días enteros: la proporción observada P(W > 7) cuenta solo estancias de 8 días o más, y si el modelo se evalúa en el punto medio entre 7 y 8 (corrección por continuidad), la lognormal da 44,72% frente a 44,70% observado. La normal sigue lejos aun con esa corrección (58,8%).

6.5 Por rol diagnóstico

rol_ln <- coh[, {
  l <- log(estancia + 0.5); m <- mean(l); s <- sd(l)
  list(n = .N, ml = m, sl = s, p90_o = quantile(estancia, 0.9), p90_l = qlnorm(0.9, m, s) - 0.5,
       p90_n = qnorm(0.9, mean(estancia), sd(estancia)),
       c30_o = mean(estancia > 30), c30_l = plnorm(30.5, m, s, lower.tail = FALSE),
       neg = pnorm(0, mean(estancia), sd(estancia)))
}, by = rol][order(rol)]
tabla_html(rol_ln[, .(`Rol diagnóstico` = rol, Episodios = fnum(n), meanlog = fnum(ml, 3), sdlog = fnum(sl, 3),
                      `P90 observado` = fnum(p90_o, 0), `P90 lognormal` = fnum(p90_l, 1), `P90 normal` = fnum(p90_n, 1),
                      `P(W > 30) observada` = fpct(c30_o, 2), `P(W > 30) lognormal` = fpct(c30_l, 2),
                      `P(V < 0) normal` = fpct(neg, 1))],
           caption = "Ajuste de la lognormal (y percentil 90 de la normal) por separado para Eₚ y Eₛ", label = "rolV")
Tabla 22. Ajuste de la lognormal (y percentil 90 de la normal) por separado para Eₚ y Eₛ
Rol diagnóstico Episodios meanlog sdlog P90 observado P90 lognormal P90 normal P(W > 30) observada P(W > 30) lognormal P(V < 0) normal
Eₚ: I50 diagnóstico principal 11.331 1,776 0,930 18 19,0 21,7 3,01% 3,88% 20,9%
Eₛ: I50 solo diagnóstico secundario 40.981 1,991 1,034 26 27,0 34,1 7,57% 8,38% 24,8%

Interpretación (Tabla 22): la lognormal también describe cada rol por separado: en Eₚ su percentil 90 es 19,0 frente a 18 días observados y en Eₛ 27,0 frente a 26. La normal vuelve a poner probabilidad en estancias negativas en los dos roles (20,9% y 24,8%).

Conclusión La lognormal describe mejor la estancia. La normal asigna 24,7% de probabilidad a estancias negativas, pone la mediana en 11,1 días cuando la observada es 7, y no sigue la cola derecha: exagera P(W > 14) (42,9% frente a 21,7%) y casi anula las estancias de más de dos meses (0,13% frente a 1,53%). La lognormal respeta que la estancia es positiva y asimétrica, reproduce los percentiles 10, 50 y 90 con diferencias de a lo más 1,2 días (2,8 en el percentil 99) y sigue la cola derecha con una leve sobrestimación. Este juicio se basa en la forma, los cuantiles y las colas, no solo en la media: las dos curvas tienen esperanza parecida (11,09 en la normal y 11,21 en la lognormal) y aun así describen estancias muy distintas.

7 El promedio muestral y el teorema central del límite

RESULTADO 05

Aunque la estancia de un episodio no es normal, el promedio de n estancias tiende a una normal cuando n crece: W̄n ≈ Normal(μ, σ/√n). Se estudia por remuestreo: 10.000 muestras de n episodios de la cohorte elegidos al azar con reposición, con n = 5 y n = 30, y en cada muestra se calcula el promedio de estancia.

set.seed(20261114)                                     # semilla fija para el remuestreo
B <- 10000
rem_media <- function(n) rowMeans(matrix(sample(W, B * n, replace = TRUE), nrow = B))
Wb5 <- rem_media(5); Wb30 <- rem_media(30)
Wb_extra <- list(`100` = rem_media(100), `300` = rem_media(300))   # tamaños adicionales para ver la tendencia
gam_W <- asim(W); kap_W <- curt(W)
ee_sd <- function(n) {                                 # error estándar aproximado de sd() de 10.000 promedios
  kap_n <- 3 + (kap_W - 3) / n                         # curtosis del promedio de n estancias
  sigma / sqrt(n) * sqrt((kap_n - 1) / (4 * B))
}
fila_tcl <- function(n, m) data.table(n = n, media = mean(m), de = sd(m), de_t = sigma / sqrt(n), as = asim(m),
                                      as_t = gam_W / sqrt(n), p_rem = mean(m > mu + 1),
                                      p_nor = pnorm(mu + 1, mu, sigma / sqrt(n), lower.tail = FALSE), ee = ee_sd(n))
tcl <- rbind(fila_tcl(5, Wb5), fila_tcl(30, Wb30))
z5 <- (tcl$de[1] - tcl$de_t[1]) / tcl$ee[1]
txt_sd5 <- if (abs(z5) <= 2.5) {
  paste0("pero es una diferencia de azar: como la estancia tiene valores extremos (curtosis ", fnum(kap_W, 0),
         "), la desviación de 10.000 promedios de 5 episodios varía mucho entre remuestreos; su error estándar aproximado es ",
         fnum(tcl$ee[1], 2), " días, así que la diferencia equivale a ", fnum(z5, 1), " errores estándar")
} else {
  paste0("una diferencia de ", fnum(z5, 1), " errores estándar aproximados (", fnum(tcl$ee[1], 2),
         " días), mayor que la esperable por azar aun considerando que la estancia tiene valores extremos (curtosis ", fnum(kap_W, 0), ")")
}
tabla_html(tcl[, .(n, `Media de W̄n` = fnum(media, 3), `μ` = fnum(mu, 3), `Desv. de W̄n` = fnum(de, 3),
                   `σ / √n` = fnum(de_t, 3), `Diferencia en EE` = fnum((de - de_t) / ee, 1),
                   `Asimetría de W̄n` = fnum(as, 2), `Asimetría esperada γ / √n` = fnum(as_t, 2))],
           caption = paste0("Media y desviación estándar de 10.000 promedios remuestreados contra μ y σ/√n (μ = ", fnum(mu, 3), ", σ = ", fnum(sigma, 3), ")"),
           label = "tcl", escape = FALSE)
Tabla 23. Media y desviación estándar de 10.000 promedios remuestreados contra μ y σ/√n (μ = 11,091, σ = 16,200)
n Media de W̄n μ Desv. de W̄n σ / √n Diferencia en EE Asimetría de W̄n Asimetría esperada γ / √n
5 11,064 11,091 7,544 7,245 1,4 4,49 3,67
30 11,057 11,091 2,953 2,958 -0,1 1,53 1,50
lbl_n <- function(n) paste0("n = ", n, ": Normal(", fnum(mu, 2), "; ", fnum(sigma / sqrt(n), 2), ")")
# W es entera, así que W̄n solo toma múltiplos de 1/n: cada intervalo contiene el mismo número de
# valores posibles (4 para n = 5 y 12 para n = 30), para que el histograma no muestre bandas falsas
br5  <- seq(-0.1, quantile(Wb5, 0.995) + 0.8, by = 0.8)
br30 <- seq(floor(30 * quantile(Wb30, 0.0005)) / 30 - 1 / 60, quantile(Wb30, 0.9995) + 0.4, by = 0.4)
niv_n <- c(lbl_n(5), lbl_n(30))
h_tcl <- rbind(dens_bin(Wb5, br5)[, n := lbl_n(5)], dens_bin(Wb30, br30)[, n := lbl_n(30)])
h_tcl[, n := factor(n, levels = niv_n)]
curv_tcl <- rbind(data.table(n = lbl_n(5), x = seq(min(br5), max(br5), length.out = 400)),
                  data.table(n = lbl_n(30), x = seq(min(br30), max(br30), length.out = 400)))
curv_tcl[, y := dnorm(x, mu, sigma / sqrt(ifelse(n == lbl_n(5), 5, 30)))]
curv_tcl[, n := factor(n, levels = niv_n)]
ggplot(h_tcl) +
  geom_rect(aes(xmin = xmin, xmax = xmax, ymin = 0, ymax = y), fill = paleta[4], color = "white", linewidth = 0.1) +
  geom_line(data = curv_tcl, aes(x = x, y = y), color = paleta[2], linewidth = 1.05) +
  geom_vline(xintercept = mu, linetype = "dashed", color = paleta[3]) +
  facet_wrap(~ n, scales = "free") +
  scale_x_continuous(labels = lab_num) + scale_y_continuous(labels = lab_num) +
  labs(title = "Distribución del promedio de estancia de n episodios (remuestreo)",
       x = "Promedio de estancia de la muestra (días)", y = "Densidad")
Figura 11. Histogramas de 10.000 promedios W̄n remuestreados, en escala de densidad (área total 1), con la densidad Normal(μ, σ/√n) superpuesta (dnorm). La línea vertical marca μ; para n = 5 se muestra hasta el percentil 99,5.

Figura 11. Histogramas de 10.000 promedios W̄n remuestreados, en escala de densidad (área total 1), con la densidad Normal(μ, σ/√n) superpuesta (dnorm). La línea vertical marca μ; para n = 5 se muestra hasta el percentil 99,5.

pp_t <- seq(0.005, 0.995, by = 0.005)
qq_t <- rbind(data.table(n = lbl_n(5), teo = qnorm(pp_t, mu, sigma / sqrt(5)), obs = quantile(Wb5, pp_t, names = FALSE)),
              data.table(n = lbl_n(30), teo = qnorm(pp_t, mu, sigma / sqrt(30)), obs = quantile(Wb30, pp_t, names = FALSE)))
qq_t[, n := factor(n, levels = niv_n)]
ggplot(qq_t, aes(x = teo, y = obs)) +
  geom_abline(slope = 1, intercept = 0, color = paleta[2], linetype = "dashed") +
  geom_point(color = paleta[3], size = 1) +
  facet_wrap(~ n, scales = "free") +
  scale_x_continuous(labels = lab_num) + scale_y_continuous(labels = lab_num) +
  labs(title = "Cuantiles del promedio remuestreado contra la normal del TCL",
       x = "Cuantil de la Normal(μ, σ/√n) (días)", y = "Cuantil del promedio remuestreado (días)")
Figura 12. Cuantiles de los 10.000 promedios remuestreados contra los de la Normal(μ, σ/√n) (qnorm), para probabilidades de 0,005 a 0,995. La diagonal es el ajuste perfecto.

Figura 12. Cuantiles de los 10.000 promedios remuestreados contra los de la Normal(μ, σ/√n) (qnorm), para probabilidades de 0,005 a 0,995. La diagonal es el ajuste perfecto.

Interpretación (Tabla 23, Figura 11 y Figura 12): la media de los promedios coincide con μ en los dos tamaños (11,06 y 11,06 frente a 11,09), y la desviación sigue σ/√n: 2,95 frente a 2,96 con n = 30. Con n = 5 la desviación remuestreada (7,54) se aleja más de σ/√5 (7,25), pero es una diferencia de azar: como la estancia tiene valores extremos (curtosis 158), la desviación de 10.000 promedios de 5 episodios varía mucho entre remuestreos; su error estándar aproximado es 0,21 días, así que la diferencia equivale a 1,4 errores estándar. La forma es la que no coincide del todo: con n = 5 el histograma es muy asimétrico (asimetría 4,5) y la normal pone 6,3% de probabilidad en promedios negativos; con n = 30 se parece mucho más a la curva, pero todavía conserva una cola derecha (asimetría 1,53), visible en Figura 12 como puntos sobre la diagonal en el extremo superior.

7.1 Probabilidad de que el promedio de 30 episodios supere al histórico en más de un día

p30 <- tcl[n == 30]
q_t <- c(0.05, 0.50, 0.95)
P_bajo <- c(rem = mean(Wb30 < mu - 1), nor = pnorm(mu - 1, mu, sigma / sqrt(30)))
prob30 <- data.table(
  Cantidad = c("P(W̄₃₀ > μ + 1)", "P(W̄₃₀ < μ − 1)", paste0("Percentil ", 100 * q_t, " de W̄₃₀")),
  `Remuestreo (proporción de 10.000)` = c(fpct(p30$p_rem), fpct(P_bajo[["rem"]]), paste0(fnum(quantile(Wb30, q_t), 2), " días")),
  `Normal(μ, σ/√30) con pnorm / qnorm` = c(fpct(p30$p_nor), fpct(P_bajo[["nor"]]), paste0(fnum(qnorm(q_t, mu, sigma / sqrt(30)), 2), " días")),
  `Cálculo con la normal` = codigo(c("1 - pnorm(mu + 1, mu, sigma / sqrt(30))", "pnorm(mu - 1, mu, sigma / sqrt(30))",
                                     paste0("qnorm(", q_t, ", mu, sigma / sqrt(30))"))))
tabla_html(prob30, caption = paste0("Promedio de estancia de 30 episodios: remuestreo contra la Normal(", fnum(mu, 2), "; ", fnum(sigma / sqrt(30), 2), ") del TCL"),
           label = "prob30", escape = FALSE)
Tabla 24. Promedio de estancia de 30 episodios: remuestreo contra la Normal(11,09; 2,96) del TCL
Cantidad Remuestreo (proporción de 10.000) Normal(μ, σ/√30) con pnorm / qnorm Cálculo con la normal
P(W̄₃₀ > μ + 1) 29,44% 36,76% 1 - pnorm(mu + 1, mu, sigma / sqrt(30))
P(W̄₃₀ < μ − 1) 41,96% 36,76% pnorm(mu - 1, mu, sigma / sqrt(30))
Percentil 5 de W̄₃₀ 7,30 días 6,23 días qnorm(0.05, mu, sigma / sqrt(30))
Percentil 50 de W̄₃₀ 10,60 días 11,09 días qnorm(0.5, mu, sigma / sqrt(30))
Percentil 95 de W̄₃₀ 16,27 días 15,96 días qnorm(0.95, mu, sigma / sqrt(30))

Interpretación para la jefatura (Tabla 24): el histórico es μ = 11,09 días. Si se eligen 30 episodios de la cohorte al azar, el remuestreo indica que en 29,4% de los grupos el promedio de estancia supera los 12,09 días, es decir, el histórico más un día: aproximadamente 3 de cada 10 grupos. La normal del TCL da 36,8% (z = 1 / (σ/√30) = 0,338), es decir, sobrestima esa probabilidad en 7,3 puntos, y subestima la del lado opuesto: un promedio más de un día bajo el histórico ocurre en 42,0% de los grupos y no en 36,8%. La razón es la asimetría que conserva W̄₃₀: su mediana (10,60) está bajo μ, porque la mayoría de los grupos no incluye episodios muy largos y los pocos que los incluyen tienen promedios altos. Para la jefatura, la lección es que un grupo de 30 episodios puede alejarse fácilmente un día del histórico, en cualquier dirección, sin que nada haya cambiado: la desviación de su promedio es de 3,0 días.

7.2 Efecto del tamaño muestral

tcl_n <- rbind(tcl, fila_tcl(100, Wb_extra[["100"]]), fila_tcl(300, Wb_extra[["300"]]))
tabla_html(tcl_n[, .(n, `σ / √n (días)` = fnum(de_t, 3), `Desv. remuestreada` = fnum(de, 3),
                     `Asimetría de W̄n` = fnum(as, 2), `γ / √n` = fnum(as_t, 2),
                     `P(W̄n > μ + 1) remuestreo` = fpct(p_rem, 1), `P(W̄n > μ + 1) normal` = fpct(p_nor, 1),
                     `Normal − remuestreo` = fpp(p_nor - p_rem, 1))],
           caption = "Promedio de n estancias para n = 5, 30, 100 y 300 (10.000 remuestreos cada uno; n = 100 y 300 se agregan para ver la tendencia)",
           label = "tcln", escape = FALSE) |> row_spec(1:2, bold = TRUE)
Tabla 25. Promedio de n estancias para n = 5, 30, 100 y 300 (10.000 remuestreos cada uno; n = 100 y 300 se agregan para ver la tendencia)
n σ / √n (días) Desv. remuestreada Asimetría de W̄n γ / √n P(W̄n > μ + 1) remuestreo P(W̄n > μ + 1) normal Normal − remuestreo
5 7,245 7,544 4,49 3,67 31,7% 44,5% +12,9 p.p.
30 2,958 2,953 1,53 1,50 29,4% 36,8% +7,3 p.p.
100 1,620 1,629 0,82 0,82 23,5% 26,9% +3,3 p.p.
300 0,935 0,930 0,48 0,47 13,3% 14,3% +0,9 p.p.
n_sim <- ceiling((gam_W / 0.3)^2)

Por qué el histograma de n = 30 es más simétrico y angosto que el de n = 5 (Figura 11 y Tabla 25). Más angosto: la varianza de un promedio de n estancias independientes es σ² / n, así que su desviación es σ/√n; pasar de 5 a 30 episodios la divide por √6 = 2,45 (de 7,25 a 2,96 días). Más simétrico: un episodio muy largo pesa 1/5 en un promedio de 5 y solo 1/30 en uno de 30, y en una muestra de 30 los episodios largos y cortos tienden a compensarse. La asimetría del promedio es la de W dividida por √n: con γ = 8,2, baja de 3,7 a 1,5, y el remuestreo da valores parecidos. Como la estancia es tan asimétrica, la convergencia es lenta: con n = 300 la normal ya acierta P(W̄n > μ + 1) con una diferencia de 0,9 puntos, y para que la asimetría bajara a 0,3 harían falta unos n = 750 episodios. El TCL se cumple, pero n = 30 no basta para que la normal describa las colas del promedio de esta cohorte.

8 Teoría, simulación y datos

RESULTADO 06

Para U, G y W̄₃₀ se comparan tres valores de la esperanza y de la varianza:

  • Teórico: la fórmula del modelo con los parámetros de la base.
  • Simulación del modelo: 10.000 realizaciones con runif(10000, 0, 366), rexp(10000, rate = λ) y rnorm(10000, μ, σ / √30).
  • Datos reales: los 52.312 instantes de egreso observados para U, los 52.311 tiempos entre egresos observados para G y los 10.000 promedios remuestreados del Resultado 05 para W̄₃₀.
set.seed(20261115)                                     # semilla fija: mismos resultados en cada compilación
sim_U   <- runif(B, min = 0, max = 366)
sim_G   <- rexp(B, rate = lambda_G)                    # rexp recibe la tasa, no la media
sim_W30 <- rnorm(B, mean = mu, sd = sigma / sqrt(30))  # rnorm recibe la desviación, no la varianza
fila6 <- function(v, modelo, E_t, V_t, kap, s, d) {
  data.table(Variable = v, Modelo = modelo, E_t = E_t, E_s = mean(s), E_d = mean(d), V_t = V_t, V_s = var(s), V_d = var(d),
             kap = kap, m_s = length(s), m_d = length(d))
}
res6 <- rbind(
  fila6("U", "Uniforme(0, 366)", EU_t, VU_t, 9 / 5, sim_U, U_obs),
  fila6("G", paste0("Exponencial(λ = ", fnum(lambda_G, 2), ")"), 1 / lambda_G, 1 / lambda_G^2, 9, sim_G, G),
  fila6("W̄₃₀", paste0("Normal(", fnum(mu, 2), "; ", fnum(sigma / sqrt(30), 2), ")"), mu, sigma^2 / 30, 3, sim_W30, Wb30))
fval <- function(x, v) if (v == "G") fsig(x, sig = 4) else fnum(x, 3)
t6 <- res6[, .(Variable, Modelo,
               `E teórica` = fval(E_t, Variable), `E simulada` = fval(E_s, Variable), `E datos` = fval(E_d, Variable),
               `Var teórica` = fval(V_t, Variable), `Var simulada` = fval(V_s, Variable), `Var datos` = fval(V_d, Variable)),
           by = seq_len(nrow(res6))][, !"seq_len"]
tabla_html(t6, caption = "Esperanza y varianza: valor teórico, simulación de 10.000 realizaciones del modelo y datos reales (G en días)",
           label = "sim") |>
  add_header_above(c(" " = 2, "Esperanza" = 3, "Varianza" = 3))
Tabla 26. Esperanza y varianza: valor teórico, simulación de 10.000 realizaciones del modelo y datos reales (G en días)
Esperanza
Varianza
Variable Modelo E teórica E simulada E datos Var teórica Var simulada Var datos
U Uniforme(0, 366) 183,000 183,992 189,181 11.163,000 11.083,733 10.699,212
G Exponencial(λ = 142,93) 0,006996 0,007108 0,006996 0,00004895 0,00004991 0,00007543
W̄₃₀ Normal(11,09; 2,96) 11,091 11,097 11,057 8,748 8,721 8,721
# escala del azar si el modelo fuera cierto: EE de la media = √(Var / m); EE de la varianza ≈ Var · √((κ − 1) / m),
# con κ la curtosis del modelo (uniforme 1,8; exponencial 9; normal 3)
res6[, `:=`(zE_s = (E_s - E_t) / sqrt(V_t / m_s), zE_d = (E_d - E_t) / sqrt(V_t / m_d),
            zV_s = (V_s - V_t) / (V_t * sqrt((kap - 1) / m_s)), zV_d = (V_d - V_t) / (V_t * sqrt((kap - 1) / m_d)),
            rV_d = V_d / V_t - 1)]
tabla_html(res6[, .(Variable, `Valores (simulación / datos)` = paste0(fnum(m_s), " / ", fnum(m_d)),
                    `E: simulación` = fnum(zE_s, 1), `E: datos` = fnum(zE_d, 1),
                    `Var: simulación` = fnum(zV_s, 1), `Var: datos` = fnum(zV_d, 1),
                    `Var datos / Var teórica − 1` = paste0(fnum(100 * rV_d, 1), "%"))],
           caption = "Diferencia con el valor teórico medida en errores estándar del modelo, (valor − teórico) / EE; con |diferencia| bajo 2 o 3 EE, es del tamaño del azar",
           label = "sim_ee") |>
  add_header_above(c(" " = 2, "Esperanza (en EE)" = 2, "Varianza (en EE)" = 2, " " = 1))
Tabla 27. Diferencia con el valor teórico medida en errores estándar del modelo, (valor − teórico) / EE; con |diferencia| bajo 2 o 3 EE, es del tamaño del azar
Esperanza (en EE)
Varianza (en EE)
Variable Valores (simulación / datos) E: simulación E: datos Var: simulación Var: datos Var datos / Var teórica − 1
U 10.000 / 52.312 0,9 13,4 -0,8 -10,6 -4,2%
G 10.000 / 52.311 1,6 0,0 0,7 43,7 54,1%
W̄₃₀ 10.000 / 10.000 0,2 -1,2 -0,2 -0,2 -0,3%
kap_W30 <- curt(Wb30)
z_W30_real <- (res6$V_d[3] - res6$V_t[3]) / (res6$V_t[3] * sqrt((kap_W30 - 1) / B))
txt_w30 <- paste0(if (abs(res6$zV_d[3]) > 2) "La de la varianza parece grande medida con la curtosis de una normal (" else "La de la varianza es pequeña medida con la curtosis de una normal (",
                  fnum(res6$zV_d[3], 1), " EE), y los promedios remuestreados tienen en realidad curtosis ", fnum(kap_W30, 1),
                  ", no 3: con esa curtosis la diferencia equivale a ", fnum(z_W30_real, 1), " EE.")
colas6 <- data.table(
  Variable = c("U", "G", "W̄₃₀"),
  Cantidad = c("P(U ≤ 90)", paste0("P(G > ", fnum(k_G, 2), ")"), "P(W̄₃₀ > μ + 1)"),
  `Teórica` = c(fpct(P90_t), fpct(pexp(k_G, lambda_G, lower.tail = FALSE)), fpct(p30$p_nor)),
  `Simulación del modelo` = c(fpct(mean(sim_U <= 90)), fpct(mean(sim_G > k_G)), fpct(mean(sim_W30 > mu + 1))),
  `Datos reales` = c(fpct(P90_o), fpct(mean(G > k_G)), fpct(p30$p_rem)))
tabla_html(colas6, caption = "Más allá de la esperanza y la varianza: una probabilidad de cada variable en la teoría, la simulación y los datos",
           label = "sim_colas")
Tabla 28. Más allá de la esperanza y la varianza: una probabilidad de cada variable en la teoría, la simulación y los datos
Variable Cantidad Teórica Simulación del modelo Datos reales
U P(U ≤ 90) 24,59% 23,95% 21,94%
G P(G > 0,02) 5,74% 6,06% 6,21%
W̄₃₀ P(W̄₃₀ > μ + 1) 36,76% 36,79% 29,44%
br_U <- seq(0, 366, length.out = 13)
br_G <- seq(0, 1440 * quantile(G, 0.995), length.out = 41)
br_W <- seq(floor(30 * quantile(Wb30, 0.001)) / 30 - 1 / 60, quantile(Wb30, 0.999) + 0.6, by = 0.6)
v_lbl <- c("U: instante de egreso (días)", "G: tiempo entre egresos (minutos)", "Promedio de 30 estancias (días)")
fig6 <- rbind(
  dens_bin(sim_U, br_U)[, `:=`(v = v_lbl[1], origen = "Simulación del modelo")],
  dens_bin(U_obs, br_U)[, `:=`(v = v_lbl[1], origen = "Datos reales")],
  dens_bin(1440 * sim_G, br_G)[, `:=`(v = v_lbl[2], origen = "Simulación del modelo")],
  dens_bin(1440 * G, br_G)[, `:=`(v = v_lbl[2], origen = "Datos reales")],
  dens_bin(sim_W30, br_W)[, `:=`(v = v_lbl[3], origen = "Simulación del modelo")],
  dens_bin(Wb30, br_W)[, `:=`(v = v_lbl[3], origen = "Datos reales")])
teo6 <- rbind(data.table(x = br_U, y = dunif(br_U, 0, 366), v = v_lbl[1]),
              data.table(x = br_G, y = dexp(br_G, rate = lambda_G / 1440), v = v_lbl[2]),
              data.table(x = seq(min(br_W), max(br_W), length.out = 200), v = v_lbl[3])[, y := dnorm(x, mu, sigma / sqrt(30))])
fig6[, `:=`(v = factor(v, levels = v_lbl), origen = factor(origen, levels = c("Simulación del modelo", "Datos reales")))]
teo6[, v := factor(v, levels = v_lbl)]
ggplot(fig6, aes(x = x, y = y)) +
  geom_line(data = teo6, aes(x = x, y = y, linetype = "Densidad teórica"), color = "grey35", linewidth = 0.8) +
  geom_step(aes(color = origen), direction = "mid", linewidth = 0.9) +
  facet_wrap(~ v, scales = "free", ncol = 3) +
  scale_color_manual(values = c(paleta[2], paleta[3]), name = NULL) +
  scale_linetype_manual(values = c("Densidad teórica" = "dashed"), name = NULL) +
  scale_x_continuous(labels = lab_num) + scale_y_continuous(labels = lab_num) +
  labs(title = "Simulación de los modelos contra los datos reales", x = "Valor de la variable", y = "Densidad") +
  theme(legend.position = "bottom")
Figura 13. Densidad (histograma en escala de densidad dibujado como línea) de la simulación del modelo y de los datos reales, con la densidad teórica. U se agrupa en 12 intervalos de 30,5 días y G se muestra en minutos hasta su percentil 99,5.

Figura 13. Densidad (histograma en escala de densidad dibujado como línea) de la simulación del modelo y de los datos reales, con la densidad teórica. U se agrupa en 12 intervalos de 30,5 días y G se muestra en minutos hasta su percentil 99,5.

Interpretación (Tabla 26, Tabla 27, Tabla 28 y Figura 13):

  • Diferencias que se deben al azar de la simulación. Las tres simulaciones se alejan del valor teórico menos de 1,7 errores estándar en la esperanza y en la varianza (Tabla 27), que es lo esperable con 10.000 realizaciones, y cambiarían de signo con otra semilla. Muestran que los modelos están bien programados (por ejemplo, que rexp recibió la tasa y rnorm la desviación), no que describan bien los datos.
  • U: el modelo no describe los datos. Con 52.312 egresos, el promedio observado debería quedar a menos de unos 0,9 días de 183 si la uniforme fuera cierta; queda a 6,2 días, 13 errores estándar, y la varianza queda 11 errores estándar bajo la teórica. No es azar: es la estacionalidad del Resultado 02, que también se ve en P(U ≤ 90) (Tabla 28).
  • G: la media coincide por construcción y la varianza no. λ se estimó como 1 / promedio de G, así que la esperanza de los datos es igual a la teórica. La varianza observada es 54% mayor que 1/λ², una diferencia de 44 errores estándar, mientras que la simulación queda a 0,7. Es la mezcla de tasas del Resultado 03: los datos tienen más tiempos muy cortos y más tiempos largos que la exponencial (Figura 13).
  • W̄₃₀: la esperanza y la varianza coinciden, pero la forma no. El remuestreo de episodios independientes cumple exactamente E[W̄₃₀] = μ y Var[W̄₃₀] = σ²/30, así que las diferencias son azar. La de la varianza es pequeña medida con la curtosis de una normal (-0,2 EE), y los promedios remuestreados tienen en realidad curtosis 8,2, no 3: con esa curtosis la diferencia equivale a -0,1 EE. Lo que la normal no reproduce es la forma: P(W̄₃₀ > μ + 1) es 29,4% en los datos y 36,8% en la normal (Tabla 28), y en Figura 13 la curva de los datos está desplazada a la izquierda con cola derecha. Coincidir en media y varianza no basta para declarar un buen ajuste.

9 Síntesis para la jefatura

RESULTADO 07

9.1 Cinco hallazgos principales

q90_obs <- unname(quantile(W, 0.9)); q90_ln <- q_A(0.9); q90_no <- qnorm(0.9, mu, sigma)
set.seed(20261116)
boot_q90 <- replicate(1000, quantile(W[sample.int(nE, nE, replace = TRUE)], 0.9, names = FALSE))
tab_q90 <- table(boot_q90)
txt_boot <- if (length(tab_q90) == 1) {
  paste0("en 1.000 remuestreos de la cohorte tomó siempre el valor ", names(tab_q90), " días")
} else {
  paste0("en 1.000 remuestreos de la cohorte quedó siempre entre ", fnum(min(boot_q90), 0), " y ",
         fnum(max(boot_q90), 0), " días, y fue ", fnum(q90_obs, 0), " en ", fpct(mean(boot_q90 == q90_obs), 1), " de ellos")
}
  1. La estancia W de los episodios con insuficiencia cardíaca es sesgada a la derecha (distribución empírica). La media es 11,09 días y la mediana 7; P(W > 7) = 44,7%, y los episodios con I50 secundario duran más que los con I50 principal (percentil 90 de 26 frente a 18 días). Verificable en Tabla 6, Tabla 7, Figura 1 y Figura 3.
  2. Los egresos no se reparten parejo en el año (U frente a la Uniforme(0, 366)). Los primeros 90 días concentran 21,9% de los egresos, cuando la uniforme espera 24,6%; julio tiene 1,14 veces lo esperado y marzo 0,87 veces, y el promedio observado está 13 errores estándar sobre 183. Verificable en Tabla 8, Tabla 9, Figura 6 y Tabla 27.
  3. El tiempo entre egresos G tiene la tasa de la Poisson de la Actividad 3, pero no es exponencial. λ = 142,9 egresos por día (un egreso cada 10,1 minutos en promedio), igual al λ = 142,9 de la Actividad 3; sin embargo, la varianza de G es 54% mayor que la de la exponencial y no hay falta de memoria: P(G > 0,02 | G > 0,01) = 28,6% frente a P(G > 0,01) = 21,7%. Lo explica que la tasa cambia entre días (179 egresos en días hábiles y 67 en fines de semana y feriados). Verificable en Tabla 13, Tabla 15, Tabla 16 y Figura 7.
  4. La lognormal describe la estancia mucho mejor que la normal (V). La normal asigna 24,7% a estancias negativas y da P(W > 60) = 0,13% frente a 1,53% observado; la lognormal da 1,68% y reproduce los percentiles 10, 50 y 90 con diferencias de a lo más 1,2 días. Verificable en Tabla 21, Tabla 20, Figura 9 y Figura 10.
  5. El promedio de 30 estancias tiene la media y la desviación del TCL, pero todavía no es normal (W̄₃₀ frente a la Normal(μ, σ/√30)). Su desviación es 2,95 días (σ/√30 = 2,96), pero P(W̄₃₀ > μ + 1) es 29,4% por remuestreo y 36,8% con pnorm, porque conserva asimetría 1,53. Verificable en Tabla 23, Tabla 24, Tabla 25 y Figura 11.

9.2 Limitaciones

  1. El instante de egreso dentro del día es supuesto, no observado. La fecha de egreso tiene resolución diaria y 99,3% de los tiempos entre egresos son empates. La posición al azar dentro del día es coherente con el modelo que se evalúa, pero si los egresos se concentran en ciertas horas, G real sería aún menos exponencial. El análisis de G solo permite concluir sobre la variación de la tasa entre días, y su resultado no depende de la semilla (Tabla 17).
  2. Los datos no cumplen el supuesto de una tasa constante ni el de episodios idénticos e independientes. La tasa de egresos cambia con el mes y el día de la semana, por lo que ni la uniforme ni la exponencial con una sola λ describen el calendario de egresos. Además, 39,5% de los episodios pertenece a un beneficiario con más de un episodio en la cohorte, así que las estancias no son del todo independientes. El remuestreo del Resultado 05 supone independencia; un grupo real de 30 episodios (de un mismo establecimiento o período) puede variar más que lo calculado.
  3. La estancia se registra en días enteros, tiene valores extremos y los modelos se ajustaron con los mismos datos que se comparan. El registro entero obliga a sumar 0,5 para la lognormal (decisión que mueve el percentil 10 en 0,2 días) y explica parte de las diferencias en P(W > k). Unos pocos episodios de cientos de días (máximo de 645 días) inflan σ y vuelven lenta la convergencia al TCL. Los parámetros se estimaron con la base 2024, así que el buen ajuste de la lognormal es optimista para otro año, y el ajuste describe los datos: no prueba que la estancia se genere por un proceso aleatorio ni explica sus causas.

9.3 ¿Qué estancia separa al 10% de episodios más largos?

El 10% de los episodios más largos de insuficiencia cardíaca dura más de 24 días. Es el percentil 90 observado, quantile(W, 0.9) = 24 días (P(W > 24) = 9,9% de los episodios, porque varios episodios comparten exactamente 24 días). La lognormal elegida en el Resultado 04 da qlnorm(0.9, μℓ, σℓ) − 0,5 = 25,2 días, 1,2 días más (24,4 días si se excluyen las estancias de 0 días); la normal daría 31,9 días.

Se reporta el percentil observado, 24 días. Con 52.312 episodios, el percentil empírico es muy estable (en 1.000 remuestreos de la cohorte quedó siempre entre 24 y 25 días, y fue 24 en 80,3% de ellos), y no depende de suponer una forma para la distribución. La lognormal lo confirma con una diferencia de 1,2 días, que se explica por el leve exceso de su cola moderada y por el registro en días enteros; sería la opción para grupos con pocos episodios, donde el percentil observado es inestable, o para describir cola más allá de los datos. Por rol, el corte es de 18 días en Eₚ y de 26 días en Eₛ (Tabla 7).

Límite de interpretación Los modelos describen estancias y tiempos entre egresos registrados en la base GRD 2024. Un buen ajuste no prueba que el proceso sea aleatorio ni explica sus causas, y un mal ajuste no es un error del análisis: muestra qué supuesto no se cumple. Ninguna cifra describe riesgo de personas, incidencia ni prevalencia.

10 Referencias

  • Fondo Nacional de Salud (FONASA), Chile. Base de datos pública de egresos hospitalarios y cirugía mayor ambulatoria bajo el mecanismo GRD, año 2024. Portal de datos abiertos de FONASA. Archivo GRD_PUBLICO_2024.txt, descargado el 21 de agosto de 2026.
  • Organización Mundial de la Salud. Clasificación Internacional de Enfermedades, décima revisión (CIE-10), archivo CIE-10.xlsx.
  • Feriados legales de Chile 2024, según la legislación vigente, usados para definir los días hábiles (los mismos de la Actividad 3).
  • R Core Team. R: A Language and Environment for Statistical Computing, funciones dunif, dexp, dnorm, dlnorm y sus familias p, q y r, density, ecdf y quantile (paquete stats).
  • Carvajal, A. (2026). Caracterización estadística de la insuficiencia cardíaca en la base GRD 2024. Actividad 1, Estadística Computacional I, USACH.
  • Carvajal, A. (2026). Probabilidades y teorema de Bayes en los episodios GRD 2024 con insuficiencia cardíaca. Actividad 2, Estadística Computacional I, USACH.
  • Carvajal, A. (2026). Variables aleatorias y distribuciones discretas en los episodios GRD 2024 con insuficiencia cardíaca. Actividad 3, Estadística Computacional I, USACH.