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)
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.
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.
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.
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.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")
| 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.
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)
| 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). |
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)
| 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.
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)
| 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).
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)
| 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.
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().
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.
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.
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.
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)
| 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).
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")
| 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.
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.
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.
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)
| 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).
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).
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.
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")
| 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.
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.
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")
| 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).
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.
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")
| 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")
| 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.
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")
| 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).
# 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$D * x)), numeric(1))
g_max <- unname(quantile(G, 0.995))
x_g <- seq(0, g_max, length.out = 400)
curvas_G <- rbind(data.table(x = x_g, y = dexp(x_g, rate = lambda_G), curva = paste0("Exponencial(λ = ", fnum(lambda_G, 1), ")")),
data.table(x = x_g, y = f_mix(x_g), curva = "Mezcla: tasa de cada día"))
ggplot(data.table(G = G[G <= g_max]), aes(x = G)) +
geom_histogram(aes(y = after_stat(count) / (nG * 0.001)), binwidth = 0.001, boundary = 0,
fill = paleta[4], color = "white", linewidth = 0.15) +
geom_line(data = curvas_G, aes(x = x, y = y, color = curva, linetype = curva), linewidth = 1) +
scale_color_manual(values = c(paleta[2], paleta[3]), name = NULL) +
scale_linetype_manual(values = c("solid", "dashed"), name = NULL) +
scale_x_continuous(labels = lab_num, sec.axis = sec_axis(~ . * 1440, name = "g (minutos)", labels = lab_num)) +
scale_y_continuous(labels = lab_num) +
labs(title = "Tiempo entre egresos consecutivos de la cohorte",
subtitle = paste0(fnum(nG), " tiempos; la densidad exponencial vale λ = ", fnum(lambda_G, 1), " en g = 0"),
x = "g (días)", y = "Densidad") +
theme(legend.position = "bottom")
Figura 7. Histograma de G en escala de densidad (área total 1) con la densidad Exponencial(λ) superpuesta (dexp, naranja) y la mezcla de exponenciales con la tasa de cada día (verde oscuro). Se muestra hasta el percentil 99,5 de G.
F_G <- ecdf(G)
pp <- seq(0.001, 0.999, by = 0.001)
panel_fda <- rbind(data.table(x = x_g, y = pexp(x_g, lambda_G), curva = "Exponencial: pexp"),
data.table(x = x_g, y = F_G(x_g), curva = "Observada: ecdf(G)"))
panel_fda[, panel := "Acumulada F(g) según g (minutos)"]
panel_qq <- data.table(x = qexp(pp, lambda_G) * 1440, y = quantile(G, pp, names = FALSE) * 1440, curva = "Observada: ecdf(G)", panel = "Cuantil observado según cuantil teórico (minutos)")
lim_qq <- max(panel_qq$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.
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)
| 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.
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))
| 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%).
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")
| 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")
| 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.
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.
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")
| 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)
| 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.
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.
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).
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.
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")
| 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.
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))
| 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%).
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")
| 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.
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)
| 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.
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.
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.
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)
| 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.
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)
| 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.
RESULTADO 06
Para U, G y W̄₃₀ se comparan tres valores de la esperanza y de la varianza:
runif(10000, 0, 366), rexp(10000, rate = λ) y
rnorm(10000, μ, σ / √30).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))
| 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))
| 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")
| 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.
Interpretación (Tabla 26, Tabla 27, Tabla 28 y Figura 13):
rexp recibió la tasa y rnorm la
desviación), no que describan bien los datos.RESULTADO 07
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")
}
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.
GRD_PUBLICO_2024.txt, descargado el 21 de agosto de
2026.CIE-10.xlsx.dunif, dexp,
dnorm, dlnorm y sus familias p,
q y r, density, ecdf
y quantile (paquete stats).