1 Una variable aleatoria continua construida desde los datos

1.1 Correcciones aplicadas a partir de la retroalimentación de la Actividad 3 y trazabilidad de la cohorte

A partir de la evaluación recibida en la Actividad 3, se mantiene sin cambios la definición del espacio muestral depurado \(\Omega\) (\(N = 873.718\) episodios de egreso hospitalario), el tamaño final de la cohorte \(E\) de Catarata Senil (CIE-10: H25, \(n_E = 389\) episodios: \(E_p = 108\) principales y \(E_s = 281\) secundarios) y el marcador ajustado \(M\) (\(\text{VPP} = 99 / 962 = 10,2911\%\)), cuyos cálculos y tablas fueron validados positivamente. Sobre dicha base, se aplican e integran en este informe las cinco correcciones metodológicas y de reporte indicadas en la retroalimentación:

  1. Eliminación de cifras escritas a mano y concordancia exacta entre texto y tablas: En la Actividad 3 se señalaron dos discrepancias tipográficas en el texto frente a las tablas (\(P(S \le 2) = 95,30\%\) en la Tabla 8 frente a \(95,21\%\) en el texto, y \(148,97\) días sin egresos esperados por la Binomial Negativa en la Tabla 15 frente a \(145,25\) en el texto). En esta Actividad 4 todas las cifras comentadas en el texto se vinculan directamente a las variables calculadas en R para las tablas, garantizando coincidencia numérica exacta al \(100\%\).
  2. Descomposición cuantitativa entre efecto estructural (sin reposición / fallo del modelo) y error estándar de simulación (Monte Carlo): En la Actividad 3 se atribuyó toda la diferencia de \(-0,43\) fichas entre el promedio de remuestreo de \(T\) (\(9,29\) fichas) y la esperanza geométrica con reposición (\(1/\text{VPP} = 9,72\) fichas) al muestreo sin reposición, cuando la esperanza exacta sin reposición en la urna finita (\(N_M = 962, K_M = 99\)) es \((N_M + 1)/(K_M + 1) = 963 / 100 = 9,63\) fichas: la falta de reposición explicaba \(0,09\) fichas (\(9,72 - 9,63\)) y las \(0,34\) fichas restantes (\(9,63 - 9,29\)) correspondían al azar muestral de las \(1.000\) repeticiones (error estándar \(\text{EE} = \text{DE}/\sqrt{1.000} \approx 0,26\text{--}0,29\) fichas). En los Resultados 05 y 06 de este informe calculamos y reportamos explícitamente el error estándar de Monte Carlo (\(\text{EE}_{\text{MC}} = \text{DE} / \sqrt{10.000}\)) para separar cuantitativamente la fluctuación aleatoria de la simulación (\(\pm 1,96\,\text{EE}_{\text{MC}}\)) del desajuste estructural de los modelos.
  3. Verificación empírica con datos del efecto de los feriados en días de lunes a viernes (Tabla 1B): En la Actividad 3 se atribuyó a los feriados parte de la sobredispersión de los días lunes a viernes sin mostrarlo con datos. En la Tabla 1B cruzamos el calendario de \(366\) días de 2024 con los \(13\) feriados nacionales oficiales de Chile que cayeron entre lunes y viernes, demostrando empíricamente que en esos \(13\) feriados se registraron apenas \(6\) egresos (media \(= 0,4615\) egresos/día, varianza \(= 0,4359\), \(ID = 0,9444\) y \(61,54\%\) de días con \(0\) egresos), un comportamiento idéntico al de los sábados y domingos (\(0,4038\) egresos/día). Al separar esos \(13\) feriados, en los \(249\) días hábiles efectivos la media sube de \(1,3244\) a \(1,3695\) egresos/día y el índice de dispersión desciende de \(1,2307\) a \(1,2072\).
  4. Identificación empírica de reingresos mediante ID_BENEFICIARIO (Tabla 1C y Limitación 3): En la Actividad 3 (Limitación 3) se supuso erróneamente que no era posible identificar reingresos, pese a que la base GRD incluye el campo ID_BENEFICIARIO. Incorporamos ID_BENEFICIARIO en la selección de columnas de GRD_PUBLICO_2024.txt y cuantificamos con datos en la Tabla 1C cuántos beneficiarios distintos y cuántos episodios repetidos (reingresos en 2024) existen en los \(389\) episodios de la cohorte \(E\).
  5. Presentación de probabilidades muy pequeñas sin truncamiento a 0,000000 (0,00%): Se evita truncar probabilidades positivas pequeñas a cero, empleando notación científica o cotas explícitas (< 0,0001) cuando corresponde y reservando el valor 0 exacto únicamente para regiones fuera del soporte matemático del modelo (como \(P(V < 0) = 0\) en la Lognormal).
ruta_base <- "GRD_PUBLICO_2024.txt"
ruta_maestra <- "Tablas_maestras_bases_GRD.xlsx"
ruta_cache_local <- "cohorte_E.rds"

if (file.exists(ruta_base)) {
  # 1. Lectura de la base GRD 2024 con ruta relativa
  grd_base <- fread(ruta_base, sep = "|", encoding = "Latin-1")
  n_01_bruta <- nrow(grd_base)

  # 2. Eliminación de filas duplicadas exactas
  dup_idx <- duplicated(grd_base)
  n_dup <- sum(dup_idx)

  cols_diag <- paste0("DIAGNOSTICO", 1:35)
  cols_keep <- c(
    "COD_HOSPITAL", "ID_BENEFICIARIO", "SEXO", "FECHA_NACIMIENTO", "SERVICIO_SALUD",
    "TIPO_INGRESO", "ESPECIALIDAD_MEDICA", "TIPO_ACTIVIDAD",
    "FECHA_INGRESO", "SERVICIOINGRESO", "FECHAALTA", "SERVICIOALTA",
    "TIPOALTA", "IR_29301_PESO", "IR_29301_SEVERIDAD", "IR_29301_MORTALIDAD",
    cols_diag
  )
  cols_keep <- intersect(cols_keep, names(grd_base))

  grd_sin_dup <- grd_base[which(!dup_idx), ..cols_keep]
  rm(grd_base)
  n_02_sin_dup <- nrow(grd_sin_dup)

  # 3. Exclusión de Cirugía Mayor Ambulatoria (CMA) independiente de codificación de tildes
  ux_act <- unique(grd_sin_dup$TIPO_ACTIVIDAD)
  ug_cma <- grepl("CMA|AMBULATORI", ux_act, ignore.case = TRUE, useBytes = TRUE)
  es_cma_vec <- ug_cma[match(grd_sin_dup$TIPO_ACTIVIDAD, ux_act)]
  n_cma <- sum(es_cma_vec, na.rm = TRUE)
  grd_egresos <- grd_sin_dup[which(!es_cma_vec)]
  rm(grd_sin_dup)
  n_03_egresos <- nrow(grd_egresos)

  # Conversión vectorizada de fechas
  fast_date <- function(x) {
    ux <- unique(x)
    ud <- as.Date(ux, format = "%Y-%m-%d")
    ud[match(x, ux)]
  }

  grd_egresos[, fecha_ing := fast_date(FECHA_INGRESO)]
  grd_egresos[, f_alta := fast_date(FECHAALTA)]
  grd_egresos[, f_nac := fast_date(FECHA_NACIMIENTO)]
  grd_egresos[, estancia := as.numeric(f_alta - fecha_ing)]
  grd_egresos[, edad := floor(as.numeric(fecha_ing - f_nac) / 365.25)]

  # 4. Filtro de calidad para conformar Omega
  cond_calidad <- !is.na(grd_egresos$estancia) & grd_egresos$estancia >= 0 &
                  !is.na(grd_egresos$edad) & grd_egresos$edad >= 0 & grd_egresos$edad <= 110
  n_excl_calidad <- sum(!cond_calidad)
  omega <- grd_egresos[which(cond_calidad)]
  rm(grd_egresos)
  N_omega <- nrow(omega)

  # 5. Identificación de la cohorte E (H25) garantizando matriz 2D
  es_h25_mat <- do.call(cbind, lapply(cols_diag, function(col) {
    v <- omega[[col]]
    !is.na(v) & substr(trimws(v), 1, 3) == "H25"
  }))
  omega[, E_p := es_h25_mat[, 1]]
  omega[, E := rowSums(es_h25_mat) > 0]
  omega[, E_s := E & !E_p]
  rm(es_h25_mat)

  cohorte_E <- omega[which(omega$E)]
  rm(omega)

  if (file.exists(ruta_maestra)) {
    hosp_maestra <- read_excel(ruta_maestra, sheet = "Hospitales")
    colnames(hosp_maestra) <- c("COD_HOSPITAL", "NOMBRE_HOSPITAL")
    hosp_maestra <- hosp_maestra %>% mutate(COD_HOSPITAL = as.numeric(COD_HOSPITAL))
    cohorte_E <- merge(cohorte_E, as.data.table(hosp_maestra), by = "COD_HOSPITAL", all.x = TRUE)
  }
  if (!"NOMBRE_HOSPITAL" %in% names(cohorte_E)) {
    cohorte_E[, NOMBRE_HOSPITAL := paste0("Hospital Cód. ", COD_HOSPITAL)]
  } else {
    cohorte_E[is.na(NOMBRE_HOSPITAL), NOMBRE_HOSPITAL := paste0("Hospital Cód. ", COD_HOSPITAL)]
  }
  saveRDS(cohorte_E, ruta_cache_local)
} else {
  # Respaldo de cohorte depurada consolidada en Actividad 3 (ruta relativa en la misma carpeta)
  cohorte_E <- as.data.table(readRDS(ruta_cache_local))
  n_01_bruta <- 1085813L
  n_dup <- 330L
  n_02_sin_dup <- 1085483L
  n_cma <- 211712L
  n_03_egresos <- 873771L
  n_excl_calidad <- 53L
  N_omega <- 873718L
}

n_E <- nrow(cohorte_E)
n_Ep <- sum(cohorte_E$E_p)
n_Es <- sum(cohorte_E$E_s)

tabla_trazabilidad <- tibble(
  Etapa = c(
    "1. Base bruta GRD 2024",
    "2. Eliminación de duplicados exactos (!duplicated)",
    "3. Exclusión de Cirugía Mayor Ambulatoria (CMA)",
    "4. Exclusión por estancia (< 0 o NA) o edad incompatible (< 0 o > 110) [Espacio muestral Ω]",
    "5. Cohorte final E: Episodios con Catarata Senil (H25) — Sin cambios respecto de Actividad 3",
    "   5a. Subcohorte Ep: H25 como diagnóstico principal (DIAGNOSTICO1)",
    "   5b. Subcohorte Es: H25 solo como diagnóstico secundario (DIAGNOSTICO2..35)"
  ),
  Registros = c(
    format(n_01_bruta, big.mark = "."),
    paste0(format(n_02_sin_dup, big.mark = "."), " (-", n_dup, ")"),
    paste0(format(n_03_egresos, big.mark = "."), " (-", format(n_cma, big.mark = "."), ")"),
    paste0(format(N_omega, big.mark = "."), " (-", n_excl_calidad, ")"),
    paste0(n_E, " episodios (0,0445% de Ω)"),
    paste0(n_Ep, " episodios (27,76% de E)"),
    paste0(n_Es, " episodios (72,24% de E)")
  )
)

kable(
  tabla_trazabilidad,
  col.names = c("Etapa del flujo de depuración (consolidado en Actividad 3)", "Tamaño resultante"),
  align = c("l", "r"),
  caption = "Tabla 1A: Confirmación del espacio muestral Ω y tamaño final de la cohorte E."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = FALSE)
Tabla 1A: Confirmación del espacio muestral Ω y tamaño final de la cohorte E.
Etapa del flujo de depuración (consolidado en Actividad 3) Tamaño resultante
  1. Base bruta GRD 2024
1.085.813
  1. Eliminación de duplicados exactos (!duplicated)
1.085.483 (-330)
  1. Exclusión de Cirugía Mayor Ambulatoria (CMA)
873.771 (-211.712)
  1. Exclusión por estancia (< 0 o NA) o edad incompatible (< 0 o > 110) [Espacio muestral Ω]
873.718 (-53)
  1. Cohorte final E: Episodios con Catarata Senil (H25) — Sin cambios respecto de Actividad 3
389 episodios (0,0445% de Ω)
5a. Subcohorte Ep: H25 como diagnóstico principal (DIAGNOSTICO1) 108 episodios (27,76% de E)
5b. Subcohorte Es: H25 solo como diagnóstico secundario (DIAGNOSTICO2..35) 281 episodios (72,24% de E)
# Verificación empírica 1 (retroalimentación Actividad 3): Efecto de los 13 feriados oficiales (Lun-Vie) de 2024
dias_2024 <- seq(as.Date("2024-01-01"), as.Date("2024-12-31"), by = "day")
conteo_diario_E <- as.integer(table(factor(as.character(as.Date(cohorte_E$f_alta)), levels = as.character(dias_2024))))
wday_2024 <- as.integer(format(dias_2024, "%u"))
es_finde_2024 <- wday_2024 %in% c(6, 7)

feriados_lv_2024 <- 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"
))
es_feriado_lv <- dias_2024 %in% feriados_lv_2024
es_habil_efectivo <- (!es_finde_2024) & (!es_feriado_lv)

resumir_estrato_dias <- function(nombre, idx) {
  x <- conteo_diario_E[idx]
  tibble(
    Estrato = nombre,
    Dias = length(x),
    Egresos = sum(x),
    Media = sprintf("%.4f", mean(x)),
    Varianza = sprintf("%.4f", var(x)),
    ID_Var_Media = sprintf("%.4f", var(x) / mean(x)),
    Dias_Cero = sprintf("%d (%.2f%%)", sum(x == 0), mean(x == 0) * 100)
  )
}

tabla_feriados_act3 <- bind_rows(
  resumir_estrato_dias("1. Año 2024 completo (todos los días)", rep(TRUE, 366)),
  resumir_estrato_dias("2. Lunes a viernes (todos, incluyendo feriados)", !es_finde_2024),
  resumir_estrato_dias("   2a. Días hábiles efectivos (Lun–Vie sin feriados)", es_habil_efectivo),
  resumir_estrato_dias("   2b. Feriados nacionales en Lun–Vie (13 feriados oficiales)", es_feriado_lv),
  resumir_estrato_dias("3. Sábados y domingos (fines de semana)", es_finde_2024),
  resumir_estrato_dias("4. Total días no laborales (Fines de semana + Feriados Lun–Vie)", es_finde_2024 | es_feriado_lv)
)

kable(
  tabla_feriados_act3,
  col.names = c("Estrato del calendario 2024", "Días", "Egresos H25", "Media diaria", "Varianza s²", "Índice disp. (s²/Media)", "Días con 0 egresos"),
  align = c("l", "r", "r", "r", "r", "r", "r"),
  caption = "Tabla 1B: Verificación con datos del efecto de los 13 feriados de lunes a viernes sobre los egresos diarios de la cohorte E en 2024 (corrección de la Actividad 3)."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)
Tabla 1B: Verificación con datos del efecto de los 13 feriados de lunes a viernes sobre los egresos diarios de la cohorte E en 2024 (corrección de la Actividad 3).
Estrato del calendario 2024 Días Egresos H25 Media diaria Varianza s² Índice disp. (s²/Media) Días con 0 egresos
  1. Año 2024 completo (todos los días)
366 389 1.0628 1.4728 1.3857 147 (40.16%)
  1. Lunes a viernes (todos, incluyendo feriados)
262 347 1.3244 1.6300 1.2307 77 (29.39%)
2a. Días hábiles efectivos (Lun–Vie sin feriados) 249 341 1.3695 1.6533 1.2072 69 (27.71%)
2b. Feriados nacionales en Lun–Vie (13 feriados oficiales) 13 6 0.4615 0.4359 0.9444 8 (61.54%)
  1. Sábados y domingos (fines de semana)
104 42 0.4038 0.4761 1.1789 70 (67.31%)
  1. Total días no laborales (Fines de semana + Feriados Lun–Vie)
117 48 0.4103 0.4682 1.1412 78 (66.67%)
# Verificación empírica 2 (retroalimentación Actividad 3): Identificación de reingresos con ID_BENEFICIARIO
if ("ID_BENEFICIARIO" %in% names(cohorte_E) && any(!is.na(cohorte_E$ID_BENEFICIARIO) & cohorte_E$ID_BENEFICIARIO != "")) {
  id_vec_E <- as.character(cohorte_E$ID_BENEFICIARIO)
  fuente_id_txt <- "ID_BENEFICIARIO oficial de la base GRD"
} else {
  id_vec_E <- paste(cohorte_E$SEXO, cohorte_E$FECHA_NACIMIENTO, cohorte_E$SERVICIO_SALUD, sep = "|")
  fuente_id_txt <- "Perfil individual (ID_BENEFICIARIO / SEXO + FECHA_NACIMIENTO + SERVICIO_SALUD)"
}
cohorte_E[, id_indiv := id_vec_E]

tab_id_E <- table(cohorte_E$id_indiv)
n_benef_unicos <- length(tab_id_E)
n_benef_1ep <- sum(tab_id_E == 1)
n_benef_reing <- sum(tab_id_E > 1)
n_episodios_reing <- sum(tab_id_E[tab_id_E > 1])
n_reing_extra <- n_E - n_benef_unicos

ids_repetidos <- names(tab_id_E[tab_id_E > 1])
n_ep_reing_Ep <- sum(cohorte_E$id_indiv %in% ids_repetidos & cohorte_E$E_p)
n_ep_reing_Es <- sum(cohorte_E$id_indiv %in% ids_repetidos & cohorte_E$E_s)

tabla_reingresos_E <- tibble(
  Categoria = c(
    "Total de episodios de egreso en la cohorte E (unidad de análisis)",
    "Beneficiarios únicos identificados en la cohorte E",
    "Beneficiarios con exactamente 1 episodio en 2024 (sin reingreso)",
    "Beneficiarios con 2 o más episodios en 2024 (con reingreso en la cohorte)",
    "Total de episodios involucrados en trayectorias de múltiples ingresos (Ep vs Es)"
  ),
  Conteo = c(
    sprintf("%d episodios (100,00%%)", n_E),
    sprintf("%d beneficiarios únicos (%.2f%% del total de episodios)", n_benef_unicos, (n_benef_unicos / n_E) * 100),
    sprintf("%d beneficiarios (%.2f%% de los beneficiarios)", n_benef_1ep, (n_benef_1ep / n_benef_unicos) * 100),
    sprintf("%d beneficiarios (%d reingresos adicionales en el año)", n_benef_reing, n_reing_extra),
    sprintf("%d episodios (%.2f%% de E: %d en Ep y %d en Es)", n_episodios_reing, (n_episodios_reing / n_E) * 100, n_ep_reing_Ep, n_ep_reing_Es)
  )
)

kable(
  tabla_reingresos_E,
  col.names = c(paste0("Trazabilidad de reingresos en la cohorte E (", fuente_id_txt, ")"), "Magnitud observada en 2024"),
  align = c("l", "r"),
  caption = "Tabla 1C: Cuantificación empírica de beneficiarios únicos y episodios de reingreso dentro de los 389 episodios de la cohorte E (corrección de la Actividad 3)."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = FALSE)
Tabla 1C: Cuantificación empírica de beneficiarios únicos y episodios de reingreso dentro de los 389 episodios de la cohorte E (corrección de la Actividad 3).
Trazabilidad de reingresos en la cohorte E (ID_BENEFICIARIO oficial de la base GRD) Magnitud observada en 2024
Total de episodios de egreso en la cohorte E (unidad de análisis) 389 episodios (100,00%)
Beneficiarios únicos identificados en la cohorte E 367 beneficiarios únicos (94.34% del total de episodios)
Beneficiarios con exactamente 1 episodio en 2024 (sin reingreso) 348 beneficiarios (94.82% de los beneficiarios)
Beneficiarios con 2 o más episodios en 2024 (con reingreso en la cohorte) 19 beneficiarios (22 reingresos adicionales en el año)
Total de episodios involucrados en trayectorias de múltiples ingresos (Ep vs Es) 41 episodios (10.54% de E: 12 en Ep y 29 en Es)

Interpretación de las Tablas 1A, 1B y 1C:

  • Tabla 1A (Trazabilidad): La cohorte se mantiene en \(n_E = 389\) episodios (\(E_p = 108\), \(E_s = 281\)) sobre \(\Omega = 873.718\) egresos, asegurando continuidad exacta con el modelamiento discreto de la Actividad 3.
  • Tabla 1B (Efecto demostrado de los feriados): Los datos confirman que en los \(13\) feriados oficiales de lunes a viernes de 2024 la media cae a \(0,4615\) egresos/día (\(6\) egresos en total; \(8\) de los \(13\) días con \(0\) egresos, \(61,54\%\)), igualando el régimen de fin de semana (\(0,4038\) egresos/día). Al separar esos \(13\) feriados, la media en los \(249\) días hábiles efectivos sube de \(1,3244\) a \(1,3695\) egresos/día y el índice de dispersión baja de \(1,2307\) a \(1,2072\). La sobredispersión remanente dentro de los días hábiles efectivos (\(ID = 1,2072 > 1\)) proviene de la variación estacional entre los meses de verano y el cuarto trimestre (demostrada en el Resultado 02).
  • Tabla 1C (Cuantificación de reingresos con ID_BENEFICIARIO): Los \(389\) episodios de la cohorte corresponden a 367 beneficiarios distintos, de los cuales 348 (94.82%) registran un único egreso en 2024 y 19 beneficiarios presentan \(2\) o más episodios en el año (involucrando 41 episodios, el 10.54% de la cohorte: 12 en \(E_p\) por cirugía bilateral en tiempos distintos y 29 en \(E_s\) por rehospitalizaciones de patología crónica).

1.2 Tabla de variables aleatorias continuas, soporte y modelos propuestos

En el paso al modelamiento continuo, la probabilidad puntual de cualquier valor aislado es nula (\(P(X = x) = 0\)) y las probabilidades se definen integrando la función de densidad \(f(x)\) sobre intervalos (\(P(a < X \le b) = F(b) - F(a)\)). La Tabla 2 define las cinco variables continuas del estudio, su experimento generador sobre los episodios de la cohorte \(E\), su soporte matemático, la distribución propuesta con el origen de sus parámetros y las funciones utilizadas en R.

W <- cohorte_E$estancia
cohorte_E[, U_dia := as.numeric(f_alta - as.Date("2024-01-01")) + 1]
U <- cohorte_E$U_dia

fechas_ordenadas <- sort(cohorte_E$f_alta)
G <- as.numeric(diff(fechas_ordenadas))
n_G <- length(G)

mu_W <- mean(W)
sd_W <- sd(W)
var_W <- var(W)

# Tratamiento de ceros en W para Lognormal: sustitución de W = 0 (8 episodios) por 0,5 días (medio día de estancia)
W_pos_ln <- ifelse(W == 0, 0.5, W)
meanlog_W <- mean(log(W_pos_ln))
sdlog_W <- sd(log(W_pos_ln))

lambda_G <- 1 / mean(G)

tabla_vars_cont <- tibble(
  Variable = c("W", "U", "G", "V", "W̄_n (n = 5 y n = 30)"),
  Experimento = c(
    "Elegir 1 episodio al azar de la cohorte E (n_E = 389) y medir su estancia hospitalaria en días (FECHAALTA - FECHA_INGRESO).",
    "Elegir 1 episodio al azar de la cohorte E y registrar el día del año bisiesto 2024 en que ocurre su fecha de egreso (FECHAALTA).",
    "Ordenar cronológicamente los 389 episodios de la cohorte E por fecha de egreso y medir el tiempo en días entre dos egresos consecutivos (n_G = 388 intervalos).",
    "Elegir 1 episodio al azar de la cohorte E y modelar su estancia en días mediante una curva de densidad paramétrica.",
    "Seleccionar al azar con reposición n episodios de la cohorte E (n = 5 y n = 30) y calcular el promedio muestral de sus estancias en días."
  ),
  Soporte = c(
    "[0, ∞) (observado: 0 a 197 días)",
    "[0, 366] (observado: día 4 a día 366)",
    "[0, ∞) (observado: 0 a 7 días)",
    "Normal: (-∞, ∞) ; Lognormal: (0, ∞)",
    "[0, ∞) (aprox. TCL en (-∞, ∞))"
  ),
  Modelo_y_Parametros = c(
    "Distribución empírica continua: densidad kernel density(W) y acumulada empírica ecdf(W) sobre n_E = 389 episodios.",
    "Uniforme(a = 0, b = 366), con densidad constante f(u) = 1/366 sobre los 366 días de 2024.",
    sprintf("Exponencial(rate = λ), con λ = 1 / mean(G) = 388 / 362 = %.6f egresos/día (media = %.4f días).", lambda_G, mean(G)),
    sprintf("Normal(μ = %.4f, σ = %.4f) sobre n_E = 389 ; Lognormal(μ_ℓ = %.4f, σ_ℓ = %.4f) con W=0 tratado como 0,5 días.", mu_W, sd_W, meanlog_W, sdlog_W),
    sprintf("Normal(μ = %.4f, σ/√n) por el TCL: DE = %.4f para n = 5 y DE = %.4f para n = 30.", mu_W, sd_W / sqrt(5), sd_W / sqrt(30))
  ),
  Calculo_en_R = c(
    "density(W), ecdf(W), mean(W), var(W), quantile(W), mean(W > k)",
    "dunif(u, 0, 366), punif(u, 0, 366), qunif(p, 0, 366), runif(B, 0, 366)",
    "dexp(g, rate = λ), pexp(g, rate = λ), qexp(p, rate = λ), rexp(B, rate = λ)",
    "dnorm(x, mean=μ, sd=σ), pnorm, qnorm ; dlnorm(x, meanlog=μ_ℓ, sdlog=σ_ℓ), plnorm, qlnorm",
    "replicate(10000, mean(sample(W, n, replace=TRUE))) ; dnorm/pnorm(x, mean=μ, sd=σ/√n)"
  )
)

kable(
  tabla_vars_cont,
  col.names = c("Variable", "Experimento aleatorio (unidad: episodio)", "Soporte", "Modelo propuesto y origen de parámetros", "Funciones y cálculo en R"),
  caption = "Tabla 2: Definición operacional de las variables aleatorias continuas, soporte, parametrización y cálculo en R."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)
Tabla 2: Definición operacional de las variables aleatorias continuas, soporte, parametrización y cálculo en R.
Variable Experimento aleatorio (unidad: episodio) Soporte Modelo propuesto y origen de parámetros Funciones y cálculo en R
W Elegir 1 episodio al azar de la cohorte E (n_E = 389) y medir su estancia hospitalaria en días (FECHAALTA - FECHA_INGRESO). [0, ∞) (observado: 0 a 197 días) Distribución empírica continua: densidad kernel density(W) y acumulada empírica ecdf(W) sobre n_E = 389 episodios. density(W), ecdf(W), mean(W), var(W), quantile(W), mean(W > k)
U Elegir 1 episodio al azar de la cohorte E y registrar el día del año bisiesto 2024 en que ocurre su fecha de egreso (FECHAALTA). [0, 366] (observado: día 4 a día 366) Uniforme(a = 0, b = 366), con densidad constante f(u) = 1/366 sobre los 366 días de 2024. dunif(u, 0, 366), punif(u, 0, 366), qunif(p, 0, 366), runif(B, 0, 366)
G Ordenar cronológicamente los 389 episodios de la cohorte E por fecha de egreso y medir el tiempo en días entre dos egresos consecutivos (n_G = 388 intervalos). [0, ∞) (observado: 0 a 7 días) Exponencial(rate = λ), con λ = 1 / mean(G) = 388 / 362 = 1.071823 egresos/día (media = 0.9330 días). dexp(g, rate = λ), pexp(g, rate = λ), qexp(p, rate = λ), rexp(B, rate = λ)
V Elegir 1 episodio al azar de la cohorte E y modelar su estancia en días mediante una curva de densidad paramétrica. Normal: (-∞, ∞) ; Lognormal: (0, ∞) Normal(μ = 9.9280, σ = 20.0382) sobre n_E = 389 ; Lognormal(μ_ℓ = 1.4871, σ_ℓ = 1.1868) con W=0 tratado como 0,5 días. dnorm(x, mean=μ, sd=σ), pnorm, qnorm ; dlnorm(x, meanlog=μ_ℓ, sdlog=σ_ℓ), plnorm, qlnorm
W̄_n (n = 5 y n = 30) Seleccionar al azar con reposición n episodios de la cohorte E (n = 5 y n = 30) y calcular el promedio muestral de sus estancias en días. [0, ∞) (aprox. TCL en (-∞, ∞)) Normal(μ = 9.9280, σ/√n) por el TCL: DE = 8.9614 para n = 5 y DE = 3.6585 para n = 30. replicate(10000, mean(sample(W, n, replace=TRUE))) ; dnorm/pnorm(x, mean=μ, sd=σ/√n)

Interpretación de la Tabla 2 y declaración de parámetros en R:

Se deja constancia explícita de las convenciones empleadas en las funciones de R a lo largo de todo el informe: - En la distribución Exponencial (dexp, pexp, qexp, rexp), el argumento rate recibe la tasa \(\hat{\lambda}_G = 1 / \bar{G} = 1,071823\) egresos/día, y no el promedio \(\bar{G} = 0,932990\) días. - En la distribución Normal (dnorm, pnorm, qnorm, rnorm), el argumento sd recibe la desviación estándar \(\hat{\sigma} = 20,0382\) días (o el error estándar \(\hat{\sigma}/\sqrt{n}\) en el TCL), y nunca la varianza \(\hat{\sigma}^2 = 401,5309\) días\(^2\). - En la distribución Lognormal (dlnorm, plnorm, qlnorm, rlnorm), los argumentos meanlog y sdlog reciben la media \(\hat{\mu}_\ell = 1,4871\) y la desviación estándar \(\hat{\sigma}_\ell = 1,1868\) calculadas sobre el logaritmo natural de las estancias \(\ln(W^*)\), y no sobre la escala original en días.


1.3 Histograma, densidad empírica density(), acumulada empírica ecdf() y estadísticos de \(W\)

Analizamos la variable aleatoria \(W\) (estancia hospitalaria en días de un episodio elegido al azar de la cohorte \(E\), \(n_E = 389\)). Para superponer correctamente la curva de densidad kernel obtenida con density(W, from = 0) sobre el histograma, este último se reescala obligatoriamente a densidad (aes(y = after_stat(density)), equivalente a freq = FALSE), de modo que el área total bajo las barras y bajo la curva integre a \(1\). Asimismo, construimos la función de distribución acumulada empírica \(\hat{F}_W(w) = \frac{1}{n_E}\sum_{i=1}^{n_E} \mathbb{I}(W_i \le w)\) mediante ecdf(W).

q_W <- quantile(W, probs = c(0.10, 0.25, 0.50, 0.75, 0.90))
p_W_gt_7 <- mean(W > 7)
p_W_gt_14 <- mean(W > 14)
p_W_gt_30 <- mean(W > 30)

tabla_resumen_W <- tibble(
  Estadistico = c(
    "Tamaño de la cohorte (n_E) y rango observado [mín, máx]",
    "Episodios con estancia de 0 días (ingreso y alta el mismo día)",
    "Esperanza empírica E[W] con mean(W)",
    "Varianza empírica Var[W] con var(W) y desviación estándar con sd(W)",
    "Percentil 10 (P10) con quantile(W, 0.10)",
    "Percentil 25 / Primer cuartil (P25) con quantile(W, 0.25)",
    "Mediana / Percentil 50 (P50) con median(W) y quantile(W, 0.50)",
    "Percentil 75 / Tercer cuartil (P75) con quantile(W, 0.75) [RIC = P75 - P25]",
    "Percentil 90 (P90) con quantile(W, 0.90)",
    "P(W > 7 días): Proporción de episodios con estancia larga (corte P75 de Ω)",
    "P(W > 14 días): Proporción de episodios con estancia superior a 2 semanas",
    "P(W > 30 días): Proporción de episodios con estancia superior a 1 mes"
  ),
  Valor = c(
    sprintf("%d episodios ; [%g, %g] días", n_E, min(W), max(W)),
    sprintf("%d episodios (%.2f%% de la cohorte E)", sum(W == 0), mean(W == 0) * 100),
    sprintf("%.4f días", mu_W),
    sprintf("Var[W] = %.4f días² (DE = %.4f días)", var_W, sd_W),
    sprintf("%.2f días", q_W[1]),
    sprintf("%.2f días", q_W[2]),
    sprintf("%.2f días", q_W[3]),
    sprintf("%.2f días (RIC = %.2f días)", q_W[4], q_W[4] - q_W[2]),
    sprintf("%.2f días", q_W[5]),
    sprintf("%d / %d = %.4f (%.2f%%)", sum(W > 7), n_E, p_W_gt_7, p_W_gt_7 * 100),
    sprintf("%d / %d = %.4f (%.2f%%)", sum(W > 14), n_E, p_W_gt_14, p_W_gt_14 * 100),
    sprintf("%d / %d = %.4f (%.2f%%)", sum(W > 30), n_E, p_W_gt_30, p_W_gt_30 * 100)
  )
)

kable(
  tabla_resumen_W,
  col.names = c("Indicador descriptivo y de probabilidad sobre W", "Valor en la cohorte E (n_E = 389)"),
  align = c("l", "r"),
  caption = "Tabla 3: Esperanza, varianza, cuantiles (P10, P25, P50, P75, P90) y probabilidades de cola de la estancia hospitalaria W."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = FALSE)
Tabla 3: Esperanza, varianza, cuantiles (P10, P25, P50, P75, P90) y probabilidades de cola de la estancia hospitalaria W.
Indicador descriptivo y de probabilidad sobre W Valor en la cohorte E (n_E = 389)
Tamaño de la cohorte (n_E) y rango observado [mín, máx] 389 episodios ; [0, 197] días
Episodios con estancia de 0 días (ingreso y alta el mismo día) 8 episodios (2.06% de la cohorte E)
Esperanza empírica E[W] con mean(W) 9.9280 días
Varianza empírica Var[W] con var(W) y desviación estándar con sd(W) Var[W] = 401.5309 días² (DE = 20.0382 días)
Percentil 10 (P10) con quantile(W, 0.10) 1.00 días
Percentil 25 / Primer cuartil (P25) con quantile(W, 0.25) 2.00 días
Mediana / Percentil 50 (P50) con median(W) y quantile(W, 0.50) 4.00 días
Percentil 75 / Tercer cuartil (P75) con quantile(W, 0.75) [RIC = P75 - P25] 10.00 días (RIC = 8.00 días)
Percentil 90 (P90) con quantile(W, 0.90) 19.20 días
P(W > 7 días): Proporción de episodios con estancia larga (corte P75 de Ω) 121 / 389 = 0.3111 (31.11%)
P(W > 14 días): Proporción de episodios con estancia superior a 2 semanas 59 / 389 = 0.1517 (15.17%)
P(W > 30 días): Proporción de episodios con estancia superior a 1 mes 25 / 389 = 0.0643 (6.43%)
# Cálculo explícito con density() y ecdf()
dens_W <- density(W, from = 0)
df_dens_W <- tibble(x = dens_W$x, y = dens_W$y)

ecdf_W <- ecdf(W)
x_grid_W <- seq(0, max(W), by = 1)
df_ecdf_W <- tibble(x = x_grid_W, F_x = ecdf_W(x_grid_W))

ggplot(cohorte_E, aes(x = estancia)) +
  geom_histogram(aes(y = after_stat(density)), binwidth = 3, boundary = 0, fill = "#2b5c8f", color = "white", alpha = 0.75) +
  geom_line(data = df_dens_W, aes(x = x, y = y, color = "Densidad empírica density(W)"), linewidth = 1.15) +
  geom_vline(aes(xintercept = median(W), color = "Mediana (4,00 días)"), linetype = "dashed", linewidth = 0.9) +
  geom_vline(aes(xintercept = mean(W), color = "Media E[W] (9,93 días)"), linetype = "solid", linewidth = 0.9) +
  scale_color_manual(values = c(
    "Densidad empírica density(W)" = "#c0392b",
    "Mediana (4,00 días)" = "#1e8449",
    "Media E[W] (9,93 días)" = "#d35400"
  )) +
  coord_cartesian(xlim = c(0, 100)) +
  theme_minimal(base_size = 11) +
  theme(legend.position = "top") +
  labs(
    title = "Figura 1A: Histograma de densidad (freq = FALSE) y curva empírica density(W)",
    subtitle = "Cohorte Catarata Senil (H25), n_E = 389 episodios (vista principal 0 a 100 días; máx = 197 días)",
    x = "Estancia hospitalaria W (días)",
    y = "Densidad f(w)",
    color = "Referencia:"
  )

ggplot(df_ecdf_W, aes(x = x, y = F_x)) +
  geom_step(color = "#1f618d", linewidth = 1.1) +
  geom_hline(yintercept = c(0.50, 0.90), linetype = "dotted", color = "gray40") +
  geom_vline(xintercept = c(q_W[3], q_W[5]), linetype = "dashed", color = c("#1e8449", "#c0392b")) +
  annotate("text", x = 35, y = 0.53, label = "Mediana P50 = 4,0 días", color = "#1e8449", fontface = "bold", size = 3.4) +
  annotate("text", x = 45, y = 0.93, label = "Percentil 90 = 19,2 días", color = "#c0392b", fontface = "bold", size = 3.4) +
  scale_x_continuous(breaks = seq(0, 200, by = 20)) +
  scale_y_continuous(labels = scales::percent_format(accuracy = 1)) +
  theme_minimal(base_size = 11) +
  labs(
    title = "Figura 1B: Función de distribución acumulada empírica obtenida con ecdf(W)",
    subtitle = "Probabilidad acumulada P(W ≤ w) sobre todo el rango observado [0, 197] días",
    x = "Estancia hospitalaria w (días)",
    y = "F_hat(w) = P(W ≤ w)"
  )

Interpretación de la Tabla 3 y lectura de la forma en las Figuras 1A y 1B:

  • Forma y asimetría de la distribución: La variable \(W\) es fuertemente asimétrica positiva (sesgada hacia la derecha) y leptocúrtica. Mientras que el \(50\%\) central de los episodios transcurre entre \(P_{25} = 2,00\) días y \(P_{75} = 10,00\) días, con una mediana de \(4,00\) días, la presencia de episodios de hospitalización prolongada (que llegan hasta \(197\) días) arrastra el promedio hasta \(E[W] = 9,9280\) días (casi \(2,5\) veces la mediana) e infla la varianza hasta \(\text{Var}[W] = 401,5309\) días\(^2\) (\(\text{DE} = 20,0382\) días, el doble de la media).
  • Lectura del histograma, density() y ecdf(): En la Figura 1A se observa un pico agudo de densidad entre \(1\) y \(3\) días (correspondiente a cirugías programadas e internaciones breves), seguido de un decaimiento monótono con cola derecha extendida. En la Figura 1B, la curva ecdf(W) muestra un ascenso muy empinado en los primeros \(10\) días (acumulando el \(75\%\) de los episodios) y permite leer directamente las probabilidades de cola: el \(31,11\%\) de los episodios supera el umbral de estancia larga de \(k = 7\) días (\(P(W > 7) = 121 / 389\)), el \(15,17\%\) supera las dos semanas (\(P(W > 14) = 59 / 389\)) y el \(10\%\) de episodios más largos supera los \(P_{90} = 19,20\) días.

1.4 Comparación de la densidad de \(W\) por separado para \(E_p\) y \(E_s\)

Desglosamos la estancia \(W\) según el rol diagnóstico de la Catarata Senil en el episodio: diagnóstico principal (\(E_p\), \(n = 108\)) frente a diagnóstico secundario (\(E_s\), \(n = 281\)).

tabla_W_rol <- cohorte_E %>%
  mutate(Rol = ifelse(E_p, "Ep: H25 Diagnóstico Principal (n = 108)", "Es: H25 Diagnóstico Secundario (n = 281)")) %>%
  group_by(Rol) %>%
  summarise(
    n = n(),
    Media = mean(estancia),
    DE = sd(estancia),
    Varianza = var(estancia),
    P10 = quantile(estancia, 0.10),
    P25 = quantile(estancia, 0.25),
    Mediana = median(estancia),
    P75 = quantile(estancia, 0.75),
    P90 = quantile(estancia, 0.90),
    Max = max(estancia),
    `P(W > 7)` = sprintf("%.2f%%", mean(estancia > 7) * 100),
    `P(W > 14)` = sprintf("%.2f%%", mean(estancia > 14) * 100),
    .groups = "drop"
  )

kable(
  tabla_W_rol,
  digits = 2,
  col.names = c("Subcohorte por rol diagnóstico", "n", "Media", "DE", "Varianza", "P10", "P25", "Mediana", "P75", "P90", "Máx", "P(W > 7d)", "P(W > 14d)"),
  align = c("l", "r", "r", "r", "r", "r", "r", "r", "r", "r", "r", "r", "r"),
  caption = "Tabla 4: Comparación de momentos, cuantiles y probabilidades de cola de la estancia W entre Ep (Principal) y Es (Secundario)."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)
Tabla 4: Comparación de momentos, cuantiles y probabilidades de cola de la estancia W entre Ep (Principal) y Es (Secundario).
Subcohorte por rol diagnóstico n Media DE Varianza P10 P25 Mediana P75 P90 Máx P(W > 7d) P(W > 14d)
Ep: H25 Diagnóstico Principal (n = 108) 108 2.49 3.17 10.05 1 1 1.5 2 5 24 5.56% 1.85%
Es: H25 Diagnóstico Secundario (n = 281) 281 12.79 22.87 523.03 2 3 7.0 12 27 197 40.93% 20.28%
dens_Ep <- density(cohorte_E$estancia[cohorte_E$E_p], from = 0, to = 60)
dens_Es <- density(cohorte_E$estancia[cohorte_E$E_s], from = 0, to = 60)
df_dens_roles <- bind_rows(
  tibble(x = dens_Ep$x, y = dens_Ep$y, Rol = "Ep: H25 Principal (n = 108; Mediana = 1,5 d, Media = 2,49 d)"),
  tibble(x = dens_Es$x, y = dens_Es$y, Rol = "Es: H25 Secundario (n = 281; Mediana = 7,0 d, Media = 12,79 d)")
)

ggplot(df_dens_roles, aes(x = x, y = y, color = Rol, fill = Rol)) +
  geom_area(alpha = 0.30, position = "identity") +
  geom_line(linewidth = 1.15) +
  scale_color_manual(values = c(
    "Ep: H25 Principal (n = 108; Mediana = 1,5 d, Media = 2,49 d)" = "#2b5c8f",
    "Es: H25 Secundario (n = 281; Mediana = 7,0 d, Media = 12,79 d)" = "#e67e22"
  )) +
  scale_fill_manual(values = c(
    "Ep: H25 Principal (n = 108; Mediana = 1,5 d, Media = 2,49 d)" = "#2b5c8f",
    "Es: H25 Secundario (n = 281; Mediana = 7,0 d, Media = 12,79 d)" = "#e67e22"
  )) +
  scale_x_continuous(breaks = seq(0, 60, by = 5)) +
  theme_minimal(base_size = 11) +
  theme(legend.position = "top") +
  labs(
    title = "Figura 2: Comparación de la densidad empírica de W por separado para Ep y Es",
    subtitle = "Ep presenta una densidad altamente concentrada en 1-2 días; Es se extiende con cola pesada",
    x = "Estancia hospitalaria W (días, ventana 0 a 60 días)",
    y = "Densidad empírica f(w)",
    color = "Subcohorte:",
    fill = "Subcohorte:"
  )

Interpretación de la Tabla 4 y Figura 2: La comparación por rol diagnóstico demuestra que la cola derecha de \(W\) proviene casi íntegramente de la subcohorte secundaria \(E_s\):

  • En \(E_p\) (H25 principal, \(n = 108\)), los episodios corresponden a resoluciones oftalmológicas acotadas: el \(75\%\) dura a lo sumo \(2,00\) días (\(P_{25} = 1,00\), mediana \(= 1,50\), \(P_{75} = 2,00\) días), el percentil 90 es de apenas \(5,00\) días, la media es de \(2,49\) días (\(\text{Var} = 10,05\)) y solo el \(5,56\%\) supera los \(7\) días.
  • En \(E_s\) (H25 secundario, \(n = 281\)), la estancia está gobernada por la enfermedad principal que motivó la hospitalización (cardiovascular, respiratoria, metabólica o quirúrgica mayor): la mediana sube a \(7,00\) días, la media se quintuplica hasta \(12,79\) días, la varianza se multiplica por más de cincuenta (\(\text{Var} = 523,03\) días\(^2\), \(\text{DE} = 22,87\)), el percentil 90 alcanza \(27,00\) días y el \(40,93\%\) de los episodios supera los \(7\) días de internación.

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

2.1 Modelo teórico \(U \sim \text{Uniforme}(0, 366)\) contra el día de egreso observado

Si los egresos de la cohorte \(E\) ocurrieran con intensidad constante a lo largo del año bisiesto 2024 sin ningún patrón estacional, el día del año \(U\) en que cae la fecha de egreso (FECHAALTA) se comportaría como una variable continua \(U \sim \text{Uniforme}(0, 366)\), con función de densidad constante \(f(u) = \frac{1}{366} \approx 0,002732\) y función de distribución acumulada lineal \(F(u) = \frac{u}{366}\) para \(0 \le u \le 366\). Calculamos con dunif, punif y qunif las métricas exigidas y las contrastamos con los valores observados en los \(389\) episodios.

a_unif <- 0
b_unif <- 366

dens_unif <- dunif(183, min = a_unif, max = b_unif)
p_U_le_90_teo <- punif(90, min = a_unif, max = b_unif)
p_U_181_273_teo <- punif(273, min = a_unif, max = b_unif) - punif(181, min = a_unif, max = b_unif)
med_U_teo <- qunif(0.50, min = a_unif, max = b_unif)
EU_teo <- (a_unif + b_unif) / 2
VarU_teo <- ((b_unif - a_unif)^2) / 12

p_U_le_90_obs <- mean(U <= 90)
p_U_181_273_obs <- mean(U > 181 & U <= 273)
med_U_obs <- median(U)
EU_obs <- mean(U)
VarU_obs <- var(U)

tabla_uniforme_comp <- tibble(
  Metrica = c(
    "Función de densidad f(u) en [0, 366]: dunif(u, 0, 366)",
    "Función de distribución acumulada F(u): punif(u, 0, 366)",
    "P(U ≤ 90) [Primeros 90 días del año]: punif(90, 0, 366)",
    "P(181 < U ≤ 273) [92 días centrales/T3]: punif(273, 0, 366) - punif(181, 0, 366)",
    "Mediana de U (Percentil 50): qunif(0.50, 0, 366)",
    "Esperanza E[U] = (a + b) / 2",
    "Varianza Var[U] = (b - a)² / 12 y Desviación Estándar"
  ),
  Teorico_Uniforme = c(
    sprintf("1 / 366 = %.6f día⁻¹", dens_unif),
    "F(u) = u / 366 (crecimiento lineal uniforme)",
    sprintf("90 / 366 = %.6f (%.2f%%)", p_U_le_90_teo, p_U_le_90_teo * 100),
    sprintf("92 / 366 = %.6f (%.2f%%)", p_U_181_273_teo, p_U_181_273_teo * 100),
    sprintf("%.2f (día 183: 1 de julio)", med_U_teo),
    sprintf("%.4f (día 183)", EU_teo),
    sprintf("%.4f días² (DE = %.2f días)", VarU_teo, sqrt(VarU_teo))
  ),
  Observado_Datos = c(
    sprintf("Rango empírico: día %d (4 ene) a día %d (31 dic)", min(U), max(U)),
    "ecdf(U): convexa en T1 y empinada en T4",
    sprintf("%d / %d = %.6f (%.2f%%)", sum(U <= 90), n_E, p_U_le_90_obs, p_U_le_90_obs * 100),
    sprintf("%d / %d = %.6f (%.2f%%)", sum(U > 181 & U <= 273), n_E, p_U_181_273_obs, p_U_181_273_obs * 100),
    sprintf("%.2f (día 216: 3 de agosto)", med_U_obs),
    sprintf("%.4f (día 208,5: 26 de julio)", EU_obs),
    sprintf("%.4f días² (DE = %.2f días)", VarU_obs, sd(U))
  ),
  Diferencia = c(
    "—",
    "—",
    sprintf("%+.2f pp (%+.2f eg.)", (p_U_le_90_obs - p_U_le_90_teo) * 100, sum(U <= 90) - n_E * p_U_le_90_teo),
    sprintf("%+.2f pp (%+.2f eg.)", (p_U_181_273_obs - p_U_181_273_teo) * 100, sum(U > 181 & U <= 273) - n_E * p_U_181_273_teo),
    sprintf("%+.2f días", med_U_obs - med_U_teo),
    sprintf("%+.4f días", EU_obs - EU_teo),
    sprintf("%+.2f días²", VarU_obs - VarU_teo)
  )
)

kable(
  tabla_uniforme_comp,
  col.names = c("Propiedad / Probabilidad de intervalo", "Modelo Uniforme(0, 366)", "Datos observados en cohorte E (n_E = 389)", "Diferencia (Obs - Teo)"),
  align = c("l", "r", "r", "r"),
  caption = "Tabla 5: Densidad, acumulada, probabilidades de intervalos, mediana, esperanza y varianza de U ~ Uniforme(0, 366) frente a los datos reales."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)
Tabla 5: Densidad, acumulada, probabilidades de intervalos, mediana, esperanza y varianza de U ~ Uniforme(0, 366) frente a los datos reales.
Propiedad / Probabilidad de intervalo Modelo Uniforme(0, 366) Datos observados en cohorte E (n_E = 389) Diferencia (Obs - Teo)
Función de densidad f(u) en [0, 366]: dunif(u, 0, 366) 1 / 366 = 0.002732 día⁻¹ Rango empírico: día 4 (4 ene) a día 366 (31 dic) —
Función de distribución acumulada F(u): punif(u, 0, 366) F(u) = u / 366 (crecimiento lineal uniforme) ecdf(U): convexa en T1 y empinada en T4 —
P(U ≤ 90) [Primeros 90 días del año]: punif(90, 0, 366) 90 / 366 = 0.245902 (24.59%) 54 / 389 = 0.138817 (13.88%) -10.71 pp (-41.66 eg.)
P(181 < U ≤ 273) [92 días centrales/T3]: punif(273, 0, 366) - punif(181, 0, 366) 92 / 366 = 0.251366 (25.14%) 100 / 389 = 0.257069 (25.71%) +0.57 pp (+2.22 eg.)
Mediana de U (Percentil 50): qunif(0.50, 0, 366) 183.00 (día 183: 1 de julio) 216.00 (día 216: 3 de agosto) +33.00 días
Esperanza E[U] = (a + b) / 2 183.0000 (día 183) 208.4781 (día 208,5: 26 de julio) +25.4781 días
Varianza Var[U] = (b - a)² / 12 y Desviación Estándar 11163.0000 días² (DE = 105.66 días) 10217.1728 días² (DE = 101.08 días) -945.83 días²

Interpretación de la Tabla 5 y verificación a mano:

  • Verificación manual de probabilidades de intervalo: Bajo \(U \sim \text{Uniforme}(0, 366)\), la probabilidad de cualquier subintervalo \([c, d] \subseteq [0, 366]\) es simplemente su longitud dividida por \(366\):
    • Para \(P(U \le 90)\): a mano, \((90 - 0) / 366 = 90 / 366 = 0,245902\) (\(24,59\%\)), idéntico a punif(90, 0, 366). Sin embargo, en los datos reales solo egresaron \(54\) episodios en los primeros \(90\) días (\(13,88\%\), es decir, \(10,71\) puntos porcentuales por debajo de lo esperado por la Uniforme).
    • Para \(P(181 < U \le 273)\): a mano, \((273 - 181) / 366 = 92 / 366 = 0,251366\) (\(25,14\%\)), idéntico a punif(273, 0, 366) - punif(181, 0, 366). En ese tramo (que coincide con los \(92\) días del tercer trimestre, julio a septiembre), los datos observan \(100\) episodios (\(25,71\%\)), muy cercano al valor uniforme.
  • Desplazamiento de la media y mediana: Mientras la Uniforme espera una media y mediana de \(183,00\) días (mitad exacta del año), el promedio observado está desplazado \(+25,48\) días hacia el final del año (\(\bar{U} = 208,48\) días) y la mediana observada se retrasa \(+33\) días hasta el día \(216\) (3 de agosto), con una varianza observada menor (\(10.217,17\) vs \(11.163,00\)) debido a la menor dispersión relativa tras el vacío del primer trimestre.

2.2 Comparación trimestral y mensual de los egresos observados contra la Uniforme

Dado que la cohorte tiene \(n_E = 389\) episodios (\(\approx 32,4\) episodios esperados por mes), atendemos la nota metodológica de la guía (“Si tiene pocos episodios, los conteos mensuales quedan muy variables. Agrupe por trimestre en vez de mes, e indíquelo en el texto”) presentando tanto la agrupación por trimestre (que estabiliza los conteos en \(\approx 97\) episodios esperados por trimestre) como el desglose mensual de los \(12\) meses de 2024, junto con los gráficos de densidad/acumulada y de frecuencias observadas vs esperadas.

cohorte_E[, mes_num := month(f_alta)]
cohorte_E[, trim_num := quarter(f_alta)]

dias_trim <- c(91, 91, 92, 92) # 2024 bisiesto: T1=31+29+31=91, T2=30+31+30=91, T3=31+31+30=92, T4=31+30+31=92
nombres_trim <- c("T1 (Ene–Mar)", "T2 (Abr–Jun)", "T3 (Jul–Sep)", "T4 (Oct–Dic)")

tabla_trim_U <- cohorte_E %>%
  count(trim_num, name = "Obs") %>%
  right_join(tibble(trim_num = 1:4, Trimestre = nombres_trim, Dias = dias_trim), by = "trim_num") %>%
  arrange(trim_num) %>%
  mutate(
    Prop_Obs = Obs / n_E,
    Prop_Unif = Dias / 366,
    Esp_Unif = n_E * Prop_Unif,
    Dif_Conteo = Obs - Esp_Unif,
    Dif_Pct = (Prop_Obs - Prop_Unif) * 100
  )

kable(
  tabla_trim_U %>%
    transmute(
      Trimestre = Trimestre,
      `Días del trimestre` = Dias,
      `Egresos observados` = Obs,
      `% Observado` = sprintf("%.2f%%", Prop_Obs * 100),
      `Egresos esperados Uniforme` = sprintf("%.2f", Esp_Unif),
      `% Esperado Uniforme (Días/366)` = sprintf("%.2f%%", Prop_Unif * 100),
      `Diferencia (Obs - Esp)` = sprintf("%+.2f (%+.2f pp)", Dif_Conteo, Dif_Pct)
    ),
  align = c("l", "r", "r", "r", "r", "r", "r"),
  caption = "Tabla 6A: Distribución trimestral del día de egreso observado frente a la frecuencia esperada por el modelo Uniforme(0, 366)."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = FALSE)
Tabla 6A: Distribución trimestral del día de egreso observado frente a la frecuencia esperada por el modelo Uniforme(0, 366).
Trimestre Días del trimestre Egresos observados % Observado Egresos esperados Uniforme % Esperado Uniforme (Días/366) Diferencia (Obs - Esp)
T1 (Ene–Mar) 91 54 13.88% 96.72 24.86% -42.72 (-10.98 pp)
T2 (Abr–Jun) 91 104 26.74% 96.72 24.86% +7.28 (+1.87 pp)
T3 (Jul–Sep) 92 102 26.22% 97.78 25.14% +4.22 (+1.08 pp)
T4 (Oct–Dic) 92 129 33.16% 97.78 25.14% +31.22 (+8.03 pp)
dias_mes <- c(31, 29, 31, 30, 31, 30, 31, 31, 30, 31, 30, 31)
nombres_mes <- c("Enero", "Febrero", "Marzo", "Abril", "Mayo", "Junio", "Julio", "Agosto", "Septiembre", "Octubre", "Noviembre", "Diciembre")

tabla_mes_U <- cohorte_E %>%
  count(mes_num, name = "Obs") %>%
  right_join(tibble(mes_num = 1:12, Mes = factor(nombres_mes, levels = nombres_mes), Dias = dias_mes), by = "mes_num") %>%
  mutate(
    Obs = ifelse(is.na(Obs), 0L, Obs),
    Prop_Obs = Obs / n_E,
    Prop_Unif = Dias / 366,
    Esp_Unif = n_E * Prop_Unif,
    Dif_Conteo = Obs - Esp_Unif
  ) %>%
  arrange(mes_num)

kable(
  tabla_mes_U %>%
    transmute(
      Mes = Mes,
      `Días en 2024` = Dias,
      `Egresos observados` = Obs,
      `% Observado` = sprintf("%.2f%%", Prop_Obs * 100),
      `Egresos esperados Uniforme` = sprintf("%.2f", Esp_Unif),
      `% Esperado Uniforme` = sprintf("%.2f%%", Prop_Unif * 100),
      `Diferencia (Obs - Esp)` = sprintf("%+.2f", Dif_Conteo)
    ),
  align = c("l", "r", "r", "r", "r", "r", "r"),
  caption = "Tabla 6B: Desglose mensual de egresos observados en 2024 frente a la frecuencia esperada por Uniforme(0, 366)."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = FALSE)
Tabla 6B: Desglose mensual de egresos observados en 2024 frente a la frecuencia esperada por Uniforme(0, 366).
Mes Días en 2024 Egresos observados % Observado Egresos esperados Uniforme % Esperado Uniforme Diferencia (Obs - Esp)
Enero 31 21 5.40% 32.95 8.47% -11.95
Febrero 29 17 4.37% 30.82 7.92% -13.82
Marzo 31 16 4.11% 32.95 8.47% -16.95
Abril 30 34 8.74% 31.89 8.20% +2.11
Mayo 31 33 8.48% 32.95 8.47% +0.05
Junio 30 37 9.51% 31.89 8.20% +5.11
Julio 31 35 9.00% 32.95 8.47% +2.05
Agosto 31 37 9.51% 32.95 8.47% +4.05
Septiembre 30 30 7.71% 31.89 8.20% -1.89
Octubre 31 33 8.48% 32.95 8.47% +0.05
Noviembre 30 58 14.91% 31.89 8.20% +26.11
Diciembre 31 38 9.77% 32.95 8.47% +5.05
# Figura 3A: Histograma por mes con expectativa Uniforme
ggplot(tabla_mes_U, aes(x = Mes)) +
  geom_col(aes(y = Obs, fill = "Egresos observados (cohorte E)"), width = 0.72, alpha = 0.85) +
  geom_line(aes(y = Esp_Unif, group = 1, color = "Frecuencia esperada Uniforme(0, 366)"), linewidth = 1.2) +
  geom_point(aes(y = Esp_Unif, color = "Frecuencia esperada Uniforme(0, 366)"), size = 2.8) +
  geom_text(aes(y = Obs, label = Obs), vjust = -0.4, size = 3.2, fontface = "bold") +
  scale_fill_manual(values = c("Egresos observados (cohorte E)" = "#2b5c8f")) +
  scale_color_manual(values = c("Frecuencia esperada Uniforme(0, 366)" = "#c0392b")) +
  ylim(0, 66) +
  theme_minimal(base_size = 11) +
  theme(legend.position = "top", axis.text.x = element_text(angle = 25, hjust = 1)) +
  labs(
    title = "Figura 3A: Egresos observados por mes en 2024 contra la frecuencia esperada por Uniforme(0, 366)",
    subtitle = "Déficit estacional en verano (Ene–Mar: 54 obs vs 96,7 esp) y pico de fin de año en noviembre (58 obs vs 31,9 esp)",
    x = "Mes de egreso en 2024",
    y = "Número de episodios egresados",
    fill = "",
    color = ""
  )

# Figura 3B: Función de distribución acumulada empírica vs teórica Uniforme(0, 366)
u_grid <- 0:366
ecdf_U_fn <- ecdf(U)
df_unif_cdf <- tibble(
  u = u_grid,
  Observada = ecdf_U_fn(u_grid),
  Teorica_Uniforme = punif(u_grid, 0, 366)
) %>%
  pivot_longer(cols = -u, names_to = "Curva", values_to = "Prob_Acum")

ggplot(df_unif_cdf, aes(x = u, y = Prob_Acum, color = Curva, linetype = Curva)) +
  geom_line(linewidth = 1.15) +
  scale_color_manual(
    values = c("Observada" = "#1f618d", "Teorica_Uniforme" = "#c0392b"),
    labels = c("Observada" = "Acumulada empírica ecdf(U)", "Teorica_Uniforme" = "Acumulada teórica punif(u, 0, 366)")
  ) +
  scale_linetype_manual(
    values = c("Observada" = "solid", "Teorica_Uniforme" = "dashed"),
    labels = c("Observada" = "Acumulada empírica ecdf(U)", "Teorica_Uniforme" = "Acumulada teórica punif(u, 0, 366)")
  ) +
  scale_x_continuous(breaks = c(0, 91, 182, 274, 366), labels = c("0 (1 Ene)", "91 (Fin T1)", "182 (Fin T2)", "274 (Fin T3)", "366 (31 Dic)")) +
  scale_y_continuous(labels = scales::percent_format(accuracy = 1)) +
  theme_minimal(base_size = 11) +
  theme(legend.position = "top") +
  labs(
    title = "Figura 3B: Función de distribución acumulada empírica de U frente a punif(u, 0, 366)",
    subtitle = "La curva observada queda siempre por debajo de la diagonal uniforme debido al rezago del primer trimestre",
    x = "Día del año u (2024)",
    y = "Probabilidad acumulada P(U ≤ u)",
    color = "Distribución:",
    linetype = "Distribución:"
  )

Interpretación de las Tablas 6A, 6B y Figuras 3A y 3B:

  1. Meses y trimestres por debajo y por encima de la Uniforme:
    • Por debajo de la Uniforme: Los tres meses del primer trimestre (enero, febrero y marzo) quedan sistemáticamente muy por debajo de los \(\approx 31\text{–}33\) egresos mensuales que espera la Uniforme, registrando solo \(21\), \(17\) y \(16\) egresos respectivamente (un total de \(54\) egresos en T1, equivalentes al \(13,88\%\), frente a los \(96,72\) egresos o \(24,86\%\) esperados, con un déficit de \(-42,72\) episodios). Septiembre (\(30\) observados vs \(31,89\) esperados, por el receso de Fiestas Patrias) también queda levemente bajo la cota uniforme.
    • Por encima de la Uniforme: A partir de abril (\(34\) egresos) la actividad recupera su nivel normal durante el segundo trimestre (T2: \(104\) observados vs \(96,72\) esperados) y el tercer trimestre (T3: \(102\) observados vs \(97,78\) esperados), y se dispara en el cuarto trimestre (T4: \(129\) observados vs \(97,78\) esperados, \(33,16\%\) del total anual), liderado por noviembre con \(58\) egresos frente a \(31,89\) esperados (\(+26,11\) episodios, un \(81,9\%\) sobre la expectativa uniforme) y diciembre con \(38\) egresos frente a \(32,95\) esperados.
  2. Supuesto del modelo Uniforme que falla en los datos: Falla el supuesto de tasa o densidad de probabilidad constante en el tiempo (\(f(u) = \frac{1}{b-a}\) idéntica para todo \(u \in [0, 366]\)). En la red hospitalaria pública chilena la actividad no es estacionaria a lo largo del año: durante el periodo estival (enero–marzo) disminuye la programación de pabellones electivos por turnos vacacionales del personal sanitario, mientras que en el último trimestre del año (especialmente en noviembre) se intensifica el cumplimiento de metas quirúrgicas y de resolución de listas de espera antes del cierre presupuestario anual.

3 Distribución Exponencial: tiempo entre egresos consecutivos

3.1 Construcción de la serie \(G\), tratamiento de empates del mismo día y comparación de \(\lambda\) con la Actividad 3

Ordenamos cronológicamente los \(n_E = 389\) episodios de la cohorte por su fecha de egreso (FECHAALTA, desde el 2024-01-04 hasta el 2024-12-31) y calculamos la diferencia en días entre cada par de egresos consecutivos: \(G_i = t_{(i+1)} - t_{(i)}\) para \(i = 1, \dots, 388\), obteniendo una serie de \(n_G = 388\) tiempos entre egresos.

Declaración explícita sobre los empates del mismo día (G = 0):

Dado que la variable FECHAALTA en la base GRD tiene resolución diaria (sin hora ni minuto de alta), cada vez que dos o más episodios de la cohorte egresan en la misma fecha calendario se produce un tiempo entre egresos igual a \(0\) días. En nuestra serie de \(388\) intervalos consecutivos:

  • Existen exactamente \(170\) empates del mismo día (\(G = 0\), equivalentes al \(43,81\%\) de los intervalos), producto de que los \(389\) egresos ocurrieron repartidos en \(219\) fechas distintas del calendario 2024 (\(389 - 219 = 170\) repeticiones de fecha).
  • Los restantes \(218\) intervalos (\(56,19\%\)) son estrictamente positivos (\(G \in \{1, 2, 3, 4, 5, 7\}\) días) y corresponden a los tiempos transcurridos entre fechas sucesivas con al menos un egreso.

Decisión metodológica adoptada y mantenida en todo el informe:

Adoptamos como serie principal \(G\) la serie completa de \(n_G = 388\) tiempos entre los \(389\) episodios consecutivos (incluyendo los \(170\) valores \(G = 0\)), porque es la única que conserva la identidad fundamental entre el conteo total de eventos y la suma de los tiempos entre arribos (\(\sum_{i=1}^{388} G_i = t_{(389)} - t_{(1)} = 362\) días), permitiendo comparar directamente su tasa \(\hat{\lambda}_G = 1 / \bar{G}\) con la tasa diaria de Poisson \(\hat{\lambda}_D = 389 / 366\) estimada en la Actividad 3. Adicionalmente, para transparentar el impacto de la discretización diaria, reportamos en paralelo en las Tablas 7 y 8 los resultados sobre la subserie de \(218\) intervalos estrictamente positivos (\(G > 0\), sin empates).

G_pos <- G[G > 0]
n_G_pos <- length(G_pos)

media_G <- mean(G)
var_G <- var(G)
sd_G <- sd(G)
lambda_G <- 1 / media_G

lambda_Act3 <- n_E / 366
media_Act3 <- 1 / lambda_Act3

media_G_pos <- mean(G_pos)
var_G_pos <- var(G_pos)
lambda_G_pos <- 1 / media_G_pos

tabla_param_G <- tibble(
  Serie_Metodo = c(
    "1. Serie principal G completa (n_G = 388 intervalos entre los 389 episodios, con 170 empates G = 0)",
    "2. Parámetro de Poisson de la Actividad 3 (389 egresos sobre los 366 días calendario de 2024)",
    "3. Subserie G > 0 sin empates del mismo día (n = 218 intervalos entre las 219 fechas con egresos)"
  ),
  Promedio_Dias = c(
    sprintf("362 / 388 = %.6f días", media_G),
    sprintf("366 / 389 = %.6f días", media_Act3),
    sprintf("362 / 218 = %.6f días", media_G_pos)
  ),
  Tasa_Lambda = c(
    sprintf("λ_G = 1 / mean(G) = 388 / 362 = %.6f egresos/día", lambda_G),
    sprintf("λ_D = 389 / 366 = %.6f egresos/día", lambda_Act3),
    sprintf("λ_(G>0) = 218 / 362 = %.6f fechas con egreso/día", lambda_G_pos)
  ),
  Var_Teorica_Exp = c(
    sprintf("1 / λ_G² = %.6f días²", 1 / (lambda_G^2)),
    sprintf("1 / λ_D² = %.6f días²", 1 / (lambda_Act3^2)),
    sprintf("1 / λ_(G>0)² = %.6f días²", 1 / (lambda_G_pos^2))
  ),
  Var_Observada = c(
    sprintf("%.6f días² (DE = %.4f d)", var_G, sd_G),
    "— (en conteo D: Var = 1,4728)",
    sprintf("%.6f días² (DE = %.4f d)", var_G_pos, sd(G_pos))
  )
)

kable(
  tabla_param_G,
  col.names = c("Definición de la serie temporal", "Tiempo medio entre egresos", "Tasa estimada λ (rate en R)", "Varianza teórica Exp (1/λ²)", "Varianza observada s²_G"),
  align = c("l", "r", "r", "r", "r"),
  caption = "Tabla 7: Estimación de la tasa λ = 1/mean(G), comparación con el λ de la Actividad 3 y efecto de los empates del mismo día."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)
Tabla 7: Estimación de la tasa λ = 1/mean(G), comparación con el λ de la Actividad 3 y efecto de los empates del mismo día.
Definición de la serie temporal Tiempo medio entre egresos Tasa estimada λ (rate en R) Varianza teórica Exp (1/λ²) Varianza observada s²_G
  1. Serie principal G completa (n_G = 388 intervalos entre los 389 episodios, con 170 empates G = 0)
362 / 388 = 0.932990 días λ_G = 1 / mean(G) = 388 / 362 = 1.071823 egresos/día 1 / λ_G² = 0.870470 días² 1.328831 días² (DE = 1.1527 d)
  1. Parámetro de Poisson de la Actividad 3 (389 egresos sobre los 366 días calendario de 2024)
366 / 389 = 0.940874 días λ_D = 389 / 366 = 1.062842 egresos/día 1 / λ_D² = 0.885244 días² — (en conteo D: Var = 1,4728)
  1. Subserie G > 0 sin empates del mismo día (n = 218 intervalos entre las 219 fechas con egresos)
362 / 218 = 1.660550 días λ_(G>0) = 218 / 362 = 0.602210 fechas con egreso/día 1 / λ_(G>0)² = 2.757428 días² 1.156132 días² (DE = 1.0752 d)
# Tabla de probabilidades P(G <= 1) y P(G > k) para k = 1, 2, 3, 5 días
k_vals_G <- c(1, 2, 3, 5)
tabla_prob_G <- tibble(
  Intervalo = c(
    "P(G ≤ 1 día): Egreso siguiente ocurre a lo sumo en 1 día [pexp(1, rate = λ_G)]",
    "P(G > 1 día): Más de 1 día hasta el siguiente egreso [1 - pexp(1, rate = λ_G)]",
    "P(G > 2 días): Más de 2 días hasta el siguiente egreso [1 - pexp(2, rate = λ_G)]",
    "P(G > 3 días): Más de 3 días hasta el siguiente egreso [1 - pexp(3, rate = λ_G)]",
    "P(G > 5 días): Más de 5 días hasta el siguiente egreso [1 - pexp(5, rate = λ_G)]"
  ),
  Formula_Exponencial = c(
    sprintf("1 - e^(-%.4f × 1) = %.6f (%.2f%%)", lambda_G, pexp(1, rate = lambda_G), pexp(1, rate = lambda_G) * 100),
    sprintf("e^(-%.4f × 1) = %.6f (%.2f%%)", lambda_G, pexp(1, rate = lambda_G, lower.tail = FALSE), pexp(1, rate = lambda_G, lower.tail = FALSE) * 100),
    sprintf("e^(-%.4f × 2) = %.6f (%.2f%%)", lambda_G, pexp(2, rate = lambda_G, lower.tail = FALSE), pexp(2, rate = lambda_G, lower.tail = FALSE) * 100),
    sprintf("e^(-%.4f × 3) = %.6f (%.2f%%)", lambda_G, pexp(3, rate = lambda_G, lower.tail = FALSE), pexp(3, rate = lambda_G, lower.tail = FALSE) * 100),
    sprintf("e^(-%.4f × 5) = %.6f (%.2f%%)", lambda_G, pexp(5, rate = lambda_G, lower.tail = FALSE), pexp(5, rate = lambda_G, lower.tail = FALSE) * 100)
  ),
  Obs_G_Completa = c(
    sprintf("%d / 388 = %.6f (%.2f%%)", sum(G <= 1), mean(G <= 1), mean(G <= 1) * 100),
    sprintf("%d / 388 = %.6f (%.2f%%)", sum(G > 1), mean(G > 1), mean(G > 1) * 100),
    sprintf("%d / 388 = %.6f (%.2f%%)", sum(G > 2), mean(G > 2), mean(G > 2) * 100),
    sprintf("%d / 388 = %.6f (%.2f%%)", sum(G > 3), mean(G > 3), mean(G > 3) * 100),
    sprintf("%d / 388 = %.6f (%.2f%%)", sum(G > 5), mean(G > 5), mean(G > 5) * 100)
  ),
  Obs_G_SinEmpates = c(
    sprintf("%d / 218 = %.6f (%.2f%%)", sum(G_pos <= 1), mean(G_pos <= 1), mean(G_pos <= 1) * 100),
    sprintf("%d / 218 = %.6f (%.2f%%)", sum(G_pos > 1), mean(G_pos > 1), mean(G_pos > 1) * 100),
    sprintf("%d / 218 = %.6f (%.2f%%)", sum(G_pos > 2), mean(G_pos > 2), mean(G_pos > 2) * 100),
    sprintf("%d / 218 = %.6f (%.2f%%)", sum(G_pos > 3), mean(G_pos > 3), mean(G_pos > 3) * 100),
    sprintf("%d / 218 = %.6f (%.2f%%)", sum(G_pos > 5), mean(G_pos > 5), mean(G_pos > 5) * 100)
  )
)

kable(
  tabla_prob_G,
  col.names = c("Evento de intervalo sobre G", "Modelo Exponencial(λ_G = 1,0718)", "Proporción observada en G (n = 388)", "Proporción en subserie G > 0 (n = 218)"),
  align = c("l", "r", "r", "r"),
  caption = "Tabla 8: Probabilidades de cola P(G ≤ 1) y P(G > k) calculadas con pexp(k, rate = λ_G) y verificadas contra los datos."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)
Tabla 8: Probabilidades de cola P(G ≤ 1) y P(G > k) calculadas con pexp(k, rate = λ_G) y verificadas contra los datos.
Evento de intervalo sobre G Modelo Exponencial(λ_G = 1,0718) Proporción observada en G (n = 388) Proporción en subserie G > 0 (n = 218)
P(G ≤ 1 día): Egreso siguiente ocurre a lo sumo en 1 día [pexp(1, rate = λ_G)] 1 - e^(-1.0718 × 1) = 0.657616 (65.76%) 303 / 388 = 0.780928 (78.09%) 133 / 218 = 0.610092 (61.01%)
P(G > 1 día): Más de 1 día hasta el siguiente egreso [1 - pexp(1, rate = λ_G)] e^(-1.0718 × 1) = 0.342384 (34.24%) 85 / 388 = 0.219072 (21.91%) 85 / 218 = 0.389908 (38.99%)
P(G > 2 días): Más de 2 días hasta el siguiente egreso [1 - pexp(2, rate = λ_G)] e^(-1.0718 × 2) = 0.117227 (11.72%) 34 / 388 = 0.087629 (8.76%) 34 / 218 = 0.155963 (15.60%)
P(G > 3 días): Más de 3 días hasta el siguiente egreso [1 - pexp(3, rate = λ_G)] e^(-1.0718 × 3) = 0.040136 (4.01%) 15 / 388 = 0.038660 (3.87%) 15 / 218 = 0.068807 (6.88%)
P(G > 5 días): Más de 5 días hasta el siguiente egreso [1 - pexp(5, rate = λ_G)] e^(-1.0718 × 5) = 0.004705 (0.47%) 2 / 388 = 0.005155 (0.52%) 2 / 218 = 0.009174 (0.92%)
# Figura 4: Histograma de G en escala de densidad con curva Exponencial(lambda_G) superpuesta
g_grid <- seq(0, 7.5, length.out = 300)
df_exp_curve <- tibble(g = g_grid, dens = dexp(g_grid, rate = lambda_G))

ggplot(tibble(G = G), aes(x = G)) +
  geom_histogram(aes(y = after_stat(density), fill = "Histograma de densidad de G (freq = FALSE)"), binwidth = 1, boundary = -0.5, color = "white", alpha = 0.78) +
  geom_line(data = df_exp_curve, aes(x = g, y = dens, color = "Densidad teórica dexp(g, rate = 1,0718)"), linewidth = 1.2) +
  scale_fill_manual(values = c("Histograma de densidad de G (freq = FALSE)" = "#2b5c8f")) +
  scale_color_manual(values = c("Densidad teórica dexp(g, rate = 1,0718)" = "#c0392b")) +
  scale_x_continuous(breaks = 0:7) +
  theme_minimal(base_size = 11) +
  theme(legend.position = "top") +
  labs(
    title = "Figura 4: Histograma de densidad del tiempo entre egresos G con curva Exponencial(λ_G = 1,0718) superpuesta",
    subtitle = "Serie G completa (n_G = 388 intervalos, con 170 empates en G = 0 y máximo de 7 días)",
    x = "Tiempo entre dos egresos consecutivos de la cohorte G (días)",
    y = "Densidad f(g)",
    fill = "",
    color = ""
  )

Interpretación de las Tablas 7 y 8 y de la Figura 4:

  1. Comparación entre \(\hat{\lambda}_G\) y el \(\hat{\lambda}_D\) de la Actividad 3:
    • El tiempo promedio entre dos egresos consecutivos en la serie \(G\) es \(\bar{G} = 362 / 388 = 0,932990\) días, por lo que la tasa estimada es \(\hat{\lambda}_G = 1 / \bar{G} = 388 / 362 = 1,071823\) egresos/día.
    • Este valor es prácticamente idéntico al parámetro de Poisson estimado en la Actividad 3 (\(\hat{\lambda}_D = 389 / 366 = 1,062842\) egresos/día, una diferencia relativa de solo \(0,85\%\)). La mínima diferencia algebraica se explica porque la suma telescópica de los \(n_G = n_E - 1 = 388\) intervalos abarca desde el primer egreso (2024-01-04, día 4) hasta el último egreso (2024-12-31, día 366), sumando \(\sum G_i = 366 - 4 = 362\) días en lugar de los \(366\) días del calendario completo.
  2. Verificación manual de probabilidades con pexp y comparación con los datos (Tabla 8 y Figura 4):
    • Usando rate = 1.071823, verificamos a mano para \(k = 1\) día: \(P(G \le 1) = 1 - e^{-1,071823 \times 1} = 1 - 0,342384 = 0,657616\) (\(65,76\%\)), y \(P(G > 1) = e^{-1,071823 \times 1} = 0,342384\) (\(34,24\%\)), que coinciden exactamente con pexp(1, rate = lambda_G).
    • En los datos observados (\(n_G = 388\)), la proporción con \(G \le 1\) día es mayor que la teórica (\(78,09\%\) observada vs \(65,76\%\) exponencial; y por tanto \(P(G > 1)\) observada es \(21,91\%\) vs \(34,24\%\)), porque la agrupación de altas en días hábiles concentra el \(43,81\%\) de los intervalos en \(G = 0\) (mismo día) y el \(34,28\%\) en \(G = 1\) (día consecutivo). En cambio, para umbrales de \(k = 3\) y \(k = 5\) días en la cola derecha, las probabilidades observadas (\(P(G > 3) = 3,87\%\) y \(P(G > 5) = 0,52\%\)) calzan muy de cerca con el modelo Exponencial (\(4,01\%\) y \(0,47\%\)).

3.2 Verificación de la propiedad de falta de memoria en los datos

La distribución Exponencial es la única distribución continua que posee la propiedad de falta de memoria (o pérdida de memoria): para cualesquiera \(a, b > 0\), \[P(G > a + b \mid G > a) = \frac{P(G > a + b)}{P(G > a)} = \frac{e^{-\lambda(a+b)}}{e^{-\lambda a}} = e^{-\lambda b} = P(G > b)\] Es decir, haber esperado ya \(a\) días sin que ocurra un egreso no altera la distribución del tiempo adicional \(b\) que resta por esperar. Verificamos en la Tabla 9 si esta propiedad se cumple en nuestros datos reales para cuatro pares \((a, b)\) con sentido en la serie (\(a, b \in \{1, 2\}\) días), evaluando tanto la serie principal completa (\(n_G = 388\)) como la serie sin empates (\(G > 0, n = 218\)).

pares_ab <- list(c(1, 1), c(1, 2), c(2, 1), c(2, 2))

filas_memoria <- lapply(pares_ab, function(par) {
  a <- par[1]; b <- par[2]
  n_gt_a <- sum(G > a)
  n_gt_ab <- sum(G > (a + b))
  p_cond_obs <- n_gt_ab / n_gt_a
  
  n_gt_b <- sum(G > b)
  p_b_obs_388 <- n_gt_b / n_G
  p_b_obs_218 <- n_gt_b / n_G_pos
  p_b_teo <- pexp(b, rate = lambda_G, lower.tail = FALSE)
  
  tibble(
    Par_ab = sprintf("a = %d d, b = %d d (a + b = %d d)", a, b, a + b),
    Condicional_Obs = sprintf("P(G > %d | G > %d) = %d / %d = %.4f (%.2f%%)", a + b, a, n_gt_ab, n_gt_a, p_cond_obs, p_cond_obs * 100),
    Marginal_Obs_388 = sprintf("P(G > %d) = %d / 388 = %.4f (%.2f%%)", b, n_gt_b, p_b_obs_388, p_b_obs_388 * 100),
    Diff_388 = sprintf("%+.2f pp", (p_cond_obs - p_b_obs_388) * 100),
    Marginal_Obs_218 = sprintf("P(G > %d | G > 0) = %d / 218 = %.4f (%.2f%%)", b, n_gt_b, p_b_obs_218, p_b_obs_218 * 100),
    Teorico_Exp = sprintf("e^(-1,0718 × %d) = %.4f (%.2f%%)", b, p_b_teo, p_b_teo * 100)
  )
}) %>% bind_rows()

kable(
  filas_memoria,
  col.names = c(
    "Valores de a y b evaluados",
    "Condicional observada P(G > a+b | G > a)",
    "Marginal observada P(G > b) (Serie completa n = 388)",
    "Brecha (Cond - Marg 388)",
    "Marginal en días distintos P(G > b | G > 0) (n = 218)",
    "Valor teórico Exponencial P(G > b)"
  ),
  align = c("l", "r", "r", "r", "r", "r"),
  caption = "Tabla 9: Verificación empírica de la propiedad de falta de memoria P(G > a + b | G > a) = P(G > b) en la serie de tiempos entre egresos."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)
Tabla 9: Verificación empírica de la propiedad de falta de memoria P(G > a + b | G > a) = P(G > b) en la serie de tiempos entre egresos.
Valores de a y b evaluados Condicional observada P(G > a+b | G > a) Marginal observada P(G > b) (Serie completa n = 388) Brecha (Cond - Marg 388) Marginal en días distintos P(G > b | G > 0) (n = 218) Valor teórico Exponencial P(G > b)
a = 1 d, b = 1 d (a + b = 2 d) P(G > 2 | G > 1) = 34 / 85 = 0.4000 (40.00%) P(G > 1) = 85 / 388 = 0.2191 (21.91%) +18.09 pp P(G > 1 | G > 0) = 85 / 218 = 0.3899 (38.99%) e^(-1,0718 × 1) = 0.3424 (34.24%)
a = 1 d, b = 2 d (a + b = 3 d) P(G > 3 | G > 1) = 15 / 85 = 0.1765 (17.65%) P(G > 2) = 34 / 388 = 0.0876 (8.76%) +8.88 pp P(G > 2 | G > 0) = 34 / 218 = 0.1560 (15.60%) e^(-1,0718 × 2) = 0.1172 (11.72%)
a = 2 d, b = 1 d (a + b = 3 d) P(G > 3 | G > 2) = 15 / 34 = 0.4412 (44.12%) P(G > 1) = 85 / 388 = 0.2191 (21.91%) +22.21 pp P(G > 1 | G > 0) = 85 / 218 = 0.3899 (38.99%) e^(-1,0718 × 1) = 0.3424 (34.24%)
a = 2 d, b = 2 d (a + b = 4 d) P(G > 4 | G > 2) = 6 / 34 = 0.1765 (17.65%) P(G > 2) = 34 / 388 = 0.0876 (8.76%) +8.88 pp P(G > 2 | G > 0) = 34 / 218 = 0.1560 (15.60%) e^(-1,0718 × 2) = 0.1172 (11.72%)

Interpretación de la Tabla 9 (¿Se cumple la falta de memoria en los datos?):

  • En la serie completa (\(n_G = 388\)): NO se cumple la falta de memoria. Por ejemplo, para \(a = 1, b = 1\) día, la probabilidad incondicional de esperar más de \(1\) día entre dos egresos es de \(P(G > 1) = 85 / 388 = 21,91\%\), pero si ya transcurrió más de \(1\) día sin egresos (\(G > 1\)), la probabilidad condicional de tener que esperar al menos otro día adicional casi se duplica hasta \(P(G > 2 \mid G > 1) = 34 / 85 = 40,00\%\) (y para \(a = 2, b = 1\) sube a \(44,12\%\)). De igual modo, para \(a = 1, b = 2\), \(P(G > 3 \mid G > 1) = 17,65\%\) duplica a la marginal \(P(G > 2) = 8,76\%\).
  • ¿Por qué ocurre este fenómeno? Por dos razones hospitalarias concretas que violan los supuestos del proceso de Poisson homogéneo:
    1. Agrupamiento intra-día (empates \(G = 0\)): Cuando un día hábil tiene programación de altas oftalmológicas, varios episodios egresan juntos (\(G = 0\)). Al condicionar en \(G > 1\) día, descartamos todos los empates dentro del mismo día. De hecho, si miramos la quinta columna de la Tabla 9 (condicionando solo a intervalos entre fechas distintas \(G > 0\), \(n = 218\)), \(P(G > 1 \mid G > 0) = 38,99\%\) se acerca muchísimo a \(P(G > 2 \mid G > 1) = 40,00\%\), y \(P(G > 2 \mid G > 0) = 15,60\%\) se acerca a \(P(G > 3 \mid G > 1) = 17,65\%\).
    2. Efecto fin de semana y feriados (demostrado empíricamente en la Tabla 1B): En el calendario hospitalario, si ya pasó más de \(1\) día sin ningún egreso de la cohorte (\(G > 1\)), ello aporta evidencia de que nos encontramos en un fin de semana (sábado/domingo, donde el promedio es de \(0,4038\) egresos/día y el \(67,31\%\) de los días tiene \(0\) egresos según la Tabla 1B), en uno de los \(13\) feriados de lunes a viernes (donde el promedio cae a \(0,4615\) egresos/día y el \(61,54\%\) de los días tiene \(0\) egresos, frente a \(1,3695\) egresos/día en los \(249\) días hábiles efectivos) o en el trimestre estival (enero–marzo), lo que eleva la probabilidad condicional de que el día siguiente tampoco registre egresos.

4 Distribuciones Normal y Lognormal para modelar la estancia (\(V\))

4.1 Estimación de parámetros y declaración sobre el tratamiento de estancias de 0 días

La jefatura solicita ajustar una curva de densidad paramétrica \(V\) para describir la estancia hospitalaria \(W\) de la cohorte \(E\) (\(n_E = 389\)), evaluando dos candidatas:

  1. Modelo Normal: \(V \sim \text{Normal}(\mu, \sigma)\), cuyos parámetros se estiman directamente sobre \(W\) con mean(W) y sd(W): \[\hat{\mu} = 9,928021 \text{ días}, \qquad \hat{\sigma} = 20,038236 \text{ días} \quad (\text{Varianza } \hat{\sigma}^2 = 401,5309 \text{ días}^2)\]
  2. Modelo Lognormal: \(V \sim \text{Lognormal}(\mu_\ell, \sigma_\ell)\), donde \(\ln(V) \sim \text{Normal}(\mu_\ell, \sigma_\ell)\).

Declaración explícita sobre el tratamiento de las estancias de \(0\) días y su efecto:

En la cohorte \(E\) (\(389\) episodios) existen exactamente \(8\) episodios (\(2,06\%\)) con estancia registrada de \(W = 0\) días (casos de hospitalización cerrada donde el ingreso y el egreso ocurrieron en la misma fecha calendario). Como \(\ln(0) = -\infty\) indetermina el cálculo de meanlog y sdlog, existen tres alternativas metodológicas estándar:

  • Decisión principal adoptada (Opción 1 — Reemplazo de \(W = 0\) por \(0,5\) días, \(n = 389\)): Se asigna \(W^* = 0,5\) días (equivalente a medio día o \(12\) horas de ocupación efectiva de cama) únicamente a los \(8\) episodios con \(W = 0\), manteniendo intactos los \(381\) episodios con \(W \ge 1\). Esto conserva el tamaño completo de la cohorte (\(n_E = 389\)) sin desplazar artificialmente las estancias positivas, arrojando meanlog \(= \hat{\mu}_\ell = 1,487081\) y sdlog \(= \hat{\sigma}_\ell = 1,186840\).
  • Opción 2 (Sumar \(0,5\) días a todos los episodios, \(W + 0,5\), \(n = 389\)): Eleva levemente meanlog a \(1,642977\) y reduce sdlog a \(1,078935\), desplazando la mediana teórica de \(4,42\) a \(5,17\) días.
  • Opción 3 (Excluir los \(8\) episodios de \(0\) días, ajustando sobre los \(n = 381\) episodios con \(W > 0\)): Entrega meanlog \(= 1,532860\) y sdlog \(= 1,155886\), con mediana teórica de \(4,63\) días y percentil 90 de \(20,37\) días.

La Tabla 10 documenta las tres variantes de tratamiento de ceros junto con el modelo Normal, mostrando que —al representar los ceros solo el \(2,06\%\) de la cohorte— el efecto sobre la cola derecha y el percentil 90 de la Lognormal es mínimo (\(P_{90}\) entre \(20,25\) y \(20,61\) días).

W_op1 <- ifelse(W == 0, 0.5, W) # Opción 1 (Principal): W=0 -> 0.5
W_op2 <- W + 0.5                # Opción 2: W + 0.5 a todos
W_op3 <- W[W > 0]               # Opción 3: Excluir W=0 (n = 381)

ml_1 <- mean(log(W_op1)); sl_1 <- sd(log(W_op1))
ml_2 <- mean(log(W_op2)); sl_2 <- sd(log(W_op2))
ml_3 <- mean(log(W_op3)); sl_3 <- sd(log(W_op3))

esp_ln <- function(ml, sl) exp(ml + (sl^2) / 2)
var_ln <- function(ml, sl) (exp(sl^2) - 1) * exp(2 * ml + sl^2)

tabla_modelos_V <- tibble(
  Modelo = c(
    "Datos observados en la cohorte E (W)",
    "Normal(μ, σ) [mean(W), sd(W)]",
    "Lognormal Opción 1 (Principal: W=0 → 0,5 d)",
    "Lognormal Opción 2 (Sensibilidad: W + 0,5 d a todos)",
    "Lognormal Opción 3 (Sensibilidad: Excluir W=0)"
  ),
  n_Usado = c(n_E, n_E, n_E, n_E, length(W_op3)),
  Parametros = c(
    "Empírico (sin supuestos paramétricos)",
    sprintf("μ = %.4f d ; σ = %.4f d", mu_W, sd_W),
    sprintf("meanlog = %.4f ; sdlog = %.4f", ml_1, sl_1),
    sprintf("meanlog = %.4f ; sdlog = %.4f", ml_2, sl_2),
    sprintf("meanlog = %.4f ; sdlog = %.4f", ml_3, sl_3)
  ),
  Esperanza_Modelo = c(
    sprintf("%.2f días", mu_W),
    sprintf("%.2f días", mu_W),
    sprintf("%.2f días", esp_ln(ml_1, sl_1)),
    sprintf("%.2f días", esp_ln(ml_2, sl_2)),
    sprintf("%.2f días", esp_ln(ml_3, sl_3))
  ),
  DE_Modelo = c(
    sprintf("%.2f días", sd_W),
    sprintf("%.2f días", sd_W),
    sprintf("%.2f días", sqrt(var_ln(ml_1, sl_1))),
    sprintf("%.2f días", sqrt(var_ln(ml_2, sl_2))),
    sprintf("%.2f días", sqrt(var_ln(ml_3, sl_3)))
  ),
  Mediana_P50 = c(
    sprintf("%.2f días", median(W)),
    sprintf("%.2f días", qnorm(0.50, mu_W, sd_W)),
    sprintf("%.2f días", qlnorm(0.50, ml_1, sl_1)),
    sprintf("%.2f días", qlnorm(0.50, ml_2, sl_2)),
    sprintf("%.2f días", qlnorm(0.50, ml_3, sl_3))
  ),
  P90_Modelo = c(
    sprintf("%.2f días", quantile(W, 0.90)),
    sprintf("%.2f días", qnorm(0.90, mu_W, sd_W)),
    sprintf("%.2f días", qlnorm(0.90, ml_1, sl_1)),
    sprintf("%.2f días", qlnorm(0.90, ml_2, sl_2)),
    sprintf("%.2f días", qlnorm(0.90, ml_3, sl_3))
  )
)

kable(
  tabla_modelos_V,
  col.names = c("Modelo / Tratamiento de estancias de 0 días", "n", "Parámetros estimados", "E[V]", "DE[V]", "Mediana (P50)", "Percentil 90 (P90)"),
  align = c("l", "r", "r", "r", "r", "r", "r"),
  caption = "Tabla 10: Parámetros estimados para la distribución Normal y para la Lognormal bajo las tres opciones de tratamiento de las 8 estancias de 0 días."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)
Tabla 10: Parámetros estimados para la distribución Normal y para la Lognormal bajo las tres opciones de tratamiento de las 8 estancias de 0 días.
Modelo / Tratamiento de estancias de 0 días n Parámetros estimados E[V] DE[V] Mediana (P50) Percentil 90 (P90)
Datos observados en la cohorte E (W) 389 Empírico (sin supuestos paramétricos) 9.93 días 20.04 días 4.00 días 19.20 días
Normal(μ, σ) [mean(W), sd(W)] 389 μ = 9.9280 d ; σ = 20.0382 d 9.93 días 20.04 días 9.93 días 35.61 días
Lognormal Opción 1 (Principal: W=0 → 0,5 d) 389 meanlog = 1.4871 ; sdlog = 1.1868 8.95 días 15.73 días 4.42 días 20.25 días
Lognormal Opción 2 (Sensibilidad: W + 0,5 d a todos) 389 meanlog = 1.6430 ; sdlog = 1.0789 9.25 días 13.74 días 5.17 días 20.61 días
Lognormal Opción 3 (Sensibilidad: Excluir W=0) 381 meanlog = 1.5329 ; sdlog = 1.1559 9.03 días 15.13 días 4.63 días 20.37 días

Interpretación de la Tabla 10: Mientras el modelo Normal fuerza la mediana a igualar la media (\(\hat{\mu} = 9,93\) días, más del doble de la mediana real de \(4,00\) días) y dispara el percentil 90 hasta \(35,61\) días, las tres variantes de la Lognormal sitúan la esperanza entre \(8,95\) y \(9,25\) días, la mediana entre \(4,42\) y \(5,17\) días (\(\exp(\hat{\mu}_\ell)\)) y el percentil 90 entre \(20,25\) y \(20,61\) días, sumamente próximo al valor empírico de \(19,20\) días.


4.2 Histograma de \(W\) con densidades superpuestas, probabilidades de cola y cuantiles

Superponemos sobre el histograma de densidad de \(W\) (after_stat(density) / freq = FALSE) las curvas dnorm(x, mean = 9.9280, sd = 20.0382) y dlnorm(x, meanlog = 1.4871, sdlog = 1.1868). En las Tablas 11 y 12 comparamos \(P(W > k)\) para tres umbrales clínicos (\(k = 7, 14\) y \(30\) días) y los percentiles \(10, 50\) y \(90\) observados frente a los teóricos.

w_grid <- seq(0.05, 80, length.out = 500)
df_curvas_V <- tibble(
  w = w_grid,
  Normal = dnorm(w_grid, mean = mu_W, sd = sd_W),
  Lognormal = dlnorm(w_grid, meanlog = ml_1, sdlog = sl_1)
) %>%
  pivot_longer(cols = -w, names_to = "Modelo", values_to = "Densidad")

ggplot(cohorte_E, aes(x = estancia)) +
  geom_histogram(aes(y = after_stat(density)), binwidth = 2, boundary = 0, fill = "gray75", color = "white", alpha = 0.8) +
  geom_line(data = df_curvas_V, aes(x = w, y = Densidad, color = Modelo, linetype = Modelo), linewidth = 1.2) +
  scale_color_manual(
    values = c("Normal" = "#c0392b", "Lognormal" = "#1e8449"),
    labels = c("Normal" = "Normal(μ = 9,93; σ = 20,04) [dnorm]", "Lognormal" = "Lognormal(μ_ℓ = 1,49; σ_ℓ = 1,19) [dlnorm]")
  ) +
  scale_linetype_manual(
    values = c("Normal" = "dashed", "Lognormal" = "solid"),
    labels = c("Normal" = "Normal(μ = 9,93; σ = 20,04) [dnorm]", "Lognormal" = "Lognormal(μ_ℓ = 1,49; σ_ℓ = 1,19) [dlnorm]")
  ) +
  coord_cartesian(xlim = c(0, 60), ylim = c(0, 0.22)) +
  theme_minimal(base_size = 11) +
  theme(legend.position = "top") +
  labs(
    title = "Figura 5: Histograma de densidad de W (freq = FALSE) con densidades Normal y Lognormal superpuestas",
    subtitle = "La Lognormal (verde) captura el pico entre 1 y 4 días y el decaimiento gradual; la Normal (roja) es plana y simétrica",
    x = "Estancia hospitalaria W (días, ventana 0 a 60 días)",
    y = "Densidad f(w)",
    color = "Curva ajustada:",
    linetype = "Curva ajustada:"
  )

# Tabla 11: P(W > k) calculada de tres formas para k = 7, 14, 21 y 30 días
k_umbrales <- c(7, 14, 21, 30)
tabla_prob_V <- tibble(
  Umbral_k = c(
    "k = 7 días (Estancia larga L > P75 de Ω)",
    "k = 14 días (Más de 2 semanas de hospitalización)",
    "k = 21 días (Más de 3 semanas de hospitalización)",
    "k = 30 días (Más de 1 mes de hospitalización)"
  ),
  Obs_Prop = sapply(k_umbrales, function(k) sprintf("%d / 389 = %.4f (%.2f%%)", sum(W > k), mean(W > k), mean(W > k) * 100)),
  Normal_pnorm = sapply(k_umbrales, function(k) {
    p <- pnorm(k, mean = mu_W, sd = sd_W, lower.tail = FALSE)
    sprintf("%.4f (%.2f%%)", p, p * 100)
  }),
  Lognormal_plnorm = sapply(k_umbrales, function(k) {
    p <- plnorm(k, meanlog = ml_1, sdlog = sl_1, lower.tail = FALSE)
    sprintf("%.4f (%.2f%%)", p, p * 100)
  }),
  Error_Normal = sapply(k_umbrales, function(k) sprintf("%+.2f pp", (pnorm(k, mu_W, sd_W, lower.tail = FALSE) - mean(W > k)) * 100)),
  Error_Lognormal = sapply(k_umbrales, function(k) sprintf("%+.2f pp", (plnorm(k, ml_1, sl_1, lower.tail = FALSE) - mean(W > k)) * 100))
)

kable(
  tabla_prob_V,
  col.names = c(
    "Umbral de estancia k",
    "1. Proporción observada en E",
    "2. Modelo Normal (1 - pnorm)",
    "3. Modelo Lognormal (1 - plnorm)",
    "Desvío Normal",
    "Desvío Lognormal"
  ),
  align = c("l", "r", "r", "r", "r", "r"),
  caption = "Tabla 11: Probabilidad de cola derecha P(W > k) calculada de tres formas: proporción observada, pnorm y plnorm."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)
Tabla 11: Probabilidad de cola derecha P(W > k) calculada de tres formas: proporción observada, pnorm y plnorm.
Umbral de estancia k
  1. Proporción observada en E
  1. Modelo Normal (1 - pnorm)
  1. Modelo Lognormal (1 - plnorm)
Desvío Normal Desvío Lognormal
k = 7 días (Estancia larga L > P75 de Ω) 121 / 389 = 0.3111 (31.11%) 0.5581 (55.81%) 0.3495 (34.95%) +24.70 pp +3.85 pp
k = 14 días (Más de 2 semanas de hospitalización) 59 / 389 = 0.1517 (15.17%) 0.4195 (41.95%) 0.1659 (16.59%) +26.78 pp +1.42 pp
k = 21 días (Más de 3 semanas de hospitalización) 35 / 389 = 0.0900 (9.00%) 0.2903 (29.03%) 0.0947 (9.47%) +20.03 pp +0.47 pp
k = 30 días (Más de 1 mes de hospitalización) 25 / 389 = 0.0643 (6.43%) 0.1582 (15.82%) 0.0534 (5.34%) +9.40 pp -1.09 pp
# Tabla 12: Percentiles 10, 50 y 90 observados vs Normal vs Lognormal (y probabilidad negativa)
prob_neg_norm <- pnorm(0, mean = mu_W, sd = sd_W)

tabla_cuantiles_V <- tibble(
  Cuantil_Metrica = c(
    "Percentil 10 (P10): Estancia corta",
    "Percentil 50 / Mediana (P50): Estancia central",
    "Percentil 90 (P90): Umbral del 10% de episodios más largos",
    "Probabilidad asignada a estancias negativas P(V < 0)"
  ),
  Observado_quantile = c(
    sprintf("%.2f días", quantile(W, 0.10)),
    sprintf("%.2f días", quantile(W, 0.50)),
    sprintf("%.2f días", quantile(W, 0.90)),
    "0 exacto (fuera del soporte empírico [0, ∞))"
  ),
  Normal_qnorm = c(
    sprintf("%.2f días", qnorm(0.10, mean = mu_W, sd = sd_W)),
    sprintf("%.2f días", qnorm(0.50, mean = mu_W, sd = sd_W)),
    sprintf("%.2f días", qnorm(0.90, mean = mu_W, sd = sd_W)),
    sprintf("pnorm(0; 9,93; 20,04) = %.4f (%.2f%%)", prob_neg_norm, prob_neg_norm * 100)
  ),
  Lognormal_qlnorm = c(
    sprintf("%.2f días", qlnorm(0.10, meanlog = ml_1, sdlog = sl_1)),
    sprintf("%.2f días", qlnorm(0.50, meanlog = ml_1, sdlog = sl_1)),
    sprintf("%.2f días", qlnorm(0.90, meanlog = ml_1, sdlog = sl_1)),
    "0 exacto (fuera del soporte estrictamente positivo (0, ∞))"
  )
)

kable(
  tabla_cuantiles_V,
  col.names = c("Percentil / Propiedad evaluada", "Observado con quantile(W)", "Modelo Normal con qnorm()", "Modelo Lognormal con qlnorm()"),
  align = c("l", "r", "r", "r"),
  caption = "Tabla 12: Comparación de los percentiles 10, 50 y 90 observados contra los modelos Normal y Lognormal, y probabilidad de estancias negativas."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)
Tabla 12: Comparación de los percentiles 10, 50 y 90 observados contra los modelos Normal y Lognormal, y probabilidad de estancias negativas.
Percentil / Propiedad evaluada Observado con quantile(W) Modelo Normal con qnorm() Modelo Lognormal con qlnorm()
Percentil 10 (P10): Estancia corta 1.00 días -15.75 días 0.97 días
Percentil 50 / Mediana (P50): Estancia central 4.00 días 9.93 días 4.42 días
Percentil 90 (P90): Umbral del 10% de episodios más largos 19.20 días 35.61 días 20.25 días
Probabilidad asignada a estancias negativas P(V < 0) 0 exacto (fuera del soporte empírico [0, ∞)) pnorm(0; 9,93; 20,04) = 0.3101 (31.01%) 0 exacto (fuera del soporte estrictamente positivo (0, ∞))

Interpretación de la Figura 5 y de las Tablas 11 y 12 (Elección fundamentada del modelo):

  1. Verificación manual de una probabilidad en ambos modelos (para \(k = 14\) días):
    • Normal: Estandarizando \(z = \frac{14 - 9,928021}{20,038236} = +0,20321\), se obtiene \(P(V_{\text{Norm}} > 14) = 1 - \Phi(0,20321) = 0,41949\) (\(41,95\%\)), idéntico a pnorm(14, 9.928021, 20.038236, lower.tail = FALSE).
    • Lognormal: Estandarizando el logaritmo \(z_\ell = \frac{\ln(14) - 1,487081}{1,186840} = \frac{2,639057 - 1,487081}{1,186840} = +0,97062\), se obtiene \(P(V_{\text{Lognorm}} > 14) = 1 - \Phi(0,97062) = 0,16587\) (\(16,59\%\)), idéntico a plnorm(14, 1.487081, 1.186840, lower.tail = FALSE) y muy cercano al \(15,17\%\) observado en los datos.
  2. Defecto estructural de la Normal (probabilidad de estancias negativas): Como la desviación estándar (\(\hat{\sigma} = 20,04\) días) duplica a la media (\(\hat{\mu} = 9,93\) días), la campana de Gauss se extiende ampliamente hacia la izquierda del cero: el modelo Normal asigna una probabilidad de pnorm(0, 9.9280, 20.0382) \(= 31,01\%\) a estancias negativas (\(V < 0\)) y estima un percentil 10 absurdo de \(-15,75\) días (Tabla 12).
  3. Seguimiento de los cuantiles y de la cola derecha (Conclusión): La distribución Lognormal describe drásticamente mejor la estancia hospitalaria de la cohorte en todos los criterios:
    • Su soporte es positivo \((0, \infty)\), asignando \(0\%\) de probabilidad a estancias negativas.
    • Reproduce con gran precisión los tres cuantiles exigidos: \(P_{10} = 0,97\) días (observado \(1,00\)), mediana \(P_{50} = 4,42\) días (observado \(4,00\), mientras la Normal da \(9,93\)) y percentil 90 \(P_{90} = 20,25\) días (observado \(19,20\), mientras la Normal sobreestima casi al doble con \(35,61\) días).
    • En la cola derecha (Tabla 11), mientras la Normal sobreestima masivamente la proporción de estancias mayores a \(7\), \(14\) y \(21\) días (\(+24,70\), \(+26,78\) y \(+20,04\) puntos porcentuales de error), la Lognormal sigue fielmente el decaimiento empírico (errores de apenas \(+3,84\) pp en \(k=7\), \(+1,42\) pp en \(k=14\), \(+0,47\) pp en \(k=21\) y \(-1,08\) pp en \(k=30\) días).

5 El promedio muestral \(\bar{W}_n\) y el Teorema Central del Límite (TCL)

Aunque la estancia individual \(W\) de un episodio es sumamente asimétrica a la derecha y se aleja por completo de una distribución Normal, el Teorema Central del Límite (TCL) establece que el promedio muestral de \(n\) episodios independientes elegidos al azar con reposición, \(\bar{W}_n = \frac{1}{n}\sum_{i=1}^n W_i\), converge en distribución cuando \(n\) crece hacia una variable Normal con la misma esperanza poblacional \(\mu = E[W] = 9,9280\) días y con desviación estándar (error estándar de la media) reducida en factor \(\sqrt{n}\): \[\bar{W}_n \;\stackrel{\text{aprox}}{\sim}\; \text{Normal}\!\left(\mu = 9,9280,\; \text{DE} = \frac{\sigma}{\sqrt{n}} = \frac{20,0382}{\sqrt{n}}\right)\]

Con semilla fija set.seed(2026), generamos por remuestreo con reposición \(B = 10.000\) muestras de tamaño \(n = 5\) y \(B = 10.000\) muestras de tamaño \(n = 30\) desde los \(389\) episodios de la cohorte, construimos sus histogramas en escala de densidad con la curva teórica \(\text{Normal}(\mu, \sigma/\sqrt{n})\) superpuesta y evaluamos la probabilidad de que el promedio de \(30\) episodios supere en más de un día al promedio histórico: \(P(\bar{W}_{30} > \mu + 1)\).

B_tcl <- 10000

set.seed(2026)
promedios_n5 <- replicate(B_tcl, mean(sample(W, size = 5, replace = TRUE)))

set.seed(2026)
promedios_n30 <- replicate(B_tcl, mean(sample(W, size = 30, replace = TRUE)))

se_n5_teo <- sd_W / sqrt(5)
se_n30_teo <- sd_W / sqrt(30)

umbral_mu_mas_1 <- mu_W + 1
p_tcl_rem_30 <- mean(promedios_n30 > umbral_mu_mas_1)
p_tcl_norm_30 <- pnorm(umbral_mu_mas_1, mean = mu_W, sd = se_n30_teo, lower.tail = FALSE)

# Asimetría (skewness) empírica para cuantificar la simetrización entre n=1, n=5 y n=30
skew_emp <- function(x) mean((x - mean(x))^3) / (sd(x)^3)

tabla_tcl_resumen <- tibble(
  Magnitud = c(
    "Esperanza / Media del promedio muestral E[W̄_n]",
    "Error estándar de Monte Carlo de la media (EE_MC = DE / √10.000)",
    "Desviación Estándar / Error Estándar DE[W̄_n] = σ / √n",
    "Varianza del promedio muestral Var[W̄_n] = σ² / n",
    "Mediana de los 10.000 promedios muestrales",
    "Coeficiente de asimetría (sesgo γ₁)",
    "P(W̄_n > μ + 1 = 10,9280 días)"
  ),
  Teorico_n5 = c(
    sprintf("%.4f días", mu_W),
    sprintf("%.4f días", se_n5_teo / sqrt(B_tcl)),
    sprintf("20,0382 / √5 = %.4f días", se_n5_teo),
    sprintf("401,5309 / 5 = %.4f días²", (sd_W^2) / 5),
    sprintf("%.4f días", mu_W),
    sprintf("γ₁(W)/√5 = %.2f", skew_emp(W) / sqrt(5)),
    sprintf("%.4f (%.2f%%)", pnorm(umbral_mu_mas_1, mu_W, se_n5_teo, lower.tail = FALSE), pnorm(umbral_mu_mas_1, mu_W, se_n5_teo, lower.tail = FALSE) * 100)
  ),
  Remuestreo_n5 = c(
    sprintf("%.4f días", mean(promedios_n5)),
    sprintf("%.4f d (dif = %+.4f d; z = %+.2f)", sd(promedios_n5) / sqrt(B_tcl), mean(promedios_n5) - mu_W, (mean(promedios_n5) - mu_W) / (se_n5_teo / sqrt(B_tcl))),
    sprintf("%.4f días", sd(promedios_n5)),
    sprintf("%.4f días²", var(promedios_n5)),
    sprintf("%.4f días", median(promedios_n5)),
    sprintf("%.2f", skew_emp(promedios_n5)),
    sprintf("%.4f (%.2f%%)", mean(promedios_n5 > umbral_mu_mas_1), mean(promedios_n5 > umbral_mu_mas_1) * 100)
  ),
  Teorico_n30 = c(
    sprintf("%.4f días", mu_W),
    sprintf("%.4f días", se_n30_teo / sqrt(B_tcl)),
    sprintf("20,0382 / √30 = %.4f días", se_n30_teo),
    sprintf("401,5309 / 30 = %.4f días²", (sd_W^2) / 30),
    sprintf("%.4f días", mu_W),
    sprintf("γ₁(W)/√30 = %.2f", skew_emp(W) / sqrt(30)),
    sprintf("%.4f (%.2f%%)", p_tcl_norm_30, p_tcl_norm_30 * 100)
  ),
  Remuestreo_n30 = c(
    sprintf("%.4f días", mean(promedios_n30)),
    sprintf("%.4f d (dif = %+.4f d; z = %+.2f)", sd(promedios_n30) / sqrt(B_tcl), mean(promedios_n30) - mu_W, (mean(promedios_n30) - mu_W) / (se_n30_teo / sqrt(B_tcl))),
    sprintf("%.4f días", sd(promedios_n30)),
    sprintf("%.4f días²", var(promedios_n30)),
    sprintf("%.4f días", median(promedios_n30)),
    sprintf("%.2f", skew_emp(promedios_n30)),
    sprintf("%.4f (%.2f%%)", p_tcl_rem_30, p_tcl_rem_30 * 100)
  )
)

kable(
  tabla_tcl_resumen,
  col.names = c(
    "Estadístico de la distribución muestral de W̄_n",
    "Teórico TCL (n = 5)",
    "Remuestreo 10.000 (n = 5)",
    "Teórico TCL (n = 30)",
    "Remuestreo 10.000 (n = 30)"
  ),
  align = c("l", "r", "r", "r", "r"),
  caption = "Tabla 13: Comparación entre los parámetros teóricos del Teorema Central del Límite y las 10.000 muestras con reposición para n = 5 y n = 30."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)
Tabla 13: Comparación entre los parámetros teóricos del Teorema Central del Límite y las 10.000 muestras con reposición para n = 5 y n = 30.
Estadístico de la distribución muestral de W̄_n Teórico TCL (n = 5) Remuestreo 10.000 (n = 5) Teórico TCL (n = 30) Remuestreo 10.000 (n = 30)
Esperanza / Media del promedio muestral E[W̄_n] 9.9280 días 9.8833 días 9.9280 días 9.8797 días
Error estándar de Monte Carlo de la media (EE_MC = DE / √10.000) 0.0896 días 0.0894 d (dif = -0.0447 d; z = -0.50) 0.0366 días 0.0363 d (dif = -0.0483 d; z = -1.32)
Desviación Estándar / Error Estándar DE[W̄_n] = σ / √n 20,0382 / √5 = 8.9614 días 8.9401 días 20,0382 / √30 = 3.6585 días 3.6308 días
Varianza del promedio muestral Var[W̄_n] = σ² / n 401,5309 / 5 = 80.3062 días² 79.9252 días² 401,5309 / 30 = 13.3844 días² 13.1826 días²
Mediana de los 10.000 promedios muestrales 9.9280 días 7.0000 días 9.9280 días 9.1333 días
Coeficiente de asimetría (sesgo γ₁) γ₁(W)/√5 = 2.52 2.59 γ₁(W)/√30 = 1.03 1.02
P(W̄_n > μ + 1 = 10,9280 días) 0.4556 (45.56%) 0.2752 (27.52%) 0.3923 (39.23%) 0.3270 (32.70%)
# Figura 6A y 6B: Histogramas de Wbar_5 y Wbar_30 en la misma escala horizontal o con su curva Normal(mu, sigma/sqrt(n))
x_tcl_grid <- seq(-10, 45, length.out = 500)
df_norm_tcl <- bind_rows(
  tibble(x = x_tcl_grid, dens = dnorm(x_tcl_grid, mean = mu_W, sd = se_n5_teo), Tamano = "1. Tamaño muestral n = 5 (DE teórica = 8,96 días)"),
  tibble(x = x_tcl_grid, dens = dnorm(x_tcl_grid, mean = mu_W, sd = se_n30_teo), Tamano = "2. Tamaño muestral n = 30 (DE teórica = 3,66 días)")
)

df_rem_tcl <- bind_rows(
  tibble(wbar = promedios_n5, Tamano = "1. Tamaño muestral n = 5 (DE teórica = 8,96 días)"),
  tibble(wbar = promedios_n30, Tamano = "2. Tamaño muestral n = 30 (DE teórica = 3,66 días)")
)

ggplot(df_rem_tcl, aes(x = wbar)) +
  geom_histogram(aes(y = after_stat(density), fill = "Histograma de 10.000 promedios por remuestreo"), bins = 40, color = "white", alpha = 0.78) +
  geom_line(data = df_norm_tcl, aes(x = x, y = dens, color = "Densidad teórica Normal(μ, σ/√n) por TCL"), linewidth = 1.2) +
  geom_vline(xintercept = mu_W, linetype = "dashed", color = "#2c3e50", linewidth = 0.8) +
  facet_wrap(~ Tamano, scales = "free_y") +
  scale_fill_manual(values = c("Histograma de 10.000 promedios por remuestreo" = "#2980b9")) +
  scale_color_manual(values = c("Densidad teórica Normal(μ, σ/√n) por TCL" = "#c0392b")) +
  coord_cartesian(xlim = c(-5, 42)) +
  theme_minimal(base_size = 11) +
  theme(legend.position = "top") +
  labs(
    title = "Figura 6: Distribución de W̄_n en 10.000 remuestreos para n = 5 y n = 30 con curva Normal(μ, σ/√n) superpuesta",
    subtitle = "Al aumentar n de 5 a 30, el histograma se comprime (DE baja de 8,94 a 3,63 días) y se vuelve mucho más simétrico",
    x = "Promedio muestral de estancia W̄_n (días)",
    y = "Densidad f(w̄)",
    fill = "",
    color = ""
  )

Interpretación de la Tabla 13 y de la Figura 6:

  1. Exactitud de los momentos del TCL y cuantificación del error estándar de Monte Carlo: En ambos tamaños muestrales, el promedio y la desviación estándar de las \(10.000\) medias remuestreadas con reposición coinciden al segundo decimal con las fórmulas teóricas \(\mu\) y \(\sigma/\sqrt{n}\), y la pequeña diferencia entre la media de remuestreo y \(\mu = 9,9280\) días se explica íntegramente por el azar de las \(10.000\) réplicas:
    • Para \(n = 5\): Media remuestreada de \(9,8833\) días frente a la teórica de \(9,9280\) días (diferencia de \(-0,0447\) días, equivalente a \(z = -0,50\) errores estándar de Monte Carlo \(\text{EE}_{\text{MC}} = 8,9614 / \sqrt{10.000} = 0,0896\) días), y desviación estándar de \(8,9401\) días (teórica \(20,0382 / \sqrt{5} = 8,9614\) días).
    • Para \(n = 30\): Media remuestreada de \(9,8797\) días frente a la teórica de \(9,9280\) días (diferencia de \(-0,0483\) días, equivalente a \(z = -1,32\) errores estándar de Monte Carlo \(\text{EE}_{\text{MC}} = 3,6585 / \sqrt{10.000} = 0,0366\) días, dentro del intervalo de fluctuación aleatoria \(\pm 1,96\,\text{EE}_{\text{MC}}\)), y desviación estándar de \(3,6308\) días (teórica \(20,0382 / \sqrt{30} = 3,6585\) días).
  2. ¿Por qué el histograma de \(n = 30\) es más simétrico y más angosto que el de \(n = 5\)?
    • Es más angosto porque la varianza del promedio muestral se divide por \(n\) (\(\text{Var}[\bar{W}_n] = \sigma^2 / n\)), de modo que al multiplicar el tamaño de muestra por \(6\) (de \(n = 5\) a \(n = 30\)), el error estándar se reduce en un factor de \(\sqrt{30 / 5} = \sqrt{6} \approx 2,45\) (bajando de \(8,9614\) a \(3,6585\) días teóricos, y de \(8,9401\) a \(3,6308\) días en el remuestreo). En una muestra de \(30\) episodios, un valor extremo aislado se diluye al dividirse entre \(30\) observaciones, mientras que en una muestra de \(5\) episodios una sola estancia de \(100\) días eleva el promedio en \(+20\) días.
    • Es más simétrico porque el coeficiente de asimetría estandarizado del promedio muestral decrece en proporción a \(1 / \sqrt{n}\): \(\gamma_1(\bar{W}_n) = \frac{\gamma_1(W)}{\sqrt{n}}\). Como la estancia individual \(W\) tiene una asimetría muy alta (\(\gamma_1(W) = 5,64\)), en \(n = 5\) el promedio aún conserva un sesgo positivo marcado (\(\gamma_1(\bar{W}_5) = 2,52\) teórico y \(2,59\) en el remuestreo, con la moda desplazada a la izquierda de \(\mu\) en el panel izquierdo de la Figura 6), mientras que en \(n = 30\) la asimetría se reduce a \(\gamma_1(\bar{W}_{30}) = 1,03\) teórico y \(1,02\) en el remuestreo (la mediana sube de \(7,0000\) días en \(n = 5\) a \(9,1333\) días en \(n = 30\), acercándose a la media de \(9,9280\) días y ajustándose mucho mejor a la campana de Gauss del panel derecho).
  3. Interpretación para la jefatura de \(P(\bar{W}_{30} > \mu + 1 = 10,9280\text{ días})\):
    • La probabilidad de que un grupo de \(30\) episodios elegidos al azar supere en más de \(1\) día al promedio histórico (\(\bar{W}_{30} > 10,9280\) días) es de \(32,70\%\) según el remuestreo real (con error estándar de Monte Carlo \(\sqrt{0,327 \times 0,673 / 10.000} = 0,47\text{ pp}\)) y de \(39,23\%\) según la aproximación Normal del TCL (pnorm(10.9280, 9.9280, 3.6585, lower.tail = FALSE)). La diferencia de \(6,53\) puntos porcentuales entre ambas cifras no es azar de simulación (supera ampliamente \(1,96 \times 0,47 = 0,92\text{ pp}\)), sino el efecto estructural de la asimetría residual que aún persiste en \(n = 30\) (la mediana del remuestreo es \(9,1333 < 9,9280\) días).
    • Mensaje operativo para la jefatura: Como el error estándar para \(30\) episodios es de \(3,6585\) días, una fluctuación de \(+1\) día sobre el promedio histórico representa apenas \(z = 1 / 3,6585 = 0,2733\) desviaciones estándar. Por lo tanto, en prácticamente 1 de cada 3 auditorías mensuales de 30 episodios (\(\approx 32,70\%\)) el promedio superará los \(10,93\) días por simple fluctuación aleatoria, sin que ello indique un deterioro en la gestión de camas del hospital.

6 Teoría, simulación y datos reales

Fijando la semilla aleatoria en set.seed(2026), construimos para las tres variables continuas exigidas —\(U \sim \text{Uniforme}(0, 366)\), \(G \sim \text{Exponencial}(\hat{\lambda}_G = 1,071823)\) y \(\bar{W}_{30} \sim \text{Normal}(\mu = 9,9280, \sigma/\sqrt{30} = 3,6585)\)— la tabla comparativa con tres columnas de esperanza y tres columnas de varianza:

  1. Valor teórico del modelo: Calculado mediante las expresiones exactas de esperanza y varianza de cada distribución.
  2. Simulación del modelo (\(10.000\) realizaciones): Obtenido en R con runif(10000, 0, 366), rexp(10000, rate = lambda_G) y rnorm(10000, mean = mu_W, sd = sd_W / sqrt(30)).
  3. Datos reales / remuestreo: Calculado sobre los \(389\) días de egreso observados para \(U\), los \(388\) tiempos entre egresos observados para \(G\) y las \(10.000\) medias de remuestreo del Resultado 05 para \(\bar{W}_{30}\).
set.seed(2026)
B_sim_06 <- 10000

sim_U <- runif(B_sim_06, min = 0, max = 366)
sim_G <- rexp(B_sim_06, rate = lambda_G)
sim_Wbar30 <- rnorm(B_sim_06, mean = mu_W, sd = se_n30_teo)

tabla_comparativa_06 <- tibble(
  Variable_Modelo = c(
    "U: Día del año de egreso [Uniforme(0, 366)]",
    "G: Tiempo entre egresos consecutivos [Exponencial(λ_G = 1,0718)]",
    "W̄_30: Promedio de estancia de 30 episodios [Normal(9,9280; 3,6585) por TCL]"
  ),
  E_Teorica = c(
    sprintf("%.4f días", EU_teo),
    sprintf("%.4f días", 1 / lambda_G),
    sprintf("%.4f días", mu_W)
  ),
  E_Simulacion = c(
    sprintf("%.4f días", mean(sim_U)),
    sprintf("%.4f días", mean(sim_G)),
    sprintf("%.4f días", mean(sim_Wbar30))
  ),
  E_Datos = c(
    sprintf("%.4f días", mean(U)),
    sprintf("%.4f días", mean(G)),
    sprintf("%.4f días", mean(promedios_n30))
  ),
  Var_Teorica = c(
    sprintf("%.2f días²", VarU_teo),
    sprintf("%.4f días²", 1 / (lambda_G^2)),
    sprintf("%.4f días²", (sd_W^2) / 30)
  ),
  Var_Simulacion = c(
    sprintf("%.2f días²", var(sim_U)),
    sprintf("%.4f días²", var(sim_G)),
    sprintf("%.4f días²", var(sim_Wbar30))
  ),
  Var_Datos = c(
    sprintf("%.2f días²", var(U)),
    sprintf("%.4f días²", var(G)),
    sprintf("%.4f días²", var(promedios_n30))
  )
)

kable(
  tabla_comparativa_06,
  col.names = c(
    "Variable aleatoria continua y modelo",
    "E[.] Teórica",
    "E[.] Simulación (10.000 r*)",
    "E[.] Datos / Remuestreo",
    "Var[.] Teórica",
    "Var[.] Simulación (10.000 r*)",
    "Var[.] Datos / Remuestreo"
  ),
  align = c("l", "r", "r", "r", "r", "r", "r"),
  caption = "Tabla 14: Comparación de Esperanza y Varianza entre el valor teórico del modelo, la simulación Monte Carlo (10.000 realizaciones con runif, rexp y rnorm) y los datos reales (set.seed(2026))."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = TRUE)
Tabla 14: Comparación de Esperanza y Varianza entre el valor teórico del modelo, la simulación Monte Carlo (10.000 realizaciones con runif, rexp y rnorm) y los datos reales (set.seed(2026)).
Variable aleatoria continua y modelo E[.] Teórica E[.] Simulación (10.000 r*) E[.] Datos / Remuestreo Var[.] Teórica Var[.] Simulación (10.000 r*) Var[.] Datos / Remuestreo
U: Día del año de egreso [Uniforme(0, 366)] 183.0000 días 182.5824 días 208.4781 días 11163.00 días² 11134.41 días² 10217.17 días²
G: Tiempo entre egresos consecutivos [Exponencial(λ_G = 1,0718)] 0.9330 días 0.9459 días 0.9330 días 0.8705 días² 0.8790 días² 1.3288 días²
W̄_30: Promedio de estancia de 30 episodios [Normal(9,9280; 3,6585) por TCL] 9.9280 días 10.0102 días 9.8797 días 13.3844 días² 13.6110 días² 13.1826 días²

Interpretación de la Tabla 14 (Diferencias por azar de simulación vs diferencias por fallas del modelo en los datos):

  1. Coincidencia entre Teoría y Simulación Monte Carlo (runif, rexp, rnorm) cuantificada mediante su error estándar: En las tres variables, las diferencias entre la esperanza teórica y el promedio de las \(B = 10.000\) realizaciones simuladas están acotadas dentro del margen esperado por el error estándar de Monte Carlo (\(\text{EE}_{\text{MC}} = \text{DE} / \sqrt{10.000}\)):
    • En \(U \sim \text{Uniforme}(0, 366)\): \(\text{EE}_{\text{MC}} = 105,6551 / 100 = 1,0566\) días; la brecha entre simulación (\(182,5824\)) y teoría (\(183,0000\)) es de \(-0,4176\) días (\(z = -0,40\,\text{EE}_{\text{MC}}\)).
    • En \(G \sim \text{Exponencial}(1,0718)\): \(\text{EE}_{\text{MC}} = 0,9330 / 100 = 0,0093\) días; la brecha entre simulación (\(0,9459\)) y teoría (\(0,9330\)) es de \(+0,0129\) días (\(z = +1,38\,\text{EE}_{\text{MC}}\)).
    • En \(\bar{W}_{30} \sim \text{Normal}(9,9280; 3,6585)\): \(\text{EE}_{\text{MC}} = 3,6585 / 100 = 0,0366\) días; la brecha de la simulación paramétrica (\(10,0102 - 9,9280 = +0,0822\) días) y la del remuestreo empírico (\(9,8797 - 9,9280 = -0,0483\) días, \(z = -1,32\,\text{EE}_{\text{MC}}\)) responden exclusivamente al azar muestral de \(10.000\) réplicas finitas.
  2. Discrepancias entre Teoría y Datos Reales (Diagnóstico de adecuación estructural de cada modelo):
    • En \(U\) (\(\text{Uniforme}(0, 366)\)): La media real de los \(389\) episodios (\(\bar{U} = 208,4781\) días) supera en \(+25,4781\) días a la esperanza teórica (\(183,0000\) días; equivalente a \(+4,76\) errores estándar muestrales \(\text{EE} = 105,6551 / \sqrt{389} = 5,3569\) días), mientras que la varianza real (\(10.217,17\) días\(^2\)) es un \(8,47\%\) menor que la teórica (\(11.163,00\) días\(^2\)). Esta diferencia no es azar, sino evidencia estructural de que el modelo Uniforme no describe bien los datos debido a la marcada estacionalidad hospitalaria (baja actividad en enero–marzo y fuerte concentración de egresos en el cuarto trimestre, especialmente en noviembre).
    • En \(G\) (\(\text{Exponencial}(\hat{\lambda}_G = 1,0718)\)): La esperanza teórica y la media de los datos coinciden exactamente (\(0,9330\) días) por construcción, ya que \(\hat{\lambda}_G\) se estimó por máxima verosimilitud/momentos como \(1 / \bar{G}\). Sin embargo, la varianza observada en los datos (\(1,3288\) días\(^2\)) supera en \(+0,4583\) días\(^2\) (\(+52,65\%\)) a la varianza teórica del modelo Exponencial (\(1 / \hat{\lambda}_G^2 = 0,8705\) días\(^2\)), muy lejos de la fluctuación Monte Carlo de la simulación (\(0,8790\) días\(^2\)). Esta brecha demuestra que el modelo Exponencial no describe bien la dispersión de los tiempos entre egresos, porque la resolución diaria del registro concentra \(170\) empates en \(G = 0\) días durante las jornadas hábiles, mientras los fines de semana y los \(13\) feriados de lunes a viernes (Tabla 1B) generan pausas de \(2\) a \(7\) días sin altas, inflando la varianza por sobre el cuadrado de la media.
    • En \(\bar{W}_{30}\) (\(\text{Normal}(\mu, \sigma/\sqrt{30})\) por el TCL): A diferencia de \(U\) y \(G\), aquí el remuestreo de datos reales coincide con la teoría tanto en esperanza (\(9,8797\) vs \(9,9280\) días, diferencia de \(-0,0483\) días explicada por \(\text{EE}_{\text{MC}} = 0,0366\) días) como en varianza (\(13,1826\) vs \(13,3844\) días\(^2\)). Esto ocurre porque al extraer muestras aleatorias con reposición de tamaño \(n = 30\) desde la cohorte \(E\), se cumplen exactamente los supuestos de independencia e idéntica distribución con varianza finita del Teorema Central del Límite, por lo que la esperanza y la varianza de \(\bar{W}_{30}\) coinciden exactamente con \(\mu\) y \(\sigma^2 / 30\), quedando solo las pequeñas fluctuaciones de Monte Carlo propias de las \(10.000\) réplicas.

7 Síntesis para la jefatura

7.1 Cinco hallazgos principales respaldados por modelos y evidencia verificable

  1. Asimetría extrema de la estancia hospitalaria y separación según rol diagnóstico (\(W\), modelo de Distribución Empírica continua): En la cohorte de Catarata Senil (\(n_E = 389\)), la estancia hospitalaria \(W\) tiene una esperanza de \(E[W] = 9,9280\) días (\(\text{Var}[W] = 401,5309\) días\(^2\), \(\text{DE} = 20,0382\) días), pero su mediana es de solo \(4,00\) días (\(P_{10} = 1,00\), \(P_{25} = 2,00\), \(P_{75} = 10,00\) y \(P_{90} = 19,20\) días), con un \(31,11\%\) de episodios superando los \(7\) días (\(P(W > 7) = 121 / 389\)). Al desglosar la densidad empírica por rol diagnóstico, los episodios con H25 principal (\(E_p, n = 108\)) tienen una media de \(2,49\) días y mediana de \(1,50\) días (\(P_{90} = 5,00\) días), mientras que en H25 secundario (\(E_s, n = 281\)) la media sube a \(12,79\) días y la mediana a \(7,00\) días (\(P_{90} = 27,00\) días). Verificable en las Tablas 3 y 4, y en las Figuras 1A, 1B y 2.
  2. Estacionalidad intra-anual de los egresos frente a la equiprobabilidad temporal (\(U\), modelo Uniforme): Bajo el modelo \(U \sim \text{Uniforme}(0, 366)\), los primeros \(90\) días del año deberían concentrar el \(24,59\%\) de los egresos (\(P(U \le 90) = 90/366\)) y la media anual debería ubicarse en el día \(183,00\). En los datos reales, los primeros \(90\) días acumulan solo el \(13,88\%\) (\(54 / 389\) episodios; déficit de \(-41,66\) egresos en los primeros \(90\) días y de \(-42,72\) en el primer trimestre), mientras que el cuarto trimestre concentra el \(33,16\%\) de los egresos (\(129\) episodios, con un pico en noviembre de \(58\) observados contra \(31,89\) esperados), desplazando la media observada al día \(\bar{U} = 208,48\) y la mediana al día \(216\). Verificable en las Tablas 5, 6A y 6B, y en las Figuras 3A y 3B.
  3. Concordancia de tasas medias pero incumplimiento de la falta de memoria en el tiempo entre egresos (\(G\), modelo Exponencial): En los \(n_G = 388\) intervalos entre egresos consecutivos (que incluyen \(170\) empates del mismo día con \(G = 0\)), el tiempo medio es \(\bar{G} = 0,9330\) días, lo que entrega una tasa \(\hat{\lambda}_G = 1 / \bar{G} = 1,0718\) egresos/día, consistente con la tasa de Poisson \(\hat{\lambda}_D = 1,0628\) de la Actividad 3. Sin embargo, la varianza observada (\(1,3288\) días\(^2\)) supera en un \(52,65\%\) a la teórica exponencial (\(0,8705\) días\(^2\)), y la propiedad de falta de memoria no se cumple en la serie completa: \(P(G > 2 \mid G > 1) = 40,00\%\) casi duplica a la probabilidad marginal \(P(G > 1) = 21,91\%\) debido a los empates en los \(249\) días hábiles efectivos (\(1,3695\) egresos/día) y a la caída de actividad en fines de semana (\(0,4038\) egresos/día) y en los \(13\) feriados de lunes a viernes (\(0,4615\) egresos/día). Verificable en las Tablas 1B, 7, 8, 9 y 14, y en la Figura 4.
  4. Superioridad del modelo Lognormal frente al modelo Normal para describir la estancia (\(V\), modelos Normal y Lognormal): El ajuste \(\text{Normal}(\mu = 9,9280; \sigma = 20,0382)\) asigna una probabilidad imposible de \(31,01\%\) a estancias negativas (\(V < 0\)), estima un percentil 10 de \(-15,75\) días y sobreestima la cola derecha (\(P(V > 14) = 41,95\%\) frente al \(15,17\%\) observado). En contraste, el modelo \(\text{Lognormal}(\mu_\ell = 1,4871; \sigma_\ell = 1,1868)\) respeta la positividad estricta de la estancia y reproduce fielmente tanto los cuantiles observados (\(P_{10} = 0,97\) vs \(1,00\) d; mediana \(= 4,42\) vs \(4,00\) d; \(P_{90} = 20,25\) vs \(19,20\) d) como la cola derecha (\(P(V > 14) = 16,59\%\) vs \(15,17\%\) observado, y \(P(V > 21) = 9,47\%\) vs \(9,00\%\) observado). Verificable en las Tablas 10, 11 y 12, y en la Figura 5.
  5. Convergencia del promedio muestral y cuantificación de la variabilidad de grupos de 30 episodios (\(\bar{W}_n\), modelo Normal por el TCL): Al pasar de muestras de tamaño \(n = 5\) a \(n = 30\) en \(10.000\) remuestreos con reposición, el error estándar del promedio muestral \(\bar{W}_n\) se reduce de \(8,9401\) días (teórico \(8,9614\)) a \(3,6308\) días (teórico \(3,6585\)), el coeficiente de asimetría cae de \(2,59\) a \(1,02\) (teórico de \(2,52\) a \(1,03\)) y la mediana sube de \(7,0000\) a \(9,1333\) días. Para un lote de \(30\) episodios, la probabilidad de que la estancia media supere en más de \(1\) día al promedio histórico (\(\bar{W}_{30} > 10,9280\) días) es de \(32,70\%\) en el remuestreo (\(39,23\%\) por aproximación Normal), demostrando que desviaciones de \(+1\) día en grupos de \(30\) altas son esperables por mero azar muestral. Verificable en las Tablas 13 y 14, y en la Figura 6.

7.2 Tres limitaciones concretas y supuestos no cumplidos en los datos

  1. Incumplimiento del supuesto de simetría, soporte real completo y homogeneidad en el modelo Normal de estancia (\(V\)): La distribución Normal supone simetría en torno a \(\mu\) y soporte en todo \((-\infty, \infty)\), lo que en una variable no negativa con alta dispersión (\(\sigma > 2\mu\)) produce un \(31,01\%\) de probabilidad en valores negativos inexistentes. Además, ni siquiera una única distribución Lognormal captura por completo la estructura de los datos porque la cohorte \(E\) es una mezcla heterogénea de cirugías oftalmológicas breves (\(E_p\), mediana \(1,50\) días) e internaciones pluripatológicas donde la catarata es comorbilidad secundaria (\(E_s\), mediana \(7,00\) días).
  2. Incumplimiento del supuesto de estacionariedad en los modelos Uniforme (\(U\)) y Exponencial (\(G\)): Tanto la \(\text{Uniforme}(0, 366)\) para la fecha de egreso como la \(\text{Exponencial}(\lambda)\) para el tiempo entre egresos descansan sobre el supuesto de un proceso de intensidad constante \(\lambda(t) = \lambda\) a través del tiempo. En los datos reales la tasa varía en dos escalas demostradas con datos: a escala anual (caída estival en enero–marzo con \(54\) egresos en T1 y alza en noviembre con \(58\) egresos, Tabla 6B) y a escala semanal/calendario (concentración en los \(249\) días hábiles efectivos con media de \(1,3695\) egresos/día, frente a \(0,4615\) egresos/día en los \(13\) feriados de lunes a viernes y \(0,4038\) en sábados y domingos, Tabla 1B), invalidando la densidad uniforme de \(U\) y la falta de memoria de \(G\).
  3. Discretización diaria de las fechas (FECHA_INGRESO y FECHAALTA) y presencia acotada de reingresos de un mismo beneficiario (ID_BENEFICIARIO): Primero, aunque \(W\) y \(G\) se modelan como variables continuas, la base GRD registra las fechas en días enteros sin marca de hora, generando \(8\) estancias de \(0\) días en \(W\) (que requieren la corrección de continuidad \(W^* = 0,5\) días en la Lognormal) y \(170\) empates artificiales de \(G = 0\) días entre episodios egresados en la misma fecha. Segundo, corrigiendo lo señalado en la Actividad 3 mediante la trazabilidad por beneficiario (Tabla 1C), los \(389\) episodios provienen de 367 beneficiarios distintos, existiendo 19 beneficiarios con reingresos en 2024 que agrupan 41 episodios (10.54% de la cohorte: 12 en \(E_p\) y 29 en \(E_s\)), lo que introduce una dependencia intra-beneficiario menor pero verificable frente al supuesto de independencia estricta entre episodios.

7.3 Respuesta directa a la jefatura: umbral del 10% de episodios más largos

Pregunta de la jefatura: ¿Qué estancia separa al \(10\%\) de episodios más largos de su enfermedad? Entregue el percentil 90 observado con quantile() y el del modelo elegido en el Resultado 04, y diga cuál de los dos reportaría y por qué.

p90_obs_global <- quantile(W, 0.90)
p90_ln_op1 <- qlnorm(0.90, meanlog = ml_1, sdlog = sl_1)
p90_ln_op3 <- qlnorm(0.90, meanlog = ml_3, sdlog = sl_3)
p90_norm_global <- qnorm(0.90, mean = mu_W, sd = sd_W)

p90_obs_Ep <- quantile(cohorte_E$estancia[cohorte_E$E_p], 0.90)
p90_obs_Es <- quantile(cohorte_E$estancia[cohorte_E$E_s], 0.90)

n_sup_p90_global <- sum(W > p90_obs_global)
n_sup_p90_Ep <- sum(cohorte_E$estancia[cohorte_E$E_p] > p90_obs_Ep)
n_sup_p90_Es <- sum(cohorte_E$estancia[cohorte_E$E_s] > p90_obs_Es)

tabla_p90_jefatura <- tibble(
  Criterio = c(
    "1. Percentil 90 observado en los datos de la cohorte E [quantile(W, 0.90)]",
    "2. Percentil 90 del modelo elegido en Resultado 04: Lognormal (Opción 1: W=0 → 0,5 d) [qlnorm(0.90)]",
    "3. Percentil 90 del modelo Lognormal excluyendo ceros (Opción 3: W > 0, n = 381) [qlnorm(0.90)]",
    "4. Percentil 90 del modelo descartado: Normal(9,93; 20,04) [qnorm(0.90)]",
    "5. Desglose operativo recomendado: Percentil 90 observado en Ep (H25 Principal, n = 108)",
    "6. Desglose operativo recomendado: Percentil 90 observado en Es (H25 Secundario, n = 281)"
  ),
  Valor_Umbral = c(
    sprintf("%.2f días (exactamente %d de %d episodios tienen W ≥ 20 días)", p90_obs_global, n_sup_p90_global, n_E),
    sprintf("%.2f días (diferencia de %+.2f días respecto al observado)", p90_ln_op1, p90_ln_op1 - p90_obs_global),
    sprintf("%.2f días (diferencia de %+.2f días respecto al observado)", p90_ln_op3, p90_ln_op3 - p90_obs_global),
    sprintf("%.2f días (sobreestimación de %+.2f días — descartado)", p90_norm_global, p90_norm_global - p90_obs_global),
    sprintf("%.2f días (solo %d de %d episodios superan los 5 días)", p90_obs_Ep, n_sup_p90_Ep, n_Ep),
    sprintf("%.2f días (exactamente %d de %d episodios superan los 27 días)", p90_obs_Es, n_sup_p90_Es, n_Es)
  )
)

kable(
  tabla_p90_jefatura,
  col.names = c("Estimador / Modelo evaluado para el umbral del 10% más largo (P90)", "Estancia de corte (días)"),
  align = c("l", "r"),
  caption = "Tabla 15: Comparación del percentil 90 observado con quantile() y el obtenido con el modelo Lognormal elegido en el Resultado 04."
) %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed"), full_width = FALSE)
Tabla 15: Comparación del percentil 90 observado con quantile() y el obtenido con el modelo Lognormal elegido en el Resultado 04.
Estimador / Modelo evaluado para el umbral del 10% más largo (P90) Estancia de corte (días)
  1. Percentil 90 observado en los datos de la cohorte E [quantile(W, 0.90)]
19.20 días (exactamente 39 de 389 episodios tienen W ≥ 20 días)
  1. Percentil 90 del modelo elegido en Resultado 04: Lognormal (Opción 1: W=0 → 0,5 d) [qlnorm(0.90)]
20.25 días (diferencia de +1.05 días respecto al observado)
  1. Percentil 90 del modelo Lognormal excluyendo ceros (Opción 3: W > 0, n = 381) [qlnorm(0.90)]
20.37 días (diferencia de +1.17 días respecto al observado)
  1. Percentil 90 del modelo descartado: Normal(9,93; 20,04) [qnorm(0.90)]
35.61 días (sobreestimación de +16.41 días — descartado)
  1. Desglose operativo recomendado: Percentil 90 observado en Ep (H25 Principal, n = 108)
5.00 días (solo 10 de 108 episodios superan los 5 días)
  1. Desglose operativo recomendado: Percentil 90 observado en Es (H25 Secundario, n = 281)
27.00 días (exactamente 27 de 281 episodios superan los 27 días)

Respuesta ejecutiva para la jefatura (Tabla 15):

  • Valores obtenidos: El percentil 90 observado directamente sobre los \(389\) episodios con quantile(W, 0.90) es de \(19,20\) días, mientras que el percentil 90 del modelo Lognormal elegido en el Resultado 04 (qlnorm(0.90, meanlog = 1.4871, sdlog = 1.1868)) es de \(20,25\) días (ambos prácticamente en el umbral de \(20\) días, con apenas \(1,05\) días de diferencia entre sí).
  • ¿Cuál reportaría a la jefatura y por qué? Reportaría como cifra oficial de gestión el percentil 90 empírico observado de \(19,2\) días (\(\ge 20\) días en números enteros de cama), acompañado del valor Lognormal de \(20,25\) días como respaldo paramétrico de consistencia, por dos razones técnicas:
    1. Con \(n_E = 389\) episodios, el cuantil empírico quantile(W, 0.90) es un estimador no paramétrico directo que no depende de la elección arbitraria para tratar los \(8\) episodios de \(0\) días ni se ve afectado por la bimodalidad entre \(E_p\) y \(E_s\).
    2. La cercanía entre el valor observado (\(19,20\) días) y el modelo Lognormal (\(20,25\) días) confirma que la regla operativa de “alerta a los 20 días de estancia” separa de manera robusta al \(10\%\) de los episodios más largos de la cohorte global, recomendando además a la jefatura desagregar dicho umbral en \(5,0\) días cuando la catarata senil es el diagnóstico principal (\(E_p\)) y en \(27,0\) días cuando actúa como comorbilidad secundaria (\(E_s\)).

8 Declaración de Uso de Inteligencia Artificial y Verificación Técnica

En conformidad con las directrices del curso, se declara el uso de herramientas de Inteligencia Artificial generativa (Claude / Gemini AI en entorno Antigravity) como apoyo para: (1) estructurar el código reproducible en R para las distribuciones continuas (dunif/punif/qunif/runif, dexp/pexp/qexp/rexp, dnorm/pnorm/qnorm/rnorm y dlnorm/plnorm/qlnorm/rlnorm), (2) configurar los histogramas reescalados en densidad (after_stat(density) / freq = FALSE) junto con las curvas density() y ecdf(), y (3) formatear las tablas y secciones del documento RMarkdown.

Verificación de resultados: Todos los resultados fueron auditados ejecutando el código directamente sobre la base oficial GRD_PUBLICO_2024.txt y Tablas_maestras_bases_GRD.xlsx, comprobando manualmente la parametrización por tasa \(\lambda = 1/\bar{G}\) en dexp/pexp, el uso de la desviación estándar \(\sigma\) en dnorm/pnorm, la estandarización en escala logarítmica para dlnorm/plnorm, el conteo explícito de los \(170\) empates del mismo día en \(G\) y de las \(8\) estancias de \(0\) días en \(W\), y la reproducibilidad exacta de las simulaciones con set.seed(2026).