[221014] Aplicación de herramientas Lean Healthcare y simulación de eventos discretos en servicio de urgencias en una clínica
Daniel Felipe Arévalo A., Ma. Camila Corredor B., Sabrina Torrado Puerta, Samuel Esteban Vargas R.
ANÁLISIS DE DATOS Y DISTRIBUCIONES
TRIAGE 0
El arribo de pacientes de triage 0 depende de factores externos y situaciones aleatorias como accidentes de transito, riñas callejeras, incencios, explosiones y demas eventos que ocasionan la aparición de urgencias vitales. A partir de los datos de enero de 2019, se realiza una prueba de bondad de ajuste para analizar el comportamiento de los tiempos entre arribo al área de urgencias de la Clinica Maicao y se diseña la siguiente prueba de hipotesis:
\(H_0\)= Los tiempos entre arribo de pacientes trige 0 siguen una distribución exponencial. \(H_1\)= Los tiempos entre arribo de pacientes trige 0 no siguen una distribución exponencial.
donde \(H_0\) es la hipotesis Nula y \(H_1\) es la hipotesis alterna. Se emplea el criterio de rechazo del P-value.
#triage 0
fit.cont(teat0$TEA)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... OK## * fitting Cauchy distribution ... OK## * fitting logistic distribution ... OK## * fitting beta distribution ... failed## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... OK## * fitting Student's t-distribution ... OK## * fitting Gompertz distribution ... OK## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Normal -80.22 164.44 168.27 40.98 0.00 2.39 rejected
## Cauchy -76.35 156.71 160.53 33.80 0.00 2.49 rejected
## Logistic -73.95 151.9 155.72 31.55 0.00 1.34 rejected
## Exponential -60.07 122.14 124.06 12.18 0.06 0.47 not rejected
## Chi-square -62.85 127.69 129.6 17.99 0.01 1.30 NULL
## Uniform NULL NULL NULL 50.06 0.00 Inf NULL
## Gamma -59.86 123.72 127.55 11.38 0.04 0.38 not rejected
## Lognormal -63.64 131.27 135.1 12.30 0.03 1.15 rejected
## Weibull -59.9 123.8 127.63 11.60 0.04 0.37 not rejected
## F -60.07 124.13 127.95 11.09 0.05 0.62 NULL
## Student -94.85 191.7 193.61 68.07 0.00 22.15 NULL
## Gompertz -60.07 124.13 127.96 12.14 0.03 0.45 NULL
## KS(value) H(KS)
## Normal 0.16 not rejected
## Cauchy 0.19 rejected
## Logistic 0.14 not rejected
## Exponential 0.10 not rejected
## Chi-square 0.15 not rejected
## Uniform 0.21 rejected
## Gamma 0.08 not rejected
## Lognormal 0.12 not rejected
## Weibull 0.08 not rejected
## F 0.10 not rejected
## Student 0.51 rejected
## Gompertz 0.10 not rejected##
## Chosen continuous distribution is: Normal (norm)
## Fitted parameters are:
## mean sd
## 1.223159 1.203823prueba1<-fitdist(teat0$TEA,"exp")
plot(prueba1,demp=TRUE)
Con base en los resultados obtenidos por medio de las pruebas Kolmogorov-Smirnov y Anderson Darling, es posible afirmar que a un nivel de significancia de 0.05, los tiempos entre arribos de los pacientes triage 0 al área de urgencias de la Clinica Maicao, siguen una distribución exponencial de parámetro 0.817.
TRIAGE I Se evalua el comportamiento de los tiempos entre arribos de los pacientes denominados como triage 1, para lo cual se emplea una prueba de bondad de ajuste, partiendo de la siguiente prueba de hipotesis:
\(H_0\)= Los tiempos entre arribo de pacientes trige 1 siguen una distribución exponencial. \(H_1\)= Los tiempos entre arribo de pacientes trige 1 no siguen una distribución exponencial.
Teniendo en cuenta los resultados obtenidos por medio de las pruebas Kolmogorov-Smirnov y Anderson Darling, a un nivel de significancia de 0.05, los tiempos entre arribos de los pacientes triage 1 al área de urgencias de la Clinica Maicao, siguen una distribución exponencial de parámetro .
De igual manera, se estudian los tiempos de servicio en cada una de las etapas del sistema, iniciando por la recepción, donde se evaluan las siguientes pruebas de hipotesis:
\(H_0\)= El tiempo de servicio de la recepción en pacientes trige 1 sigue una distribución uniforme. \(H_1\)= El tiempo de servicio de la recepción en pacientes trige 1 no sigue una distribución uniforme.
#recepción
fit.cont(Recept1$Tiempo)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... failed## * fitting Cauchy distribution ... failed## * fitting logistic distribution ... failed## * fitting beta distribution ... OK## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... failed## * fitting Student's t-distribution ... failed## * fitting Gompertz distribution ... failed## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Beta 1441.14 -2878.28 -2871.08 31.19 0.00 2.73 NULL
## Exponential 1168.72 -2335.45 -2331.85 551.69 0.00 71.09 rejected
## Chi-square 709.77 -1417.55 -1413.94 4190.41 0.00 111.33 NULL
## Uniform NULL NULL NULL 16.16 0.24 Inf NULL
## Gamma 1441.11 -2878.23 -2871.02 31.25 0.00 2.73 rejected
## Lognormal 1438.39 -2872.78 -2865.58 36.99 0.00 3.07 rejected
## Weibull 1442.74 -2881.47 -2874.27 28.65 0.01 2.70 rejected
## KS(value) H(KS)
## Beta 0.08 not rejected
## Exponential 0.44 rejected
## Chi-square 0.60 rejected
## Uniform 0.03 not rejected
## Gamma 0.08 not rejected
## Lognormal 0.09 rejected
## Weibull 0.07 not rejected##
## Chosen continuous distribution is: Beta (beta)
## Fitted parameters are:
## shape1 shape2
## 16.48465 3327.79572 prueba3<-fitdist(Recept1$Tiempo,"unif")
prueba3$estimate*24*60## min max
## 4.09248 9.99648 plot(prueba3,demp=TRUE)
Tomando como base los resultados de las pruebas Kolmogorov-Smirnov y Anderson Darling, a un nivel de significancia de 0.05, los tiempos entre arribos de los pacientes triage 1 al área de urgencias de la Clinica Maicao, siguen una distribución normal de parámetros 0.002 y 0.006, equivalentes en minutos a 4.14 y 10.06 respectivamente .
Partiendo de la idea de que solo hay una enfermera en el proceso de clasificación de triage, se analizan los tiempos de servicio contrantando las siguientes hipotesis:
\(H_0\)= El tiempo de servicio de la clasificación de triage en pacientes trige 1 sigue una distribución logistic. \(H_1\)= El tiempo de servicio de la clasificación de triage en pacientes trige 1 no sigue una distribución logistic.
#clasificación triage
fit.cont(triaget1$Tiempo)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... failed## * fitting Cauchy distribution ... failed## * fitting logistic distribution ... failed## * fitting beta distribution ... OK## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... failed## * fitting Student's t-distribution ... failed## * fitting Gompertz distribution ... failed## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value)
## Beta 1575.21 -3146.42 -3139.22 3.32 1.00 0.40
## Exponential 1074.52 -2147.05 -2143.45 1723.88 0.00 100.55
## Chi-square 626.75 -1251.5 -1247.9 10137.17 0.00 116.98
## Uniform NULL NULL NULL 47.71 0.00 Inf
## Gamma 1575.19 -3146.39 -3139.18 3.34 1.00 0.41
## Lognormal 1573.65 -3143.3 -3136.1 4.27 0.99 0.61
## Weibull 1568.68 -3133.35 -3126.15 15.17 0.30 1.44
## H(AD) KS(value) H(KS)
## Beta NULL 0.04 not rejected
## Exponential rejected 0.53 rejected
## Chi-square NULL 0.61 rejected
## Uniform NULL 0.08 not rejected
## Gamma not rejected 0.04 not rejected
## Lognormal not rejected 0.05 not rejected
## Weibull rejected 0.05 not rejected##
## Chosen continuous distribution is: Beta (beta)
## Fitted parameters are:
## shape1 shape2
## 91.69841 13049.79385 #revisar... da log normalSe parte de las siguiente prueba de hipotesis para evaluar el comportamiento de los tiempo de atención del medico general: \(H_0\)= El tiempo de servicio de atención por médico general en pacientes trige 1 sigue una distribución normal. \(H_1\)= El tiempo de servicio de atención por médico general en pacientes trige 1 no sigue una distribución normal.
#Medico general
fit.cont(mgeneralt1$tiempo)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... OK## * fitting Cauchy distribution ... OK## * fitting logistic distribution ... OK## * fitting beta distribution ... OK## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... failed## * fitting Student's t-distribution ... failed## * fitting Gompertz distribution ... OK## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value)
## Normal 960.39 -1916.77 -1909.57 7.85 0.85 0.33
## Cauchy 906.17 -1808.35 -1801.14 47.69 0.00 3.87
## Logistic 955.43 -1906.87 -1899.67 7.67 0.86 0.53
## Beta 942.81 -1881.61 -1874.41 21.70 0.06 2.60
## Exponential 771.8 -1541.6 -1538 368.55 0.00 54.85
## Chi-square 398.32 -794.64 -791.04 2306.51 0.00 100.83
## Uniform NULL NULL NULL 56.03 0.00 Inf
## Gamma 942.21 -1880.42 -1873.22 22.23 0.05 2.68
## Lognormal 918.58 -1833.15 -1825.95 40.98 0.00 5.50
## Weibull 960.4 -1916.8 -1909.6 8.75 0.79 0.35
## Gompertz 956.16 -1908.32 -1901.11 20.80 0.08 1.45
## H(AD) KS(value) H(KS)
## Normal not rejected 0.03 not rejected
## Cauchy rejected 0.09 rejected
## Logistic not rejected 0.03 not rejected
## Beta NULL 0.07 not rejected
## Exponential rejected 0.33 rejected
## Chi-square NULL 0.56 rejected
## Uniform NULL 0.08 not rejected
## Gamma rejected 0.07 not rejected
## Lognormal rejected 0.10 rejected
## Weibull not rejected 0.03 not rejected
## Gompertz NULL 0.06 not rejected##
## Chosen continuous distribution is: Normal (norm)
## Fitted parameters are:
## mean sd
## 0.021322784 0.006993326 prueba5<-fitdist(mgeneralt1$tiempo,"norm")
prueba5$estimate*24*60## mean sd
## 30.70481 10.07039 plot(prueba5,demp=TRUE)
Tomando como punto de partida los resultados de las pruebas Kolmogorov-Smirnov y Anderson Darling, a un nivel de significancia de 0.05, el tiempo de servicio del medico general, sigue una distribución normal de parámetros 0.021 y 0.007, en minutos 30.70 y 10.07 respectivamente.
Se analiza el comportamiento de los tiempos de servicio del medico de urgencias partiendo de la siguiente prueba de hipotesis:
\(H_0\)= El tiempo de servicio de atención por médico de urgencias en pacientes trige 1 sigue una distribución normal. \(H_1\)= El tiempo de servicio de atención por médico de urgencias en pacientes trige 1 no sigue una distribución normal.
#Medico de urgencias
fit.cont(mUrgt1$Tiempo)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... OK## * fitting Cauchy distribution ... OK## * fitting logistic distribution ... failed## * fitting beta distribution ... OK## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... failed## * fitting Student's t-distribution ... failed## * fitting Gompertz distribution ... OK## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value)
## Normal 1155.7 -2307.4 -2300.19 15.32 0.29 0.68
## Cauchy 1106.59 -2209.18 -2201.98 68.42 0.00 4.25
## Beta 1152.3 -2300.59 -2293.39 22.97 0.04 1.67
## Exponential 831.38 -1660.76 -1657.16 800.44 0.00 80.37
## Chi-square 434.96 -867.92 -864.32 4352.96 0.00 109.99
## Uniform NULL NULL NULL 37.33 0.00 Inf
## Gamma 1152.17 -2300.35 -2293.14 23.16 0.04 1.69
## Lognormal 1147.62 -2291.23 -2284.03 29.88 0.00 2.52
## Weibull 1152.32 -2300.65 -2293.44 13.86 0.38 0.69
## Gompertz 1133.5 -2263 -2255.8 27.66 0.01 3.04
## H(AD) KS(value) H(KS)
## Normal not rejected 0.05 not rejected
## Cauchy rejected 0.09 rejected
## Beta NULL 0.08 not rejected
## Exponential rejected 0.45 rejected
## Chi-square NULL 0.58 rejected
## Uniform NULL 0.08 rejected
## Gamma rejected 0.08 not rejected
## Lognormal rejected 0.09 rejected
## Weibull not rejected 0.05 not rejected
## Gompertz NULL 0.08 not rejected##
## Chosen continuous distribution is: Normal (norm)
## Fitted parameters are:
## mean sd
## 0.017114590 0.003401613 prueba6<-fitdist(mUrgt1$Tiempo,"norm")
prueba6$estimate*24*60## mean sd
## 24.645010 4.898323 plot(prueba6,demp=TRUE)
Partiedo de los resultados de las pruebas Kolmogorov-Smirnov y Anderson Darling, a un nivel de significancia de 0.05, el tiempo de servicio del médico de urgencias, sigue una distribución normal de parámetros 0.017 y 0.003, en minutos 24.64 y 4.89 respectivamente.
TRIAGE II Se determina el comportamiento de los tiempos entre arribos y de los tiempos de servio por cada una de las etapas del proceso asistancial de los pacientes denominados como triage 2. Para el análisis del primero se parte de la siguiente prueba de hipotesis:
\(H_0\)= El tiempo entre arribos de pacientes trige 2 sigue una distribución exponencial. \(H_1\)= El tiempo entre arribos de pacientes trige 2 no siguen una distribución exponencial.
#Triage 2
#tiempos entre arribo
fit.cont(TEA2$tea2)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... OK## * fitting Cauchy distribution ... OK## * fitting logistic distribution ... OK## * fitting beta distribution ... OK## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... OK## * fitting Student's t-distribution ... OK## * fitting Gompertz distribution ... OK## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Normal 178.36 -352.72 -347.51 60.03 0.00 5.31 rejected
## Cauchy 180.14 -356.27 -351.06 50.90 0.00 6.24 rejected
## Logistic 182.25 -360.49 -355.28 52.49 0.00 3.94 rejected
## Beta 220.19 -436.38 -431.17 8.18 0.42 0.27 NULL
## Exponential 220.05 -438.1 -435.5 8.77 0.46 0.35 not rejected
## Chi-square 137.5 -273 -270.39 154.22 0.00 21.92 NULL
## Uniform NULL NULL NULL 68.61 0.00 Inf NULL
## Gamma 220.11 -436.22 -431.01 8.31 0.40 0.25 NA
## Lognormal 215.29 -426.59 -421.38 15.13 0.06 0.96 rejected
## Weibull 220.13 -436.26 -431.05 8.30 0.40 0.24 not rejected
## F 120.98 -237.96 -232.75 199.45 0.00 33.54 NULL
## Student -92.18 186.35 188.96 2682.53 0.00 35.49 NULL
## Gompertz 220.05 -436.1 -430.89 8.79 0.36 0.36 NULL
## KS(value) H(KS)
## Normal 0.16 rejected
## Cauchy 0.21 rejected
## Logistic 0.17 rejected
## Beta 0.05 not rejected
## Exponential 0.05 not rejected
## Chi-square 0.39 rejected
## Uniform 0.22 rejected
## Gamma 0.05 not rejected
## Lognormal 0.09 not rejected
## Weibull 0.05 not rejected
## F 0.50 rejected
## Student 0.50 rejected
## Gompertz 0.05 not rejected##
## Chosen continuous distribution is: Beta (beta)
## Fitted parameters are:
## shape1 shape2
## 0.9278936 21.8530889 prueba7<-fitdist(TEA2$tea2,"exp")
prueba7$estimate/(24*60)## rate
## 0.01704525 plot(prueba7,demp=TRUE)
Partiendo de los resultados de las pruebas Kolmogorov-Smirnov y Anderson Darling, a un nivel de significancia de 0.05, el tiempo entre arribos de pacientes triage 2, sigue una distribución exponencial de parámetro 0.017.
Con respecto a la atención de la recepción para pacientes de triage 2 el tiempo entre arribos se evalua a partir de la siguiente prueba de hipótesis:
\(H_0\)= El tiempo de servicio de la recepción para pacientes triage 2 sigue una distribución uniforme
\(H_1\)= El tiempo de servicio de la recepción para pacientes triage 2 no sigue una distribución uniforme
#recepción
fit.cont(recepcionT2$Tiempo)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... failed## * fitting Cauchy distribution ... failed## * fitting logistic distribution ... failed## * fitting beta distribution ... OK## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... OK## * fitting Student's t-distribution ... failed## * fitting Gompertz distribution ... failed## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Beta 328.1 -652.21 -647.99 5.53 0.48 0.55 NULL
## Exponential 263.1 -524.2 -522.09 124.84 0.00 16.64 rejected
## Chi-square 159.61 -317.21 -315.1 952.25 0.00 25.22 NULL
## Uniform NULL NULL NULL 27.08 0.00 Inf NULL
## Gamma 328.1 -652.21 -647.98 5.52 0.48 0.55 not rejected
## Lognormal 328 -651.99 -647.77 4.96 0.55 0.51 not rejected
## Weibull 326.68 -649.36 -645.14 9.95 0.13 0.88 rejected
## F 148.5 -293 -288.78 1154.39 0.00 30.39 NULL
## KS(value) H(KS)
## Beta 0.09 not rejected
## Exponential 0.45 rejected
## Chi-square 0.60 rejected
## Uniform 0.08 not rejected
## Gamma 0.09 not rejected
## Lognormal 0.09 not rejected
## Weibull 0.10 not rejected
## F 0.66 rejected##
## Chosen continuous distribution is: Beta (beta)
## Fitted parameters are:
## shape1 shape2
## 18.69602 3776.50747 prueba8<-fitdist(recepcionT2$Tiempo,"unif")
prueba8$estimate*24*60## min max
## 4.25994 9.99276 plot(prueba8,demp=TRUE)
Teniendo en cuenta el ajuste observado el los graficos de Q-Q plot y P-P plot y partiendo de los resultados de la prueba de Kolmogorov-Smirnov a un nivel de significancia de 0.05, el tiempo de servicio en la recepción para pacientes triage 2, sigue una distribución uniforme de parámetros 0.0029 y 0.0068, en minutos 4.27 y 10.01 respectivamente.
Para analizar el comportamiento del tiempo de atención para pacientes de triage 2 en el proceso de clasificación de triage, se evaluan las siguientes pruebas de hipótesis:
\(H_0\)= El tiempo de servicio en el proceso de clasificación de triage para pacientes triage 2 sigue una distribución normal \(H_1\)= El tiempo de servicio en el proceso de clasificación de triage para pacientes triage 2 no sigue una distribución normal
# Clasificación triage
fit.cont(triageT2$Tiempo)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... OK## * fitting Cauchy distribution ... OK## * fitting logistic distribution ... OK## * fitting beta distribution ... OK## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... failed## * fitting Student's t-distribution ... failed## * fitting Gompertz distribution ... OK## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Normal 243.54 -483.07 -478.85 5.32 0.50 0.33 not rejected
## Cauchy 234.94 -465.89 -461.67 9.93 0.13 0.79 not rejected
## Logistic 243.69 -483.39 -479.16 4.81 0.57 0.23 not rejected
## Beta 235.57 -467.14 -462.92 17.93 0.01 2.35 NULL
## Exponential 220.92 -439.85 -437.74 61.65 0.00 8.03 rejected
## Chi-square 132.77 -263.54 -261.43 499.99 0.00 21.46 NULL
## Uniform NULL NULL NULL 12.12 0.06 Inf NULL
## Gamma 235.45 -466.89 -462.67 18.08 0.01 2.37 rejected
## Lognormal 223.05 -442.1 -437.88 35.32 0.00 4.36 rejected
## Weibull 241.08 -478.17 -473.95 9.34 0.16 1.11 rejected
## Gompertz 243.25 -482.49 -478.27 8.19 0.22 0.79 NULL
## KS(value) H(KS)
## Normal 0.07 not rejected
## Cauchy 0.09 not rejected
## Logistic 0.06 not rejected
## Beta 0.15 not rejected
## Exponential 0.30 rejected
## Chi-square 0.54 rejected
## Uniform 0.13 not rejected
## Gamma 0.15 not rejected
## Lognormal 0.21 rejected
## Weibull 0.10 not rejected
## Gompertz 0.10 not rejected##
## Chosen continuous distribution is: Normal (norm)
## Fitted parameters are:
## mean sd
## 0.009835862 0.004465623 prueba9<-fitdist(triageT2$Tiempo,"norm")
prueba9$estimate*24*60## mean sd
## 14.163641 6.430498 plot(prueba9,demp=TRUE)
Teniendo en cuenta el ajuste observado el los graficos de Q-Q plot y P-P plot y partiendo de los resultados de las pruebas Kolmogorov-Smirnov y Anderson Darling a un nivel de significancia de 0.05, el tiempo de servicio en el proceso de clasificación para pacientes triage 2, sigue una distribución normal de parámetros 0.0098 y 0.0044, en minutos 14.16 y 6.43 respectivamente.
Con respecto al tiempo de atención del médico general, se evaluan las siguientes hipótesis:
\(H_0\)= El tiempo de servicio en el proceso de atención de médico general para pacientes triage 2 sigue una distribución logistic \(H_1\)= El tiempo de servicio en el proceso de atención de médico general para pacientes triage 2 sigue una distribución logistic
#Medico general
fit.cont(mgeneralT2$Tiempo)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... OK## * fitting Cauchy distribution ... OK## * fitting logistic distribution ... OK## * fitting beta distribution ... OK## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... failed## * fitting Student's t-distribution ... failed## * fitting Gompertz distribution ... OK## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Normal 198.26 -392.52 -388.3 5.21 0.52 0.31 not rejected
## Cauchy 184.56 -365.12 -360.9 13.40 0.04 1.14 not rejected
## Logistic 196.54 -389.07 -384.85 5.30 0.51 0.37 not rejected
## Beta 198.28 -392.56 -388.34 7.37 0.29 0.35 NULL
## Exponential 167.11 -332.22 -330.11 60.12 0.00 9.82 rejected
## Chi-square 85.52 -169.05 -166.93 402.99 0.00 21.76 NULL
## Uniform NULL NULL NULL 8.29 0.22 Inf NULL
## Gamma 198.19 -392.39 -388.17 7.48 0.28 0.36 not rejected
## Lognormal 195.81 -387.63 -383.41 10.65 0.10 0.73 not rejected
## Weibull 199.48 -394.95 -390.73 5.27 0.51 0.20 not rejected
## Gompertz 196.93 -389.85 -385.63 6.91 0.33 0.57 NULL
## KS(value) H(KS)
## Normal 0.06 not rejected
## Cauchy 0.11 not rejected
## Logistic 0.08 not rejected
## Beta 0.07 not rejected
## Exponential 0.30 rejected
## Chi-square 0.55 rejected
## Uniform 0.07 not rejected
## Gamma 0.07 not rejected
## Lognormal 0.09 not rejected
## Weibull 0.06 not rejected
## Gompertz 0.08 not rejected##
## Chosen continuous distribution is: Normal (norm)
## Fitted parameters are:
## mean sd
## 0.023766454 0.009380927 #prueba10<-fitdist(mgeneralT2$Tiempo,"Logistic")
Figura 2. Resultados Prueba de Bondad de ajuste, Médico general Triage 2
\(H_0\)= Los tiempos entre arribo de pacientes trige 0 siguen una distribución exponencial.
\(H_1\)= Los tiempos entre arribo de pacientes trige 0 no siguen una distribución exponencial.
#Medico de Urgencias
fit.cont(murgencias$Tiempo)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... OK## * fitting Cauchy distribution ... OK## * fitting logistic distribution ... OK## * fitting beta distribution ... OK## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... failed## * fitting Student's t-distribution ... failed## * fitting Gompertz distribution ... OK## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Normal 214.3 -424.6 -420.38 3.56 0.74 0.20 not rejected
## Cauchy 202.72 -401.43 -397.21 15.00 0.02 1.06 not rejected
## Logistic 213.84 -423.68 -419.46 4.34 0.63 0.23 not rejected
## Beta 209.95 -415.9 -411.67 10.77 0.10 1.37 NULL
## Exponential 199.38 -396.77 -394.66 37.98 0.00 5.92 rejected
## Chi-square 117.4 -232.8 -230.69 347.58 0.00 20.22 NULL
## Uniform NULL NULL NULL 6.05 0.42 Inf NULL
## Gamma 209.79 -415.58 -411.36 10.95 0.09 1.39 rejected
## Lognormal 196.92 -389.84 -385.62 25.84 0.00 3.27 rejected
## Weibull 213.75 -423.5 -419.28 5.65 0.46 0.60 not rejected
## Gompertz 215.23 -426.46 -422.24 5.12 0.53 0.46 NULL
## KS(value) H(KS)
## Normal 0.06 not rejected
## Cauchy 0.10 not rejected
## Logistic 0.08 not rejected
## Beta 0.14 not rejected
## Exponential 0.24 rejected
## Chi-square 0.52 rejected
## Uniform 0.10 not rejected
## Gamma 0.14 not rejected
## Lognormal 0.19 rejected
## Weibull 0.10 not rejected
## Gompertz 0.08 not rejected##
## Chosen continuous distribution is: Normal (norm)
## Fitted parameters are:
## mean sd
## 0.014001574 0.007211824\(H_0\)= Los tiempos entre arribo de pacientes trige 0 siguen una distribución exponencial. \(H_1\)= Los tiempos entre arribo de pacientes trige 0 no siguen una distribución exponencial.