[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.
ANALISIS DE DATOS Y DISTRIBUCIONES
TRIAGE 0
El arribo de pacientes de triage 0 depende de factores externos y situaciones aleatorias como accidentes de tránsito, riñas callejeras, incendios, explosiones y demás 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 clínica Maicao y se diseña la siguiente prueba de hipótesis:
\(H_0\)= 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 hipótesis Nula y \(H_1\) es la hipótesis alterna. Se emplea el criterio de rechazo del P-valúe.
#triage 0
fit.cont(teat0$TEA)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... OK## * fitting Cauchy distribution ... OK## * fitting logistic distribution ... OK## * fitting beta distribution ... failed## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... OK## * fitting Student's t-distribution ... OK## * fitting Gompertz distribution ... OK## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Normal -80.22 164.44 168.27 40.98 0.00 2.39 rejected
## Cauchy -76.35 156.71 160.53 33.80 0.00 2.49 rejected
## Logistic -73.95 151.9 155.72 31.55 0.00 1.34 rejected
## Exponential -60.07 122.14 124.06 12.18 0.06 0.47 not rejected
## Chi-square -62.85 127.69 129.6 17.99 0.01 1.30 NULL
## Uniform NULL NULL NULL 50.06 0.00 Inf NULL
## Gamma -59.86 123.72 127.55 11.38 0.04 0.38 not rejected
## Lognormal -63.64 131.27 135.1 12.30 0.03 1.15 rejected
## Weibull -59.9 123.8 127.63 11.60 0.04 0.37 not rejected
## F -60.07 124.13 127.95 11.09 0.05 0.62 NULL
## Student -94.85 191.7 193.61 68.07 0.00 22.15 NULL
## Gompertz -60.07 124.13 127.96 12.14 0.03 0.45 NULL
## KS(value) H(KS)
## Normal 0.16 not rejected
## Cauchy 0.19 rejected
## Logistic 0.14 not rejected
## Exponential 0.10 not rejected
## Chi-square 0.15 not rejected
## Uniform 0.21 rejected
## Gamma 0.08 not rejected
## Lognormal 0.12 not rejected
## Weibull 0.08 not rejected
## F 0.10 not rejected
## Student 0.51 rejected
## Gompertz 0.10 not rejected##
## Chosen continuous distribution is: Exponential (exp)
## Fitted parameters are:
## rate
## 0.8175552prueba1<-fitdist(teat0$TEA,"exp")
plot(prueba1,demp=TRUE)
Con base en los resultados obtenidos por medio de las pruebas Kolmogórov-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 clínica Maicao, siguen una distribución exponencial de parámetro 0.817.
TRIAGE I
Se evalúa 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 hipótesis:
\(H_0\)= Los tiempos entre arribo de pacientes triage 1 siguen una distribución exponencial.
\(H_1\)= Los tiempos entre arribo de pacientes triage 1 no siguen una distribución exponencial.
##
## 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)
## Normal -554.77 1113.54 1118.75 4.264000e+01 0.00 4.06
## Cauchy -562.32 1128.64 1133.85 3.840000e+01 0.00 6.82
## Logistic -553.3 1110.6 1115.81 3.852000e+01 0.00 3.27
## Exponential -520.18 1042.36 1044.96 4.670000e+00 0.86 0.28
## Chi-square -1807.42 3616.85 3619.45 4.503634e+15 0.00 Inf
## Uniform NULL NULL NULL 4.864000e+01 0.00 Inf
## Gamma -520.15 1044.3 1049.51 4.420000e+00 0.82 0.24
## Lognormal -530.54 1065.07 1070.28 1.326000e+01 0.10 1.48
## Weibull -520.18 1044.36 1049.57 4.630000e+00 0.80 0.27
## F -616.77 1237.54 1242.75 2.257400e+02 0.00 31.38
## Student -692.07 1386.15 1388.75 5.830400e+02 0.00 80.46
## Gompertz -519.83 1043.67 1048.88 5.270000e+00 0.73 0.42
## H(AD) KS(value) H(KS)
## Normal rejected 0.16 rejected
## Cauchy rejected 0.22 rejected
## Logistic rejected 0.15 rejected
## Exponential not rejected 0.06 not rejected
## Chi-square NULL 0.41 rejected
## Uniform NULL 0.19 rejected
## Gamma NA 0.06 not rejected
## Lognormal rejected 0.10 not rejected
## Weibull not rejected 0.06 not rejected
## F NULL 0.44 rejected
## Student NULL 0.68 rejected
## Gompertz NULL 0.06 not rejected##
## Chosen continuous distribution is: Exponential (exp)
## Fitted parameters are:
## rate
## 0.01496867## rate
## 0.01496867
Teniendo en cuenta los resultados obtenidos por medio de las pruebas Kolmogórov-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 clínica Maicao, siguen una distribución exponencial de parámetro 0.014 equivalente a 21.55 minutos.
De igual manera, se estudian los tiempos de servicio en cada una de las etapas del sistema, iniciando por la recepción, donde se evalúan las siguientes pruebas de hipótesis:
\(H_0\)= El tiempo de servicio de la recepción en pacientes triage 1 sigue una distribución uniforme.
\(H_1\)= El tiempo de servicio de la recepción en pacientes triage 1 no sigue una distribución uniforme.
#recepción
fit.cont(Recept1$Tiempo)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... failed## * fitting Cauchy distribution ... failed## * fitting logistic distribution ... failed## * fitting beta distribution ... OK## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... failed## * fitting Student's t-distribution ... failed## * fitting Gompertz distribution ... failed## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Beta 1441.14 -2878.28 -2871.08 31.19 0.00 2.73 NULL
## Exponential 1168.72 -2335.45 -2331.85 551.69 0.00 71.09 rejected
## Chi-square 709.77 -1417.55 -1413.94 4190.41 0.00 111.33 NULL
## Uniform NULL NULL NULL 16.16 0.24 Inf NULL
## Gamma 1441.11 -2878.23 -2871.02 31.25 0.00 2.73 rejected
## Lognormal 1438.39 -2872.78 -2865.58 36.99 0.00 3.07 rejected
## Weibull 1442.74 -2881.47 -2874.27 28.65 0.01 2.70 rejected
## KS(value) H(KS)
## Beta 0.08 not rejected
## Exponential 0.44 rejected
## Chi-square 0.60 rejected
## Uniform 0.03 not rejected
## Gamma 0.08 not rejected
## Lognormal 0.09 rejected
## Weibull 0.07 not rejected##
## Chosen continuous distribution is: Uniform (unif)
## Fitted parameters are:
## min max
## 0.002874673 0.006983180 prueba3<-fitdist(Recept1$Tiempo,"unif")
prueba3$estimate*24*60## min max
## 4.09248 9.99648 plot(prueba3,demp=TRUE)
Tomando como base los resultados de las pruebas Kolmogórov-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 clínica 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 contrastando las siguientes hipótesis:
\(H_0\)= 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
prueba4<-fitdist(mgeneralt1$tiempo,"logis")
prueba4$estimate*24*60## location scale
## 30.818517 5.830991 plot(prueba4,demp=TRUE)
Partiendo de los resultados de las pruebas Kolmogórov-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 clínica Maicao, siguen una distribución logistic de parámetros 0.021 y 0.004, en minutos 30.81 y 5.83 respectivamente.
Se parte de la siguiente prueba de hipótesis para evaluar el comportamiento de los tiempos de atención del médico 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 Kolmogórov-Smirnov y Anderson Darling, a un nivel de significancia de 0.05, el tiempo de servicio del médico 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 médico de urgencias partiendo de la siguiente prueba de hipótesis:
\(H_0\)= 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)
Partiendo de los resultados de las pruebas Kolmogórov-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 del tiempo entre arribos y el tiempos de servicio de una de las etapas del proceso asistencial de los pacientes denominados como triage 2. Para el análisis del primero se parte de la siguiente prueba de hipótesis:
\(H_0\)= 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$tea2)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... OK## * fitting Cauchy distribution ... OK## * fitting logistic distribution ... OK## * fitting beta distribution ... OK## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... OK## * fitting Student's t-distribution ... OK## * fitting Gompertz distribution ... OK## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Normal 178.36 -352.72 -347.51 60.03 0.00 5.31 rejected
## Cauchy 180.14 -356.27 -351.06 50.90 0.00 6.24 rejected
## Logistic 182.25 -360.49 -355.28 52.49 0.00 3.94 rejected
## Beta 220.19 -436.38 -431.17 8.18 0.42 0.27 NULL
## Exponential 220.05 -438.1 -435.5 8.77 0.46 0.35 not rejected
## Chi-square 137.5 -273 -270.39 154.22 0.00 21.92 NULL
## Uniform NULL NULL NULL 68.61 0.00 Inf NULL
## Gamma 220.11 -436.22 -431.01 8.31 0.40 0.25 NA
## Lognormal 215.29 -426.59 -421.38 15.13 0.06 0.96 rejected
## Weibull 220.13 -436.26 -431.05 8.30 0.40 0.24 not rejected
## F 120.98 -237.96 -232.75 199.45 0.00 33.54 NULL
## Student -92.18 186.35 188.96 2682.53 0.00 35.49 NULL
## Gompertz 220.05 -436.1 -430.89 8.79 0.36 0.36 NULL
## KS(value) H(KS)
## Normal 0.16 rejected
## Cauchy 0.21 rejected
## Logistic 0.17 rejected
## Beta 0.05 not rejected
## Exponential 0.05 not rejected
## Chi-square 0.39 rejected
## Uniform 0.22 rejected
## Gamma 0.05 not rejected
## Lognormal 0.09 not rejected
## Weibull 0.05 not rejected
## F 0.50 rejected
## Student 0.50 rejected
## Gompertz 0.05 not rejected##
## Chosen continuous distribution is: Exponential (exp)
## Fitted parameters are:
## rate
## 24.54515 prueba7<-fitdist(TEA2$tea2,"exp")
prueba7$estimate/(24*60)## rate
## 0.01704525 plot(prueba7,demp=TRUE)
Partiendo de los resultados de las pruebas Kolmogórov-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 evalúa 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$Tiempo)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... failed## * fitting Cauchy distribution ... failed## * fitting logistic distribution ... failed## * fitting beta distribution ... OK## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... OK## * fitting Student's t-distribution ... failed## * fitting Gompertz distribution ... failed## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Beta 328.1 -652.21 -647.99 5.53 0.48 0.55 NULL
## Exponential 263.1 -524.2 -522.09 124.84 0.00 16.64 rejected
## Chi-square 159.61 -317.21 -315.1 952.25 0.00 25.22 NULL
## Uniform NULL NULL NULL 27.08 0.00 Inf NULL
## Gamma 328.1 -652.21 -647.98 5.52 0.48 0.55 not rejected
## Lognormal 328 -651.99 -647.77 4.96 0.55 0.51 not rejected
## Weibull 326.68 -649.36 -645.14 9.95 0.13 0.88 rejected
## F 148.5 -293 -288.78 1154.39 0.00 30.39 NULL
## KS(value) H(KS)
## Beta 0.09 not rejected
## Exponential 0.45 rejected
## Chi-square 0.60 rejected
## Uniform 0.08 not rejected
## Gamma 0.09 not rejected
## Lognormal 0.09 not rejected
## Weibull 0.10 not rejected
## F 0.66 rejected##
## Chosen continuous distribution is: Uniform (unif)
## Fitted parameters are:
## min max
## 0.002964552 0.006888546 prueba8<-fitdist(recepcionT2$Tiempo,"unif")
prueba8$estimate*24*60## min max
## 4.25994 9.99276 plot(prueba8,demp=TRUE)
Teniendo en cuenta el ajuste observado en los gráficos de Q-Q plot y P-P plot y partiendo de los resultados de la prueba de Kolmogórov-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 evalúan 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 en los gráficos de Q-Q plot y P-P plot y partiendo de los resultados de las pruebas Kolmogórov-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 evalúan 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$Tiempo)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... OK## * fitting Cauchy distribution ... OK## * fitting logistic distribution ... OK## * fitting beta distribution ... OK## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... failed## * fitting Student's t-distribution ... failed## * fitting Gompertz distribution ... OK## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Normal 198.26 -392.52 -388.3 5.21 0.52 0.31 not rejected
## Cauchy 184.56 -365.12 -360.9 13.40 0.04 1.14 not rejected
## Logistic 196.54 -389.07 -384.85 5.30 0.51 0.37 not rejected
## Beta 198.28 -392.56 -388.34 7.37 0.29 0.35 NULL
## Exponential 167.11 -332.22 -330.11 60.12 0.00 9.82 rejected
## Chi-square 85.52 -169.05 -166.93 402.99 0.00 21.76 NULL
## Uniform NULL NULL NULL 8.29 0.22 Inf NULL
## Gamma 198.19 -392.39 -388.17 7.48 0.28 0.36 not rejected
## Lognormal 195.81 -387.63 -383.41 10.65 0.10 0.73 not rejected
## Weibull 199.48 -394.95 -390.73 5.27 0.51 0.20 not rejected
## Gompertz 196.93 -389.85 -385.63 6.91 0.33 0.57 NULL
## KS(value) H(KS)
## Normal 0.06 not rejected
## Cauchy 0.11 not rejected
## Logistic 0.08 not rejected
## Beta 0.07 not rejected
## Exponential 0.30 rejected
## Chi-square 0.55 rejected
## Uniform 0.07 not rejected
## Gamma 0.07 not rejected
## Lognormal 0.09 not rejected
## Weibull 0.06 not rejected
## Gompertz 0.08 not rejected##
## Chosen continuous distribution is: Uniform (unif)
## Fitted parameters are:
## min max
## 0.007518212 0.040014696 prueba10<-fitdist(mgeneralT2$Tiempo,"logis")
prueba10$estimate*24*60## location scale
## 33.86831 7.95881 plot(prueba10,demp=TRUE)
Partiendo del ajuste observado en los gráficos de Q-Q plot y P-P plot y teniendo en cuenta los resultados de las pruebas Kolmogórov-Smirnov y Anderson Darling a un nivel de significancia de 0.05, el tiempo de servicio en el proceso de atención de médico general para pacientes triage 2, sigue una distribución logistic de parámetros 0.023 y 0.009, en minutos 33.868 y 7.958 respectivamente.
Para analizar el comportamiento del tiempo de servicio del médico de urgencias en la atención de pacientes triage 2, se evalúan las siguientes hipótesis:
\(H_0\)= El tiempo de servicio en el proceso de atención de médico de urgencias para pacientes triage 2 sigue una distribución logistic
\(H_1\)= El tiempo de servicio en el proceso de atención de médico de urgencias para pacientes triage 2 no sigue una distribución logistic
#Medico de Urgencias
fit.cont(murgencias$Tiempo)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... OK## * fitting Cauchy distribution ... OK## * fitting logistic distribution ... OK## * fitting beta distribution ... OK## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... failed## * fitting Student's t-distribution ... failed## * fitting Gompertz distribution ... OK## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Normal 214.3 -424.6 -420.38 3.56 0.74 0.20 not rejected
## Cauchy 202.72 -401.43 -397.21 15.00 0.02 1.06 not rejected
## Logistic 213.84 -423.68 -419.46 4.34 0.63 0.23 not rejected
## Beta 209.95 -415.9 -411.67 10.77 0.10 1.37 NULL
## Exponential 199.38 -396.77 -394.66 37.98 0.00 5.92 rejected
## Chi-square 117.4 -232.8 -230.69 347.58 0.00 20.22 NULL
## Uniform NULL NULL NULL 6.05 0.42 Inf NULL
## Gamma 209.79 -415.58 -411.36 10.95 0.09 1.39 rejected
## Lognormal 196.92 -389.84 -385.62 25.84 0.00 3.27 rejected
## Weibull 213.75 -423.5 -419.28 5.65 0.46 0.60 not rejected
## Gompertz 215.23 -426.46 -422.24 5.12 0.53 0.46 NULL
## KS(value) H(KS)
## Normal 0.06 not rejected
## Cauchy 0.10 not rejected
## Logistic 0.08 not rejected
## Beta 0.14 not rejected
## Exponential 0.24 rejected
## Chi-square 0.52 rejected
## Uniform 0.10 not rejected
## Gamma 0.14 not rejected
## Lognormal 0.19 rejected
## Weibull 0.10 not rejected
## Gompertz 0.08 not rejected##
## Chosen continuous distribution is: Normal (norm)
## Fitted parameters are:
## mean sd
## 0.014001574 0.007211824 prueba11<-fitdist(murgencias$Tiempo,"logis")
prueba11$estimate*24*60## location scale
## 19.951475 5.932824 plot(prueba11,demp=TRUE)
Teniendo en cuenta el ajuste observado en los gráficos de Q-Q plot y P-P plot y partiendo de los resultados de las pruebas Kolmogórov-Smirnov y Anderson Darling a un nivel de significancia de 0.05, el tiempo de servicio en la recepción para pacientes triage 2, sigue una distribución logistic de parámetros 0.013 y 0.004, en minutos 19.951 y 5.932 respectivamente.
PRUEBAS Y EXAMENES MEDICOS
+a. Procedimientos
Se estudian los tiempos de servicio para cada una de las pruebas y exámenes médicos. En primer lugar, se analiza el comportamiento del tiempo de atención del área de procedimientos, a partir de las siguientes pruebas de hipótesis:
\(H_0\)= El tiempo de servicio en el área de procedimientos sigue una distribución uniforme
\(H_1\)=El tiempo de servicio en el área de procedimientos sigue una distribución uniforme
#procedimientos
fit.cont(procd$tiempo)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... OK## * fitting Cauchy distribution ... OK## * fitting logistic distribution ... OK## * fitting beta distribution ... failed## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... OK## * fitting Student's t-distribution ... OK## * fitting Gompertz distribution ... failed## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Normal -751.99 1507.97 1514.57 37.76 0.00 3.44 rejected
## Cauchy -814.31 1632.62 1639.22 112.56 0.00 6.36 rejected
## Logistic -761.97 1527.95 1534.54 46.48 0.00 3.59 rejected
## Exponential -950.61 1903.22 1906.52 405.19 0.00 52.02 rejected
## Chi-square -757.05 1516.1 1519.4 61.73 0.00 7.78 NULL
## Uniform NULL NULL NULL 11.35 0.41 0.44 NULL
## Gamma -752.63 1509.27 1515.86 39.37 0.00 3.63 rejected
## Lognormal -754.79 1513.57 1520.17 43.64 0.00 3.93 rejected
## Weibull -749.7 1503.4 1510 36.50 0.00 3.24 rejected
## F -1258.49 2520.99 2527.58 2651.57 0.00 102.17 NULL
## Student -1409.91 2821.82 2825.12 5865.33 0.00 191.48 NULL
## KS(value) H(KS)
## Normal 0.10 rejected
## Cauchy 0.14 rejected
## Logistic 0.10 rejected
## Exponential 0.45 rejected
## Chi-square 0.15 rejected
## Uniform 0.05 not rejected
## Gamma 0.11 rejected
## Lognormal 0.12 rejected
## Weibull 0.09 not rejected
## F 0.66 rejected
## Student 0.82 rejected##
## Chosen continuous distribution is: Uniform (unif)
## Fitted parameters are:
## min max
## 24.65263 60.64993 prueba12<-fitdist(procd$tiempo,"unif")
prueba12$estimate## min max
## 25.33860 59.99466 plot(prueba12,demp=TRUE)
Teniendo en cuenta el ajuste observado en los gráficos de Q-Q plot y P-P plot y partiendo del resultado de la prueba Kolmogórov-Smirnov a un nivel de significancia de 0.05, el tiempo de servicio en el área de procedimientos, sigue una distribución uniforme de parámetros 25.338 y 59.994
+b. Ecógrafo
Así mismo, se analiza el comportamiento del tiempo de atención del ecógrafo, a partir de las siguientes pruebas de hipótesis:
\(H_0\)= El tiempo de servicio del ecógrafo sigue una distribución uniforme
\(H_1\)=El tiempo de servicio del ecógrafo no sigue una distribución uniforme
#Ecográfo
fit.cont(eco$t)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... OK## * fitting Cauchy distribution ... OK## * fitting logistic distribution ... OK## * fitting beta distribution ... failed## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... OK## * fitting Student's t-distribution ... OK## * fitting Gompertz distribution ... failed## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Normal -360.67 725.34 731.94 25.24 0.01 2.67 rejected
## Cauchy -418.83 841.65 848.25 80.43 0.00 5.38 rejected
## Logistic -369.85 743.7 750.3 30.56 0.00 2.81 rejected
## Exponential -771.58 1545.16 1548.46 1422.57 0.00 77.00 rejected
## Chi-square -543.76 1089.52 1092.82 322.29 0.00 39.24 NULL
## Uniform NULL NULL NULL 8.97 0.62 0.64 NULL
## Gamma -360.15 724.3 730.9 23.21 0.02 2.60 rejected
## Lognormal -360.1 724.2 730.8 22.54 0.02 2.59 rejected
## Weibull -366.04 736.08 742.68 39.88 0.00 3.21 rejected
## F -1035.13 2074.25 2080.85 5836.90 0.00 114.00 NULL
## Student -1193.12 2388.23 2391.53 13100.34 0.00 202.33 NULL
## KS(value) H(KS)
## Normal 0.08 not rejected
## Cauchy 0.14 rejected
## Logistic 0.09 not rejected
## Exponential 0.58 rejected
## Chi-square 0.36 rejected
## Uniform 0.04 not rejected
## Gamma 0.09 not rejected
## Lognormal 0.09 not rejected
## Weibull 0.08 not rejected
## F 0.70 rejected
## Student 0.84 rejected##
## Chosen continuous distribution is: Uniform (unif)
## Fitted parameters are:
## min max
## 14.88116 19.96906 prueba13<-fitdist(eco$t,"unif")
prueba13$estimate## min max
## 15.01236 19.96750 plot(prueba13,demp=TRUE)
Teniendo en cuenta el ajuste observado en los gráficos de Q-Q plot y P-P plot y partiendo del resultado de la prueba Kolmogórov-Smirnov a un nivel de significancia de 0.05, el tiempo de servicio del ecógrafo, sigue una distribución uniforme de parámetros 15.012 y 19.967.
+c. RX
Se evalúa el comportamiento del tiempo de atención de la sala de RX, a partir de las siguientes pruebas de hipótesis:
\(H_0\)= El tiempo de servicio de la sala de RX sigue una distribución uniforme
\(H_1\)=El tiempo de servicio de la sala de RX no sigue una distribución uniforme
#RX
fit.cont(rx$t)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... OK## * fitting Cauchy distribution ... OK## * fitting logistic distribution ... OK## * fitting beta distribution ... failed## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... OK## * fitting Student's t-distribution ... OK## * fitting Gompertz distribution ... failed## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Normal -386.29 776.58 783.18 14.86 0.19 1.76 rejected
## Cauchy -440.49 884.98 891.58 57.23 0.00 4.55 rejected
## Logistic -394.35 792.7 799.3 17.07 0.11 1.94 rejected
## Exponential -619.79 1241.58 1244.87 467.19 0.00 57.69 rejected
## Chi-square -476.63 955.26 958.56 119.33 0.00 21.25 NULL
## Uniform NULL NULL NULL 31.24 0.00 Inf NULL
## Gamma -388.6 781.2 787.8 19.68 0.05 2.19 rejected
## Lognormal -391.23 786.46 793.06 24.61 0.01 2.61 rejected
## Weibull -384.18 772.36 778.96 14.60 0.20 1.63 rejected
## F -819.48 1642.96 1649.56 1650.90 0.00 111.13 NULL
## Student -986.2 1974.4 1977.7 4041.52 0.00 205.43 NULL
## KS(value) H(KS)
## Normal 0.06 not rejected
## Cauchy 0.13 rejected
## Logistic 0.06 not rejected
## Exponential 0.46 rejected
## Chi-square 0.27 rejected
## Uniform 0.06 not rejected
## Gamma 0.08 not rejected
## Lognormal 0.08 not rejected
## Weibull 0.06 not rejected
## F 0.67 rejected
## Student 0.82 rejected##
## Chosen continuous distribution is: Uniform (unif)
## Fitted parameters are:
## min max
## 5.265869 11.049170 prueba14<-fitdist(rx$t,"unif")
prueba14$estimate## min max
## 5.020142 10.977477 plot(prueba14,demp=TRUE)
Partiendo del ajuste observado en los gráficos de Q-Q plot y P-P plot y teniendo en cuenta lo obtenido en la prueba Kolmogórov-Smirnov a un nivel de significancia de 0.05, el tiempo de servicio de la sala de RX, sigue una distribución uniforme de parámetros 5.020 y 10.977.
+d. Resonancia
Se estudia el comportamiento del tiempo de atención de la sala de resonancia, a partir de las siguientes pruebas de hipótesis:
\(H_0\)= El tiempo de servicio de la sala de resonancia sigue una distribución uniforme
\(H_1\)=El tiempo de servicio de la sala de resonancia no sigue una distribución uniforme
#resonancia
fit.cont(res$t)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... OK## * fitting Cauchy distribution ... OK## * fitting logistic distribution ... OK## * fitting beta distribution ... failed## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... OK## * fitting Student's t-distribution ... OK## * fitting Gompertz distribution ... failed## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Normal -486.46 976.93 983.52 39.13 0.00 2.64 rejected
## Cauchy -545.02 1094.03 1100.63 115.84 0.00 5.61 rejected
## Logistic -495.57 995.14 1001.74 47.70 0.00 2.87 rejected
## Exponential -841.12 1684.23 1687.53 1149.79 0.00 72.43 rejected
## Chi-square -587.89 1177.77 1181.07 179.58 0.00 23.62 NULL
## Uniform NULL NULL NULL 21.43 0.03 Inf NULL
## Gamma -486.74 977.47 984.07 40.06 0.00 2.81 rejected
## Lognormal -487.25 978.5 985.1 41.21 0.00 2.94 rejected
## Weibull -488.12 980.23 986.83 42.05 0.00 2.35 rejected
## F -1125.63 2255.26 2261.86 5402.98 0.00 110.50 NULL
## Student -1280.68 2563.35 2566.65 11955.69 0.00 198.64 NULL
## KS(value) H(KS)
## Normal 0.10 rejected
## Cauchy 0.13 rejected
## Logistic 0.10 rejected
## Exponential 0.56 rejected
## Chi-square 0.25 rejected
## Uniform 0.04 not rejected
## Gamma 0.09 not rejected
## Lognormal 0.09 not rejected
## Weibull 0.10 rejected
## F 0.69 rejected
## Student 0.83 rejected##
## Chosen continuous distribution is: Uniform (unif)
## Fitted parameters are:
## min max
## 19.89818 29.44141 prueba15<-fitdist(res$t,"unif")
prueba15$estimate## min max
## 20.00176 29.79749 plot(prueba15,demp=TRUE)
Teniendo en cuenta el ajuste observado en los gráficos de Q-Q plot y P-P plot y partiendo del resultado de la prueba Kolmogórov-Smirnov a un nivel de significancia de 0.05, el tiempo de servicio de la sala de resonancia, sigue una distribución uniforme de parámetros 19.898 y 29.441.
+e. TAC
Se analiza el comportamiento del tiempo de servicio de la sala de TAC, para lo cual, se evalúan las siguientes pruebas de hipótesis:
\(H_0\)= El tiempo de servicio de la sala de TAC sigue una distribución uniforme
\(H_1\)=El tiempo de servicio de la sala de TAC no sigue una distribución uniforme
#TAC
fit.cont(tac$t1)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... OK## * fitting Cauchy distribution ... OK## * fitting logistic distribution ... OK## * fitting beta distribution ... failed## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... OK## * fitting Student's t-distribution ... OK## * fitting Gompertz distribution ... OK## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Normal -640.75 1285.49 1292.09 20.54 0.04 2.41 rejected
## Cauchy -699.03 1402.06 1408.66 75.72 0.00 5.36 rejected
## Logistic -649.82 1303.64 1310.24 25.50 0.01 2.60 rejected
## Exponential -801.55 1605.1 1608.39 270.85 0.00 44.70 rejected
## Chi-square -642.33 1286.67 1289.97 19.41 0.08 2.58 NULL
## Uniform NULL NULL NULL 6.55 0.83 Inf NULL
## Gamma -642.2 1288.4 1295 21.23 0.03 2.90 rejected
## Lognormal -645.91 1295.82 1302.42 26.47 0.01 3.51 rejected
## Weibull -637.67 1279.35 1285.95 19.51 0.05 2.22 rejected
## F -1063.33 2130.66 2137.26 1586.99 0.00 101.47 NULL
## Student -1220.21 2442.43 2445.72 3699.16 0.00 192.91 NULL
## Gompertz -642.7 1289.39 1295.99 30.74 0.00 2.30 NULL
## KS(value) H(KS)
## Normal 0.07 not rejected
## Cauchy 0.14 rejected
## Logistic 0.07 not rejected
## Exponential 0.38 rejected
## Chi-square 0.09 not rejected
## Uniform 0.03 not rejected
## Gamma 0.09 not rejected
## Lognormal 0.11 rejected
## Weibull 0.07 not rejected
## F 0.64 rejected
## Student 0.81 rejected
## Gompertz 0.08 not rejected##
## Chosen continuous distribution is: Uniform (unif)
## Fitted parameters are:
## min max
## 9.92146 30.56169 prueba16<-fitdist(tac$t1,"unif")
prueba16$estimate## min max
## 9.830323 30.395764 plot(prueba16,demp=TRUE)
Teniendo en cuenta el ajuste observado en los gráficos de Q-Q plot y P-P plot y partiendo del resultado de la prueba Kolmogórov-Smirnov a un nivel de significancia de 0.05, el tiempo de servicio de la sala de TAC, sigue una distribución uniforme de parámetros 9.830 y 30.395.
+f. Exámenes de laboratorio
Se estudia el comportamiento del tiempo de servicio del área de exámenes de laboratorio a partir de las siguientes pruebas de hipótesis:
\(H_0\)= El tiempo de servicio del área de exámenes de laboratorio sigue una distribución uniforme
\(H_1\)=El tiempo de servicio del área de exámenes de laboratorio no sigue una distribución uniforme
#Examenes de laboratorio
fit.cont(el$t)##
## Begin fitting distributions ---------------------------------------## * fitting normal distribution ... OK## * fitting Cauchy distribution ... OK## * fitting logistic distribution ... OK## * fitting beta distribution ... failed## * fitting exponential distribution ... OK## * fitting chi-square distribution ... OK## * fitting uniform distribution ... OK## * fitting gamma distribution ... OK## * fitting lognormal distribution ... OK## * fitting Weibull distribution ... OK## * fitting F-distribution ... OK## * fitting Student's t-distribution ... OK## * fitting Gompertz distribution ... failed## * fitting triangular distribution ... failed## End fitting distributions -----------------------------------------## logL AIC BIC Chisq(value) Chisq(p) AD(value) H(AD)
## Normal -332.31 668.62 675.22 33.98 0.00 3.28 rejected
## Cauchy -393.69 791.38 797.98 108.24 0.00 6.13 rejected
## Logistic -342.15 688.31 694.91 42.72 0.00 3.41 rejected
## Exponential -633.62 1269.25 1272.55 771.07 0.00 66.89 rejected
## Chi-square -476.37 954.74 958.03 242.24 0.00 32.48 NULL
## Uniform NULL NULL NULL 6.76 0.82 Inf NULL
## Gamma -332.9 669.8 676.4 33.27 0.00 3.43 rejected
## Lognormal -333.82 671.64 678.24 34.04 0.00 3.58 rejected
## Weibull -331.83 667.66 674.26 38.87 0.00 3.10 rejected
## F -842.65 1689.3 1695.9 2572.90 0.00 115.44 NULL
## Student -1008.39 2018.78 2022.07 6138.77 0.00 207.58 NULL
## KS(value) H(KS)
## Normal 0.10 rejected
## Cauchy 0.15 rejected
## Logistic 0.09 not rejected
## Exponential 0.52 rejected
## Chi-square 0.34 rejected
## Uniform 0.04 not rejected
## Gamma 0.10 rejected
## Lognormal 0.11 rejected
## Weibull 0.09 not rejected
## F 0.69 rejected
## Student 0.84 rejected##
## Chosen continuous distribution is: Uniform (unif)
## Fitted parameters are:
## min max
## 6.534197 10.949439 prueba17<-fitdist(el$t,"unif")
prueba17$estimate## min max
## 6.505249 10.796194 plot(prueba17,demp=TRUE)
Considerando el ajuste observado en los gráficos de Q-Q plot y P-P plot
y teniendo en cuenta el resultado de la prueba Kolmogórov-Smirnov a un
nivel de significancia de 0.05, el tiempo de servicio de la sala de TAC,
sigue una distribución uniforme de parámetros 6.505 y 10.796.