Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Una Metodología de Series de Tiempo para El Área de La Salud - Caso Práctico
Una Metodología de Series de Tiempo para El Área de La Salud - Caso Práctico
CASO PRÁCTICO
RESUMEN
En los últimos años las series de tiempo han tenido desarrollos y aplicaciones
logrando dar confiabilidad a los resultados del modelo encontrado. Para ejemplarizar
2005.
Palabras clave
ABSTRACT
In the last years the series of time have had developments and important
applications in the area of the health, for that reason, the present article shows a
methodology tried in previous studies, where the passages in the analysis of series
model of smoothing prognosis being used technical: Exponential, Simple, Holt and
Winter. In addition the validation of the assumptions of the residual ones is made
managing to give trustworthiness to the results of the found model. In order to give
example the procedure the data of the number of external consultations made in the
IPS of the University of Antioquia were used during April of 2001 and September of
2005.
Key words.
INTRODUCCIÓN
regulares a través del tiempo, también se conoce como series temporales o series
cronológicas. La unidad de tiempo puede ser: hora, día, mes, trimestre, año o
La suposición básica que soporta el análisis de series temporales es que los factores
estadísticos utilizados para tratar temas referentes al área de la salud. Por ejemplo,
periodos similares cada año, debido entre otras situaciones por los cambios
también es útil como metodología para identificar si esos procesos son estacionarios
Además, para eventos no muy cambiantes como suele ocurrir en el área que nos
cáncer, accidentalidad por diversos motivos, los datos bien sea en casos y aún en
tasas, no son volátiles y por lo tanto, los métodos clásicos ajustan de una manera
entre otros servicios, también se presta tanto a usuarios de otras EPS como a
3
Docentes Grisales R, Hugo. Bello P, León Darío, Hincapié Doraceli- Estudiantes: López Ana Maria y Hoyos Catalina.
CONSIDERACIONES PREVIAS SOBRE UNA SERIE DE DATOS
del dato, valga decir, subregistro, muestreo insuficiente y demás, el hecho de que la
buena descripción de la serie. Lo anterior, tiene que ver con los mecanismos de
Comparabilidad: Tener presente los posibles cambios que se originan a través del
secuencia, si éste muestra una tendencia hacia arriba o hacia abajo, indica no
aleatoriedad, como en éste caso. Para verificar dicha percepción se realiza la prueba
de que no sea aleatoria, la serie se conoce como ruido blanco o caminata aleatoria y
Para el caso práctico el valor del sig. en la prueba de rachas es 0.000 > 0.05, por lo
herramientas:
- Gráfico de secuencias.
septiembre de 2005.
similar.
mismos.
Las medidas de resumen para la variable “consultas externas” desde abril de 2001
la serie, para este caso se trabaja anualmente, es decir, se validarán los supuestos
para cada año. En algunos casos, no es necesario comparar los promedios para
cada año, ya que se puede partir la serie en varios tramos y comparar dichos
secuencias.
Para la serie que se está analizando los resultados arrojados por SPSS son:
Aleatoriedad Normalidad
Sig. Sig.
Con respecto a la normalidad se observa que solo para el año 2005, el número de
hacia arriba o hacia abajo del largo plazo. Se presenta por cambios en tecnología,
Anova con respecto a los años, para determinar si los promedios de consultas
Para el caso práctico, el sig en la prueba de Anova con respecto a los años es
0.000 < 0.05, lo que significa que al menos uno de los promedios de consultas
externas por año es diferente, lo que confirma que la serie presenta tendencia tal
dentro de cada período de 12 meses, año tras año. Se presenta por condiciones
la prueba de Anova con respecto a los meses, para determinar si los promedios de
estaciónales para observar si existen valores que se encuentren por fuera del rango
de 90 – 110.
Índices estaciónales:
Seasonal
index
Period (* 100)
1 108.434
2 109.102
3 101.940
4 102.519
5 107.203
6 109.353
7 105.347
8 100.074
9 74.481
10 80.496
11 98.024
12 103.028
estacionalidad, pues existen índices que se encuentran por fuera del rango 90 y 110,
Así, por ejemplo, en los meses de septiembre se presenta una marcada disminución
3.3 Cíclica: Oscilaciones repetidas hacia arriba y hacia abajo, no con la misma
duración no por los mismo períodos. Por lo general se presenta por decisiones
políticas que impactan los eventos a largo plazo, por lo tanto, en el área de la salud,
En este caso se tienen datos para 4 años, lo que indica que ésta serie no presenta la
componente cíclica.
3.4 Irregular: Comportamiento no sistemático. Fluctuaciones aleatorias sin ningún
modelos mínimos cuadráticos y modelos ARIMA. Para el caso que nos ocupa, el
modelos de suavización.
4.1 Suavizado exponencial simple: es una técnica útil para suavizar una
puede utilizarse para obtener predicciones a corto plazo. Esta técnica supera al
descendente.
4.2 Suavizado exponencial de HOLT: es una extensión del planteamiento
exponencial proporciona una visión de los movimientos a largo plazo sin tener en
tendencia.
Para utilizar el método de Holt para predicción, suponemos que todos los
estacional, por medio de lo que se conoce como Índices Estaciónales, los cuales
estacionalidad. SSE, es la suma de cuadrados del error, luego el modelo que tenga
pronósticos.
Para el caso de los residuales de la serie de “consultas externas” los resultados son
los siguientes:
Aleatoriedad Normalidad
manera normal.
Dado lo anterior, se debe de buscar otro modelo mínimo cuadráticos, como los
externa.
Los residuales de éste último modelo cumplen aleatoriedad y normalidad por año.
En ambos casos, se cumplieron los mismos supuestos. Otros modelos, por lo tanto,
podrán cumplir las mismas condiciones, e incluso mejores. Por lo tanto, es prudente
tener en cuenta a los expertos en la temática específica, para darle contexto a las
5. Pronósticos.
bandas construidas por los límites de los intervalos de confianza, dando un rango
de posibilidades donde deberá estar la demanda de consultas externas en la IPS
universitaria.
influenciado por el último mes (septiembre 2005), sin embargo, el modelo parece
La situación es, a medida que lleguen nuevos datos, estos se introduzcan a la base
Conclusiones
entendible posible.
1998.
http://www.statgraphics.net/Producto/MdlSeriesTemp.htm. Consultado:
25 de octubre de 2005.
de octubre de 2005.
http://ciberconta.unizar.es/LECCION/seriest/000F2.HTM Consultado:
17 de noviembre de 2005.
http://www.monografias.com/trabajos14/estadistica/estadistica.shtml#m