Elecciones: resultados atı́picos en las votaciones

Copia en pruebas estandarizadas

Anomalı́as en información proveedores
Anomalı́as en bases de datos sector salud

Aplicaciones Minerı́a de Datos

Copia, Anomalı́as y Fraude

Marzo 29 de 2012

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

 Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas
Anomalı́as en información proveedores
Anomalı́as en bases de datos sector salud

Contenido

1 Elecciones: resultados atı́picos en las votaciones

2 Copia en pruebas estandarizadas

Índice ω
Analı́sis de las Pruebas Saber 5◦ y 9◦

3 Anomalı́as en información proveedores

Análisis descriptivo
Reglas de Asociación

4 Anomalı́as en bases de datos sector salud

Entropı́a Relativa

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

 Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas
Anomalı́as en información proveedores
Anomalı́as en bases de datos sector salud

Elecciones: resultados atı́picos en las votaciones

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

 Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas Índice ω
Anomalı́as en información proveedores Analı́sis de las Pruebas Saber 5◦ y 9◦
Anomalı́as en bases de datos sector salud

Contenido

1 Elecciones: resultados atı́picos en las votaciones

2 Copia en pruebas estandarizadas

Índice ω
Analı́sis de las Pruebas Saber 5◦ y 9◦

3 Anomalı́as en información proveedores

Análisis descriptivo
Reglas de Asociación

4 Anomalı́as en bases de datos sector salud

Entropı́a Relativa

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

 Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas Índice ω
Anomalı́as en información proveedores Analı́sis de las Pruebas Saber 5◦ y 9◦
Anomalı́as en bases de datos sector salud

Copia en pruebas estandarizadas

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

 Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas Índice ω
Anomalı́as en información proveedores Analı́sis de las Pruebas Saber 5◦ y 9◦
Anomalı́as en bases de datos sector salud

Índice ω

Un individuo con habilidad θj responde con probabilidad π la

opción v en la pregunta i de acuerdo a un modelo de
respuesta nominal:
ξiv + λiv θj
πiv (θj ) = Pm (1)
h=1 ξih + λih θj

Los parámetros ξiv y λiv pueden variar a través de las

diferentes preguntas.
Los parámetros de las preguntas (ξiv y λiv ) se estiman por
máxima-verosimilitud marginal y la habilidad se estima usando
el método de máxima probabilidad a posteriori. Para la
estimación se utilizo el paquete rirt de R.

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

Distribución de las habilidades por forma

PBA5041F1 PBA5041F2 PBA5042F1

60000
Frecuencia

Frecuencia

Frecuencia
8000

0 6000
0

0
−3 −2 −1 0 1 2 3 −3 −1 0 1 2 3 −3 −2 −1 0 1 2 3

Habilidad Habilidad Habilidad

PBA5042F2 PBA5043F1 PBA5043F2

60000

60000
Frecuencia

Frecuencia

Frecuencia
6000
0

0
−3 −1 0 1 2 3 −3 −1 0 1 2 3 −3 −1 0 1 2 3

Habilidad Habilidad Habilidad

PBA9041F1 PBA9041F2 PBA9042F1

Frecuencia

Frecuencia

Frecuencia
40000

6000
6000
0

0
−2 −1 0 1 2 3 −3 −1 0 1 2 3 4 −3 −1 0 1 2 3

Habilidad Habilidad Habilidad

PBA9042F2 PBA9043F1 PBA9043F2

Frecuencia

Frecuencia

Frecuencia
40000

40000
6000
0

−3 −1 0 1 2 3 −2 −1 0 1 2 3 −2 −1 0 1 2 3

Habilidad Habilidad Habilidad

 Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas Índice ω
Anomalı́as en información proveedores Analı́sis de las Pruebas Saber 5◦ y 9◦
Anomalı́as en bases de datos sector salud

Índice ω

Sea Icsi la función indicadora del conjunto de la coincidencia

de respuestas entre c y s en la pregunta i . Es decir toma el
valor de 1 cuando el individuo coinciden es su repuesta.
Luego el número de respuestas en común entre j y s es
n
X
Mcs = Icsi . (2)
i=1

Si los individuos no se copian (responden de forma

independiente), la probabilidad de que c y s escojan la
alternativa v en la pregunta i es

πcsiv = πiv (θc )πiv (θs ) (3)

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

 Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas Índice ω
Anomalı́as en información proveedores Analı́sis de las Pruebas Saber 5◦ y 9◦
Anomalı́as en bases de datos sector salud

Índice ω

Luego la probabilidad de una coincidencia entre c y s en la

pregunta i es
k
X
P(Icsi = 1) = πcsi = πcsiv (4)
v =1

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

Índice ω

Se calcula un ı́ndice condicional que se comporta

asintóticamente como una normal estándar.
Si denotamos por πiv s (θc ) la probabilidad de responder la
opción que s eligió en la pregunta i para un individuo de
habilidad θc , entonces el indice ω se define de acuerdo a la
siguiente ecuación:

Mcs − E [Mcs |Us ]

ω= (5)
Var [Mcs |Us ]1/2
 Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas Índice ω
Anomalı́as en información proveedores Analı́sis de las Pruebas Saber 5◦ y 9◦
Anomalı́as en bases de datos sector salud

Analı́sis Pruebas con el Índice ω

Todos los resultados que se muestran a continuación utilizan

un nivel de confianza del 99.9 %.
El porcentaje de individuos sospechosos de copia según el
algoritmo es 36.68 %.
El porcentaje de parejas sospechosas de copia es 1.35 %. Este
valor corresponde a las parejas ordenadas que son detectadas
como sospechosas.
El porcentaje de salones en donde se sospecha hubo copia es
del 57.91 %.

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

Analı́sis Pruebas con el Índice ω
Analı́sis Pruebas con el Índice ω
Analı́sis Pruebas con el Índice ω
Analı́sis Pruebas con el Índice ω

Figura: Proporción de parejas sospechosas de copia en cada forma.

Analı́sis Pruebas con el Índice ω

Cuadro: Proporción de parejas sospechosas de copia en cada forma.

Forma Censal Controlada Estadı́stica
PBA5041F1 0.030377 0.010834 0.015643
PBA5041F2 0.010632 0.00201 0.002637
PBA5042F1 0.030028 0.004348 0.007349
PBA5042F2 0.013113 0.002846 0.002482
PBA5043F1 0.039984 0.010145 0.007702
PBA5043F2 0.013191 0.003155 0.002953
PBA9041F1 0.030693 0.020785 0.014082
PBA9041F2 0.009949 0.002683 0.004225
PBA9042F1 0.009446 0 0.003482
PBA9042F2 0.008149 0.003027 0.002911
PBA9043F1 0.026948 0.004866 0.007165
PBA9043F2 0.009671 0.003285 0.00396
 Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas Análisis descriptivo
Anomalı́as en información proveedores Reglas de Asociación
Anomalı́as en bases de datos sector salud

Contenido

1 Elecciones: resultados atı́picos en las votaciones

2 Copia en pruebas estandarizadas

Índice ω
Analı́sis de las Pruebas Saber 5◦ y 9◦

3 Anomalı́as en información proveedores

Análisis descriptivo
Reglas de Asociación

4 Anomalı́as en bases de datos sector salud

Entropı́a Relativa

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

 Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas Análisis descriptivo
Anomalı́as en información proveedores Reglas de Asociación
Anomalı́as en bases de datos sector salud

Anomalı́as en información proveedores

En este estudio se llevó a cabo un análisis digital de las bases

de datos de pagos y pedidos para detectar casos de posibles
irregularidades y posibles sospechosos.
Se estudió la base de pedidos dividiéndola en bienes y
servicios y se analizó la facturación de varios años en busca de
consecutivos en la facturación de los proveedores (tipologı́a
tres).
Se analizaron los datos de contacto en el directorio de
proveedores en búsqueda de casos atı́picos.
Adicionalmente se caracterizan y describen algunas variables
presentes en estas bases de datos y que ya han sido
identificados por expertos como variables crı́ticas.

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas Análisis descriptivo
Anomalı́as en información proveedores Reglas de Asociación
Anomalı́as en bases de datos sector salud

Para el análisis descriptivo se utilizaron las siguientes

metodoogı́as
1 Análisis descriptivo.
2 Reglas de asociación.

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

 millones de pesos,
Elecciones: resultados atı́picos en la fracción de las transacciones que no tuvo s
las votaciones
Copia en pruebas estandarizadas Análisis descriptivo
pedido, la fracción de las transacciones
Anomalı́as en información proveedores que no tuvo contrato, la f
Reglas de Asociación
Anomalı́as en bases de datos sector salud
las transacciones que fue menor a 20,000 USD, la fracción que es
Análisis
20,000 descriptivo
USD y 100,000 USD y la que fue mayor a 100,000 USD.
gráfica “PanelResumenPedidosTip1.pdf” (ver Figura 2).
Número de transacciones Valor total de transacciones
Transacciones sin solicitud de pedido
(mensual) (mensual)
1000 1500 2000 2500 3000

1.0

1.0
2000

0.8

0.9
miles de millones de pesos
número de transacciones

1500

Fracción del total

Fracción del total

0.6

0.8
1000

0.4

0.7
500

0.2

0.6
500

0.0

0.5
0

2008−01−01 2009−02−18 2010−04−08 2008−01−01 2009−02−18 2010−04−08 2008−01−01 2009−02−18 2010−04−08 2008−01−01

mes mes mes

Transacciones con valor menor Transacciones con valor entre Transacciones con valor mayor
a 20,000 USD 20,000 USD y 100,000 USD a 100,000 USD
1.0

1.0
0.5
0.8

0.8
0.4
Fracción del total

Fracción del total

Fracción del total

0.6

0.6
0.3
0.4

0.4
0.2
0.2

0.2
0.1
0.0

0.0

0.0
2008−01−01 2009−02−18 2010−04−08 2008−01−01 2009−02−18 2010−04−08 2008−01−01 2009−02−18 2010−04−08

mes mes mes

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

Análisis descriptivo

Si se analiza por usuario, sorprende XXX quien tuvo un gran

aumento en sus transacciones y en el valor de ellas, con casi la
totalidad de los pedidos sin solicitud, todos sin contrato, y después
desaparece del registro.
 Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas Análisis descriptivo
Anomalı́as en información proveedores Reglas de Asociación
Anomalı́as en bases de datos sector salud

Reglas de Asociación

Cuando hay solicitud de pedido no hay contrato y cuando no hay

contrato hay solicitud de pedido
Cuando X es igual a Y hay solicitud de pedido mas no contrato.
El comprador XXX hace pedidos por valor menor a 20,000 USD sin
contrato, con solicitud de pedido, para YYY.
XXX, YYY y ZZZ hacen pedidos para WWW sin contrato pero
con solicitud de pedido.
AAA hace pedidos sin solicitud de pedido con contrato.
BBB hace pedidos sin contrato con solicitud de pedido para CCC.
Relación: centro HHH, pedidos sin contrato con solicitud de pedido
por valor menos a 20,000 USD, X igual a Y.
Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas
Reglas de Asociación

Este ejercicio reduce el problema de una gran cantidad de reglas de

asociación tomando como sospechosas las categorı́as señaladas por
el análisis digital.
 Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas
Entropı́a Relativa
Anomalı́as en información proveedores
Anomalı́as en bases de datos sector salud

Contenido

1 Elecciones: resultados atı́picos en las votaciones

2 Copia en pruebas estandarizadas

Índice ω
Analı́sis de las Pruebas Saber 5◦ y 9◦

3 Anomalı́as en información proveedores

Análisis descriptivo
Reglas de Asociación

4 Anomalı́as en bases de datos sector salud

Entropı́a Relativa

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

 Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas
Entropı́a Relativa
Anomalı́as en información proveedores
Anomalı́as en bases de datos sector salud

Anomalı́as en Bases de Datos Sector Salud

Se sospecha que las bases de datos han sido alteradas para

aumentar el valor de los gastos.

Dado el tamaño de la base de datos, 270 millones de registros

aproximadamente, es imposible revisar manualmente los registros.

Se proponen técnicas estadı́sticas para crear alertas y priorizar

investigaciones.

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

 Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas
Entropı́a Relativa
Anomalı́as en información proveedores
Anomalı́as en bases de datos sector salud

Anomalı́as en Bases de Datos Sector Salud

Se implementan tres tecnicas:

1 Análisis digital
2 Reglas de asociación
3 Entropı́a relativa para determina qué tan diferente del promedio es
cada asegurador en diferentes variables.

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

 Diagnostico sexo equivocado

4e−05

3e−05
Proporción

2e−05

1e−05

0e+00
EPS 01
EPS 02
EPS 03
EPS 04
EPS 05
EPS 06
EPS 07
EPS 08
EPS 09
EPS 10
EPS 11
EPS 12
EPS 13
EPS 14
EPS 15
EPS 16
EPS 17
EPS 18
EPS 19
EPS 20
Figura: Diagnósticos con genero equivocado por E.P.S.. La lı́nea roja
indica la media no ponderada.
 Registros por fuera de los limites para CUPS

0.6

0.5

0.4
Proporción

0.3

0.2

0.1

0.0
EPS 01
EPS 02
EPS 03
EPS 04
EPS 05
EPS 06
EPS 07
EPS 08
EPS 09
EPS 10
EPS 11
EPS 12
EPS 13
EPS 14
EPS 15
EPS 16
EPS 17
EPS 18
EPS 19
EPS 20
Figura: Diagnósticos con genero equivocado por E.P.S. La lı́nea roja
indica la media no ponderada.
 Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas
Entropı́a Relativa
Anomalı́as en información proveedores
Anomalı́as en bases de datos sector salud

Metodologı́a

La idea es detectar qué EPS presentan comportamientos atı́picos

con respecto al promedio condicionando por factores de riesgo.

Se condiciona a los factores de riesgo para evitar tomar diferencias

entre las EPS como comportamientos atı́picos por cuenta de
diferencias entre la población atendida.

Sea fEPSi la función de densidad de la variable estudiada para la

EPS i. Sea fT la función de densidad para todo las EPS en
conjunto (incluyendo a i). La ganancia en información o entropı́a
relativa atribuible a la EPS i se define como:
Z  
fEPSi (x)
IEPSi = log2 fEPSi (x)dx
fT (x)

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

Metodologı́a

Se asume normalidad para facilitar los cálculos.

Un grupo de riesgo se define por el departamento, el grupo etáreo

y el género. Por ejemplo: El departamento 63, con el grupo etáreo
de 5 a 10 años, y el género masculino, definen un grupo de riesgo.

Las edades se dividen en 7 grupos.

 Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas
Entropı́a Relativa
Anomalı́as en información proveedores
Anomalı́as en bases de datos sector salud

Metodologı́a
El análisis se hace tomando la distribución de las siguientes
variables:
La proporción de registros cuya actividad es 890201.
La proporción de registros cuya actividad es 890202.
La proporción de registros cuya actividad es 890301.
La proporción de registros cuya actividad es 890302.
La proporción de registros cuyo ámbito es ambulatorio (A).
La proporción de registros cuya forma IPS es 999999999999.
La proporción de registros donde se receta un medicamento.
El valor del servicio.
Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas
 Elecciones: resultados atı́picos en las votaciones
Copia en pruebas estandarizadas
Entropı́a Relativa
Anomalı́as en información proveedores
Anomalı́as en bases de datos sector salud

Resultados

Se definen dos criterios de atipicidad. El primero criterio considera

una EPS atı́pica para la distribución de una variable dada,
condicionada a unos factores de riesgo, si su criterio de información
está dos desviaciones estándar por encima del promedio de todas
las EPS.

Se realiza el mismo ejercicio pero con tres desviaciones estándar.

Aplicaciones Minerı́a de Datos Kroll - Quantil | Matemáticas Aplicadas

Resultados

Cuando una EPS es considerada atípica

Para 2 desviaciones estándar

0.25

0.20

0.15
Proporción

0.10

0.05

0.00
ESP009
ESP018
ESP020
ESP008
ESP010
ESP002
ESP004
ESP007
ESP012
ESP013
ESP016
ESP014
ESP011
ESP003
ESP005
ESP006
ESP015
ESP019
ESP017
ESP001
Figura: Proporción de veces, a través de las diferentes variables y grupos
de riesgo, en que una E.P.S. es considerada para el criterio de dos
desviaciones estándar
Resultados

Cuando una EPS es considerada atípica

Para 3 desviaciones estándar

0.15

0.10
Proporción

0.05

0.00
ESP009
ESP018
ESP020
ESP008
ESP010
ESP002
ESP004
ESP012
ESP016
ESP013
ESP014
ESP003
ESP007
ESP011
ESP005
ESP006
ESP019
ESP017
ESP015
ESP001
Figura: Proporción de veces, a través de las diferentes variables y grupos
de riesgo, en que una E.P.S. es considerada para el criterio de tres
desviaciones estándar
Resultados

Cuando una EPS es considerada atípica

Para Valor

0.20

0.15
Proporción

0.10

0.05

0.00
ESP005
ESP006
ESP008
ESP009
ESP018
ESP020
ESP019
ESP010
ESP012
ESP016
ESP002
ESP003
ESP013
ESP001
ESP017
ESP004
ESP015
ESP014
ESP007
ESP011
Figura: Proporción de ocasiones, a través grupos de riesgo, en que una
E.P.S. es considerada atı́pica en la variable de valor pagado, usando tres
desviaciones estándar.
Resultados

Cuando una EPS es considerada atípica

Para Valor

0.25

Proporción 0.20

0.15

0.10

0.05

0.00
ESP006
ESP008
ESP009
ESP018
ESP020
ESP005
ESP019
ESP012
ESP016
ESP002
ESP003
ESP010
ESP013
ESP001
ESP017
ESP004
ESP015
ESP014
ESP007
ESP011
Figura: Proporción de ocasiones, a través grupos de riesgo, en que una
E.P.S. es considerada atı́pica en la variable de valor pagado, usando dos
desviaciones estándar.
Resultados

Cuando una EPS es considerada atípica

Para IPS 999999999999

0.5

0.4

0.3
Proporción

0.2

0.1

0.0
ESP001
ESP002
ESP004
ESP006
ESP007
ESP008
ESP009
ESP011
ESP014
ESP016
ESP017
ESP018
ESP020
ESP010
ESP005
ESP015
ESP012
ESP013
ESP003
ESP019
Figura: Proporción de ocasiones, a través grupos de riesgo, en que una
E.P.S. es considerada atı́pica en la variable de IPS 999999999999, usando
tres desviaciones estándar.
Resultados

Cuando una EPS es considerada atípica

Para ambito ambulatorio

0.015

0.010
Proporción

0.005

0.000
ESP001
ESP002
ESP004
ESP006
ESP007
ESP008
ESP009
ESP011
ESP014
ESP015
ESP017
ESP018
ESP020
ESP010
ESP005
ESP013
ESP016
ESP012
ESP003
ESP019
Figura: Proporción de ocasiones, a través grupos de riesgo, en que una
E.P.S. es considerada atı́pica en la variable de ámbito ambulatorio,
usando tres desviaciones estándar.
Resultados
Cuando una EPS es considerada atípica
Para actividad 890302

0.20

0.15
Proporción

0.10

0.05

0.00
ESP009
ESP018
ESP020
ESP014
ESP010
ESP008
ESP004
ESP012
ESP002
ESP011
ESP007
ESP016
ESP006
ESP019
ESP003
ESP005
ESP013
ESP015
ESP001
ESP017
Figura: Proporción de ocasiones, a través grupos de riesgo, en que una
E.P.S. es considerada atı́pica en la variable de actividad 890302
(CONSULTA DE CONTROL O DE SEGUIMIENTO POR MEDICINA
ESPECIALIZADA +), usando tres desviaciones estándar.
Resultados
Cuando una EPS es considerada atípica
Para actividad 890301

0.12

0.10

0.08
Proporción

0.06

0.04

0.02

0.00
ESP009
ESP018
ESP020
ESP002
ESP014
ESP010
ESP008
ESP011
ESP004
ESP017
ESP016
ESP007
ESP012
ESP013
ESP001
ESP003
ESP015
ESP005
ESP019
ESP006
Figura: Proporción de ocasiones, a través grupos de riesgo, en que una
E.P.S. es considerada atı́pica en la variable de actividad 890301
(CONSULTA DE CONTROL O DE SEGUIMIENTO POR MEDICINA
GENERAL), usando tres desviaciones estándar.
Resultados
Cuando una EPS es considerada atípica
Para actividad 890202

0.25

0.20

0.15
Proporción

0.10

0.05

0.00
ESP008
ESP009
ESP018
ESP020
ESP004
ESP002
ESP010
ESP013
ESP012
ESP007
ESP003
ESP005
ESP019
ESP016
ESP014
ESP011
ESP017
ESP015
ESP006
ESP001
Figura: Proporción de ocasiones, a través grupos de riesgo, en que una
E.P.S. es considerada atı́pica en la variable de actividad 890202
(CONSULTA DE PRIMERA VEZ POR MEDICINA ESPECIALIZADA),
usando tres desviaciones estándar.
Resultados
Cuando una EPS es considerada atípica
Para actividad 890201
0.6

0.5

Proporción 0.4

0.3

0.2

0.1

0.0
ESP008
ESP009
ESP018
ESP020
ESP004
ESP011
ESP019
ESP013
ESP014
ESP010
ESP007
ESP002
ESP006
ESP016
ESP003
ESP012
ESP017
ESP005
ESP015
ESP001
Figura: Proporción de ocasiones, a través grupos de riesgo, en que una
E.P.S. es considerada atı́pica en la variable de actividad 890201
(CONSULTA DE PRIMERA VEZ POR MEDICINA GENERAL), usando
tres desviaciones estándar.
Resultados

Cuando una EPS es considerada atípica

Para Medicamentos

0.20

0.15
Proporción

0.10

0.05

0.00
ESP007
ESP008
ESP009
ESP018
ESP020
ESP002
ESP014
ESP003
ESP012
ESP016
ESP019
ESP013
ESP004
ESP011
ESP010
ESP001
ESP006
ESP005
ESP015
ESP017
Figura: Proporción de ocasiones, a través grupos de riesgo, en que una
E.P.S. es considerada atı́pica en la variable de medicamentos, usando tres
desviaciones estándar.
FIN