Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estudiantes
100105_203
Presentado a
Diciembre 12 de 2018
1
Introducción
Esta actividad nos permite consolidar las actividades y temáticas desarrolladas durante
el trascurso del curso estadística descriptiva como caracterización de la variables,
Cálculos de las Medidas univariantes y Cálculos de las medidas Bivariantes de
regresión y correlación lineal simple, sobre el tema propuesta desde un inicio “Calidad
en el Servicio de Urgencias”, el grupo colaborativo individualmente realiza los aportes
respetivos evidenciado en cada una de las fases del curso y de acuerdo a los análisis
realizados hace una propuesta vista después se consolida una sola propuesta del grupo y
se presenta la actividad.
2
INFORME EJECUTIVO
A partir de la base de datos suministrada, cada estudiante debe realizar una breve
descripción del problema.
De esta manera con las variables en mención podemos establecer la calidad del servicio
de acuerdo a la perspectiva de los usuarios finales, para de esta manera de acuerdo a los
resultados obtenidos tomar medidas en pro de mejorar el servicio prestado.
A partir de la base de datos suministrada, cada estudiante debe elegir como mínimo, una
variable cualitativa distinta, luego oorganiza una variable cualitativa a través de tablas de
3
frecuencias, que contenga como mínimo lo siguiente y realiza su respectivo gráfico:
Beneficiario
Cotizante
45%
55%
Análisis de a información:
Este diagrama estadístico se desprende de las variables beneficiario y cotizante teniendo
en cuenta estas variable como cantidad de personas según el tipo de afiliación de una
población de muestra de 120 personas, en donde tomando como base la frecuencia
porcentual obtenemos la gráfica antes expuesta que nos facilita la interpretación
apreciando de esta manera un mayor cantidad de población cotizante y menor cantidad
de población beneficiario, esto quiere decir que las mayoría de las personas son quienes
hacen aportes económicos por la prestación del servicio de salud, y estas personas
cotizantes ingresan al sistema de salud a una población en una cantidad casi similar.
4
Paso 3: Cálculos de las Medidas univariantes
Variable discreta:
Tabla 1
Estudiante 1: Alexander Sierra
Variable: N°de Hijos
Medida Valor calculado Interpretación
Media 1,233333333 Valor medio del N° de Hijos de los pacientes.
Mediana Es el valor central de los datos organizados de
1
menor a mayor.
Moda 0 La gran mayoría de pacientes no tienen hijos.
Cuartil q1 0 El 25% de la muestra es 0.
El 50% de la muestra es 1, se refleja igual
Cuartil q2 1
dato que la mediana.
Cuartil q3 2 El 75% de la muestra es 2.
Deciles (d5) Separación de los datos al 50%, se refleja
1
igual dato que la mediana.
Deciles (d7) 2 Separación de los datos al 70%.
Percentiles 30 0 Se encuentra el 30% de la muestra
Percentiles 50 Se encuentra el 50 % de la muestra, refleja
1
igual dato que la mediana.
Variable discreta:
Tabla 2
Análisis e Interpretación
Valor
de resultados
El intervalo entre la mayor y
Rango 4
menor cantidad de hijos es 4.
La variación esperada en el
Desviación 1,135621352
conjunto de datos.
La medida de dispersión de
Varianza 1,289635854 los datos de la variable es
1,289635854
Este es el dato que relaciona
Coeficiente de variación 0,920774069 la desviación típica la muestra
y su media.
Análisis de a información:
5
Los cálculos de las medidas univariantes tomando como referencia la variable
cuantitativa N° de Hijos nos permiten apreciar e identificar los valores de la población
de muestra en cierta parte de la base de datos, facilitando así identificar los valores
promedios, sus rangos, desviación, varianza y coeficiente de variación, con estos datos
reflejados en la tabla anterior podemos establecer el promedio e hijos que tiene los
pacientes del servicio de urgencias y permiten establecer que posiblemente estos hijos
hagan parte de la población beneficiario analizado en la grafica anterior.
Variable Continua:
Tabla 1
Análisis e Interpretación de
MTC Valor
resultados
Este es el valor promedio del peso de
Media 55,9833333
los pacientes.
Es el valor central de los datos
Mediana 60,8
organizados de menor a mayor
Moda 67,2 La mayoría de los pacientes pesan 67,2.
El 25% de los 120 pacientes pesan
Cuartil q1 52,85
hasta 52,85Kg
El 50% de los 120 pacientes pesan
Cuartil q2 60,8
hasta 60,8Kg
El 75% de los 120 pacientes pesan
Cuartil q3 70
hasta 70kg
El 50% de los 120 pacientes pesan 60,8
Deciles (d5) 60,8
Kg
El 50% de los 120 pacientes pesan
Deciles (d7) 67,41
67,41Kg
El 25% de los 120 pacientes pesan
Percentiles 25 52,85
52,85Kg
El 50% de los 120 pacientes pesan
Percentiles 50 60,8
hasta 60,8Kg
Variable Continua:
Tabla 2
Valor Análisis e Interpretación de
6
resultados
Rango 84,90
Desviación 22,10104321
Varianza 488,4561111
Análisis de a información:
7
ESTUDIANTE 1: Alexander Sierra Gomez
Variable Y: Peso
Variable X: Estatura
Diagrama de dispersión:
Resultado
Modelo matemático y = 63,656x - 40,308
R2 R² = 0,8645
%R2 R= 0,43225
La gráfica y su modelo matemático son
R confiables con un grado de a proximidad
de 86.45%
Porcentaje de confiabilidad de la
%R
ecuación se puede dar en un 86.45%
Así pues gracias a esta gráfica y
ecuaciones estadísticas se puede
Grado de relación determinar que en el caso de estudio de
los pacientes que ingresan a urgencias
entre más altura tienen mayor es su peso.
Análisis de a información:
8
Con los cálculos de las medidas Bivariantes de regresión y correlación lineal simple
podemos hallar la relación entre dos variables cuantitativas en este caso de estudia las
variables seleccionadas son peso y estatura en donde utilizando herramientas ofimáticas
podemos establecer el modelo matemático de la relación para de esta manera lograr
establecer cualquier resultado en cualquier valor de ambas variables, en este sentidos y
teniendo en cuenta la gráfica de relación lineal simple anteriormente expuesta podemos
establecer que de la población de muestra del caso de estudio a mayor estatura mayor
pesos, fenómenos que permita establecer que las personas están dentro de las etapas de
desarrollo en un rango normal ya que por genética es nórmale este comportamiento.
2. Posible alternativa
Luego de esto y estableciendo que esta podría ser unas de las variables que lleven a esa
calificación, podría plantear el diseño de un software que brinde a los usuarios una
dashboard tanto dispositivos móviles como ordenadores, que permita en primera
instancia ubicar el hospital más cercano a la ubicación de la persona que genera la
urgencia, luego e esto mediante una breve descripción del problema médico llevado a
9
una base de datos, permita a la administración del centro de urgencias optimizar la
atención y los tiempos de espera ya teniendo como un sobre aviso que hay un paciente
con cierta complicación medica en camino.
La problemática se analiza con una base de datos de 120 personas del Hospital Federico
Lleras de la Ciudad de Ibagué, donde se analiza la calidad del servicio prestado. Para
esto necesito categorizar las enfermedades, priorizarlas también por edad para así
agilizar el proceso del Triage, dando una atención rápida para la mejoría del estado de
salud de los pacientes, definiendo su estadía en el hospital.
TIEMPO ESPERA
EDAD ENFERMEDAD PARA TRIAGE
( MINUTOS)
65 DIARREA Y GASTROENTERITIS DE
345
PRESUNTO ORIGEN INFECCIOSO
En esta categoría caben todos los consultantes que no están en las categorías anteriores y
que, además de la atención médica, requieren de un procedimiento diagnóstico o
terapéutico para su resolución. Por ejemplo, pacientes adultos con cuadros
gastrointestinales, torsiones de tobillo, dolor de espalda, cuadros respiratorios simples o
pacientes pediátricos con cuadros bronquiales obstructivos simples, aspiración de cuerpo
extraño sin dificultad respiratoria, diarreas simples, etc.
10
Como evidenciar no solo implica el tiempo de espera en general de atención, para este
caso no fue tratado la categoría del TRIAGE para el estado de gravedad.
Frecuencia
Frecuencia Frecuencia Frecuencia
Datos Absoluta
Absoluta Relativa porcentual (%)
Acumulada
Triage I 10 10 0,08 8%
Triage I 16 26 0,13 13%
Triage II 31 57 0,26 26%
Triage III 24 81 0,20 20%
Triage II 16 97 0,13 13%
Triage III 8 105 0,07 7%
Triage IV 3 108 0,03 3%
Triage V 12 120 0,10 10%
TOTAL 120 1,00 100%
13%
26%
20%
11
Nombre y Apellido Variable Moda
Estudiante4: Natalia Isabel Tiempo espera para 128 minutos: es la
García Triage ( minutos) tendencia de tiempo que
tardan en atender a un
paciente.
Análisis de a información:
Se puede concluir según los dos tipos de variables (Calificación del servicio prestado y
el tiempo de espera para triage(minutos) que las personas encuestadas según los tiempos
de espera dicen es su mayoría que la prestación del servicio en general es REGULAR Y
MALO.
Según la gravedad o complejidad en el manejo de la enfermedad del paciente, se pudo
determinar los tiempos de espera menores y mayores en cada uno de los casos.
Se puede concluir también que el tiempo de espera de un paciente para ser atendido
frecuente es de 128 minutos.
12
Paso 3: Cálculos de las Medidas Univariantes
Variable discreta:
13
Estudiante Natalia Isabel Garcia
3:
Variable: N° de visitas en el último trimestre
MEDIDA VALOR INTERPRETACION
CALCULADO
Rango 2 El intervalo entre la mayor y menor número
de visitas en el último trimestre
Varianza 0,363865546 Los datos están dispersos en 0,363865546
alrededor de su media
Desviación 0,603212687 Es el valor de variación en los datos.
típica
Coeficiente 0,446824213 Promedio de la desviación típica
de variación
14
Variable Continua:
Tabla 1
Estudiante 3:
Natalia García
Histograma
Clase Frecuencia
0,45 1
0,591 4
0,732 2
0,873 4
1,014 4
1,155 4
1,296 2
1,437 1
1,578 14
1,719 59
y mayor... 25
15
HISTOGRAMA ESTATURA
70
60
50
40
30
20
10
0
.
45 59
1
73
2
87
3
01
4
15
5
29
6
43
7
57
8
71
9 r..
0, 0, 0, 0, 1, 1, 1, 1, 1, 1, yo
a
ym
Polígono de frecuencia
POLIGONO ESTATURA
70
60
50
40
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11
Columna1
Media 1,51
Error típico 0,030364668
Mediana 1,63
Moda 1,65
Desviación estándar 0,332628274
16
Varianza de la muestra 0,110641569
Curtosis 2,34549184
Coeficiente de asimetría -1,83640526
Rango 1,41
Mínimo 0,45
Máximo 1,86
Suma 181,52
Cuenta 120
ASIMETRÍA NEGATIVA
ASIMETRÍA
La media es menor que la mediana es una señal de asimetría negativa y para
demostrarlo nos damos cuenta que el coeficiente de asimetría es menor que 0 con un
valor -1,803640526
17
Estudiante 3: Natalia Isabel Garcia
Variable: Estatura
MEDIDA VALOR INTERPRETACION
CALCULADO
Rango 1,41 El intervalo entre la mayor y menor estatura de
120 pacientes
Varianza 0,110641569 Los datos están dispersos en 0,110641569
alrededor de su media
Desviación 0,332628274
típica
Coeficiente de 0,219895289 El coeficiente de variación es menor, esto quiere
variación decir que la dispersión es menor en los datos.
2 Posible alternativa
Perfil Profesional
Edad: 28 Años
Con las habilidades adquiridas en el curso planteo sistema de información que incluya
el manejo del Traige y envíe el reporte de ingreso a los médicos por parte del equipo de
18
enfermería del Servicio de Urgencia quienes reciben los paciente para ingresar según la
priorización aplicando un cuestionario para determinar el grado de urgencia, según el
cuadro clínico de los pacientes para enviarlo al médico y según el considere necesario
autorizar a través de radiografías o exámenes y aplique medicamentos, antes de la
primera revisión para cuando el paciente sea revisado por el medico ya estén listos los
resultados y sean agiles los proceso de recuperación. De los servidores depende la
agilidad y soporte el sistema para que evitar que colapse, soporte todos los usuarios y
dar el tiempo de respuesta óptimo.
INFORME EJECUTIVO
Perfil Profesional
Nombres y Apellidos: Yemerson Jalvin Maca
Edad: 30 Años
CEAD: Popayán Cauca
Perfil Profesional: Tecnólogo en Análisis Desarrollo de Sistemas de Información del
SENA, Técnico en Sistemas, Auxiliar Contable de Parque Informático Carlos Albán,
Estudiante del programa de Ingeniería de Sistemas en la Universidad Nacional abierta y
a Distancia.
19
quehacer diario, prácticamente está inmersa en cada decisión que tomamos desde la más
simple hasta la más compleja. En el presente trabajo vamos a tratar específicamente el
problema del desempleo en Colombia tomando como base dos variables cuantitativas y
Cualitativas, como lo son la cantidad de personas y las personas sin empleo. Según estos
datos generados a partir de una encuesta permanente por muestreo lo que quiere decir
que se está realizando todo el tiempo sobre muestras de la población que se consideran
representativas.
Que publica el DANE, si la comparamos con países como España por ejemplo, quetiene
50 millones de habitantes y 5 millones de desempleados, lo cual equivale al22.5%. En
Colombia hay 46 millones de habitantes y tiene 3.8 Millones de desempleados que
equivaldría al 18.5%.Sería bueno replantear este enfoque ya que en Colombia se toma
como indicadores estadísticos los llamados empleos informales, sub-empleos y empleos
disfrazados y los transforma a empleos fijos. Un empleo temporal de una obra no
constante, un economista trabajando de taxista, un ingeniero trabajando en el comercio,
etc. Son empleos ficticios y temporales. En ciudades de frontera todo el mundo se
rebusca con el comercio informal y el contrabando, la persona busca que hacer, pero en
el fondo es un desempleado más.
A partir de la base de datos suministrada, cada estudiante debe elegir como mínimo, una
variable cualitativa distinta, luego ograniza una variable cualitativa a través de tablas de
20
frecuencias, que contenga como mínimo lo siguiente y realiza su respectivo gráfico:
32% 28%
UNIVERSITARIO
TECNICOS
BACHILLERES
40%
Análisis de a información:
Este diagrama estadístico se desprende de las variables sin empleo teniendo en cuenta
esta variable como cantidad de personas según el tipo están sin empleo de una población
de muestra de 247 personas, en donde tomando como base la frecuencia porcentual
obtenemos la gráfica antes expuesta que nos facilita la interpretación apreciando de esta
manera un mayor cantidad de población sin empleo.
21
Paso 3: Cálculos de las Medidas univariantes
Variable discreta:
Tabla 2
Análisis e Interpretación de
Valor
resultados
El intervalo entre la mayor y menor
RANGO 13
cantidad de hijos es 4
3,07659966 La variación esperada en el
DESVIACIÓN
conjunto de datos.
La medida de dispersión de los
VARIANZA 9,465465465 datos de la variable es
9,465465465
22
Este es el dato que relaciona la
COEFICIENTE DE 0,51979081 desviación típica la muestra y su
VARIACIÓN
40
media.
35
30
25
20
15
10
0
Rango varianza desviacion coeficiente
Análisis de a información:
Variable Continua:
Tabla 1
Análisis e Interpretación de
MTC Valor
resultados
MEDIA 25
Este es el valor promedio de
edad para las vacantes.
Es el valor central de los
MEDIANA 24 datos organizados de menor
a mayor
MODA 20 La mayoría de las edades
23
para las vacantes.
CUARTIL Q1 20 El 25% de los 247 vacantes.
CUARTIL Q2 24 El 50% de los 247 vacantes.
CUARTIL Q3 28 El 75% de los 247 vacantes.
Variable Continua:
Tabla 2
Análisis e Interpretación de
Valor
resultados
RANGO 34
DESVIACIÓN 20,72222222
VARIANZA 4,552166761
COEFICIENTE DE 0,18208667
40
VARIACIÓN
35
30
25
20
15
10
0
Rango varianza desviacion coeficiente
Análisis de a información:
24
Conclusiones
Finalmente con esta actividad logramos consolidar y evidenciar que los conocimientos
adquiridos durante el desarrollo del curso estadística descriptiva de la Universidad
Abierta y a Distancia, situación que nos permite a los estudiantes de ingeniería y
administración ampliar nuestro campo de conocimiento ampliando el panorama hacia la
toma de decisiones para la solución de problemáticas del diario vivir, en este sentido las
temáticas del curso nos permiten a futro plantear estudios estadísticos para la
formulación de proyectos, y siempre tener en cuenta los resultados de estos estudios
estadísticos para la toma de decisiones.
25
Bibliografía
Churchill, G. (2009). "Análisis de Regresión Múltiple.". Mexico City: Recuperado de
http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4058900234&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=49575112
db86a0eb46dae86bbaf74cb9.
Churchill, G. (2009). "Análisis de Regresión Múltiple." Investigación de mercados.
Mexico City: Recuperado de http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4058900232&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=e558184e
d89e57d11ede116134cfce41.
García, M. (2004). Introducción a la estadística económica y empresarial. Recuperado
de http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052900012&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=4a9b0a46
9e755a4327207c94b4c0d549.
García, M. (2004). Introducción a la estadística económica y empresarial. Recuperado
de http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052900012&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=4a9b0a46
9e755a4327207c94b4c0d549.
Monroy, S. S. (2005). Estadística descriptiva. Instituto Politécnico Nacional:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=1&docID=10436604&tm=1489456194304.
Monroy, S. S. (2005). Estadística descriptiva. México: Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=1&docID=10436604&tm=1489456194304.
Montero, J. (2007). Regresión y Correlación Múltiple. Madrid.
Montero, J. M. (2007). Conceptos Generales Estadística descriptiva. Madrid:
http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052100007&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=0a7332df0
d4700de0bd272caa41e1718.
Ortegón Pava, M. (2017). Ova_Medidas_Univariantes. Recuperado de:
http://hdl.handle.net/10596/11579.
Ortegón Pava, M. (2017). Ova_Medidas_Univariantes.Colombia. Recuperado de:
http://hdl.handle.net/10596/11579.
26
Pacheco, P. N. (2013). Estadística Fundamental. Universidad Nacional de Colombia.
Bogotá: http://168.176.60.11/cursos/ciencias/1000012/un2/html/leccion1.html.
http://redsalud.uc.cl/ucchristus/serviciodeurgencia/triage_que_esara_que_sirve.a
ct
27