Paso 5 Presentación de Resultados Grupo N474

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería

Estadística Descriptiva 204040A_474
PASO 5 PRESENTACIÓN DE RESULTADOS ESTADÍSTICA DESCRIPTIVA
ELABORADO POR:
LUIS FERNANDO RODRIGUEZ
CODIGO: 1193510271
JJENY ANGELICA MORENO
CODIGO:
LUIS MIGUEL ARAQUE
CODIGO:
PRESENTADO A:
ANGELICA CABRA.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA
CEAD TUNJA
DICIEMBRE 2018
CONTENIDO
INTRODUCCIÓN..................................................................................................3
JUSTIFICACIÓN..................................................................................................4
OBJETIVOS GENERALES..................................................................................5
OBJETIVOS ESPECÍFICOS................................................................................5
ANÁLISIS ESTADÍSTICO....................................................................................6
1. PREGUNTAS RELACIONADAS CON EL TEMA........................................8
2. MEDIDAS UNIVARIANTES DE TENDENCIA CENTRAL..........................13
3. CONCEPTOS ASOCIADOS AL PASO 4...................................................54
4. REGRESION Y CORRELACION................................................................58
PROPUESTAS INDIVIDUALES........................................................................80
PROPUESTA ÚNICA………………………………………………………………. 83
RECOMENDASIONES………………………………………………………………85
REFERENCIAS BIBLIOGRAFICAS..................................................................86
INTRODUCCIÓN
La estadística se conoce como una ciencia empleada en diferentes campos tanto

científicos, investigativos como analíticos, por esta razón es de gran relevancia su
estudio y manejo debido a que esta misma nos permite alcanzar determinados
conocimientos de hechos específicos, minimiza ciertos márgenes de error y nos es
de gran apoyo en la toma de decisiones. La estadística descriptiva es la técnica
que se encarga de la recopilación, presentación, tratamiento y análisis de los
datos, con el objetivo de resumir, describir las características de un conjunto de
datos y por lo general toman forma de tablas y gráficas, se utiliza en casi todos los
campos científicos, por esto consideramos que su estudio es de vital importancia
para nuestra formación profesional. Por medio de esta actividad, tenemos que
identificar los conocimientos y conceptos de la estadística descriptiva, al igual que
su uso y aplicación en contextos reales y cotidianos, teniendo en cuenta
problemáticas con las cuales tenemos que convivir en nuestro diario vivir, para
poder desarrollar los ejercicios planteados, intentando agrupar la información
obtenida por medio de diferentes métodos que nos permitan llegar a Proponer
distintas alternativas de soluciones a la problemática, a partir del análisis
descriptivo realizado.
En esta actividad además de ayudarnos a consolidar nuestro sentido de trabajo en

equipo por medio de la metodología colaborativa, el enfoque que se presenta
permite identificar las variables cuantitativas y cualitativas que pueden afectar la
problemática estudiada y su identificación concede a los estudiantes la
oportunidad de practicar el análisis de variables, el diseño y desarrollo de
herramientas de recolección de la información, así como los mecanismos de
presentación y análisis de datos, donde cada uno desde su campo profesional
expongamos una descripción del problema y se defina a partir de las habilidades y
destrezas propias de la disciplina en la que se está formando, como lo es en mi
caso Ingeniería en telecomunicaciones y así desde mi campo profesional dar
solución a la problemática correspondiente.
JUSTIFICACIÓN
Tener la oportunidad, de poder estudiar uno de los grandes problemas de nuestro

país en la actualidad, nos permite crear una conciencia a nosotros como futuros
profesionales sobre diferentes entornos que podrían afectar nuestros espacios,
teniendo en cuenta esto, el análisis respecto a la situación de las EPS en nuestro
país, nos permite poner en práctica los diferentes conocimientos adquiridos sobre
distintos tipos de representación estadística, basándonos en el desarrollo
establecido en las unidades, aplicando nuestros distintos métodos de agrupación
de la información podremos analizar los resultados, por medio de los cuales
determinaremos la opinión de los usuarios del servicio adquirido, y estudiaremos
la información requerida la cual nos permitirá desarrollar o crear un “plan de
acción” ; de esta manera podremos ir buscando una solución al problema que se
nos fue planteado, tendremos en cuenta que este trabajo se realiza ante la
necesidad de hacer estudios que nos permitan determinar las distintas causas que
generan el actual conflicto, su frecuencia y las consecuencias que genera a nivel
social y comunal.
OBJETIVOS GENERALES
 Como objetivo general para esta actividad, tenemos el conocer el grado de

congestión y la calidad en el servicio de urgencias de nuestro país, teniendo
en cuenta diferentes conceptos de la estadística y aplicando diferentes
técnicas para la agrupación de información en relación con los datos
obtenidos para hacer una relación, en la cual se representen y ordenen de
manera ecuánime y proponer alternativas para una mejor visualización,
tener
 entendimiento de los datos o información que nos presentan esto mediante
tablas y gráficos que por su estructura arrojan datos claros de los cuales
nos brindan soluciones a través de la aplicación de la ingeniería
 Hacer un análisis estadístico de la problemática planteada "Calidad en el
servicio de urgencias 2018” Teniendo en cuenta los conocimientos
adquiridos en el curso de Estadística descriptiva.
OBJETIVOS ESPECÍFICOS.
 Realizar un análisis de los diferentes conceptos que se nos facilitan para el

desarrollo de esta actividad
 Presentar diferentes maneras de aplicar las estadísticas junto a sus
fórmulas y diagramas
 Crear conocimientos que nos permitan interpretar los datos obtenidos
mediante las investigaciones realizadas.
 Adjuntar el análisis de la información que permita desarrollar la guía da
actividades.
 Comprender los conceptos básicos para desarrollar el análisis estadístico
de la calidad en el servicio de urgencias
 Analizar la información detalladamente para lograr desarrollar
los problemas propuestos.
ANÁLISIS ESTADÍSTICO
Las actividades planteadas durante el transcurso del curso Estadística Descriptiva

y como Estudiante de Ingeniería en telecomunicaciones, se dio inicio con la
identificación de diferentes conceptos básico de la investigación estadística, la
problemática planteada para el desarrollo de las actividades fue una base de datos
que registraba 120 datos de personas según la tabla de “calidad en el servicio de
urgencias del 2018”, en la primera fase de la investigación se identificaron
conceptos tales como: Tamaño de la Muestra, Instrumentos de recolección de
información, la Ubicación del espacio Temporal donde se llevó a cabo el estudio,
y la unidad estadística, por otro lado se clasificaron cada una de las variables de la
base de datos ya sean en Cuantitativas(Discreta, Continua) o
Cualitativas(nominales, ordinales), de cada una de estas variables se sacaron las
diferentes tablas de frecuencias y se representó la información por medio
diagramas de barras, se halla la moda para cada una de las variables Cualitativa y
se realizó una tabla de contingencia (o de doble entrada) con dos variables
Cualitativas escogidas por el estudiante, con esto se puede reconocer las cosas
que debemos de tener muy encuentra al momento de realizar una Investigación,
cosas que se ven muy simples pero que son de suma importancia durante la
investigación y es la que da la fuerza por así decirlo a los siguientes procesos que
se deben desarrollar en el día a día, con el desarrollo del curso Estadística
descriptiva, se sigue trabajando bajo la misma problemática, en la segunda fase
de investigación se elige una variable Discreta representativa de la base de datos
suministrada para el estudio del problema, con dicha variable se elabora una tabla
de frecuencia para datos no agrupados y se representa gráficamente, con base a
los datos que llevaba consigo la variable escogida se procede a calcular las
medidas de tendencia central tales como: Media, moda, los cuartiles, los deciles y
los percentiles, la información obtenida después de calcular las medidas de
tendencia central es relacionada e interpretado con respecto a la problemática
trabajada, de la misma manera se elige una variable Continua representativa, con
la cual se realizan los mismos pasos que se realizaron con la variable Discreta,
por otra lado se procede a calcular las Medidas Univariantes de Dispersión con
una variable Discreta Relevante de libre elección por los estudiantes, una vez
elegida la variable se procede a calcular lo que es: El rango, la Varianza, la
Desviación Típica y el Coeficiente de Variación después de calcular las Medidas
Univariantes de Dispersión, de la misma manera se escoge una Variable Continua
y se calculan las Medidas Univariantes de Dispersión las mismas que se
calcularon con la Variable Discreta, estas se calculan de diferente manera con
diferentes procedimientos, con todos estos desarrollos se logró llegar al objetivo
de las temáticas manejadas para el trabajo colaborativo número dos del curso
Estadística Descriptiva.
Ya con todos los desarrollos llevados hasta el momento en la investigación de la

misma problemática maneja desde el inicio del curso, procedemos a la siguiente
fase de la investigación, en esta parte se desarrollan conceptos relacionados con
las temáticas de la Regresión y la Correlación Lineal Simple y Continua, en esta
fase se identifican dos Variables Cuantitativas de la problemática que se ha venido
trabajando (la base de datos suministrada) que estuvieran relacionadas entre sí,
una vez ya identificadas las variables se procede a realizar el Diagrama de
Dispersión y se determina el tipo de asociación que hay entre dichas variables,
una vez realizado el diagrama de Dispersión, se procede a encontrar el modelo
Matemático calculado con una opción que nos brinda Excel y el la halla
automáticamente, el cual nos permitirá predecir el efecto que tiene una variable
sobre la otra y saber que tan confiable es la información que nos brindan las
variables, después de a ver calculado lo anterior debemos de determinar el
porcentaje de explicación del modelo y el grado de relación de las dos variables,
después se debe relacionar toda la información obtenido con la problemática
trabajada durante toda la investigación, de la misma manera se identifica una
Variable Cuantitativa Dependiente y Otras independientes sobre la problemática
trabajada, de esta manera se procede a realizar la Regresión y Correlación
Múltiple unas ves identificadas estas variables se realizan los diagramas de
Dispersión de las variables, también las recta de Regresión y el Coeficiente de

Correlación con el fin de probar Estadísticamente la relación que tienen entre sí,
una vez obtenida toda la información se relaciona con la problemática que se ha
venido trabajando, con los resultados obtenidos se puede comprobar que las
variables trabajadas se encuentran relacionadas por medio del Modelo
Matemático de Regresión Múltiple obtenido del informe que describe todo lo que
se desarrolló durante el curso de Estadística Descriptiva para así de la mano del
tutor ir desarrollando la problemática de calidad en el servicio de urgencia del año
2018”
1. PREGUNTAS RELACIONADAS CON EL TEMA

Se desarrolló unas preguntas necesarias para conocer más sobre el tema al cual
íbamos a tratar para iniciar con el problema servicio de urgencia del año 2018”
¿Cuál es el propósito del servicio de urgencias en Colombia?
Según el ministerio de salud y protección social de Colombia y la secretaria de

salud, la ley establece que ninguna persona debe dejar de ser atendida en
urgencias y donde allí se concentran aspectos de especial interés para todos los
actores de la seguridad social, como son la eficiencia en la prestación de los
servicios, la infraestructura de las instituciones, la actitud de los pacientes y
profesionales de la salud y las tarifas, entre otros.
¿Quiénes se consideran cotizantes y quienes beneficiarios del servicio de

salud?
QUIÉNES SON COTIZANTES O BENEFICIARIOS, Se considera como cotizante

o afiliado al Sistema de Seguridad Social en Salud a todas las personas que
tienen un vínculo laboral, o a los trabajadores que reciben más de dos salarios
mínimos legales.
Y los beneficiarios del servicio de salud según el ministerio de salud
De acuerdo con el artículo 21 del Decreto 2353 de 2015, el cabeza de familia

puede afiliar en calidad de beneficiarios a los integrantes del núcleo familiar; esto
es:
*El (o la) cónyuge o compañero o compañera permanente del afiliado, así sea del
mismo sexo, según la sentencia C- 811 de 2007, la cual prevé cobertura en los
servicios para compañero del mismo sexo.
*Los hijos del afiliado o los del compañero o compañera permanente hasta que
cumplan 25 años, siempre y cuando dependan económicamente de este. Se
entiende que existe dependencia económica cuando una persona recibe de otra
los medios necesarios para su subsistencia.
*Los hijos del afiliado o los del compañero o compañera permanente, de cualquier
edad, que tengan incapacidad permanente y dependan económicamente de este.
*Los nietos del afiliado mientras la madre o el padre tengan la condición de

beneficiarios.
*Los menores de 18 años entregados en custodia legal por la autoridad

correspondiente.
*Los hijos menores de 25 años y los de cualquier edad con incapacidad

permanente que, debido al fallecimiento o ausencia de sus padres o la pérdida de
la patria potestad por parte de éstos, dependan económicamente del cotizante y
se encuentren hasta el tercer grado de consanguinidad con este.
*A falta de cónyuge, compañero o compañera permanente y de hijos, la cobertura

familiar puede extenderse a los padres del afiliado, siempre y cuando no sean
pensionados y dependan económicamente de este.
Estos beneficiarios tienen derecho a recibir los mismos servicios del Plan de
Beneficios en Salud y a ser atendidos en las mismas IPS y con la misma calidad
que el cabeza de familia
¿Qué es triage en un hospital y por qué es importante?
Supersalud dice que el Triage es el criterio para la clasificación de pacientes en el

servicio de urgencias el cual es de obligatorio cumplimiento por parte de los
prestadores de servicios de salud que tengan habilitado este servicio. Objetivos
del sistema de triage.
Asegurar una valoración oportuna y ordenada de todos los pacientes que llegan a
los servicios de urgencias.
Identificar a aquellos pacientes que requieren de una atención inmediata.

Clasificar a los pacientes según la prioridad clínica y así disminuir el riesgo de

muerte, complicaciones o discapacidad.
Brindar información completa al paciente y su familia sobre la clasificación de

triage y los tiempos de espera para su atención.
Ilustración 1 OBJETIVOS DEL TRIAGE Y SU IMPORTANCIA.

Es importante porque el acceso rápido y la evaluación por un proveedor de salud
incrementa la satisfacción del paciente y mejora las relaciones públicas.
Un TRIAGE eficiente reduce la ansiedad del paciente e incrementa la satisfacción

al reducir la estadía prolongada y los tiempos de espera.
El perfil de la enfermera seleccionada para hacer TRIAGE debe tener empatía y

buen trato con el paciente.
¿Cuáles son los criterios para evaluar (Ranking) una EPS?
El presente ranking tiene el objetivo de: orientar el comportamiento de la población

en la elección de su EPS; referenciar las EPS más competitivas del sector, en lo
que concierne a la satisfacción del usuario; y estimular competencia por calidad

entre las EPS.
Caracterización del problema. (Marco Referencial)
Población:
La población de la muestra obedece a pacientes atendidos por urgencias en el

centro hospitalario Federico Lleras.
Tamaño de la muestra:
El tamaño de la muestra es de 120 pacientes.
Instrumento de Recolección de la información.
El instrumento de recolección de la información obedece a una lista de control en

la cual se registró información personal y una encuesta sobre calidad del servicio
realizadas a los pacientes que ingresaron por urgencias al centro hospitalario.
La ubicación espacio temporal del estudio.
La información se recolecto en el centro hospitalario Federico Lleras en la unidad

de atención a urgencia en la semana del 1 de junio al 9 de junio de 2014.
La unidad estadística.
Esta representa los valores tomados por el estudio, en este caso la unidad
estadística pertenece a cada persona encuestada que toma el valor de 1.
2. Si se desea establecer una muestra representativa para estudiar el

problema de “Calidad ene l servicio de urgencias” a través del muestreo
aleatorio simple con un nivel de confianza de 95 %, un error estimado del 5%
y una población de 950 pacientes ¿cuál sería?
N= 950
Para el nivel de confianza 95% Z=1.96
e= 5%=0.05
p=0.5
q=0.5
n=(Z ¿¿ 2∗p∗q∗N )/(N∗e2 + Z 2∗p∗q)¿
n=(1.96¿ ¿2∗0.5∗0.5∗950)/(950∗0.052 +1.95∗0.5∗0.5) ¿
n=273.5
La muestra representativa para el nivel de confianza del 95% y un error del 5% es

de 273.5 pacientes.
Clasificación de variables.
Calidad en el servicio de urgencias 2018-16-4 en cualitativas (nominales,

ordinales), y cuantitativas (Discretas o Continuas), siguiendo el esquema:
CUALITATIVAS CUANTITATIVAS
Nominales Ordinales Discretas Continuas
ESTADO CALIDAD DE LA EDAD ESTATURA

CIVIL INFORMACION
TIPO DE CALIDAD DE NUMERO DE PESO

SANGRE SERVICION VISITAS
EPS ENFERMEDAD NUMERO DE TIEMPO DE
HIJOS ESPERA
TIPO DE N/A N/A N/A
AFILIACIÓN
GENERO N/A N/A N/A
N/A N/A N/A N/A
N/A N/A N/A N/A
2. MEDIDAS UNIVARIANTES DE TENDENCIA CENTRAL.
En este paso 3 De acuerdo a la tabla de “Calidad en el servicio de urgencias 2018-

16-4”
Estuvimos estudiado sobre las diferentes variables, dentro de estas eligieron una
variable cuantitativa discreta y una variable cuantitativa continua y de los
datos de las tablas, se hizo una tabla de frecuencias exponiendo allí por medio
de Histogramas y polígono de frecuencias, seguidamente se logra de los datos
correspondientes calcular las medidas univariantes de tendencia central: la Media,
Mediana y Moda y por último calcular todos los cuartiles (Q1, Q2 y Q3), los
deciles y percentiles.
Caracterización de variables cualitativas.
Variable: EDAD
Intervalos de clase Marca FA FAA FR (%) FRA (%)
lim inferior lim de
superior clase
0 12 6 21 21 0,175 17,5
12 24 18 33 54 0,275 27,5
24 36 30 15 69 0,125 12,5
36 48 42 15 84 0,125 12,5
48 60 54 20 104 0,16666667 16,6666667
60 72 66 7 111 0,05833333 5,83333333
72 84 78 6 117 0,05 5
84 96 90 3 120 0,025 2,5
SUMA 120 1 100
Histograma de frecuencias de edad de los usuarios

del servicio de urgencias 2018-16-4
35 33
30
FRECUENCIA (No. de usuarios)
25
21 20
20
15 15
15
10
7 6
5 3
0
INTERVALO (Edad de los usuarios)
Polígono de frecuencias de edad de los usuarios

del servicio de urgencias 2018-16-4
35 33
FRECUENCIA (No. DE USUARIOS)
30
25
21 20
20
15 15
15
10
7 6
5 3
0
INTERVALO (EDAD DE LOS USUARIOS)
TABLA DE CONTINGENCIAS
Intervalos de edad de usuarios del servicio de urgencias 2018-
16-4 (Años)
12-- 24-- 36— 48-- 60-- 72-- Tota
Genero 0--12 24 36 48 60 72 84 84--96 l
Hombr
e 13 15 9 9 13 4 3 1 67
Mujer 8 18 6 6 7 3 3 2 53
Total 21 33 15 15 20 7 6 3 120
Variable: Tipo de Sangre

FA FAA
Datos FR (%) FRA (%)
(Unidad) (Unidad)
A+ 30 30 0,25 2500%
A- 15 45 0,13 1250%
AB+ 5 50 0,04 417%
AB- 5 55 0,04 417%
B+ 10 65 0,08 833%
B- 5 70 0,04 417%
O+ 50 120 0,42 4167%
O- 0 120 0,00 0%
TOTAL 120 555 1,00 10000%
Frecuencia Absoluta procentual tipo de sangre.
A+
25%
O+
42%
A-
13%
B+
8% AB+
B- AB- 4%
4% 4%
Variable: EPS
FA FAA
(Unidad) (Unidad)
CAFÉ SALUD 17 17 0,141666667 14%
CAPRECOM 1 18 0,008333333 1%
COOMEVA 14 32 0,116666667 12%
NUEVA EPS 32 64 0,266666667 27%
SALUD TOTAL 13 77 0,108333333 11%
SALUD VIDA 15 92 0,125 13%
SALUDCOOP 22 114 0,183333333 18%
SANITAS 6 120 0,05 5%
TOTAL 120 1 100%
TABLA CONTINGENCIA DOBLE ENTRADA

GENERO
HOMBRE MUJER
CAFÉ SALUD 10 7
CAPRECOM 1 0
EPS
COOMEVA 7 7
NUEVA EPS 19 13
SALUD TOTAL 6 7
SALUD VIDA 10 5
SALUDCOOP 9 13
SANITAS 5 1
Variable: Tiempo de espera Triage, según enfermedades.

FA FAA
(Unidad) (Unidad)
10 10 8,33% 8,33%
16 26 13,33% 21,67%
31 57 25,83% 47,50%
24 81 20,00% 67,50%
20 101 16,67% 84,17%
7 108 5,83% 90,00%
0 108 0,00% 90,00%
12 120 10,00% 100,00%
DATOS
150 178 120 357 110 345 190 35 187 126 346 124 156 245 187
45 248 368 156 128 198 225 216 120 234 210 338 287 110 342
246 180 243 159 128 176 190 132 90 196 210 130 65 98 128
245 86 112 196 112 223 58 192 145 196 112 223 50 192 145
35 156 187 198 210 287 159 90 210 86 58 145 150 178 120
357 110 345 190 35 187 126 346 124 156 245 187 45 248 368
156 128 198 225 216 120 234 210 338 287 110 342 246 180 243
159 128 176 190 132 90 196 210 130 65 98 128 245 86 112
Variable: Estado Civil Y Número De Hijos

FA FAA
(Unidad) (Unidad)
Casado 61 41,2 61 41,2
Divorciado 13 8,8 74 50,0
Soltero 1 152,5 75 152,5
Unión Libre 33 22,3 108 174,8
Viudo 40 27,0 148 27,0
TOTAL 148
HISTOGRAMA DE FRACUENCIAS DE ESTADO

CIVIL Y NUMERO DE HIJOS
200
150
100
50
0
Casado Divorciado Soltero Unión Libre Viudo
Frecuencia Absoluta Frecuencia Absoluta Acumulada

Frecuencia Relativa FRECUENCIA RELATIVA ACOMULADA
POLIGONO DE FRACUENCIAS DE ESTADO CIVIL Y

NUMERO DE HIJOS
450
400
152.5
350 174.8
300
250 27.0
75 148
41.2
200
15061 50.0 152.5 108
41.2
100 74
5061 22.3 27.0
8.8 33 40
0 13 1
Casado Divorciado Soltero Unión Libre Viudo
Frecuencia Absoluta
Frecuencia Absoluta Acumulada
Frecuencia Relativa
FRECUENCIA RELATIVA ACOMULADA
TABLA DE CONTINGENCIAS
Intervalos de número hijos de usuarios según su
estado civil del servicio de urgencias 2018
Estado civil 30 31
Casado 6 12
Divorciado 1 0
Soltero 20 20
Unión libre 18 15
Viudo 20 20
Total 95 98
Moda para cada una de las variables cualitativas y la asocia con la situación objeto
de estudio.
Variable Moda
EDAD 12-24 Años = 33 Datos
TIPO DE SANGRE O+ = 50 Datos
EPS Para la serie no existe
moda, pues las
frecuencias se repiten
solo una vez.
TIEMPO DE 31 datos
ESPERA TRIAGE,
SEGÚN
ENFERMEDADES.
ESTADO CIVIL Y Casados = 61 Datos
NÚMERO DE HIJOS
ANALISIS DE LA INFORMACIÓN
Variable cuantitativa discreta: No. De hijos
Datos
No. De datos = 120
0 2 2 2 1 1 1 0 2 2 2 2
2 1 1 0 2 0 0 2 3 2 3 0
1 4 3 0 0 3 2 4 1 0 0 1
0 2 0 1 2 0 1 1 3 0 0 0
1 0 1 2 1 2 2 2 0 1 2 0
0 2 2 1 1 0 0 0 2 2 3 1
3 1 3 0 0 0 3 2 2 2 4 1
1 1 1 0 0 2 0 1 0 3 0 0
0 3 0 4 2 3 2 1 0 0 1 0
0 0 2 2 2 1 2 0 0 1 2 0
Xi fi Fi xi*fi (xi-x́)^2
0 42 42 0 1,52
1 28 70 28 0,054
2 34 104 68 0,58
3 12 116 36 3,12
4 4 120 16 7,65
Total 120 148 12,924
 Calcular las medidas univariantes de tendencia central:

 Media,
∑ Xi∗fi 148
x́= i=1 = =1,233
N 120
 Mediana
Px 50
N x= ∗N = ∗120=60 → Es el valor de la frecuencia absoluta acumulada que
100 100
le corresponde a la mediana, y observando la tabla de resultados 60 es posible
encontrarlo en el dato de las personas que tienen 1 hijo, entonces
Me=1
 Moda
Como la moda es el valor que más se repite en la muestra, en este caso ese valor
es el de las personas que no tienen hijos, lo que quiere decir que es cero.
Mo=0
 Calcular:
 Todos los cuartiles
Cuartil 1
Px 25
N x= ∗N = ∗120=30 → Q 1=0
100 100
Cuartil 2
Px 50
N x= ∗N = ∗120=60 → Q 2=1
100 100
Cuartil 3
Px 75
N x= ∗N = ∗120=90→ Q 3=2
100 100
k (n+ 1)
 Deciles 5 y 7 Posición:
10
5 ( 120+1 )
D 5= =60,5 → D 5=42+ ( 70−42 )∗0,5=56 → D 5=1
10
7(120+ 1)
D 7= =84,5 → D7=70+ ( 104−70 )∗0,5=87→ D7=2
10
 Percentiles 25, 50
120∗25
P25= =30→ P25=0
100
120∗50
P50= =60→ P50=1
100
 Interpretar sus resultados.
Es posible determinar que las personas que no tienen hijos, fueron las que más
asistieron al servicio de urgencias en esas fechas.
3.1. Elegir una variable cuantitativa continua y:

Variable cuantitativa continua: Tiempo de espera para triague
3.1.1. Diseñar una tabla de frecuencia para datos agrupados.
24
150 346 198 210 223 35 58 187 156 110 90
6
18
178 124 225 130 58 156 145 126 128 342 196
0
24
120 156 216 65 192 187 150 346 198 246 210
3
15
357 245 120 98 145 198 178 124 225 180 130
9
12
110 187 234 128 196 210 120 156 216 243 65
8
17
345 45 210 245 112 287 357 245 120 159 98
6
19
190 248 338 86 223 159 110 187 234 128 128
0
13
35 368 287 112 58 90 345 45 210 176 245
2
187 156 110 90 196 192 210 190 248 338 190 86
19
126 128 342 112 145 86 35 368 287 132 112
6
Valor
Solución redondeado
Numero de datos 120

Vmax 368
Vmin 35
Rango 333
No. Intervalos 7,861 8

Amplitud 41,63 42
Intervalos de clase
Marca de clase (Xi)
fi
Fi
hi
Hi
f%
lim inferior
lim superior
35
77
56
10
10
0,08333
0,0833
8,3333
77
119
98
16
26
0,1333
0,2167
13,3333
119
161
140
31
57
0,2583
0,475
25,8333
161
203
182
24
81
0,2
0,675
20
203
245
224
20
101
0,1667
0,84167
16,6667
245
287
266
7
108
0,0583
0,9
5,8333
287
329
308
0
108
0
0,9
0
329
371
350
12
120
0,1
1
10

Suma
120

1

100
xi*fi
xi^2*fi
(Xi-ẋ)^3*fi
(Xi-x́)^2
(Xi-x́)^2*fi
560
31360
-18382656,3
-14920,6
-149206
1568
153664
-8346562
-6424,02
-102784,32
4340
607600
-1769065,38
-1455,42
-45118,02
4368
794976
1029
14,82
355,68
4480
1003520
1883927,5
2102,22
42044,4
1862
495292
4689453,125
7717,62
54023,34
0
0
0
16861,02
4200
1470000
60530410,5
29532,42
354389,04
Suma
21378
4556412
38606536,5
33427,64
153704,12
3.1.2. De la tabla de frecuencias construir:

 El histograma de frecuencias
Tiempo de espera para triague

35 31
30
24
25
20
frecuencia
20 16
15 12
10
10 7
5
0
0
35-77 77-119 119-161 161-203 203-245 245-287 287-329 329-371
INTERVALOS (MIN. DE ESPERA)
 El polígono de frecuencias.
Tiempo de espera para triague

35 31
30
25 24
20
frecuencia
20 16
15 12
10
10 7
5
0
0
35-77 77-119 119-161 161-203 203-245 245-287 287-329 329-371
intervalos (min. de espera)
3.1.3. Calcular las medidas de tendencia central
Media:
∑ Xi∗fi 21378
x́= i=1 = =178,15
N 120
Mediana:
N 120
= =60
2 2
N
−F i−1
2
Me=Li + ∗A
fi
60−57
Me=161+ ∗42
24
Me=166,25
Moda: Intervalo Modal = 119-161
fi−f i−1
Mo=Li+ ∗A
( fi−f i−1 ) + ( fi−f i+ 1)
31−16
Mo=119+ ∗42
( 31−16 )+ ( 31−24 )
Mo=147,633
3.1.4. Determinar el tipo de asimetría

 Varianza,
S2=
∑ ( Xi− x́)2∗fi
N
153704,12
S2 = =1280,867
120
 Desviación típica
S= √1280,867=35,789
 Asimetría
∑ ( Xi−x́ )3 fi
As= i=1
N s3
38606536,5 38606536,5
As= = =7,018
120∗35,7893 5500851,71
A partir del resultado obtenido para la asimetría, se puede definir que el tipo de
asimetría es positivo, ya que el resultado dio mayor que cero.
 Calcular:
kn
−F i−1
4
Qk =Li + A( )
fi
Cuartil 1
n 120
= =30
4 4
30−26
Q 1=119 +42( )
31
Q1=124,42
Cuartil 2
2n 2∗120
= =60
4 4
60−57
Q 2=161+ 42( )
24
Q 2=166,25
Cuartil 3
3 n 3∗120
= =90
4 4
90−81
Q 3=203+ 42( )
20
Q 3=221,9
 Deciles 5 y 7;
Decil 5
5 n 5∗120
= =60
10 10
60−57
D 5=161+ 42( )
24
D5=166,25
Decil 7
7 n 7∗120
= =84
10 10
84−81
D 7=203+ 42( )
20
D 7=209,3
Percentil 25
25 n 25∗120
= =30
100 100
30−26
P25=119+ 42( )
31
P25=124,42
Percentil 50
50 n 50∗120
= =60
100 100
60−57
P50=161+ 42( )
24
P50=166,25
Al obtener los anteriores resultados se puede determinar que la mayoría de

personas que asistieron al servicio de urgencias, duraron esperando para triague
entre 119 y 161 minutos.
4. Medidas Univariantes de Dispersión.

4.1. Con la variable cuantitativa discreta antes seleccionada:
4.1.1. Calcular las medidas univariantes de dispersión:
 Rango,
R=Lm−Lo
R=4−0=4
Vmax 4
Vmin 0
Rango 4
 Varianza,
∑ (Xi−x́)2
s2= i=1
N
12,924
s2= =0,107
120
s= √0,107=0,327
 Coeficiente de variación.
s
Cv= ∗100
x́
0,327
Cv= ∗100=26,52
1,233
4.1.2. Interpretar los resultados obtenidos y asociarlos con el problema

objeto de estudio.
Es posible determinar, a partir de las medidas de dispersión que presentan un

valor pequeño, comparado con los datos, que no existen diferencias significativas
en el número de hijos que tienen las personas que asistieron al servicio de
urgencias en esas fechas. Y como la dispersión es baja, entonces es una
distribución homogénea.
4.2. Elegir una variable cuantitativa continua elegida calcular:

 Rango,
R=Lm−Lo
R=368−35=333
Vmax 368
Vmin 35
Rango 333
 Varianza,
S2=
∑ ( Xi− x́)2∗fi
N
153704,12
S2 = =1280,867
120
S= √1280,867=35,789
 Coeficiente de variación.
s
Cv= ∗100
x́
35,789
Cv= ∗100=20,09
178,15
4.2.2. Interpretar los resultados obtenidos y asociarlos con el problema

objeto de estudio.
En vista a que las medidas de dispersión dan valores pequeños con respecto a los
datos que se tienen, es posible decir que la distribución tiene poca diferencia,
entonces la distribución es homogénea.
Variable cuantitativa discreta: Número de visitas del último trimestre.
Datos: 120
2 1 2 1 1 2 1 3 1 3 1 1
1 1 2 1 1 3 1 1 3 1 1 1
1 2 2 1 1 1 1 2 2 1 1 1
1 2 1 1 1 1 2 1 1 1 2 2
1 1 2 1 2 1 3 1 1 2 2 2
1 1 1 1 1 1 3 1 1 1 1 1
1 1 2 1 2 1 3 2 1 1 1 1
1 2 1 1 1 1 1 1 1 1 1 1
1 1 1 2 1 3 1 1 2 1 1 2
1 2 1 1 1 1 1 1 1 1 2 1
 Calcular las medidas univariantes de tendencia central:

 Media, Mediana, Moda.
N 120
Media 1,3500
Moda 1,0000
Mediana 1,0000
 Calcular:
 Deciles 5 y 7;
Cuartiles
Q1 1,0000
Q2 1,0000
Q3 2,0000
Deciles
D5 1,0000
D7 1,0000
Percentiles
P25 1,0000
P50 1,0000
3.2 Elegir una variable cuantitativa continua y:

Variable cuantitativa continua: estatura
Diseñar una tabla de frecuencia para datos agrupados
0,65 1,74 1,58 1,59 1 1,65 1,7 0,73 1,62 1,53 1,65 1,18
1,69 1,58 1,53 0,85 1,6 1,75 1,6 1,03 1,55 1,58 1,78 1,66
4
1,7 1,79 1,72 1,68 1,0 1,63 1,73 1,68 1,58 1,65 0,45 1,78
3
1,5 1,64 1,16 1,52 1,5 0,98 1,65 1,59 1,61 1,79 0,96 1,67
8
1,7 1,68 1,62 0,53 1,5 1,56 1,65 1,68 1,56 0,96 1,67 1,61
9
0,57 1,8 1,56 1,62 1,6 1,8 1,75 1,65 1,72 1,59, 1,63 1,65
7
1,52 1,72 1,63 1,86 1,6 1,75 1,57 0,76 1,78 1,62 1,06 1,68
3
0,57 1,51 1,76 0,86 1,6 1,71 1,1 1,86 1,71 1,59 0,82 1,76
2
0,47 1,62 1,4 1,51 1,8 1,66 1,6 1,63 1,58 1,67 1,72 1,65
1
1,56 1,63 1,67 1,64 1,6 1,68 1,8 1,72 1,75 1,67 1,55 1,72
1
NUMERO DE
DATOS 120
VALOR MAX 1,86
VALOR MIN 0,45
RANGO 1,41
N° DE 7,90288173
INTERVALOS 7
AMPLITUD 0,179
N° CLASE
INTERVALOS Fi Fa Fr Fra asimetria
INTER (Xi )
0,0416666
1 0,45 0,62 0,535 5 5 4,16666667
7
0.0666666 666.666.66
2 0,63 0,8 0,715 3 08-ene
6 5
0,1166666
3 0,81 0,98 0,895 6 14 11,6666667
7
0,1666666
4 0,99 1,16 1,075 6 20 16,6666667
7
5 1,17 1,34 1,255 1 21 0,175 17,5
6 1,35 1,52 1,435 6 27 0,225 22,5
7 1,53 1,7 1,615 66 93 0,775 77,5
8 1,71 1,88 1,795 27 120 1 100
120
De la tabla de frecuencias construir:
 El histograma de frecuencias
HISTOGRAMA
60
Freccuencia
40
20
0
1 2 3 4 5 6 7 8
Estatura
 El polígono de frecuencias.
70
60
50
40
30
20
10
0
1 2 3 4 5 6 7 8
 Calcular las medidas de tendencia central

 Determinar el tipo de asimetría,
 Calcular:
 Deciles 5 y 7;
Media 1,5127
Moda 1,6500
Mediana 1,6300
Varianza 0,11064156
9
0,33262827
Desviacion E.
4
0,21989528
Coeficiente V.
9
Asimetría(-) -0,18
Cuartiles
Q1 1,5500
Q2 1,6300
Q3 1,6875
Deciles
D5 1,63
D7 1,67
Percentiles
P25 1,5500
P50 1,6300
4. Medidas Univariantes de Dispersión.
4.1 Con la variable cuantitativa discreta antes seleccionada:
 Calcular las medidas univariantes de dispersión:

 Rango,
 Varianza,
 Desviación típica y
 Coeficiente de variación.
 Interpretar los resultados obtenidos y asociarlos con el problema objeto
de estudio.
Xi fi fr F% fA Xi*fi (xi-x́) (xi-x́ ¿ ¿ 2

1 86 0.7166 71.6% 86 86 -0.35 0.1225
2 26 0.2166 21.6% 112 52 0.65 0.4225
3 8 0.0666 6.66% 120 24 1.65 2.7225
TOTAL 120 1 100% 162 3.2675
N
Media:
∑ Xi∗fi 162
x́= i=1 = =1.35
N 120
Mediana:
N 120
= =60 ( vamos a la posición 60 y encontramos el número 1)
2 2
Moda: 1
Rango: 3 - 1= 2
2 3.2675
Varianza: S = =0.02745
120−1
Desviación: S= √0.02745=0.1657
Coeficiente de Variación:
( sx́ ) x 100=( 0.1657

1.35 )
x 100=12.2740
4.2 Elegir una variable cuantitativa continua elegida calcular:

 Rango,
 Varianza,
 Desviación típica y
 Coeficiente de variación.
 Interpretar los resultados obtenidos y asociarlos con el problema

objeto de estudio.
Xi Fi fr F% fA Xi*fi (xi-x́) (xi-x́ ¿ ¿ 2

0.45 1 0,0083333 0,8333333 1 0.45
3 3 - 1,12911876
1,0626
0.47 1 0,0083333 0,8333333 2 0.47 - 1,08701476
3 3 1,0426
0.53 1 0,0083333 0,8333333 3 0.53 - 0,96550276
3 3 0,9826
0.57 2 0,0166666 1,6666666 5 1,14 - 0,41293476
7 7 0,6426
0.65 1 0,0083333 0,8333333 6 0.65 - 0,74407876
3 3 0,8626
0.73 1 0,0083333 0,8333333 7 0.73 - 0,61246276
3 3 0,7826
0.76 1 0,0083333 0,8333333 8 0.76 - 0,56640676
3 3 0,7526
0.82 1 0,0083333 0,8333333 9 0.82 - 0,47969476
3 3 0,6926
0.85 1 0,0083333 0,8333333 10 0.85 - 0,43903876
3 3 0,6626
0.86 1 0,0083333 0,8333333 11 0.86 - 0,42588676
3 3 0,6526
0.96 2 0,0166666 1,6666666 13 1,92 - 0,30536676
7 7 0,5526
0.98 1 0,0083333 0,8333333 14 0,98 - 0,28366276
3 3 0,5326
1 1 0,0083333 0,8333333 15 1 - 0,26275876
3 3 0,5126
1.03 2 0,0166666 1,6666666 17 2,06 - 0,23290276
7 7 0,4826
1.06 1 0,0083333 0,8333333 18 1.06 - 0,20484676
3 3 0,4526
1.1 1 0,0083333 0,8333333 19 1.1 - 0,17023876
3 3 0,4126
1.16 1 0,0083333 0,8333333 20 1.16 - 0,12432676
3 3 0,3526
1.18 1 0,0083333 0,8333333 21 1.18 - 0,11062276
3 3 0,3326
1.4 1 0,0083333 0,8333333 22 1.4 - 0,01267876
3 3 0,1126
1.5 1 0,0083333 0,8333333 23 1.5 - 0,00015876

3 3 0,0126
1.51 2 0,0166666 1,6666666 25 3,02 - 0,00000676
7 7 0,0026
1.52 2 0,0166666 1,6666666 27 3,04 0,0074 0,00005476
7 7
1.53 2 0,0166666 1,6666666 29 3,06 0,0174 0,00030276
7 7
1.55 2 0,0166666 1,6666666 31 3,1 0,0374 0,00139876
7 7
1.56 4 0,0333333 3,3333333 35 6,24 0,0474 0,00224676
3 3
1.57 1 0,0083333 0,8333333 36 1,57 0,0574 0,00329476
3 3
1.58 6 0,05 5 42 9,48 0,0674 0,00454276
1.59 5 0,0416666 4,1666666 47 7,95 0,0774 0,00599076
7 7
1.6 2 0,0166666 1,6666666 49 3,2 0,0874 0,00763876
7 7
1.61 3 0,025 2,5 52 4,83 0,0974 0,00948676
1.62 6 0,05 5 58 9,72 0,1047 0,01096209
1.63 6 0,05 5 64 9,78 0,1174 0,01378276
1.64 3 0,025 2,5 67 4,92 0,1274 0,01623076
1.65 8 0,0666666 6,6666666 75 13,2 0,1317 0,01734489
7 7
1.66 2 0,0166666 1,6666666 77 3,32 0,1474 0,02172676
7 7
1.67 6 0,05 5 83 10,02 0,1574 0,02477476
1.68 6 0,05 5 89 10,08 0,1674 0,02802276
1.69 1 0,0083333 0,8333333 90 1,69 0,1774 0,03147076
3 3
1.7 3 0,025 2,5 93 5,1 0,1874 0,03511876
1.71 2 0,0166666 1,6666666 95 3,42 1,1974 1,43376676
7 7
1.72 6 0,05 5 101 10,32 0,2074 0,04301476
1.73 1 0,0083333 0,8333333 102 1.73 0,2174 0,04726276
3 3
1.74 1 0,0083333 0,8333333 103 1.74 0,2274 0,05171076
3 3
1.75 4 0,0333333 3,3333333 107 7 0,2374 0,05635876
3 3
1.76 2 0,0166666 1,6666666 109 3,52 0,2474 0,06120676
7 7
1.78 3 0,025 2,5 112 5,34 0,2674 0,07150276
1.79 2 0,0166666 1,6666666 114 3,58 0,2774 0,07695076

7 7
1.8 3 0,025 2,5 117 5,4 0,2874 0,08259876
1.81 1 0,0083333 0,8333333 118 1.81 0,2974 0,08844676
3 3
1.86 2 0,0166666 1,6666666 120 3,72 0,3474 0,12068676
7 7
TOTAL 120 1 100 164,91 10,9376074
6
MEDIA:
∑ Xi∗fi 164.91 MEDIA 1.5126
x́= i=1 = =1.3742
N 120
Rango: 1.86 - 0.47 = 1.39
2 10,93
Varianza: S = =0.0549
120−1
Desviación: S= √0.0549=0.2343
Coeficiente de Variación:
( sx́ ) x 100=( 1.5126

0.2343
) x 100=15.4898
Variable cuantitativa discreta: número de visitas
Datos
No. De datos = 120
N.º VISITAS
ULTIMO
TRIMESTR
E
2 1 1 1
1 2 1 1
2 2 1 1
1 1 1 1
1 1 1 1
2 1 1 1
1 1 3 1
3 2 1 1
1 1 1 1
3 1 1 2
1 1 1 1
1 1 1 3
1 2 1 1
1 1 1 1
2 1 2 2
1 1 1 1
1 2 2 1
3 2 1 2
1 1 3 1
1 1 2 2
3 2 1 1
1 1 1 1
1 2 1 1
1 1 1 1
1 3 1 1
2 1 2 1
2 1 1 1
1 2 1 1
1 2 1 2
1 2 1 1
Xi Fi Fi Hi Hi p% P%
0,7166666 0,7166666
1 86 86 72% 72%
7 7
0,2166666 0,9333333
2 26 112 22% 93%
7 3
0,0666666
3 8 120 1 7% 100%
7

Total 120
120 120
120 112
100
86 86
80
60
40
26
20
8
0.720.220.07 0.720.93 1 0.720.220.07 0.720.93 1
0
fi Fi hi Hi p% P%
1 2 3 Total
Histograma
N° DE VISITAS
Polígono de frecuencia
N° de visitas
120
100
80
60
40
20 Total
0 3
fi 2
Fi
hi 1
Hi
p%
P%
1 2 3 Total
Calcular las medidas univariantes de tendencia central:
 Media, es el promedio de los datos fi = 1,35

 Mediana, La mediana es el número central de un grupo de números
ordenados por tamaño = 1
 Moda. la moda es el valor con mayor frecuencia en una distribución
de datos. = 1
promedi mediana Moda

o
1,35 1 1
Calcular:
Q1(25% Q2(50% Q3 (75%)

) )
1 1 2
Cuartil 1
El 25 % de los datos son menores o iguales a 1
Cuartil 2
Cuartil 3
El 75 % de los datos agrupados son menores o iguales a 2
 Deciles 5 y 7
Dk=Li+ ¿
L=limite inferior del intervalo que contiene al decil
Fi−1=Frecuencia aculudad en la clase anterior del decil
fi=frecuencia enl clase que contiene el decil

C=tamaño del intervalo de clase [ a , b )=b−a
A=suma de frecuencias absolutas
K=1,2,3,4,5, , , 9.
5∗120
D5 =60 Pocsición
10
D 5=¿1
Según la tabla de frecuencia el decil 5 pertenece a 1
7∗120
D7 =84 Posición
10
D 7=1
Según la tabla de frecuencia el decil 7 pertenece a la posición número 84= 1
Percentiles 25, 50

Según la formula el percentil de 25 es 1
120∗25
P25= =30 posición
100
=1
120∗50
P50= =60 posición
100
Según el percentil de 50 es la posición 60 que equivale según la tabla a
1
Elegir una variable cuantitativa continua selecciono Tiempo de espera triage.
TIEMPO
ESPERA
PARA
TRIAGE
(MINUTOS
)
150 246 35 156
178 180 156 128
120 243 187 198
357 159 198 225
110 128 210 216
345 176 287 120
190 190 159 234
35 132 90 210
187 90 210 338
126 196 86 287
346 210 58 110
124 130 145 342
156 65 150 246
245 98 178 180
187 128 120 243
45 245 357 159
248 86 110 128
368 112 345 176
156 196 190 190
128 112 35 132
198 223 187 90
225 58 126 196
216 192 346 210
120 145 124 130
234 196 156 65
210 112 245 98
338 223 187 128
287 58 45 245
110 192 248 86
342 145 368 112
Diseñar una tabla de frecuencia para datos agrupados.
Xi Fi Fi Hi Hi p% P%
35 3 3 0,025 0,025 2,50% 2,5%
0,0166666 0,0416666
45
2 5 7 7 1,67% 4,2%
0,0666666
58
3 8 0,025 7 2,50% 6,7%
0,0166666 0,0833333
65
2 10 7 3 1,67% 8,3%
0,1083333
86
3 13 0,025 3 2,50% 10,8%
0,1333333
90
3 16 0,025 3 2,50% 13,3%
0,0166666
98
2 18 7 0,15 1,67% 15,0%
0,0333333 0,1833333
110
4 22 3 3 3,33% 18,3%
0,0333333 0,2166666
112
4 26 3 7 3,33% 21,7%
0,0333333
120
4 30 3 0,25 3,33% 25,0%
0,0166666 0,2666666
124
2 32 7 7 1,67% 26,7%
0,0166666 0,2833333
126
2 34 7 3 1,67% 28,3%
0,3333333
128
6 40 0,05 3 5,00% 33,3%
0,0166666
130
2 42 7 0,35 1,67% 35,0%
0,0166666 0,3666666
132
2 44 7 7 1,67% 36,7%
0,3916666
145
3 47 0,025 7 2,50% 39,2%
0,0166666 0,4083333
150
2 49 7 3 1,67% 40,8%
0,0416666
156
5 54 7 0,45 4,17% 45,0%
159 3 57 0,025 0,475 2,50% 47,5%
0,0166666 0,4916666
176
2 59 7 7 1,67% 49,2%
0,0166666 0,5083333
178
2 61 7 3 1,67% 50,8%
0,0166666
180
2 63 7 0,525 1,67% 52,5%
0,0416666 0,5666666
187
5 68 7 7 4,17% 56,7%
0,0333333
190
4 72 3 0,6 3,33% 60,0%
0,0166666 0,6166666
192
2 74 7 7 1,67% 61,7%
0,0333333
196
4 78 3 0,65 3,33% 65,0%
198 3 81 0,025 0,675 2,50% 67,5%
210 6 87 0,05 0,725 5,00% 72,5%
0,0166666 0,7416666
216
2 89 7 7 1,67% 74,2%
0,0166666 0,7583333
223
2 91 7 3 1,67% 75,8%
0,0166666
225
2 93 7 0,775 1,67% 77,5%
0,0166666 0,7916666
234
2 95 7 7 1,67% 79,2%
0,0166666 0,8083333
243
2 97 7 3 1,67% 80,8%
0,0333333 0,8416666
245
4 101 3 7 3,33% 84,2%
0,0166666 0,8583333
246
2 103 7 3 1,67% 85,8%
0,0166666
248
2 105 7 0,875 1,67% 87,5%
287 3 108 0,025 0,9 2,50% 90,0%
0,0166666 0,9166666
338
2 110 7 7 1,67% 91,7%
0,0166666 0,9333333
342
2 112 7 3 1,67% 93,3%
0,0166666
345
2 114 7 0,95 1,67% 95,0%
0,0166666 0,9666666
346
2 116 7 7 1,67% 96,7%
357 2 118 0,0166666 0,9833333 1,67% 98,3%
7 3
0,0166666
368
2 120 7 1 1,67% 100,0%
TOTAL 120
El
Tiempo de espera triage
400
350
300
250
200
150
100
50
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43
Xi Fi Fi hi Hi p% P%
histograma de frecuencias
Tiempo de espera triage

500
450
400
350
300
250
200
150
100
50
0
1 3 5 7 9
11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43
Xi Fi Fi hi Hi p% P%
El polígono de frecuencias.
Calcular las medidas de tendencia central
Media, es el promedio de los datos fi = 178,858333

Mediana, La mediana es el número central de un grupo de números ordenados

por tamaño = 178
Moda. la moda es el valor con mayor frecuencia en una distribución de datos.
= 128
 Determinar el tipo de asimetría,

S2= Ʃ ¿ ¿
s2=¿ 0,56039963
Cuartil 1

Cuartil 2

Cuartil 3
El 75 % de los datos agrupados son menores o iguales a 223

 Deciles 5 y 7
Dk=Li+ ¿
L=limite inferior del intervalo que contiene al decil
Fi−1=Frecuencia aculudad en la clase anterior del decil
fi=frecuencia enl clase que contiene el decil
C=tamaño del intervalo de clase [ a , b )=b−a

A=suma de frecuencias absolutas
K=1,2,3,4,5, , , 9.
5∗120
D5 =60 Pocsición
10
D 5=¿178
Según la tabla de frecuencia el decil 5 pertenece 178
7∗120
D7 =84 Pocsición
10
D 7=210
Según la tabla de frecuencia el decil 7 pertenece a 210
Percentiles 25, 50

Según el percentil de 25 es 120
120∗25
P25= =30 posición
100
120∗50
P25= =60 posición
100
Según el percentil de 50 es 178
Variable cuantitativa continua: EDAD
Diseñar una tabla de frecuencia para datos agrupados.
3 2 54 44 0 23 5 51
31 73 51 3 44 87 37 17
62 25 26 81 75 34 54 26
64 35 22 20 75 24 26 16
4 5 0 40 82 1 1 22
65 24 26 40 33 19 33 25
55 23 73 0 39 25 0 55
1 19 85 61 23 5 21 23
18 54 7 23 37 24 13 58
42 19 16 34 48 0 23 48
23 21 52 31 50 52 39 39
8 56 4 17 94 24 19 36
71 43 20 3 17 2 24 60
53 5 68 59 55 49 45 47
20 21 54 19 59 68 57 17
Tabla de frecuencias (Datos para construir

intervalos)
No. De datos. 120,00
Vmax 94,00
Vmin 0,00
Rango 94,00
No.Intervalos (k) 8,00
Amplitud de clase. 11,75
Intervalos de clase. Marca de

fi Fi ni f%
N.Intervalos Lim.Inferior. Lim.Superior. clase
1 32,1 43,85 37,98 78 6 6,5 65000%
2 32,93 44,68 38,81 2 8 0,17 1667%
3 33,76 45,51 39,64 1 9 0,08 833%
4 34,59 46,34 40,47 0 9 0 0%
5 35,42 47,17 41,3 1 10 0,08 833%
6 36,25 48 42,13 2 12 0,17 1667%
7 37,08 48,83 42,96 0 12 0 0%
8 48,83 60,58 54,71 36 48 3 30000%
120 100000%
 Diseñar histograma de frecuencias.

Histograma frecuencias de edad

90
80 78
70
60
Frecuencia
50
36 fi
40
30
20
10 2 2
1 0 1 0
0
N.Intervalos 1 2 3 4 5 6 7 8
Edad
 Polígono de frecuencias.
Histograma frecuencias de edad

90
80 78
70
60
Frecuencia
50
fi
40
36
30
20
10
0 2 1 0 1 2 0
N.Intervalos 1 2 3 4 5 6 7 8
Edad
 Calcular medidas de tendencia central.

Media 34,025
Moda 23
Mediana 26
Varianza de la 538,71365
muestra 5
23,210205
Desviación estándar 8
Coeficiente de 0,4367379
asimetría 2
 Cuartiles Deciles. Percentiles.
Percentil
P25 Cuartil
33 Decil
P50Q1 48 19 D5 26
Q2 26 D7 48,3
Q3 52,25
Q4 94
3. CONCEPTOS ASOCIADOS AL PASO 4
Continuando con el proceso que llevamos en el curso de estadística descriptiva,

se realizó de la mano de la tutora y los compañeros, se investigaron unos
conceptos necesarios para poder desarrollar el paso cuatro que los veremos a
continuación.
Diagrama de dispersión.
Los diagramas de dispersión son una forma fenomenal de expresar datos de

dos variables, y hacer predicciones basadas en los datos. Al contrario de los
histogramas y los diagramas de caja, los de dispersión muestran valores de datos
individuales.
El diagrama de dispersión permite estudiar las relaciones entre dos conjuntos

asociados de datos que aparecen en pares (por ejemplo, (x,y), uno de cada
conjunto). El diagrama muestra estos pares como una nube de puntos. Las
relaciones entre los conjuntos asociados de datos se infieren a partir de la forma
de las nubes.
Correlación lineal simple.
Bajo el concepto de correlación se recogen varios procedimientos e indicadores

estadísticos utilizados para determinar el grado de asociación entre dos variables;
el más sencillo de ellos es el de correlación lineal que está basado en la
comparación de la varianza asociada de dos variables (covarianza) y las
desviaciones estándar de cada uno a través del cálculo del coeficiente r de
Pearson.
Coeficiente de determinación R2.
En estadística, el coeficiente de determinación, denominado R² y pronunciado R

cuadrado, es un estadístico usado en el contexto de un modelo estadístico cuyo
principal propósito es predecir futuros resultados o probar una hipótesis. El
coeficiente determina la calidad del modelo para replicar los resultados, y la
proporción de variación de los resultados que puede explicarse por el modelo.
Hay varias definiciones diferentes para R² que son algunas veces equivalentes.
Las más comunes se refieren a la regresión lineal. En este caso, el R² es
simplemente el cuadrado del coeficiente de correlación de Pearson, lo cual es
sólo cierto para la regresión lineal simple.
Correlación positiva y correlación negativa.
Correlación Positiva
Se habla de una correlación positiva cuando una relación entre una variable y otra
es lineal y directa, de manera que un cambio en una variable predice el cambio en
la otra variable. En ese caso, se dice que la correlación es positiva perfecta, es
decir, ambas variables varían al mismo tiempo. Este tipo de correlación es

directamente proporcional. Hay correlación positiva cuando las dos variables se
correlacionan en sentido directo. Por lo que, a valores altos de una le
corresponden valores altos de la otra e igualmente con los valores bajos.
Correlación Negativa
Se habla de una correlación negativa cuando la relación entre una variable y otra
es opuesta o inversa, es decir, cuando una variable cambia, la otra se modifica
hacia lo contrario. Entonces, cuando una posee variable valores altos, la otra
posee valores bajos y mientras este valor esté más cerca de -1, más evidente será
esta covariación.
Se dice que hay correlación negativa perfecta cuando r = -1. Este tipo de
correlación es inversamente proporcional. Entonces, hay correlación negativa
cuando las dos variables se correlacionan en sentido inverso.
Como se puede observar en las definiciones presentadas, existen diferencias

importantes entre correlación positiva y correlación negativa. A continuación, se
muestran algunas diferencias entre los tipos de correlación existentes:
Correlación Positiva Correlación Negativa

En la correlación positiva la relación entre En la correlación negativa la relación entre
variables es lineal y recta. variables es opuesta.
En la correlación positiva el cambio de una En la correlación negativa cuando una variable
variable predice el cambio de la otra. cambia, la otra lo hace de forma contraria.
La correlación positiva es directamente La correlación negativa es inversamente
proporcional. proporcional.
¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?

Coeficiente de correlación lineal
En una distribución bidimensional puede ocurrir que las dos variables guarden
algún tipo de relación entre sí.
Por ejemplo, si se analiza la estatura y el peso de los alumnos de una clase es

muy posible que exista relación entre ambas variables: mientras más alto sea el
alumno, mayor será su peso.
El coeficiente de correlación lineal mide el grado de intensidad de esta posible

relación entre las variables. Este coeficiente se aplica cuando la relación que
puede existir entre las variables es lineal (es decir, si representáramos en un
gráfico los pares de valores de las dos variables la nube de puntos se aproximaría
a una recta). No obstante, puede que exista una relación que no sea lineal, sino
exponencial, parabólica, etc. En estos casos, el coeficiente de correlación lineal
mediría mal la intensidad de la relación las variables, por lo que convendría utilizar
otro tipo de coeficiente más apropiado.
Para ver, por tanto, si se puede utilizar el coeficiente de correlación lineal, lo mejor
es representar los pares de valores en un gráfico y ver qué forma describen.
El coeficiente de correlación lineal se calcula aplicando la siguiente fórmula:
4. REGRESION Y CORRELACION
Terminando el informe estadístico Regresión y Correlación lineal Simple se

Identificó dos variables cuantitativas de la situación estudiada que puedan estar
relacionadas. Y las Variables seleccionadas por la tabla “calidad en el servicio
de urgencias 2018-16-4” número de hijos y peso y se realizó el diagrama de
dispersión de dichas variables y se determinó el tipo de asociación entre las
variables.
N°
N°. DE HIJOS Pacientes
(x)
0 1
2 2
1 3
0 4
1 5
0 6
3 7
1 8
0 9
0 10
2 11
1 12
4 13
2 14
0 15
2 16
1 17
1 18
3 19
0 20
2 21
1 22
3 23
0 24
1 25
2 26
3 27
1 28
0 29
2 30
2 31
0 32
0 33
1 34
2 35
1 36
0 37
0 38
4 39
2 40
1 41
2 42
0 43
2 44
1 45
1 46
0 47
0 48
2 49
2 50
1 51
0 52
3 53
0 54
2 55
0 56
0 57
2 58
3 59
1 60
1 61
0 62
2 63
1 64
2 65
0 66
3 67
0 68
2 69
2 70
0 71
2 72
4 73
1 74
2 75
0 76
2 77
1 78
1 79
0 80
2 81
3 82
1 83
3 84
0 85
2 86
2 87
0 88
0 89
0 90
2 91
2 92
0 93
0 94
1 95
2 96
2 97
3 98
0 99
1 100
2 101
3 102
0 103
0 104
2 105
3 106
4 107
0 108
1 109
2 110
2 111
0 112
1 113
0 114
0 115
1 116
1 117
0 118
0 119
0 120
No. de pacientes vs No. de hijos

PACIENTE (x) Linear (PACIENTE (x))
120
110
100
90
80
No. de pacientes
70
60
f(x) = − 1.05 x + 61.79
50 R² = 0
40
30
20
10
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
No de hijos
El tipo de asociación de las variables es directamente proporcional, porque

podemos asumir que el número de hijos depende del número de pacientes,
entonces el número de hijos aumenta si el número de pacientes aumenta.
PACIENTE
No. DE HIJOS y
x x2 y2 X∗Y
0 1 1 0 0
2 2 4 4 4
1 3 9 1 3
0 4 16 0 0
1 5 25 1 5
0 6 36 0 0
3 7 49 9 21
1 8 64 1 8
0 9 81 0 0
0 10 100 0 0
2 11 121 4 22
1 12 144 1 12
4 13 169 16 52
2 14 196 4 28
0 15 225 0 0
2 16 256 4 32
1 17 289 1 17
1 18 324 1 18
3 19 361 9 57
0 20 400 0 0
2 21 441 4 42
1 22 484 1 22
3 23 529 9 69
0 24 576 0 0
1 25 625 1 25
2 26 676 4 52
3 27 729 9 81
1 28 784 1 28
0 29 841 0 0
2 30 900 4 60
2 31 961 4 62
0 32 1024 0 0
0 33 1089 0 0
1 34 1156 1 34
2 35 1225 4 70
1 36 1296 1 36
0 37 1369 0 0
0 38 1444 0 0
4 39 1521 16 156
2 40 1600 4 80
1 41 1681 1 41
2 42 1764 4 84
0 43 1849 0 0
2 44 1936 4 88
1 45 2025 1 45
1 46 2116 1 46
0 47 2209 0 0
0 48 2304 0 0
2 49 2401 4 98
2 50 2500 4 100
1 51 2601 1 51
0 52 2704 0 0
3 53 2809 9 159
0 54 2916 0 0
2 55 3025 4 110
0 56 3136 0 0
0 57 3249 0 0
2 58 3364 4 116
3 59 3481 9 177
1 60 3600 1 60
1 61 3721 1 61
0 62 3844 0 0
2 63 3969 4 126
1 64 4096 1 64
2 65 4225 4 130
0 66 4356 0 0
3 67 4489 9 201
0 68 4624 0 0
2 69 4761 4 138
2 70 4900 4 140
0 71 5041 0 0
2 72 5184 4 144
4 73 5329 16 292
1 74 5476 1 74
2 75 5625 4 150
0 76 5776 0 0
2 77 5929 4 154
1 78 6084 1 78
1 79 6241 1 79
0 80 6400 0 0
2 81 6561 4 162
3 82 6724 9 246
1 83 6889 1 83
3 84 7056 9 252
0 85 7225 0 0
2 86 7396 4 172
2 87 7569 4 174
0 88 7744 0 0
0 89 7921 0 0
0 90 8100 0 0
2 91 8281 4 182
2 92 8464 4 184
0 93 8649 0 0
0 94 8836 0 0
1 95 9025 1 95
2 96 9216 4 192
2 97 9409 4 194
3 98 9604 9 294
0 99 9801 0 0
1 100 10000 1 100
2 101 10201 4 202
3 102 10404 9 306
0 103 10609 0 0
0 104 10816 0 0
2 105 11025 4 210
3 106 11236 9 318
4 107 11449 16 428
0 108 11664 0 0
1 109 11881 1 109
2 110 12100 4 220
2 111 12321 4 222
0 112 12544 0 0
1 113 12769 1 113
0 114 12996 0 0
0 115 13225 0 0
1 116 13456 1 116
1 117 13689 1 117
0 118 13924 0 0
0 119 14161 0 0
0 120 14400 0 0
PACIENT
No. DE HIJOS (y)
E (x) x^2 y^2 X*Y
148 7260 583220 336 8793
CÁLCULO ECUACIÓN Y=ax+b
Encuentre el modelo matemático que permite predecir el efecto de una

variable sobre la otra. ¿Es confiable?
N 120
Ʃx 7260
Ʃy 148
Ʃx*y 8793
Ʃx² 583220
Ʃy² 336
A -0,01099
B 1.898
Y =ax+ b=−0 , 01099∗7260+1 . 898= -796
N 120
Ʃx 7260
Ʃy 148
Ʃx*y 8793
Ʃx² 583220
Ʃy² 336
R 1.737
R² 3.001
La ecuación del modelo matemático es y=-0.01099x+1.898
El coeficiente de determinación R² =3.001 el modelo no es ya que los datos
analizados presentan una gran dispersión con respecto a la línea de
tendencia.
a. Grado de relación de las dos variables.
R²= 3.001 El coeficiente de determinación es de un 3,001%
r= 1737 El coeficiente de correlación r=1737 nos indica que el modelo

tiene una correlación mínima.
El grado de relación de las variables está dado por el coeficiente r el cual es de

1737
Relacionar la información obtenida con el problema.
Se determina que entre más personas haya mayor será el número de hijos
obtenidos, por eso no se puede dar una predicción exacta si no es por el número
de personas obtenidas en la encuesta.
Variables seleccionadas: Edad y Estatura
 Realizar el diagrama de dispersión de dichas variables y determinar el tipo

de asociación entre las variables.
USUARIOS DEL SERVICIO DE URGENCIAS

EDAD VS ESTATURA
2
f(x) = 0.01 x + 1.23
1.8 R² = 0.34
1.6
1.4
ESTATURA (M)
1.2
0.8
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70 80 90 100
EDAD (AÑOS)
El tipo de asociación de las variables es directamente proporcional, ya que es

posible ver que la pendiente de la ecuación de regresión lineal es positiva, lo que
quiere decir que entre los 0 y 25 años, la estatura depende de la edad, y de 25
años en adelante la estatura ya es más constante.
 Encuentre el modelo matemático que permite predecir el efecto de una

Calculo de r y R2
Numerador 62454
1 Parte del Denominador 7692831
2 Parte del Denominador 1610
Resultado Total del 12385457910
Denominador
Raíz Cuadrada del
Denominador 11,13*10^4
Coeficiente de Correlación r 0,5611
Coeficiente de Determinación
R2 0,31483
120∗6713−4083∗182
r=
√ ( 120∗203031−16670889 )( 120∗288−32950 )
62454
r=
√ 7692831∗1610
r =0,5611
R 2=0,31483
Es posible determinar que el porcentaje de confiabilidad es del 31,48%
120∗6713−4083∗182
a=
120∗203031−16670889
a=0,00812
182−0,00812∗4083
b=
120
b=1,5165
Modelo matemático: y=0,00812 x +1,5165
 Determine el grado de relación de las dos variables.

Se puede observar a partir r=0,5611 que el grado de relación de las dos

variables es de una correlación lineal moderada.
 Relacionar la información obtenida con el problema.

Se puede ver que los datos no son suficientes para encontrar una relación alta
entre las dos variables y que la estatura depende de la edad hasta determinada
edad. Ya después tiende a ser constante la estatura, aunque la edad aumente.
4.
A partir de la base de datos suministrada debe:
-Identificar dos variables cuantitativas de la situación estudiada que puedan

estar relacionadas.
Variable cuantitativa seleccionada de la situación estudiada: Edad y Peso.
- Realizar el diagrama de dispersión de dichas variables y determinar el tipo de

asociación entre las variables.
Calidad en el servicio de urgencias, relación edad y peso.

100
90
80
70
60
Edad
50
40
30
20
10
0
0.00 50.00 100.00 150.00 200.00 250.00 300.00 350.00 400.00
Peso.
 Se determina que el tipo de asociación es: A mayor edad más peso, pero
existe un momento en la edad la cual termina por disminuir
progresivamente.
- Encuentre el modelo matemático que permite predecir el efecto de una

Método matemático para calcular el efecto de una variable sobre otra:
Primero calculamos: r y r 2 Por medio de laecuación .
Datos
Sumatoria de x (Peso) Sumatoria de y (Edad)

6718,00 4083
realizamos la multiplicación de los datos de ( x ) por ( y ) y realizamos la sumatoria .

n
∑ x . y=267090,5Realizamosla multipliación de la sumatoria de ( x ∙ y )

i=1
n n
∑ x ∙ ∑ y=45131524 Remplazamosterminos de losnumeradores de la ecuación:

i=1 i =1
120 ∙ 267090,5−45131524
r=
√¿ ¿ ¿
Realizamosla sumatoria de la mutiplicaciónde losdatos de x 2 ,lo restamos con la sumatoria de x

Que se elevó al cuadrado . ¿
Realizamosla sumatoria de la mutiplicaciónde losdatos de y 2 , lorestamos con la sumatoria de y

Que se elevó al cuadrado .
n
∑ y2 −¿ ¿
i=1
4621266
Multiplicamos cada denominador :5,6970sacamos su raiz :7,55dividimos :
7,55
r =0,612263r 2=0,37486
Realizamoslos calculos para el modelo matematicoCalculo de a :

n n n
n ∑ x . y −∑ x ∙ ∑ y=4621266Denominador :¿
i=1 i=1 i=1
4621266 ÷ 7405589,6=0,624024 → a=0,624024
n n
Calculo de b : ∑
b=
i=1
( (∑ ))
y− ( a )
i =1
x
=−0,909946
y=a x+b → y=0,624024 x−0,909946
120
MODELO MATEMATICO : y =0,624024 x−0,909946
 Determine el grado de relación de las dos variables.
Su coeficiente de determinación, o nivel de confiabilidad es determinada por el

cálculo de r 2 :0,37 Ósea un 37% de Confiabilidad en los datos.
Su grado de correlación se encuentra al realizar la raíz de

r 2 :0,61 que es evaluada por medio de una tabla predefinida .
Se puede concluir que el grado de correlación línea de 0,61 está ubicado como
grado de correlación lineal regular.
- Relacionar la información obtenida con el problema.
Se determina que los datos no son suficientes para mantener datos

estadísticos que relacionen la edad con su peso, con la información presentada
se puede determinar que a mayor edad mayor peso, pero en determinada edad
el peso empieza a reducir.
REGRESIÓN Y CORRELACIÓN MULTIPLE.
 Identificar una variable cuantitativa dependiente y varias variables

independientes del estudio de investigación.
o Para esta actividad se relacionaron los datos de edad, peso y
estatura.
 Realizar el diagrama de dispersión de dichas variables.
EDAD Y PESO
2
f(x) = 0.01 x + 1.23
1.8 R² = 0.34
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70 80 90 100
ESTATURA Y PESO
100.00
90.00
80.00
70.00 f(x) = 63.66 x − 40.31
R² = 0.86
60.00
50.00
40.00
30.00
20.00
10.00
0.00
0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
 Calcular la recta de regresión y el coeficiente de correlación para probar

estadísticamente su relación.
Estadísticas de la regresión
0,9336479
Coeficiente de correlación múltiple 3
0,8716984
Coeficiente de determinación R^2 6
0,8695052
R^2 ajustado 7
8,2264450
Error típico 3
Observaciones 120
 El porcentaje de su coeficiente de determinación es del 87%

 Su coeficiente de correlación √ r 2=0,9336 = Grado de correlación excelente.
Modelo matemático:
Coeficiente
s
-
37,470989
Intercepción 1
59,475394
Variable X 1 7
Variable X 2 0,1025092
y=a+b1 ∙ x 1 +b2 ∙ x 2 → y =37,470+59,475 x 1 +0,1025 x 2
 Relacionar la información obtenida con el problema.
Los datos tomados en los diagramas de dispersión demuestran un nivel de

correlación excelentes que posteriormente son refutados por los cálculos
realizados por medio del programa Excel. Al relacionar el peso con la edad y la
estatura.
El modelo matemático nos determina como podemos realizar una generación de

datos a partir de los datos ya dados, y determinar tablas de estándares con más
confiabilidad. Este fue determinado por los cálculos realizados en Excel con
Análisis de Varianza y la fórmula para determinar dicho modelo.
PROPUESTA INDIVIDUAL LUIS FERNANDO RODRIGUEZ (Ing.

Telecomunicaciones)
En el ámbito de las telecomunicaciones Los servicios de emergencias en centros

hospitalarios están sufriendo una importante transformación de la mano de las
tecnologías de la información y comunicación. La historia clínica informatizada en
los servicios de urgencias hospitalarios está mejorando la asistencia en este
ámbito de la medicina, incrementando la seguridad de la información, el acceso a
la misma y favoreciendo la implantación de la gestión clínica. En este aspecto de
las telecomunicaciones presentan algunas características distintivas propias como
la gestión de los tiempos asistenciales, la gestión segura de las áreas
asistenciales y la adquisición rápida de información relevante del paciente.
también la hay sobre las dificultades de implantación de estos sistemas, El factor
humano es uno de los más relevantes a la hora de manejar la gestión del cambio
hacia la informatización las aplicaciones que se desarrollen deben integrarse con
el historial clínico electrónico del paciente y ofrecer funcionalidades útiles para los
usuarios y los pacientes. La automatización de tareas repetitivas, la utilización de
formularios y protocolos, la implementación de mensajes que ayuden en la toma
de decisiones y los sistemas de seguridad clínica deben estar muy presentes en
los aplicativos informáticos. La estructura y ordenación de la información debe
adecuarse a la estructura y necesidades del paciente y por eso yo como ingeniero
en telecomunicaciones para mejorar el tiempo de espera en el triaje implementaría
una mejor organización en los cableados y señales dentro del servicio de
emergencias y los aplicativos informáticos tienen que adaptarse a la estructura
funcional actuales dando información en tiempo real de la situación asistencial y
recogiendo información para generar los indicadores que permitirán evaluar y
mejorar las diferentes áreas de trabajo como lo habíamos visto en las preguntas
sobre el triaje, la gestión de la información, que nos proporcionan estos sistemas,

va a permitir conocer y comparar una mejor atención al usuario de los centros
hospitalarios . En definitiva, implementaría las operaciones dentro y fuera del
servicio y aplicar interfaces de usuario intuitivas y multiusuario y poder realizar una
buena gestión de datos tanto a nivel macro, meso y micro en los centros de salud.
PROPUESTA PERSONAL (JJENY ANGELICA)
A partir de la problemática planteada, y de los análisis realizados y mi roll como

estudiante de psicología, propongo como solución a la problemática planteada
- Según el histograma pacientes atendidos en urgencias podemos observar,

que el mayor número de pacientes que solicito atención por urgencias en el
hospital Federico Lleras corresponden a usuarios de la EPS Nueva EPS, lo cual
se puede deber al que el número de afiliados en dicha entidad es superior al resto,
o a las políticas de salud preventiva que se tenga en cada EPS lo cual puede
reducir significativamente las visitas por urgencias.
- En la EPS café salud, Coomeva salud total y salud vida, se evidencia que el
número de pacientes que visito el servicio de urgencias es muy similar, lo que
puede deberse a que compartan un número cercano de afiliados entre ellas y/o a
que cuenten con una red de atención similar entre ellas.
- De la tabla de contingencia de doble entrada, observamos que le mayor

número de pacientes que visita el centro hospitalario son hombres lo que puede
indicar que dicho género es más propenso a sufrir accidentes o no toma medidas
preventivas de salud, lo que los lleva a que se presenten mayores casos de
urgencia. Por lo cual recomendamos fortalecer el programa P y P para hombres
mediante campañas de sensibilización, prevención y capacitaciones en sus áreas
de trabajo
- El tipo de asociación de las variables edad y estatura es directamente

proporcional, ya que la pendiente de la ecuación obtenida en el modelo
matemático es positiva. Por lo cual a medida que aumenta la variable edad
aumenta la estatura de los pacientes. podemos deducir que las políticas del
hospital en cuanto a desarrollo y crecimiento son acertadas, recomendamos
continuar con estas políticas y empoderarlas de manera continua.
- para reducir el número de pacientes en urgencias hay que implementar

campañas de prevención y sensibilización optimizando los procesos psicológicos
y de comportamiento en materia de la salud y la enfermedad. enfatizando por la
comprensión de cómo los factores psicológicos, conductuales y culturales
contribuyen a la salud física y la enfermedad, lo cual nos lleva a una disminución
impórtate en el número de pacientes atendidos en el hospital por urgencias y a un
mejor y oportuno servicio de urgencias.
PROPUESTA INDIVIDUAL-SOLUCIÓN AL PROBLEMA DESDE

TELECOMUNICACIONES (Luis Miguel Araque)
Como ingeniero de telecomunicaciones sería posible establecer una mejor

comunicación en las diferentes dependencias del servicio de urgencias analizado,
donde sería posible tener una mayor velocidad de internet en los equipos en los
cuales se estén gestionando las urgencias de cada paciente y mejorar la
aplicación que sea utilizada en triague, para así poder atender a cada paciente
con una mayor rapidez. Se podría implementar micrófonos a cada empleado del
servicio de urgencias para que el tiempo que pierden caminando para comunicar
alguna razón sobre algún paciente, lo puedan realizar a distancia, así sería una
ganancia de tiempo que beneficiaría a los pacientes. Observando que la mayoría
de paciente son jóvenes, se podría colocar televisores donde se pasen tutoriales
de como tener paciencia a la hora de esperar para ser atendido y que se pueda
ver en el tutorial como aliviar diferentes tipos de dolores o complicaciones que se
tengan mientras están esperando.
PROPUESTA ÚNICA
A partir de la problemática planteada, y de los análisis realizados y mi roll como

estudiante de psicología, y de mi compañero Luis Fernando Rodríguez estudiante
de ingeniería de telecomunicaciones proponemos como solución a la problemática
planteada
Según el histograma pacientes atendidos en urgencias podemos observar, que el

mayor número de pacientes que solicito atención por urgencias en el hospital
Federico Lleras corresponden a usuarios de la EPS Nueva EPS, lo cual se puede
deber al que el número de afiliados en dicha entidad es superior al resto, o a las
políticas de salud preventiva que se tenga en cada EPS lo cual puede reducir
significativamente las visitas por urgencias.
En la EPS café salud, Coomeva salud total y salud vida, se evidencia que el
número de pacientes que visito el servicio de urgencias es muy similar, lo que
puede deberse a que compartan un número cercano de afiliados entre ellas y/o a
que cuenten con una red de atención similar entre ellas.
De la tabla de contingencia de doble entrada, observamos que le mayor número

de pacientes que visita el centro hospitalario son hombres lo que puede indicar
que dicho género es más propenso a sufrir accidentes o no toma medidas
preventivas de salud, lo que los lleva a que se presenten mayores casos de
urgencia. Por lo cual recomendamos fortalecer el programa P y P para hombres
mediante campañas de sensibilización, prevención y capacitaciones en sus áreas
de trabajo
El tipo de asociación de las variables edad y estatura es directamente

proporcional, ya que la pendiente de la ecuación obtenida en el modelo
matemático es positiva. Por lo cual a medida que aumenta la variable edad
aumenta la estatura de los pacientes. podemos deducir que las políticas del
hospital en cuanto a desarrollo y crecimiento son acertadas, recomendamos
continuar con estas políticas y empoderarlas de manera continua.
para reducir el número de pacientes en urgencias hay que implementar campañas

de prevención y sensibilización optimizando los procesos psicológicos y de
comportamiento en materia de la salud y la enfermedad. enfatizando por la
comprensión de cómo los factores psicológicos, conductuales y culturales
contribuyen a la salud física y la enfermedad, lo cual nos lleva a una disminución

impórtate en el número de pacientes atendidos en el hospital por urgencias y a un
mejor y oportuno servicio de urgencias.
para mejorar organización en los cableados y señales dentro del servicio de

urgencias y los aplicativos informáticos deben adaptarse a la estructura funcional
en tiempo real
implementar procesos que permitan realizar análisis de la información con una

mayor frecuencia y en tiempo real, lo cual llevara a la solución efectiva y oportuna
de posibles problemas
crear una A P que le permita a los usuarios calificar y dar sugerencias de la

atención recibida
desarrollar programa sistematizado que nos facilite conocer en tiempo real datos
tanto a nivel macro, meso y micro en los centros de salud.
esta propuesta es desarrollada por Jenny Angelica Moreno Caldas estudiante de

psicología y por Luis Fernando Rodríguez estudiante de ingeniería en
telecomunicaciones de la universidad nacional abierta y a distancia
CONCLUSIONES
En esta actividad del curso de estadística descriptiva, correspondiente al paso 5

que es la presentación de los resultados, fue posible realizar una consolidación de
todos los análisis realizados durante el periodo y así determinar qué tipos de
problemas presentaba el servicio de urgencias, planteando una solución desde el
programa que cada integrante del grupo está estudiando, para así poder ayudar a
que el servicio de urgencias sea mucho más adecuado para los pacientes que se
presenten en el futuro. Desde diferentes puntos de vista se pudo dar diferentes
soluciones a algunos problemas establecidos.
REFERENCIAS BIBLIOGRAFICAS
 https://educacion.elpensante.com/calcular-cuartiles-deciles-y-percentilel
 Monroy, S. S. (2005). Estadística descriptiva. México, D.F., MX: Instituto
Politécnico Nacional. Retroceded from Recuperado
de:http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=10436604
 Matus, R., Hernández, Martha, and García, E. Estadística. México, D.F.,
MX: Instituto Politécnico Nacional, 2010. ProQuest ebrary. Web. 1 July 2016.
Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=10365616&p00=conceptos+generales+estad
%C3%ADstica+descriptiva&ppg=12
 Sánchez, S. E. A., Inzunza, C. S., & Ávila, A. R. (2015). Probabilidad y
estadística 1. Distrito Federal, MÉXICO: Grupo Editorial Patria. Retrieved
from Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=11230886&p00=conceptos+generales+estad
%C3%ADstica+descriptiva&ppg=6
 Ilustración 1:
https://gallegossancheztere.wordpress.com/2015/04/23/objetivos-del-triage-y-
su-importancia/

Paso 5 Presentación de Resultados Grupo N474

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Paso 5 Presentación de Resultados Grupo N474

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

Escuela de Ciencias Básicas, Tecnología e Ingeniería

PASO 5 PRESENTACIÓN DE RESULTADOS ESTADÍSTICA DESCRIPTIVA

LUIS FERNANDO RODRIGUEZ

JJENY ANGELICA MORENO

LUIS MIGUEL ARAQUE

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BASICAS, TECNOLOGIA E INGENIERIA

La estadística se conoce como una ciencia empleada en diferentes campos tanto

En esta actividad además de ayudarnos a consolidar nuestro sentido de trabajo en

Tener la oportunidad, de poder estudiar uno de los grandes problemas de nuestro

 Como objetivo general para esta actividad, tenemos el conocer el grado de

 Realizar un análisis de los diferentes conceptos que se nos facilitan para el

Las actividades planteadas durante el transcurso del curso Estadística Descriptiva

Ya con todos los desarrollos llevados hasta el momento en la investigación de la

Dispersión de las variables, también las recta de Regresión y el Coeficiente de

1. PREGUNTAS RELACIONADAS CON EL TEMA

¿Cuál es el propósito del servicio de urgencias en Colombia?

Según el ministerio de salud y protección social de Colombia y la secretaria de

¿Quiénes se consideran cotizantes y quienes beneficiarios del servicio de

QUIÉNES SON COTIZANTES O BENEFICIARIOS, Se considera como cotizante

Y los beneficiarios del servicio de salud según el ministerio de salud

De acuerdo con el artículo 21 del Decreto 2353 de 2015, el cabeza de familia

*Los nietos del afiliado mientras la madre o el padre tengan la condición de

*Los menores de 18 años entregados en custodia legal por la autoridad

*Los hijos menores de 25 años y los de cualquier edad con incapacidad

*A falta de cónyuge, compañero o compañera permanente y de hijos, la cobertura

¿Qué es triage en un hospital y por qué es importante?

Supersalud dice que el Triage es el criterio para la clasificación de pacientes en el

Identificar a aquellos pacientes que requieren de una atención inmediata.

Clasificar a los pacientes según la prioridad clínica y así disminuir el riesgo de

Brindar información completa al paciente y su familia sobre la clasificación de

Ilustración 1 OBJETIVOS DEL TRIAGE Y SU IMPORTANCIA.

Un TRIAGE eficiente reduce la ansiedad del paciente e incrementa la satisfacción

El perfil de la enfermera seleccionada para hacer TRIAGE debe tener empatía y

¿Cuáles son los criterios para evaluar (Ranking) una EPS?

El presente ranking tiene el objetivo de: orientar el comportamiento de la población

que concierne a la satisfacción del usuario; y estimular competencia por calidad

Caracterización del problema. (Marco Referencial)

La población de la muestra obedece a pacientes atendidos por urgencias en el

El tamaño de la muestra es de 120 pacientes.

Instrumento de Recolección de la información.

El instrumento de recolección de la información obedece a una lista de control en

La ubicación espacio temporal del estudio.

La información se recolecto en el centro hospitalario Federico Lleras en la unidad

2. Si se desea establecer una muestra representativa para estudiar el

Para el nivel de confianza 95% Z=1.96

n=(Z ¿¿ 2∗p∗q∗N )/(N∗e2 + Z 2∗p∗q)¿

n=(1.96¿ ¿2∗0.5∗0.5∗950)/(950∗0.052 +1.95∗0.5∗0.5) ¿

La muestra representativa para el nivel de confianza del 95% y un error del 5% es

Calidad en el servicio de urgencias 2018-16-4 en cualitativas (nominales,

Nominales Ordinales Discretas Continuas

ESTADO CALIDAD DE LA EDAD ESTATURA

TIPO DE CALIDAD DE NUMERO DE PESO

N/A N/A N/A N/A

2. MEDIDAS UNIVARIANTES DE TENDENCIA CENTRAL.

En este paso 3 De acuerdo a la tabla de “Calidad en el servicio de urgencias 2018-

Caracterización de variables cualitativas.

60 72 66 7 111 0,05833333 5,83333333

Histograma de frecuencias de edad de los usuarios

Polígono de frecuencias de edad de los usuarios

Variable: Tipo de Sangre

Frecuencia Absoluta procentual tipo de sangre.