"Distribuciones de Probabilidades en

Salud: Un Análisis Integral de Modelos

Estadísticos para la Toma de Decisiones
Clínicas"

Integrantes: Constanza A. Flores, Isidora C. Guzman,

Danae Ll, Rodríguez.
Introducción

Las distribuciones de probabilidad son una herramienta fundamental en el análisis de datos

y la toma de decisiones en problemas de salud. Estas distribuciones permiten modelar y
comprender la variabilidad de diferentes variables de interés en el ámbito de la salud, como
la duración de una enfermedad, la eficacia de un tratamiento o el riesgo de desarrollar
determinada enfermedad.

Una distribución de probabilidad es una función matemática que describe la probabilidad de

ocurrencia de diferentes valores de una variable aleatoria. Cada distribución de probabilidad
tiene características únicas que reflejan la forma en que los datos están distribuidos. Algunas
distribuciones comunes en el contexto de la salud incluyen la distribución normal, la
distribución de Poisson y la distribución binomial.

La distribución normal es conocida por su forma en forma de campana y es ampliamente

utilizada en la modelización de variables continuas en problemas de salud. El objetivo de la
distribución de probabilidad normal es conducir la variable aleatoria normal, una de las
variables aleatorias continuas más importantes y que se utiliza con mayor frecuencia. Se da
su distribución de probabilidad y se muestra cómo puede emplearse la distribución de
probabilidad (Badii et al., 2007a). Permite entender la variabilidad alrededor de un valor
central y calcular probabilidades asociadas a diferentes rangos de valores. Esta distribución
es particularmente útil en estudios epidemiológicos para describir la distribución de
características como la altura, el peso o los niveles de glucosa.

Por otro lado, la distribución de Poisson es utilizada para modelar eventos raros o poco
frecuentes en el tiempo o el espacio. Es útil, por ejemplo, para analizar los patrones de
llegada de pacientes a un servicio de urgencias, o el número de casos de enfermedad
infecciosa en una población. La distribución binomial, por su parte, se utiliza en problemas
donde se tienen únicamente dos resultados posibles, como la presencia o ausencia de una
enfermedad en un grupo de individuos.

La utilidad de las distribuciones de probabilidad en la toma de decisiones en problemas de

salud es notable. Estas distribuciones permiten calcular medidas importantes, como la
media, la mediana y la desviación estándar, que brindan información clave sobre la variable
de interés. Además, a través de las distribuciones es posible calcular probabilidades de
ocurrencia de eventos específicos, cuantificar el riesgo y evaluar la eficacia de intervenciones
médicas.
Metodología

En el marco de esta investigación, se ha desarrollado una metodología sólida y rigurosa que aborda la
aplicación de distribuciones de probabilidad en el sistema de salud. El objetivo de este informe es
comprender y evaluar cómo estas distribuciones pueden ser utilizadas como herramientas efectivas
en la toma de decisiones clínicas y la gestión de eventos médicos. A continuación, se detallan los
aspectos clave en la metodología:

Distribución de Poisson - Evaluación de la Capacidad del Establecimiento

En esta sección, se abordará la evaluación de la capacidad del establecimiento médico, considerando

la cantidad de pacientes atendidos por día. Para ello, se han recopilado datos diarios de pacientes
atendidos durante un período representativo. La distribución de Poisson se utilizará para modelar la
llegada de pacientes a lo largo del día, lo que permitirá evaluar si es necesario realizar ampliaciones
en la estructura del establecimiento. Se han utilizado herramientas de Microsoft Excel para ajustar el
modelo de Poisson a los datos y calcular las tasas de llegada de pacientes.

Distribución Binomial - Probabilidad de Concurrir más Mujeres que Hombres en Exámenes de

Mamografía

En el contexto de ofrecer exámenes de mamografía, se requiere estimar la probabilidad de que

concurran más mujeres que hombres. La distribución binomial es la herramienta elegida para
modelar este escenario, ya que implica un proceso de elección binaria (mujeres o hombres). Se ha
utilizado Excel para calcular la probabilidad de que más mujeres que hombres soliciten este servicio
vital.

Distribución Normal - Evaluación de la Asistencia de Especialistas en Enfermedades

Cardiovasculares

Para evaluar si se requiere asistencia de especialistas en enfermedades cardiovasculares en el

establecimiento, se han recopilado datos de la presión sistólica de los pacientes atendidos. La
distribución normal se utiliza para estimar la probabilidad de que más del 50% de los pacientes
tengan una presión sistólica igual o superior a 130 mmHg. Hemos empleado tanto Excel como una
herramienta en línea llamada “Calculadora de distribución normal” para calcular esta probabilidad.
Estos datos son fundamentales para la toma de decisiones clínicas y para garantizar una atención
médica adecuada a los pacientes con presión sistólica elevada.

Nuestra metodología se basa en el uso de distribuciones de probabilidad y herramientas informáticas

para evaluar datos relacionados con el establecimiento médico y los servicios de salud.
Resultados

El primer ítem “Calcula probabilidades aproximadas, en problemas del área”, consta de cuatro
preguntas claves, referidas a la tasa de atenciones diarias, la probabilidad que una persona al azar
sea mujer, el promedio y la desviación estándar de la presión sistólica, así como la probabilidad de
que una persona seleccionada al azar sea hipertensa.

La tasa de atenciones por día se ha calculado y se ha establecido en 24 atenciones por día, este valor
representa el número promedio de personas atendidas en un día típico. La probabilidad de que una
persona seleccionada al azar sea mujer es de 67%, lo que se traduce en un 0.55% en términos
porcentuales. El promedio y desviación estándar de la presión sistólica ha arrojado un promedio de
129,82 mm Hg y una desviación estándar de 109.45 mm Hg. El promedio representa el valor medio
de la presión sistólica en la población, mientras que la desviación estándar indica la dispersión de
estos datos en relación con la media. La probabilidad de que una persona seleccionada al azar de la
lista sea hipertensa, definida como tener una presión sistólica igual o mayor a 130 mm Hg, es de
58%, lo que equivale a un 48,3% en términos porcentuales.

El ítem dos se centra en la estimación de probabilidades utilizando distribuciones específicas.

El primer problema aborda la necesidad de evaluar si es necesario realizar ampliaciones en la

estructura de un establecimiento médico, considerando la cantidad de pacientes atendidos por día.
El segundo problema se refiere a la estimación de la probabilidad de que en una muestra aleatoria
de 30 personas, la mayoría sean mujeres, lo que determinará si se ofrecen exámenes de mamografía.

En el primer problema se requiere estimar la probabilidad de que haya más de 20 pacientes

atendidos por día en un establecimiento médico. Para abordar este objetivo, se utilizó la distribución
de Poisson, que es adecuada para modelar eventos raros en un periodo de tiempo determinado. Se
considerarón 3 parámetros esenciales: el objetivo de cálculo (20 pacientes por día), la media (λ), que
representa el número promedio de ocurrencias (24 pacientes por día), y la probabilidad acumulada
de recibir más de 20 consultas, que se establece en 75.7%.

En el segundo problema se busca estimar la probabilidad de que en una muestra aleatoria de 30

personas, la mayoría sean mujeres, es decir, 16 o más. Para abordar este objetivo, se utilizó la
distribución Binomial, apropiada cuando existen dos resultados posibles, en este caso, hombre o
mujer. Se consideraron cuatro parámetros esenciales: el número de éxitos (que corresponde a que la
mayoría sean mujeres), el tamaño de la muestra (30 personas seleccionadas al azar), la probabilidad
de éxito (establecida en 67, equivalente al 55.83% de mujeres), y la probabilidad acumulada, que se
calcula en un 32.13%.
En el tercer problema se necesita evaluar si en el centro de salud se necesita la asistencia de
profesionales especialistas en enfermedades cardiovasculares, si bien existe un programa de apoyo
del Ministerio de Salud para estos casos, pero este debe contar con que el 50% de pacientes
presenten presión sistólica igual o superior a 130 mmHg. Para abordar este objetivo se utilizó una
distribución normal, considerando tres parámetros claves para la obtención de los resultados los
cuales son media (promedio)129818537602375, desviación estándar 104616735749618, por último
la probabilidad utilizada P ( X > 130 ) = 0.8927. Con la utilización de estos datos arrojó como
resultado que el 89,27% de la población presenta una presión sistólica igual o superior a 130 mm Hg.
Conclusión 1

Recomendaciones para evaluar si es necesario realizar ampliaciones en la estructura de un

establecimiento médico, considerando la cantidad de pacientes atendidos por día:

1. Recopila datos históricos: Para utilizar la distribución de Poisson, necesitarás datos sobre la
llegada de pacientes en períodos anteriores. Esto te ayudará a determinar la tasa promedio
de llegada de pacientes por período de tiempo.
2. Calcula la tasa promedio de llegada: Utiliza los datos recopilados para calcular la tasa
promedio de llegada de pacientes por período de tiempo. Por ejemplo, si tienes datos de un
mes, puedes calcular la tasa promedio por día o por semana.
3. Usa la distribución de Poisson: Aplica la fórmula de la distribución de Poisson para
determinar la probabilidad de que ocurran diferentes cantidades de llegadas de pacientes en
un período de tiempo determinado. Esto te dará una idea de la variabilidad esperada en la
llegada de pacientes.
4. Evalúa la capacidad actual: Analiza la capacidad actual del establecimiento de salud para
manejar la llegada de pacientes. Ten en cuenta el número de camas, personal médico y
recursos disponibles.
5. Considera el objetivo de atención: Determina cuál es el objetivo de atención del
establecimiento de salud. Si el objetivo es brindar atención oportuna y de calidad a todos los
pacientes, es posible que necesites considerar una ampliación si la capacidad actual no
permite cumplir con ese objetivo.
6. Realiza proyecciones: Utilizando la distribución de Poisson y los datos históricos, realiza
proyecciones sobre la llegada de pacientes en un futuro próximo. Estas proyecciones te
ayudarán a anticipar el aumento en la demanda y evaluar si es necesario ampliar la
capacidad del establecimiento de salud.
7. Considera otros factores: Además de la distribución de Poisson, considera otros factores
como la disponibilidad de recursos financieros, espacio físico y personal médico necesario
para la ampliación del establecimiento de salud.

Conclusión 2

Recomendación sobre cómo estimar la probabilidad de que concurran más mujeres que hombres
utilizando la distribución binomial para ofrecer exámenes de mamografía:

1. Recopilación de datos: Considera recopilar datos históricos sobre la asistencia de mujeres y

hombres al establecimiento de salud durante un período determinado. Registra el número
total de mujeres y hombres que han acudido en cada período.
2. Determinar la variable de interés: Define la variable de interés como el número de mujeres
que acuden al establecimiento en un determinado período. Esta variable seguirá una
 distribución binomial, asumiendo que la probabilidad de que una persona sea mujer es
constante.
3. Calcular la probabilidad: Utilizando los datos recopilados, calcula la probabilidad estimada
de que una persona que acuda al establecimiento sea mujer. Divide el número total de
mujeres por el número total de personas que acudieron al establecimiento en cada período
para obtener esta estimación.
4. Establecer un umbral: Define un umbral o límite mínimo de probabilidad por encima del cual
se ofrecerán exámenes de mamografía. Este umbral puede ser determinado por expertos
médicos o por recomendaciones internacionales.
5. Toma de decisiones: Compara la probabilidad estimada de que concurran más mujeres que
hombres con el umbral establecido. Si la probabilidad supera el umbral, se ofrecerán
exámenes de mamografía en función de la cantidad de mujeres que se espera que asistan.

Conclusión 3

Para evaluar si se requiere asistencia de especialistas en enfermedades cardiovasculares en el

establecimiento de salud, puedes seguir estos pasos relacionados con la distribución normal:

1. Recolecta datos de presión sistólica de los pacientes atendidos en el establecimiento.

2. Calcula la media (μ) y la desviación estándar (σ) de esta muestra de presiones sistólicas.

3. Utiliza la distribución normal para estimar la probabilidad de que un paciente tenga una presión
sistólica igual o superior a 130 mmHg. Puedes utilizar la función de densidad de probabilidad (PDF)
de la distribución normal.

4. Si la probabilidad es mayor al 50%, significa que más del 50% de los pacientes tienen una presión
sistólica igual o superior a 130 mmHg. En este caso, no se requiere asistencia adicional.

5. Si la probabilidad es menor al 50%, se recomienda que el establecimiento de salud busque la

asistencia de especialistas en enfermedades cardiovasculares para mejorar la gestión de pacientes
con presión sistólica alta. En este caso los resultados arrojaron que el 89,27% de la población
presenta una presión sistólica igual o superior a 130 mm Hg, necesitando asistencia de especialistas
en enfermedades cardiovasculares para así mejorar la atención de los pacientes que lo requieran.
Referencias

Badii, M.H. & J. Castillo (eds.). 2007. Técnicas Cuantitativas en la Investigación. 348 pp.
UANL, Monterrey.
ISBN: 970-694-377-3.

Badii, M.H., J. Castillo, J. Landeros & K. Cortez. 2007a. Papel de la estadística en la

investigación científica.
Innovaciones de Negocios. 4(1): 107-145.

Calculadora de distribución normal

https://www.plandemejora.com/calculadora-distribucion-normal/