Upload
diego-tapias
View
264
Download
1
Embed Size (px)
DESCRIPTION
trabajo final
Citation preview
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
ACTIVIDAD FASE FINAL
Presentado por:
LUZ ANGELA CHAVES ACEVEDO
Código: 1032375664
JORGE ALFONSO CARDENAS
Código: 1032380092
BRANDON STEVEN VARGAS
Código: 1031138790
DIEGO ANDRES TAPIAS
Código: 103374042
Tutor: JEAMMY JULIETH SIERRA
Grupo: 100403_48
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
INFERENCIA ESTADÍSTICA
DICIEMBRE 2014
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
INTRODUCCIÓN
“El conjunto de métodos estadísticos que permiten deducir (inferir) como se distribuye la población en estudio o las relaciones estocásticas entre varias variables de interés a partir de la información que proporciona una muestra”.
Tras el desarrollo del modulo del de Inferencia Estadística, y mediante los conocimientos obtenidos en el proceso, se es establecida como evaluación final, realizar la revisión de las retroalimentaciones hechas por el tutor a los respectivos trabajos finales de cada unidad, siendo de este modo, este trabajo tiene como fin afianzar y reforzar los conocimientos previamente obtenidos basando los trabajos de dos unidades al desarrollo de una misma problemática: “Congestión en las salas de urgencias”.
Por otra parte y como valor agregado al cuerpo del examen, se desarrollara una propuesta formulada por los integrantes que basada en los estudios estadísticos realizados, permita desde el punto de vista del grupo dar una solución a la problemática ya planteada.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
OBJETIVOS
GENERALES
Mediante un análisis a las correcciones hechas a los trabajos de las unidades 1 y 2,
realizar como evaluación final correcciones y mejoramientos a dichos trabajos, por otra
parte realizar una propuesta grupal que permita desde el punto de vista del grupo, dar
solución a la problemática de congestión en las salas de urgencias.
OBJETIVOS ESPECÍFICOS
Hacer los análisis y cálculos correspondientes para determinar el tamaño de la
muestra y seleccionar la muestra.
Desarrollar en el estudiante la capacidad de comprensión, análisis y síntesis, en
el proceso de la actividad...
Comprender el comportamiento de una población a partir del análisis metódico
de una muestra aleatoria.
Identificar el tipo de muestreo de acuerdo a los objetivos de estudio
Conocer los criterios técnicos que hay que tener en cuenta en la selección de
tamaño de muestra.
Formar en el estudiante habilidades para deducir comportamientos de toda una
población, a través del uso de pruebas de hipótesis e intervalos de confianza
construidos a partir de una muestra seleccionada en la situación problema.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
TRABAJO COLABORATIVO 1
1.1 Esquema de Trabajo
Estudiante Actividad a realizar
Luz Angela Chaves Listado de elemento
Luz angela Chaves Base de datos del hospital de Bucaramanga/Santander,
con el total de personas que asisten a la sala de
Urgencias en un periodo del 1 al 15 de Junio de 2014
depurada, ajustada.
Luz Angela Chaves Jorge Cardenas Brandon Vargas
Determinan la población sobre la que se van a trabajar,
la cual es el total de pacientes atendidos en el periodo
mencionado.
N= 9183
Luz Angela Chaves Jorge Cardenas Brandon Vargas
Tamaño de la muestra n= 369
Luz Angela Chaves Jorge Cardenas Brandon Vargas
Establecer las variables que se van a desarrollar en el
estudio, basados en muestra seleccionada.
Luz Angela Chaves Clasificar las variantes halladas definiendo la cuantitativa
y cualitativa
Jorge Cardenas Brandon Vargas
Se realiza el tipo de muestreo escogiendo el sistemático.
Se selecciona el caso desde el cual se comienza a tomar
la muestra en forma aleatoria.
Realización de Matriz de datos (Excel) con la información
organizada
En la matriz de datos se muestran las variables
escogidas y se consolida en un total de 369 pacientes
como muestra en forma sistemática cada 24 pacientes
en forma aleatoria desde el paciente número 16 de la
población de 9183
Luz Angela Chaves
Jorge Cardenas
Brandon Vargas
Se halla la media muestra de cada una de las variables
con parámetro de media al igual de las variables con
parámetro de proporción y sus categorías.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
Luz Angela Chaves Jorge Cardenas Brandon Vargas
Procede a realizar los intervalos de confianza de las
variables con parámetro de media al igual de las
variables con parámetro de proporción y sus categorías.
Luz Angela Chaves Jorge Cardenas Brandon Vargas
El compañero realiza las gráficas de los intervalos de
confianza de las variables con parámetro de media al
igual de las variables con parámetro de proporción y sus
categorías.
Jorge Cardenas Brandon Vargas
Introducción, objetivos.
Luz Angela Chaves Consolidar el trabajo final con todos los aportes subidos
en el foro, realizado en documento Word de acuerdo a lo
solicitado en la guía cumpliendo con normas APA.
Luz Angela Chaves
Jorge Cardenas
Brandon Vargas
Esquema de trabajo
Luz Angela Chaves Tabla de asociación de conocimiento
Luz Angela Chaves Jorge Cardenas Brandon Vargas
Caracterización del problema (Word)
1.2 Listado elementos que se necesitarían para resolver el problema
Elementos Como utilizar la inferencia o estadística para
analizarlo
Base de datos En este caso contamos con una base de datos de una
población de 9183 pacientes, los cuales fueron
atendidos en el Hospital de Bucaramanga en un periodo
de tiempo del 1 al 15 de Junio del 2014, es una base de
datos tomada en tiempo real y certera.
Bases de datos
teóricas
Basados en el Modulo de Inferencia Estadística, así
como por medio de la consulta de bibliografía adicional.
Equipos de computo Necesarios para el manejo de las bases de datos y
cálculos respectivos.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
ASOCIACIÓN DE CONOCIMIENTOS
Elemento Como usar la inferencia o estadística para analizarlo
Instrumentos para
abordar la
problemática.
En este caso contamos con una base de datos de una
población de 9183 pacientes, los cuales fueron atendidos
en el Hospital de Bucaramanga en un periodo de tiempo
del 1 al 15 de Junio del 2014, es una base de datos
tomada en tiempo real y certera.
Determinación de
Población “N=”
Teniendo en cuenta que N es el total de población sobre la
cual se trabajara, en nuestro caso es el total de registros
obtenidos por parte del Hospital de Bucaramanga los
cuales son de atención en urgencias.
N= 9183
Tamaño de la muestra En razón a que por costos y agilidad en el proceso se
debe realizar la obtención del tamaño de la muestra, para
eso se despeja la formula al final enunciada
)P1(PZe)1N()P1(PZN
n 22/
2
22/
Se determina: NIVEL DE CONFIANZA 95%
Z= 1,96 Margen de confianza escogido
p= 0,5
q= 0,5
d= 0,05 Error
Caracterización del
problema
Se determina así:
Población: Pacientes atendidos en sala de Urgencias del Hospital Bucaramanga entre el 1 al 15 de Junio del 2014.
Tamaño de la población: 9183 mil habitantes
Tipo de muestreo: Muestreo Sistemático
Tamaño de la muestra: 369
Variables a analizar
Variables….
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
Ubicación de las
variables
Variables a analizar
VARIABLE TIPO PARAMETRO
Hora de llegada Cuantitativa Media
Cualitativa Proporcion
Muestreo a utilizar De acuerdo a las características de la base de datos
suministrad por el hospital se trabajó con el tipo de
MUESTREO SISTEMÁTICO, la fórmula empleada por
este tipo de muestreo es F= N/n, para poder determinar el
rango de selección de los pacientes a tomar en la base de
población.
De esto se obtuvo que se tomara la muestra cada 20
pacientes.
Toma aleatoria Teniendo la información de n: 369 y que la muestra se
toma cada 20 pacientes, se decide realizar la toma en
forma aleatoria, en nuestro caso se realiza directamente
con formula de Excel y nos arroja comenzar desde el
paciente número 7.
DESARROLLO DE LA ACTIVIDAD
POBLACIÓN
caso Clase de episodioClase de MvtoFecha Mvto Hora Mvto Paciente Sexo
1 Epis.ambulanteUrgencias 01.06.2014 01:35:35 Paciente 1 Mujer
2 Episodio hospitaliz.Urgencias 01.06.2014 06:06:12 Paciente 2 Hombre
3 Epis.ambulanteUrgencias 01.06.2014 08:30:03 Paciente 3 Hombre
4 Episodio hospitaliz.Urgencias 01.06.2014 08:34:53 Paciente 4 Mujer
5 Epis.ambulanteUrgencias 01.06.2014 09:35:44 Paciente 5 Hombre
6 Epis.ambulanteUrgencias 01.06.2014 10:12:27 Paciente 6 Hombre
7 Episodio hospitaliz.Urgencias 01.06.2014 14:48:29 Paciente 7 Hombre
8 Epis.ambulanteUrgencias 01.06.2014 20:18:38 Paciente 8 Hombre
9 Epis.ambulanteUrgencias 01.06.2014 22:29:34 Paciente 9 Hombre
MUESTRA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
Caso PacienteFecha Ingreso Hora Sexo Fecha NacEdad Años
0 Paciente 2401.06.2014 00:23:26 Mujer 03.11.1948 65
1 Paciente 4801.06.2014 02:47:06 Hombre 10.01.1959 55
2 Paciente 7201.06.2014 06:43:48 Mujer 11.10.1961 52
3 Paciente 9601.06.2014 08:22:43 Hombre 29.01.1967 47
4 Paciente 12001.06.2014 09:11:28 Hombre 08.09.2012 1
5 Paciente 14401.06.2014 10:00:25 Hombre 03.10.1998 15
6 Paciente 16801.06.2014 10:45:10 Mujer 28.12.1942 71
7 Paciente 19201.06.2014 11:18:42 Hombre 19.05.1978 36
8 Paciente 21601.06.2014 11:47:42 Mujer 01.06.1926 88
TABLAS Y GRÁFICOS ESTADÍSTICOS
Paso 1
Población: usuarios del servicio de urgencias de la primera quincena del mes de Junio
del Hospital de Bucaramanga con una atención de 24 horas.
Tamaño de la población: 9.183
Paso 2
1-= 95%
5%
Tamaño de la Muestra: N = 9183
1.9600 z 1.96
p = 0.5
q = 0.5
d = 0.05
n0= 370
n= 369
Tamaño Población = 9138
Número De Pacientes Entre Los 20 Y 30 Años = 2018
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
Promedio De Pacientes Entre 20 Y 30 Atendidos Diariamente
2018/15 = 134.53
Número De Mujeres Atendidas En Los 15 Días = 4811
Número De Mujeres Atendidas En Los 15 Días = 1052
Número De Hombres Atendidos En Los 15 Días = 4372
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
Número De Hombres Entre 20 Y 30 Años
Intervalos de Confianza para Proporciones
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
Intervalo de confianza parámetro “Hombres”
A un nivel de confianza del 95% la proporción poblacional de Hombres se encuentra
entre el 46,5% y el 48,6%
Intervalo de confianza parámetro “Mujeres”
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
A un nivel de confianza del 95% la proporción poblacional de mujeres se encuentra
entre el 51,3% y el 53,4%
Intervalo de confianza parámetro “personas que hayan presentado contusiones
como diagnóstico de ingreso”
En este parámetro registramos los datos de las personas que diagnosticaron diversas
contusiones al momento de su ingreso al hospital, entre ellas incluimos: contusión del
hombro y del brazo, contusión de la rodilla, contusión de la cadera, contusión del tobillo,
contusión del tórax, entre otras.
A un nivel de confianza del 95% la proporción poblacional de personas que al momento
de su ingreso diagnosticaron algún tipo de contusión, se encuentra entre el 5,81% y el
6,81%
Intervalo de Confianza parámetro “personas que ingresaron con algún cuadro de
fiebre”
En este parámetro registramos los datos de las personas que diagnosticaron diversos
cuadros de fiebre al momento de su ingreso al hospital, entre ellas incluimos: fiebre no
especificada, fiebre con escalofrió, fiebre del dengue, etc.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
ρ^ - E < P < ρ^ + E
= (0,069694) – (0,00520795) < P < (0,069694) + (0,00520795)
= (0,064486055) < P < (0,07490194)
= 6,44 < P < 7,49
A un nivel de confianza del 95% la proporción poblacional de personas que al momento
de su ingreso diagnosticaron algún tipo de fiebre, se encuentra entre el 6,44% y el
7,49%.
TRABAJO COLABORATIVO 2
Paso 1. Planteamiento de hipótesis según variables que se quieren analizar
Teniendo en cuenta lo desarrollado en la fase intermedia 1; paso 5, tomen las
mismas variables y parámetros para que de esta forma, establezcan hipótesis de
trabajo.
Planteen y desarrollen dos pruebas de hipótesis unilaterales y dos bilaterales
Las pruebas deben ser de los diferentes tipos posibles, como por ejemplo:
prueba de hipótesis para la media o para la proporción, la diferencia de medias o
la diferencia de proporciones.
Se le solicita usar el Excel para realizar las pruebas (contrastes) de hipótesis
1). PRUEBA DE HIPÓTESIS
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
Variable: Edad promedio de los pacientes atendidos
Parámetro: Promedio (media) µ
Lo que se debería tener: La edad promedio de los pacientes que es 36. La
desviación de esta edad, es de 24 años)
Prueba de hipótesis (media poblacional, prueba de cola izquierda)
Datos
N= 19600 pacientes
n= 369 pacientes
µ=36
=24
Promedio edad en la muestra = 37
Desviación de la edad (muestra) = 24
Paso 1: Planteamiento de hipótesis
µ=36 años
µ<36 años
Paso 2: Nivel de significancia
Paso 3: Estadístico de prueba (o calculado)
0.80
Paso 4: Estadístico teórico (o tabulado)
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
= 24
n= 369
α= 0.05
1-α= 0.95
z= 0.8 ESTADÍSTICO DE PRUEBA
Z TEÓRICO= -1.64 ESTADÍSTICO TABULADO
Paso 5: Tomar la decisión
Como el estadístico de prueba es mayor al cuantil del estadístico teórico
(0.8>-1.64) entonces se puede aceptar la hipótesis nula, es decir si se puede
aceptar que la edad promedio de los pacientes es de 36 años.
2). PRUEBA DE HIPÓTESIS
Variable: Edad promedio de los pacientes atendidos
Parámetro: Promedio (media) µ
Lo que se debería tener: La edad promedio de los pacientes que es 36. La
desviación de esta edad, es de 24 años)
Prueba de hipótesis (prueba para la diferencia de medias, prueba de dos colas)
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
Datos
n2= 19600 pacientes n1= 369 pacientes µ2=36
2=24 Promedio edad en la muestra µ1 = 37
Desviación de la edad (muestra) 1 = 24
Paso 1: Planteamiento de hipótesis µ1= µ2 µ1≠ µ2
Paso 2: Nivel de significancia
Paso 3: Estadístico de prueba (o calculado)
Paso 4: Formular una regla de decisión
Si
Se acepta H0, de lo contrario se rechaza y se acepta H1
5%
/2 2.5%
1 /2 97.5%
Z1= -1.96
Z2 = 1.96
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
Paso 5: Tomar una decisión
Como el valor cae en la región de aceptación, se acepta la hipótesis nula,
por lo tanto la conclusión es que los dos grupos tienen el mismo promedio
de edad, de los pacientes atendidos.
3). PRUEBA DE HIPÓTESIS
Variable: Promedio de Mujeres atendidas por día.
Parámetro: Promedio (media) µ
Lo que se debería tener: El número promedio de mujeres atendidas diariamente
(13/día). La desviación, es de 4.
Prueba de hipótesis (media muestra, prueba de cola izquierda)
Datos
N= 19600 pacientes n= 369 pacientes µ=321
=49 Promedio mujeres en la muestra = 13 Desviación (muestra) = 4
Paso 1: Planteamiento de hipótesis
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
µ=321 mujeres µ<321 mujeres
Paso 2: Nivel de significancia
Paso 3: Estadístico de prueba (o calculado)
-120.7
Paso 4: Estadístico teórico (o tabulado)
= 24 n= 100 α= 0.05
1-α= 0.95 z= -120.7 ESTADÍSTICO DE PRUEBA
Z TEÓRICO= -1.64 ESTADÍSTICO TEÓRICO
Paso 5: Tomar la decisión
Como el estadístico de prueba es menor al cuantil del estadístico teórico
(0.8<-120.7) entonces no se puede aceptar la hipótesis nula, es decir no se
puede aceptar que el promedio de mujeres atendidas por día es de
321mujeres.
2). PRUEBA DE HIPÓTESIS
Variable: Edad promedio de los pacientes atendidos
Parámetro: Promedio (media) µ
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
Lo que se debería tener: La edad promedio de los pacientes que es 36. La
desviación de esta edad, es de 24 años)
Prueba de hipótesis (prueba para la diferencia de medias, prueba de dos colas)
Datos
n2= 19600 pacientes
n1= 369 pacientes
µ2=36
2=24
Promedio mujeres en la muestra µ1 = 37
Promedio hombres en la muestra
Desviación de la edad (muestra) 1 = 24
Paso 1: Planteamiento de hipótesis
µ1= µ2
µ1≠ µ2
Paso 2: Nivel de significancia
Paso 3: Estadístico de prueba (o calculado)
Paso 4: Formular una regla de decisión
Si
Se acepta H0, de lo contrario se rechaza y se acepta H1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
5%
/2 2.5%
1 /2 97.5%
Z1= -1.96
Z2 = 1.96
Paso 5: Tomar una decisión
Como el valor cae en la región de aceptación, se acepta la hipótesis nula,
por lo tanto la conclusión es que los dos grupos tienen el mismo promedio
de edad, de los pacientes atendidos.
PRUEBA DE HIPÓTESIS UNILATERAL
Prueba de hipótesis # 1
Variable: Edad de los pacientes que fueron atendidos en el hospital
Parámetro: Media ( )
Lo que debería ser: Las personas atendidas en el hospital, entre el 1 de Junio y el 15 de Junio del año 2014, son mayores de 30 años. (Desviación estándar 5 años)
Prueba de hipótesis:
Datos: N = 9.183
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
n = 369
1-α = 95%
α = 5%
N = 9183
Z = 1,96
p = 0,5
q = 0,5
d = 0,05
n = 369,694275
13.06.2014 17:32:02 Paciente 8019Hombre 20.05.1971 43
13.06.2014 17:31:45 Paciente 8020Mujer 13.04.1985 29
13.06.2014 17:33:37 Paciente 8021Mujer 09.03.1978 36
Promedio edad (muestra)= 36,85
Desviación Muestral = 25,69
Z Teórico= 1,64
Paso 1: Planteamiento de la Hipótesis
ho= h = Paso 2: Nivel de significancia
. El nivel de confianza es del 95 %. Paso 3: Estadístico de prueba o calculado
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
26,32
Paso 4: Estadístico teórico o tabulado
σ= 5
n= 369
Z Teórico = 1,64
Z Estadístico de Prueba = 26,32
Z Estadístico teórico = 1,64
Paso 5: Toma de decisión
Como el estadístico de prueba es mucho mayor al estadístico teórico, entonces no se
puede aceptar la hipótesis de que la mayoría de las personas que asisten a urgencias
tienen menos de treinta años.
PRUEBA DE HIPÓTESIS BILATERAL
Prueba de hipótesis # 2
Variable: Hora en que llegan los pacientes a ser atendidos
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
Parámetro: Media ( )
Lo que debería ser: Las personas atendidas en el hospital, entre el 1 de Junio y el 5 de Junio del año 2014, llegan en las horas de la mañana. (Desviación estándar 1 hora)
Prueba de hipótesis: ho= La mayoría de las personas atendidas en el hospital entre el 1 de Junio y el 5 de
Junio del año 2014, llegan antes de medio día.
h = La mayoría de las personas atendidas en el hospital entre el 1 de Junio y el 5 de
Junio del año 2014, llegan después de medio día.
Datos: N = 3.382 n = 346
1-α = 95%
α = 5%
N = 3382
Z = 1,96
p = 0,5
q = 0,5
d = 0,05
n= 345,872486
3086 Epis.ambulanteTriage 05.06.2014 14:48:51 Paciente 3086Mujer
3111 Epis.ambulanteTriage 05.06.2014 15:17:15 Paciente 3111Hombre
3113 Epis.ambulanteUrgencias 05.06.2014 15:19:12 Paciente 3113Mujer
3384 Epis.ambulanteTriage 05.06.2014 18:51:35 Paciente 3384Mujer
Promedio hora (muestra)= 13:03:19
Desviación Muestral = 0,25
Z Teorico = 1,96
Paso 1: Planteamiento de la Hipótesis
ho=
h =
Paso 2: Nivel de significancia
. El nivel de confianza es del 95 %.
Paso 3: Estadístico de prueba o calculado
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
19,16
Paso 4: Estadístico teórico o tabulado
σ= 5
n= 346
Z Teórico = 1,96
Z Estadístico de Prueba = 19,16
Z Estadístico teórico = 1,96
Paso 5: Toma de decisión
Como el estadístico de prueba es mucho mayor al estadístico teórico, entonces no se
puede aceptar la hipótesis de que la mayoría de las personas que asisten a urgencias
después de las 12:00:00.
Paso 2. Establecer dos conjuntos de datos para contrastar con un ANOVA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
Seleccione una variable cuantitativa (dependiente) y una cualitativa
(independiente) que pueda relacionar, por ejemplo: Una variable cualitativa como
el “Turno” en la jornada laboral en donde las niveles pueden ser A, B , C y una
cuantitativa como número de pacientes en la sala de urgencias.
Diríjase al blog del curso y allí en la sección de videos cheque estos dos: Anova
y Prueba Tukey (excel) y .Anova y Prueba Tukey (InfoStat)
Teniendo en cuenta esa información realice un análisis de varianza (ANOVA)
para determinar si los promedios de la variable dependiente son o no iguales
Realice una prueba a posterior como la tukey si encuentra que rechaza la
hipótesis de igualdad de medias del ítem anterior. Concluya entre que par de
turnos hay diferencias
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
BASE DE DATOS
CasoClase de
Mvto
Fecha
Mvto
Hora
MvtoSexo
Edad
(Años)Nombre Aseguradora Txt Diag H. Ingreso
38 Triage 01.06.2014 01:45:35 Hombre 29 SEGUROS BOLIVAR SA ARP OTROS TRAUMATISMOS DE LA CABEZA, ESPECIFICADOS
41 Urgencias 01.06.2014 01:55:16 Hombre 29 SEGUROS BOLIVAR SA ARP OTROS TRAUMATISMOS DE LA CABEZA, ESPECIFICADOS
241 Triage 01.06.2014 12:25:31 Hombre 41 SEGUROS BOLIVAR SA ARP TRAUMATISMO SUPERFICIAL DEL PIE Y DEL TOBILLO, NO ESPECIFICADO
272 Urgencias 01.06.2014 13:13:15 Hombre 41 SEGUROS BOLIVAR SA ARP TRAUMATISMO SUPERFICIAL DEL PIE Y DEL TOBILLO, NO ESPECIFICADO
887 Triage 02.06.2014 13:27:20 Hombre 25 NUEVA EPS SA ARP CELULITIS DE OTRAS PARTES DE LOS MIEMBROS
914 Urgencias 02.06.2014 14:11:57 Hombre 25 NUEVA EPS SA ARP CELULITIS DE OTRAS PARTES DE LOS MIEMBROS
2172 Triage 04.06.2014 09:19:05 Hombre 43 COOMEVA EPS ARP FRACTURA DEL PERONE SOLAMENTE
2251 Urgencias 04.06.2014 11:17:49 Hombre 43 COOMEVA EPS ARP FRACTURA DEL PERONE SOLAMENTE
2292 Triage 04.06.2014 12:55:50 Hombre 25 SEGUROS BOLIVAR SA ARP QUEMADURA DE LA CORNEA Y SACO CONJUNTIVAL
2311 Urgencias 04.06.2014 13:19:23 Hombre 25 SEGUROS BOLIVAR SA ARP QUEMADURA DE LA CORNEA Y SACO CONJUNTIVAL
3203 Triage 05.06.2014 17:27:11 Hombre 48 SEGUROS BOLIVAR SA ARP CONTUSION DE LA RODILLA
3221 Urgencias 05.06.2014 17:56:34 Hombre 48 SEGUROS BOLIVAR SA ARP CONTUSION DE LA RODILLA
3827 Triage 06.06.2014 16:35:21 Hombre 35 SEGUROS BOLIVAR SA ARP CUERPO EXTRAÑO EN LA CORNEA
3853 Urgencias 06.06.2014 17:19:29 Hombre 35 SEGUROS BOLIVAR SA ARP CUERPO EXTRAÑO EN LA CORNEA
4775 Triage 08.06.2014 12:21:38 Hombre 22 SEGUROS BOLIVAR SA ARP CONTUSION DEL TOBILLO
4791 Urgencias 08.06.2014 12:34:37 Hombre 22 SEGUROS BOLIVAR SA ARP CONTUSION DEL TOBILLO
5070 Triage 09.06.2014 01:29:49 Hombre 24 SEGUROS BOLIVAR SA ARP OTRAS DORSALGIAS
5071 Urgencias 09.06.2014 01:36:28 Hombre 24 SEGUROS BOLIVAR SA ARP OTRAS DORSALGIAS
5327 Triage 09.06.2014 11:22:30 Mujer 22 SEGUROS BOLIVAR SA ARP CONTUSION DEL HOMBRO Y DEL BRAZO
5352 Urgencias 09.06.2014 11:51:39 Mujer 22 SEGUROS BOLIVAR SA ARP CONTUSION DEL HOMBRO Y DEL BRAZO
5369 Triage 09.06.2014 12:40:10 Hombre 22 SEGUROS BOLIVAR SA ARP
OTROS TRAUMATISMOS SUPERFICIALES DE LA PARED
POSTERIOR DEL TORAX
5394 Urgencias 09.06.2014 13:04:00 Hombre 22 SEGUROS BOLIVAR SA ARP
OTROS TRAUMATISMOS SUPERFICIALES DE LA PARED
POSTERIOR DEL TORAX
5903 Triage 10.06.2014 09:06:37 Hombre 34 SEGUROS BOLIVAR SA ARP DORSALGIA, NO ESPECIFICADA
5909 Triage 10.06.2014 09:16:58 Hombre 27 SEGUROS BOLIVAR SA ARP CUERPO EXTRAÑO EN LA CORNEA
5923 Urgencias 10.06.2014 09:34:28 Hombre 34 SEGUROS BOLIVAR SA ARP DORSALGIA, NO ESPECIFICADA
5944 Urgencias 10.06.2014 09:47:54 Hombre 27 SEGUROS BOLIVAR SA ARP CUERPO EXTRAÑO EN LA CORNEA
6450 Triage 11.06.2014 07:38:23 Hombre 24 SEGUROS BOLIVAR SA ARP CONTUSION DE LA REGION LUMBOSACRA Y DE LA PELVIS
6466 Triage 11.06.2014 08:04:06 Hombre 27 SEGUROS BOLIVAR SA ARP
TRAUMATISMO DE LA CONJUNTIVA Y ABRASIONCORNEAL
SIN MENCION DE CUERPO EXTRAÑO
6485 Urgencias 11.06.2014 08:14:22 Hombre 24 SEGUROS BOLIVAR SA ARP CONTUSION DE LA REGION LUMBOSACRA Y DE LA PELVIS
7555 Urgencias 13.06.2014 09:04:12 Hombre 44 COOMEVA EPS ARP CONTUSION DEL GLOBO OCULAR Y DEL TEJIDOORBITARIO
7630 Triage 13.06.2014 07:48:41 Hombre 44 COOMEVA EPS ARP CONTUSION DEL GLOBO OCULAR Y DEL TEJIDOORBITARIO
9876 Triage 16.06.2014 21:16:16 Mujer 20 NUEVA EPS SA ARP ESGUINCES Y TORCEDURAS DEL TOBILLO
9890 Urgencias 16.06.2014 21:35:10 Mujer 20 NUEVA EPS SA ARP ESGUINCES Y TORCEDURAS DEL TOBILLO
11890 Triage 20.06.2014 10:17:14 Hombre 20 COOMEVA EPS ARP CONTRACTURA MUSCULAR
11933 Urgencias 20.06.2014 10:49:56 Hombre 20 COOMEVA EPS ARP CONTRACTURA MUSCULAR
12527 Triage 21.06.2014 11:26:02 Mujer 24 COOMEVA EPS ARP EXPOSICION OCUPACIONAL AL POLVO
12537 Urgencias 21.06.2014 11:36:54 Mujer 24 COOMEVA EPS ARP EXPOSICION OCUPACIONAL AL POLVO
14634 Triage 25.06.2014 11:09:41 Hombre 26 NUEVA EPS SA ARP LUMBAGO NO ESPECIFICADO
14688 Urgencias 25.06.2014 12:41:43 Hombre 26 NUEVA EPS SA ARP LUMBAGO NO ESPECIFICADO
17407 Triage 30.06.2014 15:38:14 Hombre 54 NUEVA EPS SA ARP TRAUMATISMOS MULTIPLES, NO ESPECIFICADOS
17419 Urgencias 30.06.2014 15:45:09 Hombre 54 NUEVA EPS SA ARP TRAUMATISMOS MULTIPLES, NO ESPECIFICADOS
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
DATOS
ARP EDAD
COOMEVA EPS ARP 43
COOMEVA EPS ARP 43
COOMEVA EPS ARP 44
COOMEVA EPS ARP 44
COOMEVA EPS ARP 20
COOMEVA EPS ARP 20
COOMEVA EPS ARP 24
COOMEVA EPS ARP 24
NUEVA EPS SA ARP 25
NUEVA EPS SA ARP 25
NUEVA EPS SA ARP 20
NUEVA EPS SA ARP 20
NUEVA EPS SA ARP 26
NUEVA EPS SA ARP 26
NUEVA EPS SA ARP 54
NUEVA EPS SA ARP 54
SEGUROS BOLIVAR SA ARP 29
SEGUROS BOLIVAR SA ARP 29
SEGUROS BOLIVAR SA ARP 41
SEGUROS BOLIVAR SA ARP 41
SEGUROS BOLIVAR SA ARP 25
SEGUROS BOLIVAR SA ARP 25
SEGUROS BOLIVAR SA ARP 48
SEGUROS BOLIVAR SA ARP 48
SEGUROS BOLIVAR SA ARP 35
SEGUROS BOLIVAR SA ARP 35
SEGUROS BOLIVAR SA ARP 22
SEGUROS BOLIVAR SA ARP 22
SEGUROS BOLIVAR SA ARP 24
SEGUROS BOLIVAR SA ARP 24
SEGUROS BOLIVAR SA ARP 22
SEGUROS BOLIVAR SA ARP 22
SEGUROS BOLIVAR SA ARP 22
SEGUROS BOLIVAR SA ARP 22
SEGUROS BOLIVAR SA ARP 34
SEGUROS BOLIVAR SA ARP 27
SEGUROS BOLIVAR SA ARP 34
SEGUROS BOLIVAR SA ARP 27
SEGUROS BOLIVAR SA ARP 24
SEGUROS BOLIVAR SA ARP 27
SEGUROS BOLIVAR SA ARP 24
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
HIPÓTESIS Y CONCLUSIÓN
Hipótesis a analizar:
1 43 25 29
2 43 25 29
3 44 20 41
4 44 20 41
5 20 26 25
6 20 26 25
7 24 54 48
8 24 54 48
9 35
10 35
11 22
12 22
13 24
14 24
15 22
16 22
17 22
18 22
19 34
20 27
21 34
22 27
23 24
24 27
25 24
Media = 32.75 31.25 29.32 31.1066667
Varianza= 134.5 203.071429 65.31
Desviación= 11.5974135 14.2503133 8.081460264
n= 8 8 25 41
Suma= 262 250 733 1245
El promedio de las edades de las personas que sufren de algun
típo de accidente de trabajo no varian de acuerdo a la
aseguradora a la que pertenecen
ObservaciónCOOMEVA
EDADES
NVA EPS
EDADES
SG.BOLIVAR
EDADESTOTAL
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
SOLUCIÓN ANOVA
Análisis de varianza de un factor
RESUMEN
Grupos Cuenta Suma Promedio Varianza
COOMEVA
EDADES 8 262 32.75 134.5
NVA EPS
EDADES 8 250 31.25 203.071429
SG.BOLIVAR
EDADES 25 733 29.32 65.31
ANÁLISIS DE VARIANZA
Origen de las
variaciones
Suma de
cuadrados
Grados de
libertad
Promedio de los
cuadradosF Probabilidad Valor crítico
para F
Entre grupos 79.07219512 2 39.53609756 0.38224008 0.68492499 3.244818361
Dentro de los
grupos3930.44 38 103.4326316
Total 4009.512195 40
Como el valor de f es inferior al valor crítico para f, es posile aceptar la hipótesis de que las
edades de las personas que sufren accidentes laborales no varian sugun la aseguradora a la
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
TUKEY
Media de COOMEVA EDADES 32.75
n COOMEVA EDADES 8
Media de NVA EPS EDADES 31.25
n NVA EPS EDADES 8
Media de SG. BOLIVAR EDADES 29.32
n SG. BOLIVAR EDADES 25
CME (Cuadrado medio del error) 103.4326316
Estadístico Q de Tukey 3.45
Comparación del grupo 1 con el 2
Diferencia absoluta 1.5
Error estándar de la diferencia 3.595702845
Amplitud cítrica 12.40517481
Medias del grupo 1 y 2 son No diferente
Comparación del grupo 1 con el 3
Diferencia absoluta 3.43
Error estándar de la diferencia 3.595702845
Amplitud cítrica 12.40517481
Medias del grupo 1 y 3 son No diferente
Comparación del grupo 2 con el 3
Diferencia absoluta 1.93
Error estándar de la diferencia 2.9211628
Amplitud cítrica 10.07801166
COMPARACIÓN MÚLTIPLE DE TUKEY
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
3. Tomar una de todas las variables para analizar si tiene una distribución
conocida, a través de Pruebas no paramétricas
En la sección de videos del blog descargue el video: Prueba Ji-cuadrado
Teniendo en cuenta ese video supongo una distribución que pueden tener
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
00:00 a 8:00 3 4 4 3 6 4 4 3 3 3 4 5 3 3 3
8:00 a 16:00 11 11 16 14 14 13 11 12 15 12 12 11 14 10 5
16:00 a 24:00 10 10 13 11 10 7 8 7 13 8 9 9 8 10 0
8
TurnoDia
PROM POR TURNO
Paso 1: Planteamiento de hipótesis
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
Paso 2: Nivel de significancia
Paso 3: Estadístico de prueba (o calculado)
X:# UrgenciasOi Frec. (Turnos) f(XI) Ei
0 1 0.00033546 0.01509582
3 8 0.02862614 1.28817649
4 5 0.05725229 2.57635298 9.70
5 2 0.09160366 4.12216477
6 1 0.12213822 5.4962197
7 2 0.13958653 6.28139394
8 3 0.13958653 6.28139394
9 2 0.12407692 5.58346128
10 5 0.09926153 4.46676902 5.60
11 5 0.07219021 3.24855929 7.70
12 3 0.04812680 2.16570619
13 3 0.02961649 1.33274227
14 3 0.01692371 0.76156701
15 1 0.00902598 0.40616907
16 1 0.00451299 0.20308454
45 1 44 117.35
62.15
1.57
2.11
10.29
18.24
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
Paso 4: Estadístico teórico
Donde k es el número de categorías r=1, como observamos que algunas frecuencias en
los turnos son menores que 5, agrupamos algunas filas, por esta razón el número de
categorías k=8.
Por ende
Ubicando los grados de libertad 7 y el grado de significancia 0.05, obtenemos que el
Estadístico Teórico es igual a 14,067.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
Paso 5: Tomar una decisión
Como el valor estadístico cayó dentro de la zona de aceptación, no se puede
rechazar la hipótesis nula, que datos provienen de una distribución poisson.
Análisis de las propuestas y propuesta única
DEFINICIÓN DEL PROBLEMA
La problemática a estudiar tiene lugar en la sala de urgencias del Hospital de
Bucaramanga, donde se evidencian congestiones, demoras en la atención, tiempos de
espera demasiado largos, esto tiene como resultado la no prestación pronta y oportuna
del servicio a los usuarios. Generando incomodidad y descontento en la comunidad.
Solución Propuesta
Esta solución se divide en dos fases, la primera se basa en el estudio realizado
previamente, partiendo de la base de datos de los pacientes atendidos en la sala de
urgencias, del 1 al 15 de Junio del presente año. Este estudio arrojó una serie de datos
de los cuales se procede a plantear la solución.
En la siguiente tabla tenemos los pacientes atendidos por turno, así como el promedio
que equivale a 8 pacientes por turno.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
00:00 a 8:00 3 4 4 3 6 4 4 3 3 3 4 5 3 3 3
8:00 a 16:00 11 11 16 14 14 13 11 12 15 12 12 11 14 10 5
16:00 a 24:00 10 10 13 11 10 7 8 7 13 8 9 9 8 10 0
8
TurnoDia
PROM POR TURNO
Se puede observar que el turno que presenta mayor cantidad de pacientes atendidos es
de 8:00 a las 16:00, seguido del turno de 16:00 a 24:00 y finalmente en el turno de
00:00 a 8:00 es donde se registran menos atenciones en urgencias.
Teniendo en cuenta lo anterior se propone hacer una redistribución del personal
(médicos, especialistas, enfermeras, etc.) que presta sus servicios en cada turno,
partiendo de la reducción del personal requerido en el turno 1, ya que la demanda en
este no es tan alta como en los otros dos turnos, el personal que quede sobrante entra
a reforzar al personal de los otros dos turnos. Para de esta manera descongestionar
más la sala de urgencias, se realizará una proyección en la demanda del servicio,
basados en los históricos de atención en la sala de urgencias, para determinar si en el
futuro la cantidad de pacientes atendidos por turnos se mantendrá, esto con el fin de
apoyar la decisión de reducir el personal en el turno 1 y redistribuirlo en los turnos 2 y 3.
La segunda fase en esta solución iniciará analizando otras variables que pueden estar
afectando el servicio, para esto utilizaremos el esquema de espina de pescado para
identificar la causa raíz de dicho problema.
Paciente Trabajadores
Organización
Falta de equipos o
Medicamentos
Falta de camillas y
Consultorios
Sala de urgencias
Muy pequeña
Falta de seguimiento de paciente
dado de alta Falta de personal en
Horarios de noche.
No se cuenta con una ambiente de triage
Tiempo de atención (largo – corto)
Acuden
pacientes
que no son
emergenci
as
Sobredemanda
Del servicio
Tiempo de espera
En sala
Permanencia
parcial de
algunos
médicos en
urgencias
Recursos
Demora en
la atención
paciente
Personal no
capacitado
Tipo de
dolencia
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
Un seguimiento a los tiempos de atención, hora de llegada y hora de salida,
determinando el tiempo promedio por paciente, dentro de este estudio de forma
simultánea se debe identificar el triage en el cual es valorado el paciente, de esta
manera se determinará para cuales diagnósticos se requiere más tiempo en su
atención y para cuáles no.
Es importante analizar otras variables como lo son la cantidad de profesionales
encargados de atender a los pacientes, para determinar si son los suficientes. Se
debe observar la capacidad de las instalaciones en cuanto a salas de espera y
consultorios, con ello se busca determinar si la capacidad del la sala de
urgencias es la adecuada, para la demanda de pacientes atendidos, así como
los equipos que se requieren para la generación de diagnósticos y toma de
muestras.4
Basados en los datos obtenidos de las variables anteriores se propone estandarizar el
tiempo de atención promedio que se debe tener, para cada tipo de afectación de los
pacientes, es decir realizar una clasificación de las enfermedades o causales de la
emergencia, tomar los tiempos promedio en que se evacua el paciente, de esta manera
hacer un control de tiempos y no retrasar el servicio.
Además se propone clasificar a los profesionales de acuerdo a su especialidad,
asignando a cada uno el tipo de dolencia que va a tratar durante el turno, de este modo,
el profesional sabrá el tiempo promedio que debe demorar con su paciente, y a su vez
el promedio de pacientes que podrá atender por turno. Esto tiene como resultado
facilitar al profesional la identificación rápida de los equipos e instrumentos que se
requiera para dar con el diagnostico final, como exámenes de sangre, RXs, entre otros
y finalmente la medicación del paciente. Al tratar el mismo tipo de afección durante el
turno, agilizará todo el proceso y así se descongestionará el sistema de urgencias.
Al realizar esta clasificación de afecciones en el paciente y hallar el promedio de
pacientes que presentan la misma afección, se propone generar una proyección que
permita observar el comportamiento en el futuro y con estos datos se pueda determinar
la cantidad de profesionales necesarios para cada especialidad y hacer una mejor
redistribución del personal. Generando la cobertura necesaria en aquellas afecciones
que son más recurrentes en los pacientes.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
CONCLUSIONES
Se logró dar corrección a los trabajos colaborativos 1 y 2 de acuerdo a las sugerencias dadas en
la retroalimentación, por parte de la tutora.
Se realizaron diferentes propuestas para dar solución a la problemática estudiada a lo largo del
curso.
Se identificó que hacen falta otra serie de estudios donde se analicen otras variables, que
puedan estar afectando el servicio de urgencias.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA -UNAD
Escuela de Ciencias Básicas, Tecnología e Ingeniería Inferencia Estadística Actividad: Fase Final
Referencias bibliográficas
Jeammy Julieth Sierra Hernandéz. (2013). Módulo Curso Inferencia Estadística.
Colombia.
Jeammy Sierra (2014). Encuentro tutorial Inferencia Estadística 100403, 02 de Sep de 2014
[video]. Disponible en: https://www.youtube.com/watch?v=FxhZp4E50vY&feature=youtu.be
Jeammy Sierra (2014). Segundo encuentro tutorial inferencia estadística [Video]. Disponible en:
http://conferencia2.unad.edu.co/p4byt9onzem/?launcher=false&fcsContent=true&pbMode=nor
mal
TareasPlus (2012). Determina el tamaño muestra para estimar la media de una población
[Video]. Disponible en: https://www.youtube.com/watch?v=xSVS-0YR1JY
Yovany Martin Quijano Rojas (2013). Prueba de hipótesis para la media [Video]. Disponible en:
https://www.youtube.com/watch?v=AJcy4eZMwWM