Universidad Abierta y a Distancia de México

Lic. Gerencia de Servicios de Salud

Estadística Básica

Docente: Tayda Parada Zárate

Alumna: María Magdalena de Anda Reyes

Matrícula: ES1911001847
Introducción:

La estadística descriptiva es una ciencia que nos permite organizar y obtener datos para poder
extraer de ellos información que antes del proceso estadístico se encontraba implícita mas no

Dentro del campos de la Gerencia de los Servicios de Salud, es innegable la importancia que reviste
la Estadística en cuanto a su utilidad. Pues el Gerente de Servicios de Salud, a diferencia del Médico
o la Enfermera debe tratar con variables más generales y menos individuales. Es decir, debe ser
capaz de tomarlas decisiones correctas sin la necesidad de evaluar caso por caso, por ello es
necesario que pueda entender, realizare interpretar estudios estadísticos de variables relacionadas
con su haber cotidiano.

El Gerente de Sistemas de Salud debe ser capaz de poder ordenar datos, observar gráficos, analizar
series de datos de acuerdo a sus medidas de tendencia y poder interpretar la información que le
permitan tomar el mejor curso de acción para su entorno laboral.

Ejemplos aplicados a la carrera:

En una sociedad que ha adoptado las técnicas de estudios estadísticos como metodologías de
mejora (véase Lean Manufacturing y Seis Sigma), pienso que muchas herramientas de tratamiento
de datos orientados a producir mejoras podrían implementarse en la rama de los Servicios de Salud.

Pensemos en un estudio que analiza el tiempo que los pacientes esperan en las unidades de
medicina familiar de instituciones públicas de una determinada población.

Se selecciona una muestra por consultorio en turno. Por ejemplo 7 pacientes. Y se calcula su media
aritmética:
7

𝑋̅1 = ∑ 𝑃𝑖
𝑖=1

Donde P1 es el paciente número 1, P2 es el paciente número 2 y así sucesivamente…

Acto seguido se selecciona varias muestras más del mismo tamaño (7 pacientes) y se calcula sus
respectivas medias aritméticas 𝑋̅1 , 𝑋̅2 , 𝑋̅3, … , 𝑋̅𝑛 . Y con ellas, se calcula la media aritmética de las
medias muestrales:
𝑛

𝑋̿ = ∑ ̅̅̅
𝑋𝑛̅
𝑖=1

Ahora, definimos la desviación estándar de las distribuciones de las medias muestrales; que
denominamos 𝜎𝑋̅ .
𝜎
𝜎𝑋̅ =
√𝑛
Así notamos que la media aritmética de nuestras muestras es igual a la media de las medias de las
muestras que fueron seleccionadas aleatoriamente para esa población. Se observa también que la
dispersión de la población (𝜎) es mayor que la distribución de las medias muestrales por una relación
√𝑛.

Aún si la población es normal (es decir se ajusta al comportamiento de una distribución normal) sólo
en forma aproximada, las inferencias (es decir usamos estadística descriptiva para obtener la
imagen, pero estadística inferencial para poder “predecir” comportamientos) con respecto a la
distribución de las medias muestrales pueden obtenerse con base en una distribución normal.

Obsérvese el cuadro 1.

Cuadro 1
Porcentaje de los promedios de las muestras Número de errores estándar dentro de la
(%). media de la población.
68.26 1 error (±1𝜎)
95.44 2 errores (±2𝜎)
99.74 3 errores (±3𝜎)

Estas relaciones permiten establecer límites alrededor de los promedios de las muestras para
mostrar cuánta variación puede esperarse. A estos límites esperados, en calidad, se les denomina
Límite Superior de Control (LSC) y Límite Inferior de Control (LIC).

La gráfica de control de medias de procesos tiene por objetico mostrar las fluctuaciones de las
medias muestrales que se presentan dentro de dichos límites. Si las medias muestrales están dentro
de los límites establecidos para un proceso en específico (rango de aceptación) se dice que la
variación existente sólo es aleatoria. Sin embargo; si las medias muestrales exceden el Límite
Superior de Control o son inferiores al Límite Inferior de Control, se dice entonces que el proceso
está fuera de control.

Mi segundo ejemplo versa sobre el tema laboral:

Hoy en día las exigencias económicas y el salario que perciben los profesionales del área médica les
obliga a tener dos y a veces hasta tres trabajos para poder subsistir y progresar económicamente.
En algunos centros de salud y aún hospitales son comunes “las incidencias” es decir las faltas
justificadas o no que merman la fuerza de trabajo con la que cuenta una institución para proveer
sus servicios.

Con el fin de conocer las causas de dichas incidencias (faltas o retardos) podríamos en un primer
paso:

Dividir la semana. Y de acuerdo a los checadores clasificar faltas y retardos, y así observar con un
gráfico de barras qué días de la semana concentran la mayor cantidad de faltas y así mismo con los
retardos.
En una segunda etapa, agrupar datos y hacer encuestas con el personal que se ausenta o se retarda
para conocer los principales motivos por los que se presentan dichas situaciones. Con un gráfico de
frecuencias representar las causas más comunes. Para poder así plantear una estrategia para poder
mantener suficiente personal para proveer un buen servicio, y a la vez animar al personal o darle
algunas facilidades para que no repercuta en su desempeño.

En un tercer ejemplo:

Pensemos que tenemos una partida de recursos asignada para educación para la salud. Nuestro
salubrista nos ha dicho que dos alternativas viables son: un programa que sensibilice a las personas
sobre el impacto de la actividad física como beneficio para la salud y otro que sensibilice a las
personas sobre los efectos del consumo de tabaco. Los programas consumen la misma cantidad de
recursos. Pero queremos saber con cuál tendremos más éxito.

Podemos seleccionar de nuestra población (la colonia o el municipio asignado por jurisdicción) una
población de 100 personas de manera aleatoria. Serán 100 para el consumo de tabaco y 100 para
actividad física. A ambos se les hace llenar una encuesta antes y después de un programa piloto.

Después de los programas de concienciación obtenemos los siguientes resultados:

De las 100 personas incluidas en el estudio sobre el consumo de tabaco.

50 declararon no consumir productos de tabaco.

24 declararon haber reducido su consumo después del programa.

De los 26 restantes, 8 dijeron no haber cambiado en absoluto su frecuencia de consumo.

Por otro lado, de las 100 personas incluidas en el estudio sobre actividad física.

62 declararon no hacer ejercicio.

15 declararon haber comenzado a hacer ejercicio de manera regular.

5 habían dejado de hacer ejercicio después del programa.

Las preguntas que debemos responder son:

¿Existe evidencia que en ambos programas hayan mejorado los hábitos de acuerdo a los objetivos
propuestos?

Y de acuerdo a esto ¿qué programa puede tener mayor probabilidad de éxito y por tanto en cuál
deberíamos asignar el presupuesto?

Para poder responder a estas preguntas es necesario comprar las proporciones de realización de
ejercicio antes y después del programa, así como la proporción de consumo antes y después del
programa. Esta situación de muestras relacionadas exige que los datos se expresen en una tabla que
recoja las concordancias y discordancias en la respuesta del individuo antes y después del programa.

Así se tendrá con una centena de pares de datos para cada estudio, y se puede saber cuántos son
concordantes y cuántos discordantes.

Hagamos una hipótesis de contraste donde:

𝐻0 : 𝑃𝑎𝑛𝑡𝑒𝑠 = 𝑃𝑑𝑒𝑠𝑝𝑢é𝑠

𝐻1 : 𝑃𝑎𝑛𝑡𝑒𝑠 = 𝑃𝑑𝑒𝑠𝑝𝑢é𝑠

Realizando la prueba de hipótesis y observando hacia dónde se ha desplazado el mayor número de

pares discordantes se puede evaluar con cierta certeza la efectividad del programa.

Sabiendo qué programa tiene mayor efectividad se puede tomar una decisión acerca de cuál
programa ofrece el mayor beneficio respecto al costo.

Referencias:

Levin et al. (2004). Estadística para administración y economía. México: Prentice Hall.

Pierdant y Rodríguez. (2009). Control estadístico de la calidad de un servicio mediante gráficas X y

R. 5 de febrero de 2019, de SciELO Sitio web:
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0188-77422009000200009

Getzen, Thomas E. (2007). Health Care Economics. New Jersey, USA: John Wiley & Sons.

Moncho, Joaquín. (2015). Estadística Aplicada a las Ciencias de la Salud. Barcelona, España:
Elsevier.