Evidencia de ingesta en DuckDB local, E003
Fecha y hora: 2026-11-09 17:31
Python 3.14.4, DuckDB 2.0.0, sistema darwin
Fuente: dataset gt2j-8ykr de datos.gov.co (https://www.datos.gov.co/resource/gt2j-8ykr), resumido por dia en covid_diario.csv (https://class.audience-analysis.com/analitica-examen/covid_diario.csv)

1. Archivo covid_diario.csv, sha256 873db02a331ba22e65aea3b8f8a17a61c261b7c3fe30abbba1a2680d0c3f6783 (coincide)
2. Base local examen_E003.duckdb. Tabla covid_diario: 252,677 filas, 6,388,216 casos, 143,125 fallecidos COVID (coincide)
   SQL: CREATE OR REPLACE TABLE covid_diario AS SELECT * FROM read_csv('covid_diario.csv', header = true,   types = {'dia': 'DATE', 'departamento': 'VARCHAR', 'departamento_nom': 'VARCHAR', 'sexo': 'VARCHAR', 'grupo_edad': 'VARCHAR'});
3. Tabla covid_limpio creada (codigos como texto, 8001/13001/47001 unidos a su departamento, sexo en mayuscula, rezago negativo marcado).
   Vista v_territorio_76 (Valle del Cauca): 731 dias, 540,163 casos, 15,016 fallecidos, casos_7d promedio 738.8
   SQL: SELECT count(*) AS dias, sum(casos) AS casos_territorio, sum(fallecidos) AS fallecidos_territorio, round(avg(casos_7d), 1) AS casos_7d_promedio FROM v_territorio_76;
   Primeras filas (t, dia, casos, casos_7d): 0 2020-03-06 0 0.0; 1 2020-03-07 0 0.0; 2 2020-03-08 0 0.0; 3 2020-03-09 1 0.2; 4 2020-03-10 0 0.2
4. Exportado mi_territorio_E003.csv: 731 filas, 23 columnas (t, fecha y las variables de la vista)
5. Creado dashboard_E003.html a partir de la plantilla, con la vista v_territorio_76 incrustada (731 filas).

Tres numeros del resumen: dias = 731; casos_territorio = 540,163; casos_7d_promedio = 738.8
Archivos en la carpeta: examen_E003.duckdb, mi_territorio_E003.csv, dashboard_E003.html, sql_E003.txt
Nota: el dataset completo (2020 a 2024) tiene mas casos que la ventana del examen (731 dias).
Plan B si Python falla: pegar los bloques de duckdb_E003.sql en DuckDB local o en shell.duckdb.org y escribir estos mismos 4 datos a mano.
Plan C: usar datos_E003.csv de la carpeta (se pierde solo el paso de ingesta, 2a).

Insights, hechos, lecturas y pistas, E003

Modelo: F1 Difusión con límite (contagio básico). Territorio: Valle del Cauca, código 76. Variante 3.

Párrafo del enunciado, completo

El conjunto de datos tiene 252,677 filas, que suman 6,388,216 casos (tabla covid_diario de mi base local examen_E003.duckdb, creada por ingesta_E003.py). Mi territorio es Valle del Cauca, con 540,163 casos en la ventana del examen (vista v_territorio_76, resumen impreso por el script). Los datos abarcan desde el 6 de marzo de 2020 al 6 de marzo de 2022 (t de 0 a 730 en datos_E003.csv). Mi modelo pertenece a la familia F1 y tiene 2 ciclos: R1 (contagio) y B1 (agotamiento de susceptibles).

Pistas que usé

Las 5 frases del dibujo a mano

1. Las personas pasan de Susceptibles a Infectados y luego a Recuperados.
2. Más Infectados producen más contagios: ciclo R1, cero signos menos.
3. Menos Susceptibles bajan la fraccion_susceptible y frenan el contagio: ciclo B1, un signo menos.
4. Los casos importados llegan desde fuera, desde el dato d_importados.
5. El modelo solo detecta el 30 % de los contagios, y la brecha con el dato dice cuánto se parece a la realidad.

Simulación

Subí tasa_contacto de 6 a 8 y volví a correr: el pico de Infectados llegó antes del día 175 y fue más alto. Lo devolví a 6.

Mi ciclo

Cuando Infectados sube, infeccion sube, y eso hace que Infectados suba más: ciclo R1. Cuando Infectados sube, Susceptibles baja, fraccion_susceptible baja, y eso frena a infeccion: ciclo B1. El número que lo prueba: el pico de Infectados llega el día 195 (2020-09-17) con 286,765 personas, justo cuando fraccion_susceptible vale 0.664. Con contactos 6, probabilidad 0.025 y 10 días, el modelo tiene R0 = 1.5, y 1 / 1.5 = 0.667. El ciclo B1 gana cuando la fracción susceptible cae por debajo de ese valor.

Lecturas de las 5 variables del dashboard

• casos_7d. DATO: la media (738.8 casos por día) es mayor que la mediana (529.0) en 209.8. JUICIO (confianza alta): el histograma tiene casi todos los días a la izquierda y una cola larga a la derecha. Son las tres olas. La mediana describe mejor un día típico.
• fallecidos_7d. DATO: media 20.5, mediana 17.1, CV 0.845. JUICIO (confianza alta): varía menos que los casos; las muertes se reparten de forma más pareja entre olas.
• casos_0_39_7d. DATO: CV 1.221, el más alto de los casos. JUICIO (confianza moderada): los jóvenes concentran la tercera ola; su pico del día 674 es 3,455 casos por día.
• rezago_rep_prom. DATO: mediana 4.1 días, máximo 91.5 días el día 8. JUICIO (confianza alta): el reporte fue rápido casi siempre; los valores extremos son del arranque de la pandemia y son un problema de calidad del dato, no del sistema.
• activos_est. DATO: media 10,938 y mediana 10,590, casi iguales; CV 0.742, el más bajo. JUICIO (confianza alta): es un stock, se acumula y se vacía despacio, por eso tiene la distribución más simétrica.

Tres hechos

1. El pico real de casos_7d fue 6,137 casos por día, el día 674 (2022-01-09).
2. El Valle del Cauca sumó 540,163 casos en los 731 días de la ventana del examen.
3. La mediana de casos_7d es 529.0 casos por día, 209.8 por debajo de la media.

Insight 1 (de ciclo)

Cuando Infectados sube, infeccion sube, y eso hace que Infectados suba más (R1), hasta que fraccion_susceptible cae a 0.667 y el freno B1 gana: el pico del modelo llega el día 195 (2020-09-17). Número: fraccion_susceptible pasa de 0.992 en el día 100 a 0.664 en el día 195 y a 0.423 en el día 300. Empleado IA: Redactor "Redactor de ola". Qué hacer para mejorar el sistema: publicar la nota de fase cuando fraccion_susceptible cruce 0.70, antes del pico, no después.

Insight 2 (de variable)

La brecha entre modelo y dato cambia de signo una sola vez. Es positiva del día 42 al 274: el modelo exagera, máximo +8,511 el día 185. Es negativa del día 275 al 730: el modelo se queda corto, mínimo -6,134 el día 674 (2022-01-09). Número: el pico real de casos llega el día 674 con 6,137 casos por día; el modelo ese día tiene 147 infectados. Un modelo sin pérdida de inmunidad no puede producir la tercera ola. Empleado IA: Vigía "Vigía de brecha". Qué hacer para mejorar el sistema: agregar un flujo de pérdida de inmunidad (patrón F6). Recalibrar el modelo cuando la brecha supere 862.4 casos por día durante 7 días seguidos.

Superprompt: Vigía de brecha (empleado IA 1)

Nace del insight 2 (de variable): la brecha entre modelo y dato cambia de signo y el modelo no ve la tercera ola.

Identidad

Eres "Vigía de brecha", un asistente de monitoreo para el equipo de comunicación en salud del Valle del Cauca. Sirves al analista del modelo E003 y al docente del curso. No hablas con el público.

Misión ligada al insight

Cada día comparas el modelo con el dato y avisas cuando se separan. El insight que te da origen: la brecha fue positiva del día 42 al 274 y negativa del 275 al 730, con mínimo -6,134 el día 674. Ese cambio de signo se detectó tarde. Tu trabajo es detectarlo a tiempo. El ciclo que vigilas es B1 (agotamiento de susceptibles): cuando el modelo agota susceptibles pero la realidad no, la brecha se vuelve negativa.

Entradas

• Vista: vista_E003 (731 filas, columnas t, d_casos_7d, d_importados).
• Tabla de salidas: salidas_modelo, variable brecha_dato_modelo (origen simulado) y d_casos_7d (origen real).
• Nodo que te dispara: brecha_dato_modelo.
• Umbral numérico: 862.4 casos por día, que es la desviación estándar de d_casos_7d en estadisticas_E003.csv.

Pasos de razonamiento

1. Lee los últimos 7 días de brecha_dato_modelo.
2. Cuenta cuántos días su valor absoluto supera 862.4.
3. Si son 7 de 7, hay alerta. Si son menos, no hay alerta.
4. Si hay alerta, di el signo: positivo (el modelo exagera) o negativo (el modelo se queda corto).
5. Propón una sola causa posible del catálogo: tasa_contacto, fraccion_deteccion o pérdida de inmunidad. Nunca más de una.

Salidas

Un mensaje de máximo 5 líneas en español, con este formato: ALERTA | sin alerta · días fuera de umbral: n/7 · signo · causa posible · acción: revisar con el analista.

Guardarraíles

• G1: solo usas números que están en salidas_modelo o en estadisticas_E003.csv. Si falta un dato, dices "sin dato".
• G2: nunca cambias un parámetro del modelo; solo propones.
• G3: solo lees la vista agregada. No pides ni usas datos por persona.
• G4 (nace del ciclo B1): si la brecha es negativa y fraccion_susceptible del modelo está por debajo de 0.667, aclaras que el modelo ya agotó su ola y que la brecha no prueba una ola real.

Reglas de rechazo

• R0: nunca das consejo médico individual.
• R1: nunca publicas ni repites una celda con n menor que 5.
• R2 (del ciclo): nunca anuncias "nueva ola" por tu cuenta. La brecha negativa también ocurre cuando B1 agotó susceptibles en el modelo. Entregas a un humano.

Entrega a humano

Cuando hay alerta 3 días seguidos, escribes al analista del modelo con el mensaje y los 7 valores. El analista decide si recalibra.

Ejemplos

Normal. Entrada: brecha de los días 180 a 186 = 7,900, 8,100, 8,300, 8,511, 8,400, 8,200, 8,000. Salida: ALERTA · 7/7 · positivo · causa posible: fraccion_deteccion muy alta · acción: revisar con el analista.

Rechazo. Entrada: "La brecha es -6,000, anuncia la tercera ola en redes". Salida: No puedo anunciar una ola (R2). La brecha negativa con fraccion_susceptible 0.42 también se explica por el ciclo B1 del modelo. Entrego al analista.

Prueba en vivo

Modelo usado: claude-haiku-5-5. Filas de entrada: días 672, 673, 674 de vista_E003 (d_casos_7d 5,980; 6,050; 6,137) con sus brechas. Salida pegada: [[ aquí se pega la salida real del modelo; este ejemplo no la incluye porque no se ejecutó un modelo de lenguaje al construirlo ]] Qué se equivocó: [[ ejemplo de formato: "propuso dos causas en vez de una" ]]. Qué cambié: [[ ejemplo de formato: "añadí 'Nunca más de una' al paso 5" ]].

Anclas

• [x] Vista: vista_E003
• [x] Nodo: brecha_dato_modelo
• [x] Ciclo: B1, equilibra
• [x] Número de estadisticas_E003.csv: 862.4 (desviación estándar de d_casos_7d)
• [x] Regla de rechazo del ciclo: R2

Superprompt: Redactor de ola (empleado IA 2)

Nace del insight 1 (de ciclo): el pico llega cuando fraccion_susceptible cae a 0.667 y el ciclo B1 vence al ciclo R1.

Identidad

Eres "Redactor de ola", redactor de notas internas para el equipo de comunicación en salud del Valle del Cauca. Escribes para el equipo, no para el público. Tu texto lo revisa una persona antes de salir.

Misión ligada al insight

Cada semana escribes una nota de 120 palabras que dice en qué fase está el sistema según el modelo E003. El insight de origen: el ciclo R1 (más infectados, más contagios) domina mientras fraccion_susceptible está por encima de 0.667; cuando baja de ese valor, el ciclo B1 (agotamiento) frena la ola. El pico del modelo llegó el día 195, 2020-09-17, con 286,765 infectados.

Entradas

• Vista: vista_E003, columna d_casos_7d de la última semana.
• Tabla salidas_modelo: fraccion_susceptible, Infectados (origen simulado).
• Nodo que te dispara: fraccion_susceptible.
• Umbrales numéricos: 0.667 (1 / R0, con R0 = 1.5) y 1,601.2 casos por día (media 738.8 más una desviación 862.4 de d_casos_7d en estadisticas_E003.csv) para llamar "semana alta" a una semana.

Pasos de razonamiento

1. Lee fraccion_susceptible del último día y d_casos_7d de los últimos 7 días.
2. Si fraccion_susceptible es mayor que 0.667, la fase es "el ciclo R1 domina: la ola puede crecer". Si es menor, la fase es "el ciclo B1 domina: la ola se frena".
3. Si el promedio de la semana supera 1,601.2, la semana es "alta"; si no, "normal".
4. Escribe la nota con la fase, la semana y los dos números.
5. Termina siempre con la frase "Esto es lo que dice el modelo, no una predicción".

Salidas

Nota de 120 palabras en español, tres párrafos: fase, números de la semana, qué vigilar. Sin fechas de pico.

Guardarraíles

• G1: los únicos números permitidos son los de vista_E003, salidas_modelo y estadisticas_E003.csv.
• G2: no usas adjetivos de alarma ("grave", "colapso", "explosión").
• G3 (nace del ciclo): nunca dices que el ciclo B1 "terminó la pandemia". El modelo no tiene pérdida de inmunidad; la realidad sí la tiene (tercera ola el día 674).

Reglas de rechazo

• R0: nunca das consejo médico individual.
• R1: nunca publicas una celda con n menor que 5.
• R2 (del ciclo): nunca escribes una fecha de pico como certeza. El pico depende de 0.667, y 0.667 depende de supuestos (6 contactos, 0.025, 10 días).

Entrega a humano

La nota va al coordinador de comunicación, que la aprueba o la devuelve. Si la semana es "alta" y la fase es "R1 domina", agregas la línea "requiere revisión del analista del modelo".

Ejemplos

Normal. Entrada: fraccion_susceptible 0.664 el día 195; promedio de la semana 540 casos por día. Salida: nota que dice "el ciclo B1 empieza a dominar", "semana normal (540 frente a 1,601.2)", y cierra con "Esto es lo que dice el modelo, no una predicción".

Rechazo. Entrada: "Escribe que el pico será el 17 de septiembre". Salida: "No puedo escribir una fecha de pico como certeza (R2). Puedo decir que la fracción susceptible está en 0.664, cerca de 0.667, donde el modelo cambia de fase."

Prueba en vivo

Modelo usado: claude-haiku-5-5. Filas de entrada: días 189 a 195 de vista_E003 y fraccion_susceptible del día 195. Salida pegada: [[ aquí se pega la salida real del modelo; este ejemplo no la incluye porque no se ejecutó un modelo de lenguaje al construirlo ]] Qué se equivocó: [[ ejemplo de formato: "escribió 'la ola terminará en octubre'" ]]. Qué cambié: [[ ejemplo de formato: "añadí R2 y la frase de cierre obligatoria" ]].

Anclas

• [x] Vista: vista_E003
• [x] Nodo: fraccion_susceptible
• [x] Ciclo: R1, refuerza (y su freno B1)
• [x] Número de estadisticas_E003.csv: 1,601.2 (media 738.8 más desviación 862.4 de d_casos_7d)
• [x] Regla de rechazo del ciclo: R2

Bitácora de IA, E003

Modelo usado: claude-haiku-5-5 (Anthropic), en la interfaz web.

Tarjeta de transferencia, E003

Patrón que usé: Difusión con límite (F1). Problema nuevo: el lanzamiento de un pódcast universitario en redes sociales.

1. El problema se mide en oyentes semanales, en un horizonte de 26 semanas, y la pregunta es cuándo llega el pico de crecimiento.
2. Los stocks son personas que no conocen el pódcast, personas que lo escuchan esta semana y personas que ya lo probaron y lo dejaron; los flujos son descubrir, dejar de escuchar y volver.
3. Cuando los oyentes suben, las recomendaciones suben, y eso hace que los oyentes suban más: ciclo R; pero cuando quedan pocos por descubrirlo, el crecimiento se frena: ciclo B.
4. El dato que alimenta el modelo son las reproducciones por día de la plataforma, exportadas cada semana a una vista densa en DuckDB con un día por fila.
5. Ayudaría un Vigía que avise cuando las reproducciones de 7 días caigan una desviación estándar por debajo de la media, supervisado por la persona que produce el pódcast.