Professional Documents
Culture Documents
SUPERIOR DE MISANTLA
MAESTRA EN INGENIERA INDUSTRIAL
ESTADISTICA
CATEDRTICO:
1
**** CONCEPTOS BASICOS DE ESTADISTICA ****
2
**** CARACTERSTICAS DE LA MUESTRA: ****
3
ERROR TIPO 1 ( ): es la probabilidad de rechazar una hiptesis nula
verdadera.
=
2
1 Desviacin estndar = 68 %
2 Desviacin estndar 2 = 95 %
3 Desviacin estndar 3 = 99 %
4
I: DISTRIBUCIONES
DISTRIBUCIONES CONTINUAS
DISTRIBUCION NORMAL.
f(x)
5
Las distribuciones normales presentan las siguientes caractersticas:
6
Z=x-
DONDE:
Z = No. de desviaciones estndar a partir de la media.
x = Valores de inters.
= Media de una distribucin normal.
= Desviacin estndar.
Cabe mencionar que con el uso de esta formula se usan tablas donde se
muestra el rea o porcentaje bajo la curva que es el valor de Z, dicha rea o
porcentaje viene dado desde - a +.
7
FUNCION DE DENSIDAD
8
EJEMPLOS PARA CALCULO DE Z
0.3849 Z = 1.2
Z0
Z
0
Z0 Z
9
DISTRIBUCIN EXPONENCIAL
P (T > t) = e- t
P (T< t) = 1- e- t
EJEMPLO:
10
DISTRIBUCIONES DISCONTINUAS.
DISTRIBUCION BINOMIAL
11
FORMULA DE LA DISTRIBUCIN BINOMIAL
b(x; n, p) = nCxpxqn-1
DONDE:
n = No. total de pruebas.
x = No. total de xitos observados.
p = Probabilidad del xito.
q = Probabilidad del fracaso.
EJEMPLO:
b(x; n, p) = nCxpxqn-1
= 6! (0.20)4 (0.80)2
4!(2)!
12
DISTRIBUCION HIPERGEOMETRICA
13
FORMULA DE LA DISTRIBUCIN HIPERGEOMETRICA
K N-K
x n-x
h(x;N,n,k) =
N
n x = 0, 1, 2, , n
DONDE:
N = No. total de elementos del universo.
K = No. de xitos en el universo.
n = Tamao de la muestra.
x = No. de xitos que ocurren en la muestra.
EJEMPLO:
6 3 3 3 3 3! 3!
P X 2 6, T 3, n 4
N
4
6
2 2 2 2 2!1! 2!1! (3)(3) 0.60
6 6! 15
4 4 4!2!
14
DISTRIBUCION DE POISSON
Es aquella probabilidad del nmero de acontecimientos con respecto a
un campo o intervalo continuo o el nmero de resultados que ocurren en un
intervalo de tiempo dado o en una regin especifica indicada.
DONDE:
= Promedio de xitos que ocurren en el intervalo de tiempo
= t = donde:
= Razn media por unidad
t = Numero de unidades del espacio
15
EJEMPLO:
(5)3 5 (125)(0.00674)
P( X 3 / 5.0) 0.1404
3! 6
16
**** PRUEBA CHI-CUADRADA PARA LA BONDAD DEL
AJUSTE ****
Se utiliza cuando se desee conocer la variacin en las muestras con
respecto a otra, evala a la distribucin.
La importancia de la distribucin ji-cuadrada es cuando se desea hacer una
inferencia con respecto a la varianza 2 de la poblacin basada en una
muestra aleatoria x1, x2,xn tomada de una poblacin.
f(x)
X2 n - 1
X2 n - 1
17
EJERCICIO: PARA CALCULO CHI CUADRADA
X2 0.05 d.f = 10
= 18.307
X2 0.95,10 = 3.94
18
**** DISTRIBUCIN DE t STUDENT ****
t= x-
S/ n
Distribucin t
/2 /2
19
EJERCICIO: PARA CLCULO t student t
Pb 1.-
P ( t > t0 ) = 0.95 g .l = 6
= 0.05
95%
5%
T0.05,6 = - 1.943
Pb 2.-
P ( t < t0 ) = 0.95 g .l = 4
= 0.05
95%
5%
T0.05, 4 = 2.132
20
**** DISTRIBUCIN FISHER F ****
X 2v1
F (v1 v2) = X 2v
2
F ,v1 ,v2
1-
21
EJERCICIO: PARA CALCULO FISHER F
Pb 1.-
P ( F > F0 )= 0.10
V1 = 5
V2 = 7
0.10
F
F0.10,5,7 = 2.88
F0 = 0.10
Pb 2.-
P ( F < F0 )= 0.10
V1 = 5
V2 = 7
F0.10,5,7 = 1 = 1
F0.10, 5,7 3.37
F0 = 0.90
F0.10,5,7 = 0.297
22
**** TIPOS DE MUESTREO****
23
MUESTREO IRRESTRICTO ALEATORIO.
24
EJEMPLO #1: Considrese el siguiente problema. Un auditor federal va a
examinar los registros contables del hospital de una ciudad. Los registros del
hospital, obtenidos de una computadora, muestran un determinado total de
cuentas por cobrar, el auditor debe verificar este total. Si existen 10,000
cuentas abiertas en el hospital, el auditor no tiene el tiempo suficiente para
examinar el registro de cada paciente ni para obtener una cifra total de cuentas
por cobrar. Por lo tanto el auditor debe elegir un algn esquema de muestreo
para obtener una muestra representativa de los registros de los pacientes.
Despus de examinar las cuentas de los pacientes en la muestra, entonces el
auditor puede estimar el total de cuentas por cobrar de todo el hospital. Si la
cifra de la computadora cae dentro de un margen especificado por la
estimacin del auditor, la cifra de la computadora se acepta como vlida. De
otra manera, se debe examinar ms registros del hospital por posibles
discrepancias entre la cifra de la computadora y los datos de la muestra.
25
EJEMPLO #2:
Solucin:
26
MUESTREO SISTEMATICO.
27
EJEMPLO #1:
6
7
8 8
9
10
. .
. .
. .
996
997
998 998
999
1000
28
MUESTREO ESTRATIF ICADO.
29
COMO SELECCIONAR UNA MUESTRA ALEATORIA
ESTRATIFICADA:
30
MUESTREO POR CONGLOMERADOS.
DEFINICION: Una muestra por conglomerados es una muestra
aleatoria en la cual cada unidad de muestreo es una coleccin, o
conglomerados, de elementos.
31
**** INTERVALOS DE CONFIANZA****
32
2.- Tamao de muestra:
33
INTERVALOS DE CONFIANZA PARA LA DESVIACION
2 2
X X 2 Z
2 n1 n2
Ejercicio:
Datos:
m
1.10
seg
m
1.5
= .05
=10%
=5%
2
34
Procedimiento:
2 2
X X 2 Z
2 n1 n2
1.12 1.52
500 494 X 2 1.64
10 202
6 0.7949
5.2052< 1 2 z 6.7948
Interpretacin:
Conclusin:
Accin:
35
INTERVALOS DE CONFIANZA (1- ) PARA CON
2 DESCONOCIDAS.
X t ,n 1
2
S
n 30
n
X Z ,
2 n
S
n 30
Ejercicio:
Un fabricante de plvora desarrollo una nueva formula que se probo en
8 granadas. Las velocidades iniciales resultantes en ft/seg fueron 3005, 2995,
2995, 2925, 3005, 2935, 2937, 2965,2905.
Apartir de esta informacin defina un intervalo de confianza para el
media real de las velocidades para granadas de este tipo, con un coeficiente de
confianza del 0.95. Considere el hecho de que las velocidades iniciales tienen
aproximadamente una distribucin normal.
Datos:
n1 8 /2=0.025
/2= 0.025
X =2959 95% 05
(1- )=95%
=5% -2.365 3.365
=2.5%
2
S = 39.09
Procedimiento:
_
X t ,n 1
S
2 , S ( x x) 2 S = 36.56
n 8
39.09
2959 2.365
8
2959 32.68.
2926.36<x<2991.68
Interpretacin: Mediante la evidencia se puede afirmar con una confianza
del 95% que las medias de las velocidades de las 8 granadas que se tomaron
de muestra se encuentran en el intervalo 2926.36-2991.68.
Conclusin: Accin:
36
INTERVALOS DE CONFIANZA PARA LA DIFERENCIA DE
MEDIAS CON VARIANZAS DESCONOCIDAS.
2 S22
X X , v S
n1 n2
2
S2 S2
v = 1 2 2
n1 n2
S S
1
2 2 2 2
2
n1 1 n2 1
Ejercicio:
Un proceso qumico se esta estudiando para incrementar la produccin
en litros de una sustancia llamada x, y, z. En la actualidad se utiliza un
compuesto A y se ha sido autorizado para ser utilizado en el proceso.
Se realiza durante un turno una prueba piloto en 8 pruebas utilizando el
compuesto A y en 8 pruebas el compuesto B. Los resultados en litros de
produccin son: promedio con el compuesto A 91.73 lts. Con una varianza de
3.89 lts 2 y del compuesto B, un promedio de 93.75 lts con una varianza de
4.02 lts 2.
Defina un intervalo de confianza 98% para la diferencia entre medias
asumiendo varianzas iguales.
x1 x2 t , n1 n2 2, S
1 1
2 n1 n2
S 2=
n1 1S12 n2 1S22
n1 n2 2
Procedimiento:
37
Datos:
S12 3.89lt 2
S22 4.02lt 2
/2= .01
n1 8 /2= .01
n1 8 98%
X =91.73 lt
X 2 =93.75 lt -1.64
2.624
(1- )=98%
=2%
=.01%
2
Aplicacin de la formula:
S2=
n1 1S12 n2 1S22
n1 n2 2
S2=
8 13.89 8 14.02
882
27.23 28.14
S2=
14
S2= 1.989
x1 x2 t , n1 n2 2, S
1 1
2 n1 n2
1 1
91.73 93.75 2.624 /(1.989) -2.02 2.61
8 8
-4.63< A B 0.59
Interpretacin:
Debido a los clculos realizados se toma la decisin con el actual
producto por que son iguales.
Conclusin: y Accin:
38
INTERVALOS DE CONFIANZA PARA UNA VARIANZA DE UNA
POBLACION NORMAL.
Formula:
n 1S 2 2
n 1S 2
x2 n 1 x2 n 1
2, 2,
Datos:
2 =0.0002
n1=10
n2=10 /2= 0.025
/2= 0.025
S 0.0003
1
2
Interpretacin:
Conclusin:
Accin:
39
**** PRUEBA DE HIPOTESIS ****
40
PRUEBA DE HIPOTESIS PARA MEDIAS CON VARIANZA
CONOCIDAS.
Ejercicio:
Una compaa ha desarrollado un hilo para caa de pescar, que segn
ellos tiene una media de fuerza al rompimiento de 8 Kg., con una
desviacin estndar poblacional de 0.5 Kg.
se toma una muestra de 50 hilos y se obtiene la media de fuerza de
ruptura de 7.8 Kg. Haga una prueba de hiptesis par verificar si la media
de la fuerza de ruptura es diferente a 8 Kg. Use un 0.1.
Datos:
8 Kg .
0.5 Kg .
n 50hilos
X 7.8 Kg
0.01
0.005
2
S2 0.0707
n
X
Z
Planteamiento y Solucin:
Planteamiento:
H0: =8
H0: El promedio de la resistencia al romper el hilo es igual a 8 Kg.
H1: 8
H1: El promedio de la resistencia del hilo al romperse del hilo.
41
Estadstico de prueba:
7.8 8
Z=
0.0707
Z=-2.828
-2.575 2.575
Decisin:
Se rechaza H0.
Conclusin:
Los datos demuestran la suficiente evidencia par inducir que la
media de la fuerza de ruptura del hilo es diferente a 8 Kg., la probabilidad
de equivocarnos en esta afirmacin es del 1%.
Accin:
42
PRUEBA DE HIPOTESIS PARA MEDIAS CON VARIANZAS
DESCONOCIDAS.
Ejercicio:
Un foco fabricado por una compaa afirma que se tiene una duracin
promedio de vida del foco es menor a lo que dice la compaa.
El competidor toma una muestra aleatoria de 21 focos y demuestra que
el promedio de tiempo de vida es de 64.2 hrs., con una desviacin estndar de
3hrs.
Con un 0.01, Determine si existe evidencia suficiente para concluir
que la afirmacin de la fabrica es falsa.
Datos:
65hrs.
n 21
X 64.2hrs.
S 3hrs.
0.01
t0.01, 20 2.528
Estadstico de prueba:
Puesto que no se conoce la 2
de la poblacin y
adems n<30
43
= 0.01
Regin de rechazo Regin de
Aceptacin
99%
-2.528 -1.2220
Planteamiento:
H0: 65
H1: 65hrs.
Decisin:
Se acepta H0.
Conclusin:
Accin:
44
PRUEBA DE HIPOTESIS PARA LA DIFERENCIA DE MEDIAS CON
VARIANZAS DESCONOCIDAS E IGUALES.
Ejercicio:
Un experimento se llevo a cabo para comparar la dureza de dos
materiales laminados. 12 pieza del material 1, fueron probados al igual que
las 10 piezas del material 2. En cada registro la dureza, mediante un cdigo
especial, teniendo como resultado lo siguiente:
Datos:
n1=12 n2=10
X1=85 X2=81
S1=4 S2=5
=0.1
Planteamiento:
H0: 1= 2
H1: 1 2
45
Formula: Aplicando la formula:
t
( X 1 X 2 )d 0
t
(85 81) 0
S 2=
12 1(4)2 10 1(5)2
S 4.47 10 10 2
1 / n1 1 / n2 1 / 12 1 / 10
= 0.05 = 0.05
Regin de rechazo Regin de Regin de rechazo
Aceptacin
95%
-1.725 1.725
Decisin:
Se rechaza H0.
Conclusin:
Accin:
46
POTENCIA DE UNA PRUEBA DE HIPTESIS
1.- El error tipo 1 es mucho mas grave que le error tipo II. Por esta razn se le
asigna el error tipo I una probabilidad muy baja.
H0: = 60
Decisiones a tomar:
47
Estimacin de la regin de rechazo:
= .05
C = 63.29
= 60
Z .05 = 1.645
Punto critico (c) = 0 + 1.65 = 63.29
n
NOTA: los posibles estados de naturaleza solo pueden ser 2; que para nuestra
ejemplo, sera:
48
CALCULANDO EL ERROR TIPO II
Poder = 1 -
49
APLICACIONES DE LA CURVA OC
Ejercicio 1
La tasa en que se quema cierto combustible se especifica como 40 cm.,
se sabe que el valor de la varianza es 4. El analista especifica con un de
0.05 con un tamao de muestra de 25. La hiptesis que se probara es: H 0: =
40 cm./seg. y la alterna H1: 41 cm./seg.
Datos:
2
=4 H0: = 40 cm./seg.
= 0.05 H1: 41 cm./seg.
n = 25
De tablas:
d = 0.5 = 0.03
n = 25
50
PRUEBAS ADICIONALES DE X2
ESTADISTICO DE PRUEBA
X2 = k (0i Ei)2
i =1 Ei
TABLAS DE CONTINGENCIA
(DEPENDENCIA)
Un problema en el anlisis de datos se refiere a la independencia de
datos de mtodo de clasificacin de eventos observados. En este tema se
investigara la dependencia por contingencia entre 2 que puede contener varios
renglones y columnas. Los renglones corresponden a un mtodo de
clasificacin; las columnas al otro.
51
TABLA PARA ANALIZAR SI LAS VARIABLES SON
DEPENDIENTES E INDEPENDIENTES
2da. 1er categora
Categora 1 2 3 . C TOTAL
. . . .
. . . . .
. . . .
. Rr
r 0r1 .
.
TOTAL C1 C2 Cc n
HIPOTESIS:
ESTADISTICO DE PRUEBA
nr
X = ( 0ij Eij )2
2
GRADOS DE LIBERTAD
g.l = (r - 1) (c - 1)
52
Ejercicio.-
TIPO DE DEFECTO
TURNO
A B C D TOTAL
1 16 21 45 13 94
2 26 31 34 5 96
3 33 17 49 20 119
Eij = ri cj
nij
53
E1A= (94) (74) = 22.5 E3A= (119) (74) = 28.49
309 309
E1B= (94) (69) = 20.9 E3B= (119) (69) = 26.57
309 309
E1C= (94) (128) = 38.9 E3C= (119) (128) = 49.29
309 309
E1D= (94) (38) = 11.55 E 3D= (119) (38) = 14.63
309 309
X2 =19.17
X20.05, 6= 12.60
DECISIN:
Se rechaza H0
19.17
12.6
Interpretacin:
Conclusin:
Accin:
54
PRUEBA DE VARIAS PROPORCIONES BINOMIALES.
Muestras
1 2 k
xito X1 X2 XK
fracaso n1- x1 n2- x2 nk - xk
55
EJERCICIOS DE APLICACIN
Turno de produccin
1 2 3 Totales.
Defectuosos 45 55 70 170
Aceptables 905 890 870 2665
Totales 950 945 940 2835
ESTADISTICO DE PRUEBA
n k
X = (0ij Eij)2
2
R. A
0.025
6.48 X2 =7.38
56
(45 57) 2 (55 57) 2 (70 56) 2 (905 893) 2 (890 888) (870 884) 2
X 02.025, 2
57 57 56 893 888 884
X 02.025, 2 6.48
Decisin:
Se acepta H0.
Conclusin:
La proporcin de productos defectuosos es la misma en los 3 turnos.
Accin:
57
ESTADISTICA NO PARAMETRICA
LA PRUEBA DE SIGNOS
a) -, si xi < yi
b) +, si xi > yi
c) 0, si xi = yi
HIPOTESIS:
58
ESTADISTICO DE PRUEBA:
Sea:
REGION CRTICA:
Use la tabla 10 pag. 662 del libro Montgomery. Especifique los valores
de n y alfa ( ) y encuentre el valor critico (R*). La tabla 10 se aplica al
caso de dos colas. El nivel de significancia para la prueba de una cola es la
mitad del valor que aparece en la tabla 10.
EJERCICIOS DE APLICACIN:
1.- se esta probando dos tipos de gasolina. Las dos gasolinas se prueban en 12
coches. Primero se le pone la gasolina tipo 1 a los 12 carros, se corren, se les
acaba y entonces se les pone a los mismos autos la gasolina tipo 2,
volvindose a correr con el mismo chofer.
Los Km/lt. se presentan en la siguiente tabla. Existe diferencia en el Km/lt
de los 2 tipos de gasolina? Para la prueba use un alfa de 0.05
59
HIPOTESIS:
H0: 1 = 2
H1: 1 2
R+ = 8 n = 12
R- = 4
R =4 R * =2
= .05
4 2, no se rechaza H0.
R
Accin:
60
61
PRUEBAS DE WILCOXON DE SUMA DE RANGOS PARA DOS
MUESTRAS INDEPENDIENTES.
H0: 1 = 2
H1: 1 2
PROCEDIMIENTO:
NOTAS:
62
ESTADISTICO DE LA PRUEBA:
REGION DE RECHAZO:
Use la tabla 9 del libro mongomerit, Pg. 619 y 620 para encontrar los
valores crticos para de 0.05 y 0.01. Entre la tabla especificando los
valores n1 y n2 y halle el valor critico (R *).
63
b) Prueba de una cola derecha:
H0: 1 = 2
H1: 1 < 2
MUESTRA GRANDES
R= n1 (n1 + n2+1)/2
2
R = n1 n2 (n1 + n2+1) / 12
ESTADSTICO DE PRUEBA:
Z0 = R1 - R / R
REGION DE RECHAZO:
64
Una compaa Mexicana quiere enviar a sus ejecutivos a Alemania.
Para esto, se necesita que ellos aprendan el alemn.
Se selecciona 2 mtodos pura ensearles el idioma alemn: Lc y Es. Dos
grupos de 15 ejecutivos se seleccionan aleatoria mente y se registran sus
calificaciones finales una vez que ellos han concluido el curso sea por un
mtodo a sea por el otro. Hay evidencia que el mtodo Lc sea mejor? Use
para esta prueba un de 0.05
Lc Pob 1 1 Ho : 1 = 2
Ec Pob 2 2 H1 : 1 > 2
REGION DE RECHAZO:
Z0.05 = 1.645
Es : 43,39,50,59,57,62,65,60,69,70,72,74,80,83,88
Lc : 75,60,62,73,72,88,87,88,85,90,89,92,96,93,98
65
ORDENAR EN FORMA ASCEDENTE: CALCULO DE R1 Y R2
Es Rango Lc Rango
39 1
43 2
50 3
57 4
59 5
60 6.5 60 6.5
62 8.5 62 8.5
65 10
69 11
70 12
72 13.5 72 13.5
73 15
74 16
75 17
80 18
83 19
85 20
87 21
88 23 88 23
88 23
89 25
90 26
92 27
93 28
96 29
98 30
Suma: Suma:
R1 = 152.5 R 2 = 312.5
R2 =312.5
66
R= n1 (n1 + n2+1) R = 15 (15 + 15+1) R = 232.5
2 2
2
R = n1 n2 (n1 + n2+1) 2
R = (15) (15) (15 + 15+1) 2
R =581.25
12 12
Z0 = R1 - R Z0 = 312.5 232.5 = Z0 = 80
R 581.25 22.76
Z0 = 3.51
DECISIN:
Rechazar H0
CONCLUSION:
De acuerdo con los datos obtenidos podemos decir que el
mtodo Lc es mejor que el mtodo Es esto se puede afirmar con una
confianza del 95 %.
Accin:
67
PRUEBA DE HOMOGENEIDAD
Otro tipo de prueba para la cual X2, tambin se aplica es aquel en el que
los totales de los renglones a columnas, son predeterminados.
EJERCICIO:
Suponga que se decide por adelantar selecciones de 200 demcratas y
150 republicanos.
Adems de 150 independientes de los votantes de un estado y s e
registran si estn de acuerdo, en contra o son indiferentes ante una propuesta
de ley que trata de legalizar el aborto. Las respuestas observadas, se
encuentran registradas en la siguiente tabla:
Cij= ri cj
nij
68
E3C= (64) (150) = 19
500
ESTADISTICO DE PRUEBA
n k
X = (0ij Eij)2
2
(85 89)2 (70 64)2 (62 64)2 (63 67)2 (67 67)2 (25 26)2 (18 19)2 (21 19)
X2
86 64 64 67 67 26 19 19
X 1.5312
2
69
1.52 X2 0.05,4 =9.49
DECISIN:
Se acepta H0
CONCLUSION:
La proporcin de demcratas, republicanos e independiente,
es la misma con respecto a la ley del aborto.
70
DIFERENCIA ENTRE PRUEBAS DE INDEPENDENCIA Y PRUEBA
DE HOMOGENEIDAD.
EJERCICIO:
12 trabajadores se les registr el nmero de piezas que fabrica durante
la primera hora de su turno. A los mismos trabajadores se les registra tambin
el numero de piezas fabricadas pero ahora en la ultima hora de sus turno. Se
pretende conocer si el nmero de piezas fabricadas por cada trabajador tiene a
disminuir durante la ultima hora con relacin a la primera. Desarrolle una
prueba tal que con una confianza del 95% usted conteste a esta pregunta.
H0: 1 = 2
H1: 1 > 2
71
tipo de prueba solo es indicativa de que el procemiento de fabricacin de
piezas es diferente y no nos dice si es mayor o es menor.
Caractersticas de la poblacin.
Dado que son los mismos trabajadores en la primera y ultima hora del
turno, podemos aparear datos por que tienen dependencia.
Por lo anterior practicaremos una prueba de Wilcoxon de rango con
signo.
TABLA DE DATOS
trabajador primer hora Ultima hora (x - y) Rango
1 18 16 2 3.5
2 12 10 2 3.5
3 7 8 -1 1
4 21 23 -2 3.5
5 19 13 6 7.5
6 14 10 4 6
7 8 8 0
8 11 13 -2 3.5
9 19 9 10 10
10 16 8 8 9
11 8 8 0
12 11 5 6 7.5
H0: 1 = 2
H1: 1 2
72
RECHAZAR:
H0;si T T0
T= minima (T-,T+)
T0 Valor critco
T+ =3.5+3.5+7.5+6+10+9+7.5
T+=1+3.5+3.5=8
T=8
n
T0 Unilteral
/2
10
T0 8
0.025
88
DESICION: Rechazar H0
CONCLUSION: No hay evidencia suficientemente de que el promedio de
fabricacin de piezas en la 1a hora es igual a la fabricacin de la ltima hora.
H0: 1 = 2
H1: 1 > 2
(>) Rechazar H0; si T- T0
H0: 1 = 2
H1: 1 < 2
(<) Rechazar H0; si T+ T0
47 8 no es menor o igual que 8
73
BIBLIOGRAFIA
PROBABILIDAD Y ESTADISTICA
MURRAY
ESTADISTICA
ANTONNI HOWARD
APLICACIN DE LA ESTADISTICA
EDWARD WALPONN
74