Sesion - 1 Probabilidad y Estadistica

Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
omo comprender los mercados individuales?
ESTADISTICA PARA INVESTIGACION

1
SESION
Juan Mayorga Zambrano, PhD.
jrmayorgaz@gmail.com
2014
Estadstica para Investigaci

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
!M K

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Ejemplo introductorio
Qu
e son los modelos lineales?
Pasos en un an
alisis econom
etrico
Diagramas de dispersi
on
Introducci
on

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Qu
Pasos en un an
alisis econom
etrico
on
La competencia en la industria
de gaseosas siempre ha sido
intensa...
Hasta el 2006 Coca Cola y Pepsi continuaban dominando el

mercado de bebidas no alcoh
olicas a nivel mundial, con una
participacion de 25.6% y 13.4%, respectivamente, de acuerdo con
un informe elaborado por la consultora Euromonitor.
http://www.elsemanario.com.mx

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Qu
Pasos en un an
alisis econom
etrico
on
Coca-Cola invitaba a preferir su

marca comparando a los
bebedores de Pepsi con monos.
La respuesta fue inmediata: los

monos bebedores de Pepsi
tenan los mejores autos y...

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Qu
Pasos en un an
alisis econom
etrico
on
Considerando la aportaci
on de Pepsi y Coca Cola, se puede
observar que las dos empresas concentran casi la tercera parte del
mercado a nivel mundial, manteniendose muy por encima del resto
de los competidores.
La consultora se
nalo que las ambas compa
nas se han enfocado en
expandir sus negocios a traves de la segmentaci
on de la produccion
de bebidas no carbonatadas; mientras que Coca Cola integra a su
portafolio las bebidas funcionales (e.g. energizantes), PepsiCo
incrementa la participaci
on de otras categoras de no carbonatadas,
como jugos. http://www.elsemanario.com.mx

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Qu
Pasos en un an
alisis econom
etrico
on
Los ejecutivos de mercadeo, los especialistas en gerencia y los

estadsticos trabajan duro intentando sobrepasar a sus
contrapartes de mente competitiva.
Hasta ahora se han puesto de
acuerdo en muy poco, salvo en
que las ventas se incrementan
con la temperatura...
Predecir las tendencias en la participaci

on de mercado es una
tarea especialmente ardua y difcil.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Qu
Pasos en un an
alisis econom
etrico
on
Muchos ejecutivos han echado a

perder sus carreras en el
frustrado intento de anticipar
correctamente el
comportamiento de los
pcaros consumidores.
La regresi
on y el an
alisis de correlaci
on son las dos herramientas
mas poderosas y u
tiles que los analistas de todo tipo tienen a su
disposicion para escudri
nar el interior del futuro sombro.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Qu
Pasos en un an
alisis econom
etrico
on
Que son los modelos lineales?
Son una herramienta poderosa para analizar las relaciones entre

variables y para establecer predicciones. Son la base de los estudios
econom
etricos. En general su objeto consiste en:
1) especificar un modelo de relaci
on entre variables (e.g.
economicas);
2) utilizar informaci
on muestral acerca de los valores tomados
por dichas variables, con el objeto de cuantificar la
dependencia entre ellas;

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Qu
Pasos en un an
alisis econom
etrico
on
3) evaluar la validez de hip

otesis propuestas por la Teora (e.g.
Economica) acerca de las relaciones estimadas y, en algunos
casos,
4) efectuar un ejercicio de seguimiento coyuntural y de
prospectiva de las variables analizadas.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Qu
Pasos en un an
alisis econom
etrico
on

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Qu
Pasos en un an
alisis econom
etrico
on
Pasos en un analisis econometrico
Un analista debe
1
especificar claramente cual es el centro de atencion de su

trabajo emprico;
tratar de identificar cuales son los determinantes que explican

la evoluci
on de esta variable;
escoger cuidadosamente la informaci

on estadstica relevante
para cuantificar tal relaci
on;
finalmente debe proceder a su cuantificaci

on.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Qu
Pasos en un an
alisis econom
etrico
on
Diagramas de dispersion
Fuente: [MWS94]

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Qu
Pasos en un an
alisis econom
etrico
on
Fuente: [MWS94]

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Qu
Pasos en un an
alisis econom
etrico
on
Fuente: [MWS94]

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Qu
Pasos en un an
alisis econom
etrico
on
Fuente: [MWS94]

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Qu
Pasos en un an
alisis econom
etrico
on
Fuente: [MWS94]

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Conceptos b
asicos
Por qu
e modelar?
Formas de estudiar un sistema
Formulaci
on de un modelo matem
atico de un sistema
Ejemplo: matem
atica de colores
Modelamiento Matem
atico

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Conceptos b
asicos
Por qu
e modelar?
Formulaci
atico de un sistema
Ejemplo: matem
atica de colores
Ejemplo
Il libro della natura e scrito in

lingua matematica.
Galileo Galilei
Fuente:
http://www.holidayhomestuscany.com/

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Conceptos b
asicos
Por qu
e modelar?
Formulaci
atico de un sistema
Ejemplo: matem
atica de colores
Para la caida libre hasta el siglo

XVI se aceptaba que los objetos
pesados caen mas rapido que los
ligeros (Aristoteles). Fue Galileo
Galilei quien probo que, en
ausencia de resistencia de
aire, todos los objetos caen con
una misma aceleracion
uniforme. Ingeniosamente prob
o
su hipotesis usando planos
inclinados.
1
h = gt 2
2
Fuente:
(1)
http://duartes.org/gustavo/blog/

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Conceptos b
asicos
Por qu
e modelar?
Formulaci
atico de un sistema
Ejemplo: matem
atica de colores
Modelos matematicos y negocios...

En la actualidad la teora de probabilidades ocupa un lugar
importante en control de calidad y en asuntos de negocios.
Las probabilidades juegan un papel importante en el control
de calidad (e.g. en el equilibrio de cartera).

Los seguros y pr
acticas actuariales se basan firmemente en los
principios de la teora de las probabilidades.

Las p
olizas de seguros de vida dependen de las tablas de
mortalidad, las cuales a su vez se basan en las probabilidades

de muerte en edades especficas.
Otras tasas de seguros tales como seguros de bienes races y
automoviles se determinan de manera similar.


on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Conceptos b
asicos
Por qu
e modelar?
Formulaci
atico de un sistema
Ejemplo: matem
atica de colores
Conceptos basicos
Las teoras son conceptos propuestos para explicar los fenomenos

del mundo real y, como tales, son aproximaciones o modelos de la
realidad. El proceso de interes es llamado sistema.
Estos modelos son presentados en forma verbal en algunas areas
menos cuantitativas (e.g. economa poltica) y como relaciones
matematicas en otras areas (e.g. economa matem
atica).

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Conceptos b
asicos
Por qu
e modelar?
Formulaci
atico de un sistema
Ejemplo: matem
atica de colores
Ejemplo
La Teora de Juegos es un area de la matematica aplicada que
utiliza modelos para estudiar interacciones en estructuras
formalizadas de incentivos (los llamados juegos) y llevar a cabo
procesos de decisi
on.
Sus investigadores estudian las estrategias
optimas as como el
comportamiento previsto y observado de individuos en juegos.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Conceptos b
asicos
Por qu
e modelar?
Formulaci
atico de un sistema
Ejemplo: matem
atica de colores
Los analistas de juegos utilizan asiduamente otras areas de la

matematica, en particular las probabilidades, las estadsticas y la
programacion lineal, en conjunto con la teora de juegos.
Ejemplo. Modelamiento de piramides financieras: Madoff, Notario
Cabrera, PUBLI-FAST, etc.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Conceptos b
asicos
Por qu
e modelar?
Formulaci
atico de un sistema
Ejemplo: matem
atica de colores
Ejemplo. El punto de
equilibrio de Nash es una
situacion en la que ninguno de
los jugadores siente la tentaci
on
de cambiar de estrategia ya que
cualquier cambio implicara una
disminucion en sus pagos.
La tesis de John Nash tiene 26 p
aginas.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Conceptos b
asicos
Por qu
e modelar?
Formulaci
atico de un sistema
Ejemplo: matem
atica de colores
La utilidad de un modelo matematico es medida por su idoneidad

para ayudarnos en la comprensi
on de los fen
omenos y en la
soluci
on de problemas de la vida real.
Si las relaciones que componen el modelo son suficientemente
simples, podra ser posible obtener una soluci
on analtica. Sin
embargo, la mayora de sistemas del mundo real son complejos y
deben ser estudiados por medio de simulaci
on.
Simulacion
En una simulacion se usa un computador para evaluar
num
ericamente un modelo; se recopila datos para estimar las
caractersticas del modelo.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Conceptos b
asicos
Por qu
e modelar?
Formulaci
atico de un sistema
Ejemplo: matem
atica de colores
Por que modelar?
Ejemplo
Considerese una industria procesadora de lacteos que contempla la
posibilidad de extender una de sus plantas de produccion. No se
tiene claridad sobre si la ganancia en productividad justifica el
costo de construccion. A traves del modelamiento matematico, se
puede arrojar luz al asunto al simular la operaci
on de la planta
como existe actualmente y como pudiera ser si fuera expandida.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Conceptos b
asicos
Por qu
e modelar?
Formulaci
atico de un sistema
Ejemplo: matem
atica de colores

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Conceptos b
asicos
Por qu
e modelar?
Formulaci
atico de un sistema
Ejemplo: matem
atica de colores
Formulacion de un modelo matematico de un sistema
Se establece el estado del sistema: las variables causantes
del cambio del sistema. Al principio se discriminan algunas de

estas variables. En este paso especificamos el nivel de
resoluci
on del modelo.
Se establece un conjunto de hip
otesis razonables acerca del
sistema que tratamos de describir. Esas hip

otesis incluyen
todas las leyes empricas aplicables al sistema.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Conceptos b
asicos
Por qu
e modelar?
Formulaci
atico de un sistema
Ejemplo: matem
atica de colores
La resoluci
on del modelo puede ser bastante difcil. Una vez
resuelto, comprobamos que el modelo sea razonable si su

solucion es consistente con los datos experimentales o los
hechos conocidos acerca del comportamiento del sistema.
Si las predicciones que se basan en la soluci
on son
deficientes, podemos aumentar el nivel de resolucion del

modelo o elaborar hip
otesis alternativas sobre los mecanismos
del cambio del sistema; entonces, se repiten los pasos del
proceso de modelado. Al aumentar la resolucion, aumentamos
la complejidad del modelo matematico y la probabilidad de
que debamos conformarnos con una soluci
on aproximada.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Conceptos b
asicos
Por qu
e modelar?
Formulaci
atico de un sistema
Ejemplo: matem
atica de colores
Ejemplo: matem
atica de colores
Los pintores saben de antiguo que determinados colores
pueden construirse a partir de otros.

Bastan tres colores b
asicos para conseguir cualquier color
mediante mezclas adecuadas.

La luz blanca puede ser descompuesta en los diferentes colores
del espectro visible.

Como utilizar este
conocimiento para dar color a
monitores, televisiones,
impresoras,...?

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Conceptos b
asicos
Por qu
e modelar?
Formulaci
atico de un sistema
Ejemplo: matem
atica de colores
El sistema aditivo para

construir colores consiste en
partir del negro (ausencia de
luz), e ir a
nadiendo mayor o
menor cantidad de luz de tres
colores basicos: rojo, verde y
azul (RGB), a partir de los
cuales se consigue cualquier otro
color, incluyendo la luz blanca.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Conceptos b
asicos
Por qu
e modelar?
Formulaci
atico de un sistema
Ejemplo: matem
atica de colores
Las componentes RGB de un color son sus coordenadas

colorim
etricas. El origen de coordenadas (0,0,0) corresponde al
negro. El lugar geometrico de los puntos R = G = B es la escala
de grises. Los planos R-G, G-B y B-R son respectivamente los
espacios de color Amarillo (Yellow), Turqueza (Cian) y Morado
(Magenta).

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Conceptos b
asicos
Por qu
e modelar?
Formulaci
atico de un sistema
Ejemplo: matem
atica de colores
Los programas de edici

on grafica, e incluso los lenguajes de
programacion, representen los colores en funci
on de sus
componentes RGB. Por ejemplo, el lenguaje HTML de
programaci
on de paginas Web utiliza una representacion
hexadecimal del tipo
COLOR = #AA16CC00
(2)
para representar los valores de rojo, verde y azul. En este algoritmo

los dos primeros caracteres representan el rojo, los dos centrales el
verde y los dos u
ltimos el azul.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
El modelo matem
atico m
as simple
Distribuci
on tipo gamma
Taller
Funciones

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
El modelo matem
atico m
as simple
Distribuci
on tipo gamma
Taller
El modelo matematico mas simple
El concepto de aplicaci
on (o funci
on) es fundamental para
comprender los procesos de la naturaleza; por tanto su importancia
no debe ser subestimada.
De hecho una funcion provee el ejemplo mas simple de modelo
matem
atico.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
El modelo matem
atico m
as simple
Distribuci
on tipo gamma
Taller
Definicion
Sean X y Y dos conjuntos no vacos. Se dice que la relacion
f X Y es una aplicaci
on de X en Y si se cumplen las
siguientes condiciones:
i) dom(f ) = X ,
ii) Para cada x X , existe un u
nico y Y tal que (x, y ) f , es
decir,
x X , !y Y : (x, y ) f .

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
El modelo matem
atico m
as simple
Distribuci
on tipo gamma
Taller
Notacion
Una funcion de X en Y se denota

f : X
x
Y
7 y = f (x)
(3)
A veces en lugar de la notaci

on (3), se escribe
X 3 x 7 f (x) Y . Las notaciones anteriores son especialmente
u
tiles cuando la correspondencia entre x X e y = f (x) Y esta
dada por alguna regla o f
ormula especfica.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
El modelo matem
atico m
as simple
Distribuci
on tipo gamma
Taller
Puede pensarse que f (x) Y es el producto que resulta de aplicar

el proceso f a la materia prima x X . Tambien se dice que la
variable dependiente y = f (x) resulta de aplicar f a la variable
independiente x X .

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
El modelo matem
atico m
as simple
Distribuci
on tipo gamma
Taller
Distribucion tipo gamma

Algunas variables aleatorias son
siempre no-negativas y por
variadas razones tienen
distribuciones de datos que son
sesgadas a la derecha; es
decir, la mayor parte del area
bajo la funcion de densidad se
encuentra cerca del origen y la
funcion de densidad disminuye
gradualmente cuando x
aumenta.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
El modelo matem
atico m
as simple
Distribuci
on tipo gamma
Taller
Ejemplo
Este tipo de comportamiento lo presentan
1
Los intervalos de tiempo entre dos llegadas a la cola para una

caja registradora a la salida del supermecado.
Los tiempos que tardan los tecnicos aeronauticos en revisar el

motor de un avi
on.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
El modelo matem
atico m
as simple
Distribuci
on tipo gamma
Taller
Distribucion gamma
Decimos que una variable aleatoria X sigue una distribuci
on
gamma de parametros , > 0 si su funci
on de densidad es
( 1 x/
x
e
() , si x 0
f (x) =
0,
si no.
En este caso se denota X
(; ).

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
El modelo matem
atico m
as simple
Distribuci
on tipo gamma
Taller
Taller
Los ingresos anuales de los jefes de familia en cierta seccion de una
ciudad tienen aproximadamente una distribuci
on gamma con
= 1000 y = 20. Esperara encontrar muchas familias con
ingresos superiores a 40000 d
olares en esta area de la ciudad? Use
Pqrs.
Tarea
Desarrolle el taller con ayuda de Excel u OpenOffice Calc.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Demanda
Oferta
Cambios en la demanda
Cambios en la oferta
Punto de equilibrio
Interactivo: c
omo comprender
los mercados individuales?

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Demanda
Oferta
Punto de equilibrio
Mercado
Cualquier institucion o situaci
on que re
une compradores y
vendedores de determinado producto o servicio.
Nos ponemos en el contexto de mercados puramente
competitivos, en los cuales se supone que hay gran cantidad de
compradores y vendedores que act
uan independientemente al
intercambiar un producto estandarizado.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Demanda
Oferta
Punto de equilibrio
Demanda
Para un perodo especfico de
tiempo, la demanda es la
funcion que expresa la relaci
on
entre la cantidad de un producto
que los consumidores estan
dispuestos y pueden comprar en
dependencia del precio.
La curva representa la ley de la demanda.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Demanda
Oferta
Punto de equilibrio
Oferta
Para un perodo especfico de
tiempo, la demanda es la
funcion que expresa la relaci
on
entre la cantidad de un
producto que el fabricante esta
dispuesto, puede producir y
hacer disponible para la venta
en dependencia del precio.
La curva representa la ley de la oferta.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Demanda
Oferta
Punto de equilibrio
Gustos. Ejemplo: cds vs.lps
N
umero de compradores. Ejemplo: baby boom.
Ingreso. Ejemplo: bienes superiores e inferiores.
Precios de sustitutos y complementos.

Bienes independientes. Ejemplo: mantequilla vs pelotas de
golf.
Expectativas. Ley seca en EEUU 1919-1933.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Demanda
Oferta
Punto de equilibrio
Fuente: [MWS94]

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Demanda
Oferta
Punto de equilibrio
1
Precios de los insumos
Tecnologa
Impuestos y subsidios
Precios de otros bienes
Expectativas
N
umero de vendedores
Bienes independientes. Ejemplo: mantequilla vs pelotas de
golf.
Expectativas. Ley seca en EEUU 1919-1933.

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Demanda
Oferta
Punto de equilibrio
Fuente: [MWS94]

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Demanda
Oferta
Punto de equilibrio
Punto de equilibrio
Fuente: [MWS94]

on
Introducci
on
Modelamiento matem
atico
Funciones
Interactivo: c
Demanda
Oferta
Punto de equilibrio
References
G. Canavos, Probabilidad y estadstica: aplicaciones y
metodos, McGraw-Hill/Interamericana, Mexico, 1988.
A. Castro, Regresi
on lineal, Escuela Politenica Nacional,
Quito, 2008.
W. Mendenhall, D. Wackerly, and R. Scheaffer, Estadstica
matematica con aplicaciones, Grupo Editorial Iberoamericana,
Mexico, 1994.
A. Novales, Econometra, McGraw-Hill, Madrid, 1993.
A. Webster, Estadstica aplicada a los negocios y la economa,
McGraw-Hill, Colombia, 2000.

on

Sesion - 1 Probabilidad y Estadistica

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Sesion - 1 Probabilidad y Estadistica

Uploaded by

Copyright:

Available Formats

Introducci

ESTADISTICA PARA INVESTIGACION

Estadstica para Investigaci

Juan Mayorga Zambrano, PhD.

Estadstica para Investigaci

Juan Mayorga Zambrano, PhD.

Estadstica para Investigaci

Hasta el 2006 Coca Cola y Pepsi continuaban dominando el

Juan Mayorga Zambrano, PhD.

Estadstica para Investigaci

Coca-Cola invitaba a preferir su

La respuesta fue inmediata: los

Juan Mayorga Zambrano, PhD.

Estadstica para Investigaci

Juan Mayorga Zambrano, PhD.

Estadstica para Investigaci

Los ejecutivos de mercadeo, los especialistas en gerencia y los

Predecir las tendencias en la participaci

Estadstica para Investigaci

Muchos ejecutivos han echado a

Estadstica para Investigaci

Que son los modelos lineales?

Son una herramienta poderosa para analizar las relaciones entre

Juan Mayorga Zambrano, PhD.

Estadstica para Investigaci

3) evaluar la validez de hip

Juan Mayorga Zambrano, PhD.

Estadstica para Investigaci

Juan Mayorga Zambrano, PhD.

Estadstica para Investigaci

Pasos en un analisis econometrico

especificar claramente cual es el centro de atencion de su

tratar de identificar cuales son los determinantes que explican

escoger cuidadosamente la informaci

finalmente debe proceder a su cuantificaci

Juan Mayorga Zambrano, PhD.

Estadstica para Investigaci

Estadstica para Investigaci

Estadstica para Investigaci

Estadstica para Investigaci

Estadstica para Investigaci

Estadstica para Investigaci

Juan Mayorga Zambrano, PhD.

Estadstica para Investigaci

Il libro della natura e scrito in

Juan Mayorga Zambrano, PhD.

Estadstica para Investigaci

Para la caida libre hasta el siglo

Juan Mayorga Zambrano, PhD.

Estadstica para Investigaci

Modelos matematicos y negocios...

de calidad (e.g. en el equilibrio de cartera).

principios de la teora de las probabilidades.

mortalidad, las cuales a su vez se basan en las probabilidades

automoviles se determinan de manera similar.

Estadstica para Investigaci

Las teoras son conceptos propuestos para explicar los fenomenos

Juan Mayorga Zambrano, PhD.

Estadstica para Investigaci

Juan Mayorga Zambrano, PhD.

Estadstica para Investigaci

Los analistas de juegos utilizan asiduamente otras areas de la

Juan Mayorga Zambrano, PhD.