Práctica 1: Variables Aleatorias y Simulación

Objetivos específicos
Al finalizar esta práctica deberás ser capaz de:  Calcular las funciones de probabilidad y distribución de las variables discretas Bernoulli, binomial, Poisson, geométrica, binomial negativa e hipergeométrica. Interpretar correctamente su significado.  Calcular valores de las funciones de densidad y de distribución para las variables continuas exponencial y normal. Interpretar correctamente su significado.  Comprobar empíricamente propiedades reproductivas de las variables, utilizando la generación de números aleatorios.  Utilizar la simulación para estimar la fiabilidad de un sistema. 1. Cálculo de funciones de probabilidad y de distribución y de percentiles para algunas variables aleatorias discretas y continuas A pesar de que generalmente se usan las hojas de cálculo para manejar tablas, también se incluyen en estas herramientas una serie de funciones que permiten calcular los valores de las funciones de probabilidad y de distribución para un conjunto de variables aleatorias discretas y continuas proporcionando funciones de densidad y de distribución y en algunos casos también el cálculo de percentiles. El acceso a estas facilidades se realiza de diversas maneras, como por ejemplo, seleccionando las opciones de inserción de funciones haciendo click sobre fx y luego especificando la categoría estadísticas.

Figura 1: Funciones estadísticas y de probabilidad disponibles en MS-Excel ®

NORM: devuelve la función de densidad o la de distribución de una variable aleatoria con distribución normal. El primer argumento (NÚM_FRACASOS) es el valor de la variable. El primer parámetro (MUESTRA_ÉXITO) es el valor de la variable. DISTR.Entre la colección de funciones estadísticas de variables aleatorias discretas. y si es distinto de 0. Igual que antes. de una variable aleatoria con distribución hipergeométrica. para calcular valores de la función de distribución deberemos calcular nosotros las sumas acumuladas utilizando las funciones de Excel. la función de distribución F(x)=P(X≤x). - - Ejercicio. El primer argumento (X) es el valor de la variable. Los argumentos NÚM_ÉXITOS y PROB_ÉXITOS son los parámetros n y p de la distribución binomial negativa. POISSON: devuelve el valor de la función de probabilidad o de la función de distribución de una variable aleatoria de Poisson.NORM.HIPERGEOM: devuelve el valor de la función de probabilidad. x. y si es distinto de 0. el parámetro NÚM_DE_POBLACIÓN es el tamaño de la población. Nota: Como las funciones DISTR. Con relación a las funciones estadísticas de variables aleatorias continuas. de una variable aleatoria con distribución binomial negativa. Los argumentos MEDIA y DESV_ESTÁNDAR son precisamente los parámetros µ y σ de la distribución normal. el parámetro n de la distribución. es decir. el inverso de la media de la variable).. x.ESTAND: esta función devuelve el valor de la función de distribución de una - - . y si es distinto de 0. respectivamente.DISTR. Si el argumento ACUMULADO vale 0.BINOM: devuelve el valor de la función de probabilidad o de la función de distribución de una variable aleatoria binomial. x. respectivamente.HIPERGEOM y NEGBINOMDIST no tienen el argumento ACUMULADO. Finalmente. P(X=x). El parámetro POBLACIÓN_ÉXITO es el número de éxitos que hay en la población. es decir. El segundo (LAMBDA) coincide con el parámetro λ de la exponencial (es decir. El argumento ACUM tiene el mismo significado de siempre.EXP: devuelve el valor de la función de densidad o de la función de distribución de una variable aleatoria exponencial. El segundo (MEDIA) es la media de la distribución de Poisson. DISTR. si el argumento ACUM vale 0. El primer argumento de la función (NÚM_ÉXITO) es el valor de la variable. P(X=x). El segundo (ENSAYOS) y tercer (PROB_ÉXITO) argumentos son los valores de los parámetros n y p. se tienen: DISTR. Si el cuarto argumento (ACUMULADO) vale 0. la función de distribución F(x)=P(X≤x). calculará la función de densidad f(x). el valor del parámetro N de la distribución. El parámetro NÚM_DE_MUESTRA es el tamaño de la muestra seleccionada. El primer argumento (X) es el valor de la variable. la función de distribución F(x)=P(X≤x). x. aparecen las siguientes: . calculará la función de probabilidad P(X=x). el parámetro D de la distribución. x. es decir. calculará la función de probabilidad P(X=x). El argumento X es el valor de la variable. NEGBINOMDIST: devuelve el valor de la función de probabilidad.Realizar el Ejercicio 6 del final de la práctica. que coincide con el parámetro λ. DISTR. x.

z.. así como en la industria y en el gobierno. en el caso continuo vale siempre 0. tanto en el área de ingeniería. Uno de los objetivos de la simulación es realizar ensayos de cambios en el sistema probándolos en el modelo con el fin de elegir la mejor alternativa y así enfrentarse mejor a una realidad que varía de día a día.DISTR. no representa la probabilidad de que la variable aleatoria X tome el valor x. P(X=x). negocios.Su gran flexibilidad. el proceso de ensayar sobre él se llama simular. . que permite la agregación de múltiples relaciones e interdependencias entre las variables que intervienen. - Ejercicio. es decir. Nota: Es muy importante recordar el significado que tiene la función de densidad en las variables aleatorias continuas.NORM. . o el tiempo que se debe esperar hasta que le toca el turno a alguien es otra variable aleatoria. La simulación permite la descripción de situaciones complejas y ayuda a la localización de los aspectos relevantes del problema. un argumento (Z) que es el valor de la variable. La hoja de cálculo Excel tiene implementadas funciones para la generación de números aleatorios de algunas distribuciones de probabilidad dentro del menú de funciones estadísticas avanzadas.NORM. DISTR. PROBABILIDAD. continua en este caso. Estos proyectos reales requieren estudios previos a su construcción o modificación.INV: devuelve el cuantil de orden p de una distribución normal con media igual a MEDIA y desviación típica igual a DESV_ESTÁNDAR. en el caso continuo. la función de densidad. Por ejemplo. Esta probabilidad. En la mayoría de los sistemas reales intervienen una gran cantidad de variables aleatorias. Sólo tiene un parámetro que es precisamente el valor de la probabilidad acumulada. El valor de p es el argumento PROBABILIDAD.Realizar el Ejercicio 7 del final de la práctica. con media 0 y desviación típica 1. No podemos olvidar que. comprimiendo su estudio a tan sólo unos minutos. Algunas de las ventajas de la simulación son: .INV: devuelve el cuantil de orden p de una distribución normal estándar.Permite tratar problemas planteados en amplios periodos de tiempo.variable aleatoria con distribución normal estándar.La teoría necesaria para su desarrollo está ya desarrollada para la mayoría de casos. por tanto. 2. Con tal modelo. .ESTAND. f(x). que contemplan la construcción de un modelo lo más parecido posible al sistema real. Si en el proceso de simulación intervienen variables aleatorias hablaremos de simulación estocástica o probabilística. la mayoría de los proyectos son a gran escala y requieren una fuerte inversión económica. Simulación En el mundo actual. el número de artículos distintos que pide un cliente es una variable aleatoria discreta. cuando se compra en el mercado. Sólo tiene.

al desplegar las opciones de la casilla DISTRIBUCIÓN. Figura 3: Cuadro de opciones de análisis de datos del excel Al seleccionar esto. Al hacerlo.Figura 2: Uso de Excel para análisis estadístico Para acceder a estas funciones tenemos que seleccionar la opción de menú DATOS>ANÁLISIS DE DATOS. se pueden ver las variables aleatorias de las que Excel es capaz de generar muestras. se accede a la ventana de diálogo de la Figura 4. donde. tal y como muestra la Figura 2. . se tendrá en una ventana la opción de GENERACIÓN DE NÚMEROS ALEATORIOS (ver Figura 3).

el número de columnas independientes) y la CANTIDAD DE NÚMEROS ALEATORIOS (número de filas). si se desea. Esta característica permite generar la misma secuencia de números aleatorios.. números pseudo aleatorios. en caso necesario. Evidentemente. se debe introducir el NÚMERO DE VARIABLES que se desea generar (esto es. es decir. POISSON: genera datos Poisson con la tasa (media) especificada. Ejercicio. . las probabilidades deben sumar 1. BINOMIAL: genera datos de una distribución binomial con el número de ensayos y la probabilidad de éxito especificados. Debemos introducir en la hoja de cálculo dos columnas conteniendo los valores que toma la variable (a la izquierda) junto con las probabilidades con que toma esos valores (a la derecha). Panel de generación de números aleatorios. El primer punto de la secuencia está determinado por una semilla aleatoria que.Realizar los Ejercicios 8 y 9 del final de la práctica. puede especificarse en la casilla INICIAR CON. En la misma ventana de diálogo de la Figura 4. DISCRETA: genera datos de una distribución discreta que deseemos. NORMAL: genera datos con una distribución normal de la media y desviación típica especificadas. Los números generados con el computador son.Figura 4. UNIFORME: genera datos aleatorios de una distribución uniforme de los parámetros especificados. cada número de una secuencia depende del número anterior. en realidad. BERNOULLI: genera observaciones de una distribución de Bernoulli con el parámetro especificado.

en la tercera fila . si las variables A. Muestra de números aleatorios generados según Bernoulli A continuación. Y el sistema no funcionará si alguna de las variables tiene un 0.9×0. Asumiendo que tiene probabilidades independentes entre sí. seleccionar la distribución BERNOULLI con los valores anteriores para el parámetro (ver Figura 4).3. A B C Figura 5: Sistema de tres componentes dispuestas en serie Si se asume que la fiabilidad de la componente A es pA=0. el archivo de datos presentará una forma como la de la Figura 6. B y C tienen un 1 en la casilla correspondiente. la de B es pB=0.8 y la de C es pC=0.9. la fiabilidad del sistema se obtiene multiplicando estas tres cantidades. Generar datos aleatorios Bernoulli con valores de p igual a 0. se debe diseñar el siguiente experimento. utilizando la opción del menú DATOS>ANÁLISIS DE DATOS>GENERACIÓN DE NÚMEROS ALEATORIOS. por ejemplo. funcionará si lo hacen las tres componentes.85. Figura 6.85 = 0. Así: Fiabilidad sistema = 0. se calcula cuándo está funcionando el sistema de la siguiente forma: como es un sistema serie. Así.612 Para calcular una estimación de esta fiabilidad.8 y 0. si se observa que en la Figura 6.8×0. 0. Los unos indicarán que la componente está funcionando y los ceros que no lo está.85. Sistemas serie Supongamos que se tiene un sistema serie como el de la Figura 5. es decir. en el que cada componente funciona independientemente de las restantes.9. Una vez hecho esto.

Para hacerlo automáticamente. Otra opción es construir una columna que sea el producto de las columnas A. La frecuencia relativa del número de VERDADERO (si se elige la primera opción) o de unos (si se opta por la segunda) será una estimación de la fiabilidad del sistema. De esta forma se construye una columna que será indicadora del funcionamiento del sistema. en la primera fila. Sin embargo. queda calcular la tabla de frecuencias de esta nueva columna con la opción INFORME DE TABLAS Y GRÁFICOS DINÁMICOS que es simple de usar. Esta columna valdrá uno si todos los valores que multiplica son iguales a uno. y cero. es decir.de la tabla. En cualquiera de los dos casos. Resultado de la operación lógica Y Para terminar. Figura 6. una de las posibilidades es seleccionar por la opción del menú que aparece luego de hacer click sobre fx y escoger FUNCIÓN>LÓGICAS>Y. el sistema también lo hará. el sistema tampoco funcionará. las tres componentes del sistema serie funcionan. La función lógica Y devuelve VERDADERO si todos los argumentos de la función son verdaderos y devuelve FALSO si todos los argumentos son falsos. y por lo tanto. el sistema no funcionará. la variable C tiene un cero (es decir. por tanto. las variables A. la componente C no funciona) y por tanto. B y C tienen un 1. el resultado se puede ver en la Figura 6. La quinta fila de la variable C tiene un cero. B y C. . u otros cálculos que nos ayuden al análisis del problema. si hay algún valor distinto de uno.

se obtiene la siguiente tabla: .a) Selección de datos para generar reporte de tabla dinámica b) Especificación de formato de valores en una tabla dinámica Figura 7: Construcción de una tabla dinámica para análisis de resultados Para los valores anteriores.

8 y pC=0.9)×(1-0. Lo único que cambia es la función que se .85. considerando la estructura del sistema la fiabilidad teórica será igual a: Fiabilidad sistema = 1-(1-0. Reporte de tabla dinámica para el ejemplo de sistema en serie Con los datos obtenidos.Figura 8. cuantas más simulaciones. Lógicamente. en el que cada componente funciona con independencia de las restantes y que las fiabilidades de las componentes son pA=0. Sistemas paralelo Ahora se analizará un sistema paralelo como el de la Figura 9. 4.61 (la fiabilidad real 0. pB=0. una estimación de la fiabilidad del sistema es 0. mejores resultados.9.612).997 El experimento diseñado es análogo al anterior. A B C Figura 9: Sistema de tres componentes dispuestos en paralelo En este caso.8)×(1-0.85)=0.

una estimación de la fiabilidad del sistema es 1 (la fiabilidad exacta era 0. El resultado de esta operación se muestra en la Figura 10. . si todos son falsos (el sistema funciona si lo hace alguna de las componentes). Resultados de la simulación de un sistema en paralelo. Figura 10. y FALSO. la función lógica a utilizar es la función O que devuelve VERDADERO si alguno de los argumentos es verdadero. Así.Realizar los Ejercicios 10 y 11 del final de la práctica. En este caso..997).va a utilizar para construir la columna con unos y ceros que dé el funcionamiento del sistema. con los datos obtenidos. Ejercicio.

con probabilidades 0. Cuando está en el estado malo la probabilidad de recibir un bit errado es de 0.1. los paquetes se transmiten junto con bits de redundancia de manera tal que pueden detectarse errores y de ser el caso. .A un switch de datos llegan mensajes según Poisson con un promedio de 10 mensajes en un intervalo de 3 minutos. Como no hay coordinación entre ellos.. Suponga que 10 terminales accesan aleatoriamente a una línea síncrona TDMA. Ejercicio 4. Ejercicio 2.95 y 0.05. en donde para el control de errores. ¿Cuál es la probabilidad de que el canal esté en mal estado? Ejercicio 3. Ejercicio 5. calcular: a) Si Pe=10-4 y los errores de bit son independientes.01 y es de 0. Si se observa un error. Es usual que la probabilidad de error de un bloque PB se aproxime mediante PB ≈BPe.. los mensajes pueden colisionar. in cuyo caso cada terminal volverá a intentarlo en el siguiente slot..A un nodo de red se conectan tres líneas de entrada.Suponga que en un bloque de B bits. la ocurrencia de errores de bits es independiente con probabilidad Pe. 2 y 3 son respectivamente 15. Si los paquetes son de 1024 bits y además se emplea un código corrector capaz de corregir paquetes con un solo bit errado y de detectar aquellos donde hubieran dos o más bits errados. ¿Cuál es la probabilidad de retransmisión? b) Graficar la probabilidad de retransmisión del paquete como una función de Pe c) Suponga ahora que se pueden corregir dos bits errados en el paquete. proceder a su retransmisión. respectivamente. En cada slot un terminal intenta transmitir su mensaje con probabilidad 0. Calcular: a) ¿Cuál es la probabilidad de que lleguen 5000 mensajes lleguen en la hora? b) ¿Cuál es la probabilidad de que el tráfico por la línea 3 exceda al del resto? (Pregunta difícil). Encontrar las condiciones bajo las cuales esta suposición es justificada..Práctica Calificada Nro. d) Un canal inalámbrico se puede modelar como que se encuentra en dos estados: bueno o malo.00001 si el canal está en el estado bueno. Calcular: a) La probabilidad de colisión b) La probability de que el mensaje sea capaz de transmitir en un slot c) Número promedio de slots requeridos por un mensaje de un terminal particular para transmitir exitosamente. repita (b) en la misma gráfica. 1 Apellidos y Nombre: Código Grupo: PRIMERA PARTE: Parte analítica Ejercicio 1. Las velocidades par alas líneas 1. 10 y 25 mensajes por minuto.Considere un protocolo de datos del tipo ARQ. Calcular la probabilidad de que lleguen menos de 175 mensajes en una hora cargada.

...Para las variables aleatorias discretas indicadas.. ..SEGUNDA PARTE: Parte Experimental Ejercicio 6. y cuanto debería ser el pozo para que comprando boletos de jugada múltiple (con 15 números marcados) asegure que definitivamente es una inversión rentable..... A la vista del histograma.. A la vista de los resultados de este estudio. 1].. representándola gráficamente mediante un histograma..Para las variables aleatorias discretas indicadas. ¿Se puede decir que la variable resultado sigue una distribución uniforme?...(Comprobación de la no reproductividad de la variable aleatoria uniforme).... completa la tabla siguiente: Ejercicio 7. determine cuál es la probabilidad de ganar el juego con 6 aciertos... Justifique su respuesta: ________________________________________________________________________ ________________________________________________________________________ ________________________________________________________________________ ________________________________________________________________________ ________________________________________________________________________ ________________________________________________________________________ Ejercicio 10.... indicar qué variable aleatoria usted sugiere para describir el comportamiento de la variable obtenida: ......... Simular cien datos de treinta variables aleatorias con una distribución exponencial de parámetro 2 (Exp (2))....... Súmalas y realiza un análisis descriptivo de la variable que has calculado.(Comprobación empírica del teorema central del límite)..Analice el juego de La Tinka... completa la tabla siguiente: Ejercicio 8... Calcular una nueva variable sumando las dos anteriores y realizar un análisis descriptivo de la variable resultado obtenida. Simula cien datos de dos variables aleatorias uniformes en [0....... Ejercicio 9.

es/asignaturas/21205) .. Universidad de Zaragoza (http://metodosestadisticos. Volver a ejecutar el experimento con 100.9 y que los componentes funcionan independientemente unas de otras.Diseñar un experimento para estimar la fiabilidad de la estructura puente de la figura teniendo en cuenta que la fiabilidad de cada componente es 0.8 y que las componentes funcionan independientemente.unizar..Diseñar un experimento para estimar la fiabilidad de la estructura puente de la figura teniendo en cuenta que la fiabilidad de cada componente es 0. Fiabilidad teórica: Fiabilidad estimada: Ejercicio 12. Ejecutar el experimento nuevamente con 100. El profesor del curso Basado en el trabajo de Isolina Alberto Moralejo. teniendo en cuenta que la fiabilidad de cada componente es 0.9 y que los componentes funcionan independientemente unas de otras. Fiabilidad teórica: Fiabilidad estimada (100 experimentos): Fiabilidad estimada (500 experimentos): Fiabilidad estimada (1000 experimentos): Ejercicio 13.Diseñar un experimento para estimar la fiabilidad del sistema de la figura y comparar la estimación obtenida con la fiabilidad real..Justificar adecuadamente su respuesta ________________________________________________________________________ ________________________________________________________________________ ________________________________________________________________________ ________________________________________________________________________ ________________________________________________________________________ ________________________________________________________________________ Ejercicio 11. 500 y 1000 experimentaciones y compara los resultados obtenidos. 500 y 1000 experimentaciones y compara los resultados obtenidos.

%n°n n° ½fh¯   f ½° °nf% ¾ n  ° ¾  f¯ f fff  % –f f° ¾ ¾ f–¯ °.° fn°ff¾€°n° ¾ ¾f ¾nf¾ ff  ¾f ff¾n°°f¾ ¾  ° °    @ O9     f f€°n°  °¾ f  f€°n°  ¾ n°  °fff  f ff ½° °nf ½¯ f–¯ °%O% ¾ f fff    ¾ –° %.

D.     f €°n°  °¾ f   f  ¾ n°  °f ff   f ff n° ¾ n° °¯f   f–¯ ° O ¾  f  f ff     ¾ f–¯ °¾ .  I%@- ¾° ½ n¾f¯ °  ¾ ½fh¯ ¾     f ¾ n°°¯f f–¯ °.f  nfnfhf€°n°  °¾ f €%% ¾ ¾ ¾°  f€°n°  ¾ n°%% 9%O %    @ -.

 °  ¯¾¯¾–°€nf  ¾ ¯½    @ -. @-  ¾f€°n°    f f€°n°  ¾ n° °f .D.

  ff   f ff n° ¾ n° °¯f ¾h° f  ¾ n  n° ¯ f   ¾fn° ½nf  ° ½f° °f–¯ °%%  ¾ f fff    @ -. -I      nf°   ° ½  °f ¾ n° °¯fn°¯ f–ff. ¾fn°½nf–ffI%@- f ½ ¾ f–¯ °9    -f  ¾ ¯ ¯½f°   n f  ¾–°€nf     °  f €°n°  °¾ f  ° f¾ ff  ¾f ff¾n°°f¾ -½ ¯¾ f  ° nf¾n°° f€°n°  °¾ f €%% ° ½ ¾ °ff½ f  f   fff  f ffO¯  f  ¾f½ f  f 9%O %  ° nf¾n°°f ¾ ¯½       © nn  ff © nn €°f f½hnnf    ¯fn° ° ¯° fnf f° ° h f °– ° f ° –n¾ f¾n¯ °f° ¾f ° –  ° f¯ff ¾½ n¾¾°f–f° ¾nff   °°f€  ° ¾° n°¯nf  ¾¾ ½ n¾  f ¾    ° ¾ ¾ ½ ¾ f ¾ n°¾nn°  ¯ €nfn°    n° ¯½f° f n°¾nn°  ° ¯   ¯h¾ ½f n  ½¾   f ¾¾ ¯f f . @- -I      nf°   ° ½  °f ¾ n° °¯f ¾h° f    °  ° ½fh¯    ¾ ½ n¾f¯ °   f  f ½ f  f  fn¯f f   9   @ -.

°f¯   ½n ¾  °¾ff¾  x¾ f¯f¾¯f D° ¾  © ¾ f¾¯fn° ¾ ff °¾f¾ nf¯ ¾ ° ¾¾ ¯f½ h° ¾ °  ¯ n° €°   –f¯ ©f °fff¾ °€ °f¾ ¯ ©f°f f f   ff  ff f f¾¯fn°½ ¯ f ¾n½n° ¾fn° ¾n¯½ ©f¾f ff f nffn°  ¾ f¾½ n¾   f° ¾  ½  ¯f   ° f ¯ff  ¾ ¾¾ ¯f¾  f ¾ °  ° ° °f –f° nf° f   ff  ¾ f ff¾  9 © ¯½  nf°  ¾  n¯½f ° ¯ nf   °¯  fn¾ ¾°¾ ½ °n °  ¾°fff   f ff ¾n f   ¯½ ¾   ¾½ ff¾f  nf °ff– ° ¾ fff  f ff n°°f ° ¾ nf¾  ° ½n ¾ ¾¯fn°°  ° ° ff  ¾f ff¾f f ¯¾ ¾¯fn° ¾nh¾nf½ f ¾nf   –°f¾ f¾ °f©f¾ f¾¯fn°¾°   f f° n ¾ff½ff¾ ¾f ¾hf ¾ff f½fff¯ff nf¾¾    –f° €   f    ½ ¯  f f– –fn°  ¯½ ¾  fn° ¾  °  ½ ° °nf¾ ° f¾ff  ¾ °  ° °   9 ¯  ff ½  ¯f¾ ½f° f ¾ ° f¯½¾ ½  ¾   ¯½  n¯½¯ °  ¾ ¾ ff°¾°¾¯°¾  f ©f  nhn n   °  ¯½ ¯ °f f¾ €°n° ¾ ½ff f – ° fn°  °¯ ¾ f f¾  f–°f¾ ¾ n° ¾  ½ f  f  °  ¯ °  €°n° ¾ ¾f ¾nf¾ff°f f¾   .

 9ff fnn  f ¾f¾ €°n° ¾  ° ¯¾   ¾  nn°f f ½n°  ¯ ° @ -@ fn¯¯ ¾ff–f fn  ¾  ° h °°f  °f°ff½n° -.

--.@% –f%   –f D¾ n ½fff°h¾¾ ¾f ¾n   –f .

f  ½n° ¾ f°h¾¾  f¾  n  ¾  nn°f ¾ ¾ fnn ff °f°f  h– f–f  ° f ¾½ –f f¾½n° ¾ fnf¾f@ D.

¾ ½ ° f¾ff  ¾f ff¾ f¾  n  ¾nf½f – ° f¯ ¾f¾  ..

  – ° f f¾ f f¾  °f ¾ n° °€¯   ¾ ½fh¯ ¾ ¾½ n€nf ¾  -.  – ° f f¾  °f ¾ n° °¯f n°  °¯   °¾f¾  f ½ f  f  x ¾½ n€nf ¾  9.       –f 9f°  – ° fn° °¯ ¾f f¾    D-.– ° f f¾9¾¾°n°ff¾f%¯ f% ¾½ n€nf f  .  – ° f f¾ n° °f ¾ n° °¯f  f ¯ f  ¾fn°  ½nf ¾½ n€nf f¾  -D  – ° f  ¾ fn° ¾  °f ¾ n°  ° n°  ½fh¯  ¾½ n€nf   -.

@ – ° f f¾ °f ¾ n° ¾n f  ¾ ¯¾  ¯¾° n ° f ©f  nhn ¾ n¯°f¾ n° ° °  ¾ f ¾   ¯f f ff   %f f   f% ©° n°  f¾ ½ f  f ¾ n°   ¯f ¾¾  f ¾ %f f  nf%   ° ¯ ° f¾½ f  f ¾ °¾¯f  ° f ¯¾¯f  °f°f  h–  f –f   ¾   ° n  -.  I    ¾  ¾ f – ° f % ¾ ¾   °¯   n¯°f¾ ° ½ °  ° ¾%  f .

-@  -. @ %°¯   €f¾%  ¾ °¯ ¾ – ° f ¾ n°  n¯½f ¾°  ° f f °¯ ¾½¾  f f¾  ¾ n  nf f °¯   °f ¾ n °nf ½ °   °¯  f°    ½¯  ½°  f ¾ n °nf ¾h  ¯°f  ½ °f ¾ ¯f f ff   ¾ ¾  ¾ f  ½  ¾½ n€nf¾  ° f nf¾f -.

 .

 ¾f nffn ¾nf ½ ¯  – ° f f ¯¾¯f ¾ n °nf  °¯ ¾ f f¾  °nf¾° n ¾f  © nn  ff¾© nn¾ €°f f½hnnf      ..

      ¾ ¯f¾¾   ½°–f¯¾   ¾   °  ° ¾¾ ¯f ¾   n¯   f –f   °    nf f n¯½° ° €°n°f° ½ °  ° ¯ °  f¾ ¾f° ¾    .

  ¾ f¾¯  f€f  f  fn¯½° °  ¾½   f   ¾½  f .

 ¾ ½.

   ¾¯ °     °  ½ f  f ¾ ° ½ ° ° ¾ °  ¾  f €f  f   ¾¾ ¯f¾   ° ¯½nf°  ¾f¾ ¾nf° f ¾ ¾   f  f ¾¾ ¯f  + +     9ffnfnf°f ¾¯fn°  ¾f€f  f ¾   ¾ ³f ¾– °  ½ ¯ °   ° f f¾ f f¾ ° n° f ¾  ½ –f f          f°  f ½n°  ¯ °  @ -  @ -.

-  -. @  ¾  nn°f f ¾ n° -D n° ¾ f ¾ f°  ¾ ½ff  ½fh¯  %  –f%   ¾°¾° nfh° f n¯½° °  ¾h€°n°f° ¾n ¾  ° ¾h D°f   n ¾  fn  f¾½ ¾ °fh°f€¯fn¯f f–f   –f ¾ ¯f  ¾n¯½° ° ¾ ¾½ ¾f¾ °¾    n°°fn° ¾ nfnfnh°  ¾h€°n°f°  ¾¾ ¯f f¾– ° €¯f n¯ ¾°¾¾ ¯f¾  €°n°fh¾fn °f¾ ¾n¯½° ° ¾  ¾ n ¾f¾ff  ¾   .

 ¾f °¯ ¾f f¾– ° f ¾¾ –° °  . ° °° °fnf¾fn ¾½°  °  ¾¾ ¯f°€°n°fh¾f–°f  f¾ff  ¾ ° ° ¾ ½ © ¯½ ¾¾  ¾ f  °f–f  °f n f€f –f .

ff f fff  .

 ° °n % ¾ n fn¯½° ° .

°€°n°f%½f°  ¾¾ ¯f°€°n°fh f°f€f fff  .

 ° °n  ½f°  ¾¾ ¯f f¯½n€°n°fh ° ¯ f–  °f½¯ f€f f¾ff  ¾  .

 ° °°  ¾ n f¾ ¾n¯½° ° ¾ ¾¾ ¯f¾  €°n°f° ½f°  ¾¾ ¯ff¯ x° fh     ¾f €¯f ¾  n°¾  °f n¯°f   ¾ h ° nf f  €°n°f¯ °  ¾¾ ¯f  9ff fn  f¯hnf¯ °  °f   f¾ ½¾  f ¾  ¾ ¾  nn°f ½ f ½n°  ¯ °    f½f n   –  fn  nn ¾   €   ¾n–  D-.

..

  f€°n°–nf   I¾ ¾¾f–¯ °¾ f€°n°¾°  f ¾   ¾ ¾¾f–¯ °¾¾°€f¾¾ f ½n° ¾ n°¾ °f n¯°f   ¾ f  ½ n  f¾ n¯°f¾        .

  @   .  ¾f n¯°f f h ° ¾  ¾ ¾ f ¾   ¯½nf ¾° –f ¾ f °   n   ¾ f f–°f ¾° ° °nf f ¾ ¾nf¾¾   ¾f ¾ ½   °f –f   –f  ¾f  f½ fn°–nf  9ff  ¯°f   f nfnf  f f f  € n °nf¾  ¾f ° f  n¯°f n° f ½n° -.

. -.

   ¾ ¾¯½   ¾f   ¾ nhn¾   °¾ f ° f f°h¾¾  ½  ¯f   f € n °nf  ff  °¯   I%¾¾  – f½¯ f½n°% °¾%¾¾ ½f½f¾ –° f%¾ h°f ¾¯fn° f€f  f  ¾¾ ¯f    .

 f%   nn°  f¾½ff– ° f ½  f f °h¯nf   9ff¾f ¾f°  ¾ ¾   ° f¾– ° f f  % ¾½ n€nfn° €¯f f ¾ °°ff f °h¯nf  –f .

°¾nn° °ff f °h¯nf½fff°h¾¾  ¾f ¾  .

 .

°¾ f¾  ° ¾ °f ¾¯fn° f€f  f  ¾¾ ¯f ¾ %f€f  f   f % –nf¯ ° nf°f¾¯h¾¾¯fn° ¾ ¯ © ¾ ¾f ¾       ¾ ¯f¾½ff  f¾ f°ffh°¾¾ ¯f½ff n¯  f–f  °  nf fn¯½° °  €°n°fn°° ½ ° °nf f¾ ¾f° ¾ f¾€f  f ¾ f¾n¯½° ° ¾¾° ½   ½  ½.

               .

   –f ¾ ¯f  ¾n¯½° ° ¾ ¾½ ¾¾ °½ff   ° ¾ nf¾ n°¾ f° f ¾nf ¾¾ ¯ff€f  f  nf¾ h–ff   f  f ¾¾ ¯f  %  %+%  %+%  %     ½ ¯ ° ¾ ³f  ¾f°h–ff°  °n nf¯ f ¾f€°n° ¾  –f  ½  f f °h¯nf½ff  © ¯½ ¾¾ ¯f °¾    .

f f f ½ff n°¾ f n¯°f n° °¾  n ¾   x  €°n°f¯ °  ¾¾ ¯f ° ¾ nf¾ f€°n°–nfff ¾f€°n°    I ¾ f–°  ¾ f–¯ °¾ ¾   f       ¾  ¾ ¾° €f¾¾ %  ¾¾ ¯f €°n°f¾fn f–°f f¾n¯½° ° ¾%  ¾f   ¾f½ fn°¾ ¯ ¾f °f–f     ¾ n°¾ f¾  ° ¾ °f ¾¯fn° f€f  f  ¾¾ ¯f ¾%f€f  f  fnf f %   © nn  ff¾© nn¾ €°f f½hnnf   –f  ¾f ¾ f¾¯fn° °¾¾ ¯f °½ff    .

 9hnnf.

f€nf f-   ½  ¾-¯   .

9@ 9f f°fnf  © nn   ½°–f   ° °     ¾  f n °nf   ¾  ¾ ¾ ° ½ °  ° n°½ f  f 9 ¾¾f f½ f  f    °  9  ¾ f½¯ ¯ f° 9  9 °n°ff¾n° n° ¾ f©f¾nf ¾ ¾f¾½¾n° ¾ ©¾€nf f   © nn   . – ½   9.

°¾   ° ½n  f¾  ½ .  ° °  ½ff  n°   ¾  ¾ ½f  ¾ ¾  f°¾¯ ° ©° n° ¾   ° f°nf  ¯f° f f   ½ °  nf¾   ¾ ¾  nf¾ ½n f¾ f°¾¯¾° ¾½f  ¾ ¾°  ¾f ¯h¾¾  ¯½ f°n –n nnf½f n –½f  ¾n° °¾  f    nff ¾ °   f° ¾¯h¾ ¾ f ¾ nfnf  f%  9    ¾  ¾   ¾° ° ½ °  ° ¾  ".

h ¾ f ½ f  f    f°¾¯¾°" % f€nff½ f  f   f°¾¯¾° ½f  n¯°f€°n° 9  n% ½°–fff ¾ ½ °n – ¾ ¾ f ¾ ° ½f   ½f% % °f ¯¾¯f–h€nf  % D°nf°f°fh¯ n¾ ½ ¯ fn¯ ¾  °n °f ° ¾ ¾f ¾   °  ¯f  n° ½ f  f ¾        ¾½ nf¯ °  .

f°  ¾h °  ¾f  ¯ff½ f  f   n °  f  ¾   ¾  ¾ nf°f ¾h °  ¾f   °   ¾   ¾ f °   ".

h ¾ f ½ f  f      nf°f ¾x °¯f ¾f " © nn  °¾n  f¾ –f°¯ °¾f© ¾¾ –°9¾¾°n°°½¯   ¯ °¾f© ¾ °°° f ¯°¾ .

fnff½ f  f    – °¯ °¾  ¯ °¾f© ¾ °°ffnf–f f   © nn °°   ¾ n° nf° ¾° f¾  °f f f¾ n f ¾½fff¾ ° f¾ ¾° ¾½ nf¯ °  ¯ °¾f© ¾½¯° .

fnf  f% ".

h ¾f½ f  f    – °¯ °¾f© ¾ – ° °ff" % ".

  °nf f¾° ¯°f° °ff°¾¯¾¯ °¾f© n°½ f  f   .h ¾f½ f  f    h€n½f° f n ff  ¾"%9 –°f €n%  © nn ½°–f  ¯°f ¾fnn ¾f°f ff¯ ° f°f° f¾°n°f@.

¯°f n °fn° °  ¾  ¾ ¯ °¾f© ¾ ½ ° n¾°f  ° n nf¾ nf f  ¯°f  hf° °f ° ¾– ° ¾ .

fnf  f% f½ f  f  n¾° % f½ f    ¯ °¾f© ¾ fnf½f f°¾¯ °°¾ n% -¯ ½¯  ¾¾   ¾½°¯ °¾f©  ° ¯°f½fnf½ff f°¾¯ ¾f¯ °     .

D-9@ 9f ½ ¯ °f  © nn 9fff¾ff  ¾f ff¾ ¾n f¾° nf f¾ n¯½ fff f¾– °    © nn 9fff¾ff  ¾f ff¾ ¾n f¾° nf f¾ n¯½ fff f¾– °     © nn   °fn   © –  f @°f   ¯°  nh ¾ f ½ f  f   –f°f  © –n°fn ¾ nf° f¾  ½½ff n¯½f°   ¾ ©–f f ¯½   %n°  °¯ ¾ ¯fnf ¾% f¾ –    €°f¯ °  ¾ °f ° ¾°  °f    © nn  %.

¯½ fn° f° ½ n f  fff  f ff°€¯ %  ¯f n ° f¾  ¾ ff  ¾  f ff¾ °€¯ ¾ °     .

fnf °f ° f ff   ¾¯f°  f¾ ¾ f°  ¾    ff ° f°h¾¾ ¾n½  f ff    ¾f   ° f  ½ ¾ °h° f–h€nf¯ ° ¯ f° °¾–f¯f f¾f  ¾–f¯f  "  ½  n   f ff    ¾f  ¾–  °f ¾ n° °€¯ "  ¾€ ¾ ¾½ ¾f  %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%  © nn %.

¯½ fn° ¯½nf   ¯fn °f ¯ % ¯fn ° f¾  °fff  ¾f ff¾n°°f ¾ n° ½° °nf ½fh¯ %½%%%  ¯ff¾ ff°f°h¾¾ ¾n½ fff   f¾nfnf    f ¾f  ¾  ¾f ¾  ¾  ¾   ° nf x ff   f ff ¾  ¾–   ½ff ¾n  n¯½f¯ ° fff    ° f     .

04 &3.¾€nff nf f¯ ° ¾ ¾½ ¾f %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%  © nn  ¾ ³f° ½ ¯ °½ff ¾¯ff€f  f  ¾¾ ¯f f€–f n¯½ff f ¾¯fn°   ° f n° f €f  f   f   ° °   ° n °f   f €f  f   nf f n¯½° °  ¾      f¾ n¯½° ° ¾ €°n°f° ° ½ °  ° ¯ °    f  f  nf  f  f  ¾¯f f   © nn ¾ ³f° ½ ¯ °½ff ¾¯ff€f  f  f ¾nf½ °   f €–f  ° °  ° n °f   f €f  f   nf f n¯½° °  ¾      ¾ n¯½° ° ¾ €°n°f° ° ½ °  ° ¯ °  °f¾  f¾  © nf  ½ ¯ ° ° f¯ ° n°  ½ ¯ °fn° ¾n¯½ff¾ ¾f ¾  ° ¾    f  f  nf  f  f  ¾¯f f% ½ ¯ °¾%  f  f  ¾¯f f% ½ ¯ °¾%  f  f  ¾¯f f% ½ ¯ °¾%   © nn ¾ ³f° ½ ¯ °½ff ¾¯ff€f  f  f ¾nf½ °   f €–f  ° °  ° n °f   f €f  f   nf f n¯½° °  ¾      ¾ n¯½° ° ¾ €°n°f° ° ½ °  ° ¯ °  °f¾  f¾  I  f © nf  ½ ¯ °n°  ½ ¯ °fn° ¾n¯½ff¾ ¾f ¾  ° ¾    57410847/0.4/0843. %½ $$¯  ¾ ¾f ¾n¾ °f ¾$f¾–°ff¾$% .-079447./403097.4.7.-.:784  .8.//0.078/.