Monografias.com > Estadística > Matemáticas
Descargar Imprimir Comentar Ver trabajos relacionados

Estimación de proporciones ¿Un problema aún no resuelto?




Enviado por JAIRO A CLAVIJO M



Partes: 1, 2


    Monografias.com

    ESTIMACION DE PROPORCIONES
    ¿Un problema aún no resuelto?

    JAIRO ALFONSO CLAVIJO MENDEZ
    Universidad del Tolima

    Este documento tiene como fin hacer una síntesis tal vez incompleta del trabajo
    que se ha realizado a lo largo de casi 100 años para lograr una manera práctica de
    estimar una proporción.

    Presentación del problema

    Supóngase que estamos en una población finita de tamaño N conformada por
    elementos de dos clases:
    A de ellos del tipo E (éxitos) y
    N ??A del tipo
    F(fracasos).

    A
    N
    elementos A ” o simplemente proporción cuando es claro a cuáles elementos
    estamos haciendo referencia.
    Nuestro objetivo inmediato es estimar ????mediante una muestra
    ? de
    n
    elementos seleccionados de la población bajo muestreo aleatorio simple (M.A.S).

    Desarrollo

    El problema, aparentemente sencillo, ha sido objeto de estudio durante casi 100
    años sin que se pueda afirmar que en este momento haya una solución completa y
    definitiva para el mismo.

    Comencemos diciendo que al aplicar M.A.S para seleccionar la muestra, la primera
    unidad muestral tiene probabilidad
    A
    N
    de ser seleccionada. Las subsecuentes
    unidades tienen probabilidades que dependen del método de selección: si el
    muestreo se hace con reemplazamiento, todas tienen la misma
    probabilidad
    A

    N
    ,
    de ser seleccionadas, pero si el muestreo se hace sin reemplazamiento, esta
    probabilidad va cambiando. En el primer caso, la variable X que cuenta el número
    de éxitos en la muestra, se ajusta a un modelo binomial de parámetros ?? n . En

    Monografias.com

    V(X) ????
    ? ?? n??(1????)
    n??(1????)
    el segundo caso, a un modelo hipergeométrico de parámetros N, A,n. Es decir, la
    probabilidad de que haya x éxitos en la muestra está dadapor:

    ???n? ?
    ?? ??

    ??
    ???x???n ??x ? SIN reemplazamiento
    ?
    ?
    ? ? ??n ??
    ?
    E(X) ??n??
    En ambos casos se tiene
    diferentes, dadas por:
    pero las varianzas tienen expresiones
    N ??n
    CON reemplazamiento
    SIN reemplazamiento
    ?? N ?1
    Nótese que la diferencia entre ambas varianzas está determinada por el factor
    N ??n
    que tiende a 1 cuando
    poblaciones infinitas o muy grandes, podría decirse que V( X ) ??n??(1???) a
    menos que la muestra se tome CON reemplazamiento. En la práctica se utiliza más
    el muestreo SIN reposición pero se usan las fórmulas del muestreo
    CON
    )
    reposición, lo que ya trae consecuencias indeseables especialmente si la población

    Por lo anterior, si tomamos una muestra grande, podemos asumir que
    X ~ B(n,?? y -siguiendo a A. Wald- usar una aproximación normal para
    calcular Pr(X ??x) . Esto es:

    Monografias.com

    ???
    X ??E( X ) X ??n? n
    V(X) ??????n?(1??) ??????(1??? ~ N(0,1)
    E(p) ?? E(X) ?? (n??) ????, razón por la cual
    Al hacer
    se cumple
    p ?? n
    ??
    p ?? n
    p???
    ? ??
    ?
    n
    n ???
    Z ??

    X
    ?
    ?
    X ?

    n

    1 1

    n n
    podemos utilizar X como estimador insesgado de

    Se cumple entonces que Z ? ~ N(0,1) lo que nos lleva a considerar
    ?(1??)
    el intervalo
    ?
    ?
    ?z?? , z??
    2 2
    n
    ?
    (ver figura) que cubre una probabilidad 1??? para
    Z
    bajo la normal estándar.
    Este intervalo, mediante transformaciones algebráicas simples, puede ser reescrito
    como:
    ??p ??z
    ??
    2
    ??(1????) , p ??z
    ??
    2
    ??(1????) ??

    ??
    Que es la fórmula conocida y más popular para construir el intervalo de confianza
    para una proporción.

    La fórmula anterior, además de la fuerte exigencia de una muestra y una población
    grandes, tiene el inconveniente de que depende de??, el parámetro desconocido
    que se pretende estimar. En la práctica ???se reemplaza por la estimación puntual
    ??

    Monografias.com

    ??
    p(1? p) ? ??
    n0 ??????2
    1??? 0
    p
    lograda con la muestra, lo que no está del todo mal, ya que como lo muestra
    Cochran, este cambio debería llevar a una expresión del tipo:
    t
    t
    n?1, ??
    2
    p(1? p) , p ??
    n?1
    n?1, ??
    2
    ??p ??
    ?
    n?1 ??
    ??
    ?
    ?
    ?
    Pero, al ser
    n
    grande,
    el cuantil
    tn?1, ??
    2
    puede considerarse bastante bien
    aproximado por el cuantil normal
    dividir entre
    n.
    z?
    y dividir entre
    2
    n?1 es casi igual que
    El uso de la aproximación normal exige entonces, además de una población muy
    grande, un tamaño mínimo de muestra que debe ser conocido previamente para
    garantizar la validez de dicha aproximación. Infortunadamente dicho tamaño de

    establece que para ????0.5 es necesario cuando menos n ??30 . Para ????0.2 se
    necesita n ??200 y para ????0.05 es necesario n ??1400. Sin embargo Newcombe
    pone en duda la validez de estos valores señalando que con frecuencia ellos son
    insuficientes.

    En la práctica, como es sabido, los tamaños de muestra mínimos para poder usar
    aproximación normal con un nivel de confianza y un error máximo de estimación
    dados, se suelen calcular con las fórmulas:
    2
    y
    z?? p(1??p)
    e2
    n ?
    n0
    n
    N

    cuya aplicación no se discute en este documento, señalando únicamente que con
    frecuencia, son mal utilizadas.
    Baste con decir, por ejemplo, que si el valor de ??estuviese alrededor de 0.2, la
    estimación con un 95% de confianza y un error no mayor a 0.01 (que representa el
    5% del valor de ??), exigiría una muestra no menor a 6147 unidades en una
    población infinita o muy grande. Si el tamaño de la población fuese, por ejemplo,
    N ??6000, la muestra se reduciría a 3037 elementos como mínimo.

    Existe un consenso generalizado de que el método de aproximación normal visto
    anteriormente tiene muy pobre desempeño, llegando incluso a
    proporcionar

    Monografias.com

    Sup???
    ????
    Inf ???
    ????
    ??x(1????)n??x ?? ??? ? ? ?
    ??x(1????)n??x ?? ??? ? ? ?
    estimaciones erróneas, sobre todo cuando la muestra es insuficiente, razón por la
    cual nos gustaría contar con otros métodos que en lo posible no dependieran del
    tamaño muestral. Varios de tales métodos han sido propuestos desde
    1934
    cuando Clopper y Pearson en un famoso artículo hicieron una propuesta basada
    en la distribución Beta. La idea de tales métodos es usar la verdadera y exacta
    probabilidad binomial y no la probabilidad aproximada con la normal. Por esta
    razón son conocidos como métodos exactos. Son exactos no
    porque
    proporciones intervalos exactos –que también son aproximados- sino porque usan
    la probabilidad exacta. Estos métodos en principio no dependen del tamaño de
    n
    para la construcción del Intervalo de confianza (IC) que siempre estará bien
    construido aunque, como parece natural, valores muy pequeños de n
    producirán
    estimaciones poco precisas, es decir, intervalos muy amplios, con
    las
    L
    2 n
    consecuencias desagradables que se derivan de este hecho.

    Supóngase pues que se tiene una muestra de tamaño n (el valor de n no ha sido
    calculado por un método especial y, en principio, podría ser cualquiera definido
    razonablemente, por ejemplo, por los costos del muestreo). Se busca un intervalo
    ??? , ?U??dentro del cual se encuentre ???con probabilidad 1??? donde ? es
    un valor pequeño arbitrario (usualmente ????0.05). Es claro que X toma valores
    enteros entre 0 y n , lo que nos dice que para x éxitos en la muestra, p tomará
    , ,
    , ,
    ? n n n n ??
    discreta no será posible construir un intervalo con valores exactos. Sin embargo sí
    es posible construir un intervalo con un cubrimiento de probabilidad de 1??? si se
    resuelve simultáneamente las dos ecuaciones siguientes:
    ,
    ?
    ,
    ? ?
    L

    ? ?
    U
    ???
    ?
    ?

    ???
    ?
    ?
    n
    ??
    j ??x

    x
    ??
    j ??0
    ?
    ?

    2??

    ?

    2 ??
    ?

    ?
    Tanto
    ??
    L
    como
    ?U
    son funciones de
    N, n, x
    lo que hace particularmente
    engorroso el cálculo de las expresiones anteriores.

    Monografias.com

    ??? ?n j ?? ?? ??j(1????)n??j =??fB(t)dt con
    ??????Sup???/ Pr( X ??x) ??????
    ? ??Inf ???/ Pr( X ??x) ???????bajo el supuesto
    ??n??
    P( X ??x) ?????????i(1????)n?i
    i????????n?
    ??n?? (n??i)??i(1????)n?i?1
    ??n?? i?1
    n?1
    ??n?1?? i?1 ??n?1?? i
    n?1
    ? ?? (1????)n?i ??? ??? (1????)
    ???n
    ?
    ?
    ?
    f (x; a, b) ?? 1??
    x (1??x)
    ?
    ?(a ??b) a?1
    ? ?(a)?(b)
    X
    Clopper y Pearson (1934) dieron una primera solución utilizando la distribución
    Beta y la igualdad
    n ??
    fB(t) ??Probabilidad
    j??x?? ? 0
    acumulada bajo dicha distribución.

    Más exactamente se trata de lo siguiente:

    Se busca un intervalo (??L,?U) para el cual se cumpla:
    y
    U ? ??
    ? 2 ?
    ? 2 ??
    L ? ?

    de que X ~ B(n,??
    )
    Es claro que
    y
    x

    I ?0??i??
    P(X ??x) ?1??P(X ??x?1) .
    Usando las identidades
    ??n? ??n?1?
    ??
    y
    podemos
    ??i ? ????i ?
    ??n? ??n?1??
    (n??i)????????n? ??
    ??i ? ????i ??
    ?
    ?
    calcular
    ?
    ??
    n?i?1
    ?
    n
    P( X ??x) ??????? ?i?? (1????)n?i ?????? ?
    i??x??i?? i??x??i??
    n

    i?x ??i?1?? i??x? i ??
    (1)
    ??n??
    = x???????x?1(1????)n??x ??0
    ??x??
    ?
    Recordando la distribución Beta dada por:
    X ~ B(a,b) ssi
    a?1 b?1

    ua?1(1?u)b?1du
    0
    b?1
    ? x
    (1??x)
    Concluímos que la probabilidad acumulada bajo esta distribución, hasta un punto
    ??

    ?(a)?(b)
    0

    Nótese que, según el teorema fundamental del cálculo, la derivada de

    Monografias.com

    ??n?
    ?(x)?(n? x??1)??
    tx?1(1??t)n?xdt ??x? ?? ? ? x?1(1????)n?x
    B??(x, n- x?1)=
    ?
    es
    ??
    ?(n ?1)
    0 ?x??
    ??n?? ?
    x???????x?1(1????)n??x que no es otra cosa que la expresión (1).
    ??x??
    En consecuencia,
    Expresión que nos proporciona una relación entre la sumatoria en la coladerecha
    de la binomial y la probabilidad acumulada bajo una Beta de parámetros
    a ??x, b ??n??x?1

    Consideraciones similares, haciendo los cambios pertinentes, permiten establecer
    la siguiente identidad para el lado izquierdo de la sumatoria en labinomial:
    Las expresiones (2) y (3) nos permiten afirmar que el intervalo de confianza para
    ??L , ?U ??= B??/2(x,
    n??x?1) , B1???/2(x?1, n??x)
    Expresión que más frecuentemente se presenta como
    y que corresponde a la fórmula propuesta por Clopper y Pearson para construir el
    intervalo de confianza.

    Monografias.com

    Históricamente esta fórmula ha sido de gran importancia porque marcó el inicio de
    una carrera investigativa alrededor del tema de la estimación de proporciones y
    además porque ofreció una solución al problema en dos casos extremos: cuando
    x ??0 y cuando x ??1 , para los que se tienen los correspondientes intervalos:
    ? 1 ? ? 1 ?
    ?
    ? situación insoluble bajo el método asintótico de Wald
    ? ? ? ??
    ?
    El intervalo CP nunca será menor que la cobertura nominal pudiendo, por ende,
    resultar más grande que lo deseado. A pesar de ser muy interesante y
    promocionado por sus inventores como insuperable, puede haber otros métodos
    aproximados que dan mejor cobertura. Así lo anuncia Agresti en un conocido
    artículo, cuyo título es muy sugestivo (ver referencia 13).

    A manera de ejemplo, mostraremos cómo usar un paquete muy versátil y gratuito
    que puede ser descargado de Internet para construir intervalos de confianza
    usando
    la
    fórmula
    de
    Clopper
    y
    Pearson.
    Se
    trata
    de
    PQRS
    (http://members.home.nl/sytse.knypstra/PQRS/ )

    Vamos a construir el intervalo de confianza del 95% para la proporción sabiendo
    que en
    una muestra de tamaño 40 hubo en total 8 éxitos. En este ejemplo
    ??/2 ???0.025
    y 1???/ 2 ?? 0.975, por tanto:
    B(x, n ??x?1,
    ????) ??B(8, 33, 0.025) ??0.0905
    2
    De la figura anterior se deduce

    Análogamente:

    Monografias.com

    B(x?1, n ??x, 1??? ) ??B(9, 32, 0.975) ??0.3565
    De donde:
    2
    En conclusión, el intervalo de confianza correspondiente es: (0.0905 , 0.3565)

    La página http://statpages.info/confint.html contiene una calculadora on line que
    igualmente permite el cálculo del intervalo, como se ve en la siguientefigura:
    Durante algún tiempo el método CP, propuesto por Clopper y Pearson fue
    considerado como la regla de oro para estimar proporciones, sin embargo con el
    paso de los años tal prestigio fue decayendo debido principalmente a que el
    método CP es muy conservativo en el sentido de que 1??? no es el inf para la
    probabilidad de cobertura. Esto es, los intervalos obtenidos resultan en general
    más grandes que el verdadero.

    En 1960 Blyth y Hutchinson publicaron un método que mejoraba la construcción de
    los intervalos a partir de un artículo de profundización escrito por J. Neyman en

    Monografias.com

    ?
    2(n??x?1), 2x, ??
    ??
    n ??xF2( x?1), 2(n?x), ?? ??
    x ?1 ?
    10
    JACMEN Estimación de proporciones
    1935. Este mismo autor junto con H.A. Still publica en 1983 otro artículo en el que
    utiliza la distribución F para hacer una revisión de la construcción dada por Clopper
    y Pearson.La razón? Tal vez era más fácil lidiar con la F que con la Beta

    En 1986, usando una relación existente entre las distribuciones Beta y F transformó
    la fórmula de Clopper y Pearson en otra de más fácil cálculo puesto que solo
    depende de F, la cual está dada por:
    ,
    1

    F
    ?
    ?

    ??1??
    ?
    n??x?1

    x
    2
    x ?1 ??
    2

    1?? F ?
    n ??x 2( x?1), 2(n?x), ??2 ??
    ?
    Esta fórmula ha tenido amplia difusión y ha sido usada bajo una presentación
    equivalente un poco más compacta, como se muestra a continuación:
    Han sido numerosos los investigadores que han trabajado sobre el tema, tantos
    que los portugueses Pires y Amado han realizado un trabajo de comparación
    mediante simulación de nada menos que 20 propuestas para determinar su
    desempeño.

    En estas notas mencionaremos solamente algunos autores, los que son más
    reconocidos, sin profundizar en sus propuestas. Solamente nos interesa darlos a

    Monografias.com

    ???z n??2 p(1??p) ??? z
    z??
    x ??x ?? z2
    ? ?? ?1??
    Lj (x) ???B ?x ?? , n ??x ??
    , ? ? en otrocaso
    ?? 1 si x ?? n
    1 ? ???
    U j(x) ??? ?1?? 1 , n ??x ?? , ? ? en otro caso
    ?? ??
    11
    JACMEN Estimación de proporciones
    conocer y mencionar sus fórmulas para que el lector interesado profundice en la
    teoría buscando el material correspondiente.

    Cabe mencionar de manera especial a Goodman, Fitzpatrick , Scott, Sison y Glaz.
    Pero también son ampliamente reconocidos:

    1. Wilson, quien propuso la fórmula siguiente:
    p?
    2
    z??2
    2n
    2
    1 1 2

    2 4n 2
    1?
    2
    n
    2. Agresti y Coull (AC) quienes proponen agregar cuatro observaciones (dos
    éxitos y dos fracasos) y tomar
    1

    2
    ??
    2
    ,
    n ??n ??z?
    y
    2
    p =
    x
    n
    con lo cual el IC quedará de la forma:
    p ?? z??
    2
    p(1 – p)
    n
    3. Una propuesta muy interesante, hecha por Jeffrey, puede ser vista como una
    estimación de carácter bayesiano con distribución a priori

    informativa. Según esta propuesta el IC tiene laforma
    ??1 1 ??
    B? , ?? que es no
    ? 2 2??
    ?Lj(x)
    , U j(x)
    ??
    donde
    ?

    ?
    ?? 0 si x ?? 0
    1 1 ? ???
    2 2 2 ?
    ? ? ??

    ??
    B x ??2 2 2 ?
    ? ? ??

    4. Es conocido también el método no paramétrico que surge a través de la
    propuesta bootstrap de Efron (1979) pero que requiere el uso de computador y
    la programación de un algoritmo que tome muchas submuestras de la muestra

    Monografias.com

    ? ?
    ?
    ? ?1 ?1
    ?
    ?
    ????p
    ?
    ??1??p?? ?
    ? ?
    ?
    ? ?
    ? ? 1 ?1
    ?
    ????p
    ?
    ? ??1??Exp?log?
    ???? np(1??p) 2 g
    z? 2 ??
    ? ??1??p?? ?
    ? ?
    ?????p ?? ? ? 1 ?1 ? ??
    ??
    ? ?
    ??? ? ??
    ?????p ?? ? ? 1 ?1
    ?
    ??
    1??Exp?log? ???? np(1??p) 2 g ????
    ??1??p??
    ??
    ?
    z ?
    ????
    1?????
    ? ? ?1?? ??
    6 ? ?1??????n??2T ??1 n?1????? ?1? ?
    g (T) ?? n ??? ? ??
    ? ??? 2?? ? ??
    ?
    ??
    ??
    z ??
    1 ??
    12
    JACMEN Estimación de proporciones
    dada, construya la distribución empírica de las proporciones obtenidas con esas
    muestras y finalmente calcule los percentiles P?
    y
    2
    P ??
    1????
    2
    que corresponden a
    los límites del intervalo de confianza.

    5. Haremos una breve referencia a un método de reciente aparición propuesto por
    Zhou, Li y Yang (2008), denominado método ZL, según el cual el CI puede
    construirse de acuerdo con la siguiente expresión:
    ? ?

    Exp?log? ???? np(1??p) 2 g z ? ??????
    2
    ,
    2
    ?? ??1??p?? 1????? ?
    ? ?

    ??? Exp?log? ???? np(1??p) 2 g z? ??
    ?
    2
    ??

    ??

    ?
    ?
    1
    ?? ? 1 ??3 ?
    Siendo
    ?1
    ??
    con ???? 1 2p
    p(1? p)
    .
    6
    ? ? ?
    ?

    ?
    Para un nivel de confianza del 95% se tiene
    ??1.96
    2
    y z??????????1.96
    2
    Si
    x ??0
    o
    x ??n
    se toma
    x ??0.5 en vez de
    x y
    n?1 en vez de
    n.
    Este método se encuentra implementado en un programa Matlab que se presenta
    al final del documento (ver Apéndice, Programa No 1 ).

    Los autores del método ZL hacen las siguientes recomendaciones:

    a. Proscribir el método de Wald.
    b. Usar el método de Wilson cuando no se conozca el posible valor de ??.
    c. Si se tiene alguna idea del posible valor de ???y éste es cercano a 0.5 usar
    el método AC de Agresti Coull, pero si el valor de ??es cercano a los
    extremos 0 o 1 usar el método ZL.

    6. Finalmente: de muy reciente aparición (diciembre de 2014) en el Journal of
    Statistical Theory and Applications (Vol 13, No 4) un artículo de D. Habtzghi,
    C.K. Midha y A. Das, propone un método radicalmente diferente para construir
    los intervalos de confianza. Este método calcula los valores esperados de los
    intervalos mediante la búsqueda de sus límites que son modelados a través de

    Monografias.com

    13
    JACMEN Estimación de proporciones
    la variación de los niveles 1??? y la aplicación de dos modelos logísticos
    especiales.

    En este artículo los autores comparan los métodos de Wald, Clopper y Pearson,
    Wilson, Agresti-Coull y Jeffrey con el que ellos proponen, denominado Mnew.
    Los resultados muestran que el método de Wald fue el de peor cobertura, el
    Mnew fue el mejor y los otros cuatro fluctúan entre los dos anteriores. El método
    ZL no fue incluído en las comparaciones.

    La tabla siguiente proporciona los IC del 95% de confianza para muestras de
    tamaños comprendidos entre 5 y 16, según el número
    x
    de éxitos presentes
    se encuentra en el
    en la muestra. Una tabla más completa (hasta n ??40)

    artículo original.
    A manera de ejemplo presentaremos el IC calculado según algunos de los
    métodos mencionados a lo largo de este documento.

    Monografias.com

    14
    JACMEN Estimación de proporciones
    Como puede apreciarse en esta tabla el IC más desfasado es
    el
    correspondiente al método tradicional de Wald

    Existe también un paquete implementado en R que permite, entre otras varias
    cosas, estimar proporciones mediante 8 métodos, entre ellos, cuatro de los que
    hemos mencionado en este documento. Es el paquete BINOM.

    Los métodos y la sintaxis para el uso de BINOM son los siguientes:
    El nombre que se encuentra entre comillas se utiliza para invocar cada
    procedimiento como se muestra en el ejemplo siguiente:

    Monografias.com

    15
    JACMEN Estimación de proporciones
    La opción “all” se encuentra por defecto.

    CASO DE PROPORCIONES MULTINOMIALES

    Terminaremos estas notas con una muy breve referencia al caso de
    proporciones multinomiales, es decir, a aquel tipo de proporciones que hace
    referencia a poblaciones cuyos elementos están clasificados en k categorías
    disjuntas.

    Monografias.com

    ?ni
    16
    JACMEN Estimación de proporciones

    Este caso presenta aún mayores dificultades teóricas y hay muchas menos
    referencias bibliográficas. Su estudio merece un capítulo aparte por lo que en estas
    notas solamente se hará un resumen muy sucinto de algunos trabajos y una rápida
    referencia a uno de los métodos de estimación más versátiles que fue propuesto
    por Quesenberry y Hurst (1964), el cual es aplicable siempre que se tengan
    muestras de gran tamaño.
    Supóngase que se tiene una población de N elementos partida en k
    categorías
    A1,A2,
    Ak
    con N1,N2,
    ,Nk elementos respectivamente. Se extrae una
    muestra de n elementos y, en general, se desea saber cuál es la probabilidad de
    que haya
    xi
    elementos de la categoría
    Ai, para i ??1,2,
    ,k . Obviamente
    se ha de cumplir
    k
    ?? N
    i
    ??N
    y
    i?1
    ? n.
    k

    i?1
    de que
    Igual que en el caso binomial, puede suceder que la probabilidad ?????
    i
    Ni

    N
    el elemento seleccionado pertenezca a
    la categoría
    Ai
    no cambie en las
    sucesivas extracciones, lo que ocurre si dichas extracciones son independientes.
    Esto sucede únicamente cuando se hace muestreo CON reemplazamiento ya que
    obviamente las categorías no son infinitas. En tal caso se tiene un modelo
    multinomial de k categorías.
    Por el contrario, si la probabilidad de que el elemento extraído pertenezca a
    Ai
    cambia con cada extracción, lo que ocurre, como es usual, si se hace muestreo
    SIN reemplazamiento, se tiene un modelo hipergeométrico k-variado.
    Si
    Xi es la variable aleatoria que cuenta el número de elementos de la categoría
    principales
    Ai que aparecen en la muestra, el cuadro siguiente resume las
    propiedades de los modelos multinomial e hipergeométrico k-variado:

    Partes: 1, 2

    Página siguiente 

    Nota al lector: es posible que esta página no contenga todos los componentes del trabajo original (pies de página, avanzadas formulas matemáticas, esquemas o tablas complejas, etc.). Recuerde que para ver el trabajo en su versión original completa, puede descargarlo desde el menú superior.

    Todos los documentos disponibles en este sitio expresan los puntos de vista de sus respectivos autores y no de Monografias.com. El objetivo de Monografias.com es poner el conocimiento a disposición de toda su comunidad. Queda bajo la responsabilidad de cada lector el eventual uso que se le de a esta información. Asimismo, es obligatoria la cita del autor del contenido y de Monografias.com como fuentes de información.

    Categorias
    Newsletter