Documentos de Académico
Documentos de Profesional
Documentos de Cultura
01preliminaresyregresionlineal 150719213325 Lva1 App6891 PDF
01preliminaresyregresionlineal 150719213325 Lva1 App6891 PDF
PRESENTACIN.
La presente es una Gua de Ejercicios de Mtodos Numricos para estudiantes de
Ingeniera, Ciencia y Tecnologa dictada en las carreras de Ingeniera Ambiental, Civil, de
Computacin, Elctrica, Electrnica, Industrial, Mecnica, de Petrleo, de Sistemas y
Qumica de reconocidas Universidades en Venezuela.
El material presentado no es en modo alguno original, excepto la inclusin de las
respuestas a ejercicios seleccionados y su compilacin en atencin al contenido
programtico de la asignatura y al orden de dificultad de los mismos.
Dicha gua ha sido elaborada tomando como fuente las guas de ejercicios y
exmenes publicados en su oportunidad por Profesores de Mtodos Numricos para
Ingenieros en los ncleos de Monagas y Anzotegui de la Universidad de Oriente, adems
de la bibliografa especializada en la materia y citada al final de cada captulo, por lo que el
crdito y responsabilidad del autor slo consiste en la organizacin y presentacin en forma
integrada de informacin existente en la literatura.
Adicionalmente es conveniente mencionar que este trabajo ha sido realizado con
fines estrictamente acadmicos y su uso y difusin por medios impresos y electrnicos es
libre, no representando ningn tipo de lucro para el autor.
Finalmente, se agradece infinitamente la dispensa y atencin a esta modesta
contribucin en la enseanza y aprendizaje de los Mtodos Numricos, as como las
sugerencias que tengan a bien para mejorar este trabajo, las cuales pueden hacer llegar
directamente a travs de los telfonos: +58-424-9744352 +58-426-2276504, PIN:
2736CCF1
7A264BE3,
correo
electrnico:
medinawj@udo.edu.ve
http://www.slideshare.net/asesoracademico/
http://www.slideshare.net/asesoracademico/
4.1.- GENERALIDADES.
El estudio de la teora de aproximacin involucra dos tipos generales de problemas.
Un problema surge cuando se tiene explcitamente una funcin pero se desea encontrar un
tipo de funcin ms simple, como un polinomio, que se pueda usar para determinar los
valores aproximados de la funcin dada. El otro problema en la teora de aproximacin es
el que consiste en ajustar funciones a datos dados y encontrar la mejor funcin dentro de
cierta clase que pueda usarse para representar a los datos.
Ambos problemas se han tratado en el captulo 3. El polinomio de Taylor de grado n
alrededor de un nmero x 0 fue discutido como una aproximacin excelente a una funcin
diferenciable (n+1)-veces en una pequea vecindad de x 0 . Los polinomios interpolantes de
Lagrange se discutieron ya sea como polinomios aproximantes o como polinomios
empleados para ajustar ciertos datos. A continuacin se considerarn las limitaciones de
estas tcnicas y se discutirn enfoques en otras direcciones.
4.2.- REGRESIN LINEAL.
Ejemplo ilustrativo 4.1.
Consideremos el problema de estimar los valores de una funcin en puntos no tabulados,
dados los datos experimentales de la tabla siguiente:
i
1
2
3
4
xi
2
4
6
8
yi
2
11
28
40
http://www.slideshare.net/asesoracademico/
Figura 4.1. Diagrama de dispersin de los datos del ejemplo ilustrativo 4.1.
Figura 4.2. Polinomio interpolante de grado 3 de los datos del ejemplo ilustrativo 4.1.
Sin embargo, la grfica de los valores dados en la tabla nos indica que sera razonable
suponer que la relacin real es lineal y que ninguna recta se ajusta a los datos exactamente
debido al error en el problema de recoleccin de datos.
Mtodos Numricos. Ing. Willians Medina.
http://www.slideshare.net/asesoracademico/
Figura 4.3. Recta de mejor ajuste de los datos del ejemplo ilustrativo 4.1.
y a0 a1 xi
(4.1)
S r ( y i a0 a1 xi ) 2
(4.2)
i 1
con respecto a los parmetros a 0 y a1 . Para que ocurra un mnimo es necesario que
Sr
0
a0
Mtodos Numricos. Ing. Willians Medina.
Sr
0
a1
http://www.slideshare.net/asesoracademico/
2 ( yi a0 a1 xi ) 2 ( xi ) 0
2 ( yi a0 a1 xi ) 2 (1) 0
i 1
i 1
i 1
i 1
i 1
a0 xi a1 xi2 xi y i
n
i 1
i 1
a0 n a1 xi y i
(4.3)
a0
i 1
i 1
n
i 1
n
i 1
xi2 yi xi yi xi
n x ( x i )
2
i
i 1
a1
(4.4)
i 1
i 1
n
i 1
n xi y i xi y i
i 1
n x ( xi )
i 1
2
i
(4.5)
i 1
i 1
i 1
S r ei2 ( y i a0 a1 xi ) 2
(4.2)
http://www.slideshare.net/asesoracademico/
yi
12.00
yi-a0-a1xi
10.00
a0+a1xi
8.00
6.00
4.00
2.00
0.00
0.00
1.00
2.00
xi
3.00
4.00
5.00
6.00
x
Figura 4.4. El error en el valor
Sy/x
Sr
n2
(4.6)
donde a S y / x se le llama error estndar del estimado. El subndice y/x designa que el
error es para un valor predicho de y correspondiente a un valor particular de x. Tambin,
observe que dividimos entre n 2 debido a que se usaron dos datos estimados ( a 0 y a1 ),
para calcular S r ; as, se han perdido dos grados de libertad. Otra justificacin para dividir
entre n 2 es que no existe algo como datos dispersos alrededor de una lnea recta que
http://www.slideshare.net/asesoracademico/
une dos puntos. De esta manera, en el caso donde n 2 , la ecuacin (4.6) de un resultado
sin sentido, infinito.
El error estndar del estimado cuantifica la dispersin de los datos. Aunque, S y / x
cuantifica la dispersin alrededor de la lnea de regresin.
Los conceptos anteriores se utilizan para cuantificar la bondad de nuestro ajuste.
Esto es en particular til para comparar diferentes regresiones. Para hacerlo, regresamos a
los datos originales y determinamos la suma total de los cuadrados alrededor de la media
para la variable dependiente (en nuestro caso, y). Esta cantidad se designa por S t y se
define como
n
S t ( yi y ) 2
(4.7)
i 1
y
i 1
(4.8)
r2
St S r
St
(4.9)
http://www.slideshare.net/asesoracademico/
i 1
i 1
n xi y i xi y i
n x ( xi )
i 1
2
i
i 1
i 1
(4.10)
n y ( y i )
i 1
2
i
i 1
Aunque el coeficiente de correlacin ofrece una manera fcil de medir la bondad del
ajuste, se deber tener cuidado de no darle ms significado del que ya tiene. El solo hecho
de que r sea cercana a 1 no necesariamente significa que el ajuste sea bueno. Por
ejemplo, es posible obtener un valor relativamente alto de r cuando la relacin entre y y x
no es lineal. Adems, como mnimo, usted deber inspeccionar siempre una grfica de los
datos junto con su curva de regresin.
Ejemplo 4.1.
Use regresin por mnimos cuadrados para ajustar una lnea recta a
xi
yi
11
28
40
xi
2
4
6
8
20
yi
2
11
28
40
81
x i2
4
16
36
64
120
xi y i
4
44
168
320
536
y i2
4
121
784
1600
2509
http://www.slideshare.net/asesoracademico/
a0
i 1
i 1
n
i 1
n
i 1
xi2 yi xi yi xi
n x ( x i )
i 1
a0
2
i
(4.4)
i 1
120 81 536 20
4 120 (20) 2
a0 12.5
n
a1
i 1
i 1
n
i 1
n x ( xi )
i 1
a1
n xi y i xi y i
2
i
(4.5)
i 1
4 536 20 81
4 120 (20) 2
a1 6.55
y a0 a1 xi
(4.1)
y 12.5 6.55 x
La tabla siguiente muestra los valores observados con los valores obtenidos usando
esta aproximacin.
xi
2
4
6
8
20
i
1
2
3
4
yi
2
11
28
40
81
y 12.5 6.55 x
0.6
13.7
26.8
39.9
81
( yi y ) 2
333.0625
85.5625
60.0625
390.0625
868.75
( yi y ) 2
1.96
7.29
1.44
0.01
10.7
Sy/x
Sr
n2
(4.6)
http://www.slideshare.net/asesoracademico/
10
10.7
42
Sy/x
S y / x 2.313007
r2
St S r
St
r2
868.75 10.7
868.75
(4.9)
r 2 0.987683
Y el coeficiente de correlacin es
r2
0.987683
r 0.993823
El coeficiente de correlacin es, de acuerdo con la ecuacin (4.10):
i 1
i 1
n x ( xi )
i 1
n xi y i xi y i
2
i
i 1
i 1
(4.10)
n y ( y i )
i 1
2
i
i 1
4 536 20 81
4 (120) (20) 2
4 (2509) (81) 2
524
80 3475
r 0.993823
b) En la figura 4.5 se muestran los datos y la recta de regresin.
http://www.slideshare.net/asesoracademico/
11
Figura 4.5. Diagrama de dispersin y recta de mnimos cuadrados de los datos del ejemplo 4.1.
Para x 5 :
y 12.5 6.55 (5)
y 20.25
Para y 30 :
30 12.5 6.55 x
x 6.488549618
AC
http://www.slideshare.net/asesoracademico/
12
1
2
3
Para ingresar los datos del ejemplo 4.1, presionar la siguiente secuencia de teclas:
2
1
AC
=
2
4
8
=
0
=
1
=
SHIFT
Display:
A
12.5
Pendiente:
AC
SHIFT
Display:
B
6.55
Coeficiente de correlacin:
AC
SHIFT
Display:
R
0.9938226468
El modelo de regresin lineal es y 12.5 6.55 x .
Estimacin del valor de y para x 5 :
AC
SHIFT
Display:
5 y
20.25
Mtodos Numricos. Ing. Willians Medina.
http://www.slideshare.net/asesoracademico/
13
SHIFT
Display:
30 x
6.488549618
De igual manera se pueden determinar todas las sumas requeridas por las ecuaciones (4.4),
(4.5) y (4.10) que permiten calcular la interseccin con el eje y, la pendiente y el coeficiente
de correlacin. El detalle del clculo se realiz en una tabla precedente, sin embargo, se
muestra la secuencia de teclas en la calculadora para obtener cada una de ellas.
n
x
i 1
AC
SHIFT
Display:
x
20
n
y
i 1
AC
SHIFT
Display
y
81
n
x
i 1
2
i
AC
SHIFT
Display
120
n
x y
i 1
http://www.slideshare.net/asesoracademico/
14
AC
SHIFT
Display
x y
536
n
y
i 1
2
i
AC
SHIFT
Display
2509
Y de esta manera estos valores pueden ser sustituidos en las ecuaciones (4.4), (4.5) y (4.10).
Ejemplo 4.2.
[DM] Se piensa que el nmero de libras de vapor consumidas mensualmente por una planta
qumica se relaciona con la temperatura ambiente promedio (en F) de ese mes. En la tabla
siguiente se muestran la temperatura y el consumo anual.
Mes
Ene.
Feb.
Mar.
Abr.
May.
Jun.
Jul.
Ago.
Sep.
Oct.
Nov.
Dic.
Temperatura
21
24
32
47
50
59
68
74
62
50
41
30
Consumo/1000
185.79
214.47
288.03
424.84
454.58
539.03
621.55
675.06
562.03
452.93
369.95
273.98
http://www.slideshare.net/asesoracademico/
15
600
500
400
300
200
100
0
10
20
30
40
50
60
70
80
Temperatura (F)
Figura 4.6. Diagrama de dispersin de los datos del ejemplo 4.2.
En la figura 4.6 se observa que los datos se ajustan a una lnea recta.
b) Para encontrar la recta de mnimos cuadrados que aproxima a estos datos, extendemos la
tabla y sumamos las columnas como se muestra en las tres ltimas columnas de la tabla
Mes
Ene.
xi
21
yi
185.79
x i2
441
xi y i
3901.59
y i2
34517.9241
http://www.slideshare.net/asesoracademico/
16
Feb.
Mar.
Abr.
May.
Jun.
Jul.
Ago.
Sep.
Oct.
Nov.
Dic.
24
32
47
50
59
68
74
62
50
41
30
558
214.47
288.03
424.84
454.58
539.03
621.55
675.06
562.03
452.93
369.95
273.98
5062.24
576
1024
2209
2500
3481
4624
5476
3844
2500
1681
900
29256
5147.28
9216.96
19967.48
22729
31802.77
42265.4
49954.44
34845.86
22646.5
15167.95
8219.4
265864.63
45997.3809
82961.2809
180489.0256
206642.9764
290553.3409
386324.4025
455706.0036
315877.7209
205145.5849
136863.0025
75065.0404
2416143.684
a0
i 1
i 1
n
i 1
n
i 1
xi2 yi xi yi xi
n x ( x i )
i 1
a0
2
i
(4.4)
i 1
a0 6.3355017
n
a1
i 1
i 1
n
i 1
n x ( xi )
i 1
a1
n xi y i xi y i
2
i
(4.5)
i 1
a1 9.2083620
y a0 a1 xi
(4.1)
y 6.3355017 9.2083620 x
http://www.slideshare.net/asesoracademico/
17
600
500
400
300
200
100
0
10
20
30
40
50
60
70
80
Temperatura (F)
Figura 4.7. Diagrama de dispersin y recta de mnimos cuadrados de los datos del ejemplo 4.2.
La tabla siguiente muestra los valores observados con los valores obtenidos usando
esta aproximacin.
xi
yi
y 6.3355017 9.2083620 x
( yi y ) 2
( yi y ) 2
http://www.slideshare.net/asesoracademico/
18
21
24
32
47
50
59
68
74
62
50
41
30
558
185.79
214.47
288.03
424.84
454.58
539.03
621.55
675.06
562.03
452.93
369.95
273.98
5062.24
187.0401012
214.6651874
288.3320837
426.4575144
454.0826005
536.9578589
619.8331173
675.0832895
564.582945
454.0826005
371.2073421
269.9153596
5062.24
55725.89734
43007.84694
17908.68454
8.920177778
1071.034711
13730.37121
39878.75868
64113.61604
19649.49788
965.7592111
2693.956011
21866.52271
280620.8655
1.5627531
0.0380981
0.0912546
2.6163527
0.2474063
4.2937689
2.9476864
0.0005424
6.5175282
1.3284879
1.5809091
16.5213014
37.7460889
Sy/x
Sr
n2
Sy/x
37.7460889
12 2
(4.6)
S y / x 1.9428353
r2
St S r
St
r2
280620.8655 37.7460889
280620.8655
(4.9)
r 2 0.9998655
h) El coeficiente de correlacin es
r2
http://www.slideshare.net/asesoracademico/
19
0.9998655
r 0.9999327
El coeficiente de correlacin es, de acuerdo con la ecuacin (4.10):
n
i 1
i 1
n xi y i xi y i
i 1
i 1
n xi2 ( xi ) 2
i 1
i 1
i 1
(4.10)
n y i2 ( y i ) 2
365645.64
39708 3367450.39
r 0.9999327
Ejercicios propuestos.
1. [BF] Calcule el polinomio de mnimos cuadrados de grado uno para los datos siguientes:
i
xi
1
0
2
0.25
3
0.5
4
0.75
5
1.00
yi
1.0000
1.2840
1.6487
2.1170
2.7183
2. [BF] Encuentre un polinomio de mnimos cuadrados de grado 1 para los datos que se
muestran en la siguiente tabla:
i
xi
1
0
2
0.15
3
0.31
4
0.5
5
0.6
6
0.75
yi
1.0
1.004
1.031
1.117
1.223
1.422
xi
4.0
4.2
4.5
4.7
5.1
5.5
5.9
6.3
6.8
7.1
yi
102.5
6
113.1
8
130.1
1
142.0
5
167.5
3
195.1
4
224.8
7
256.7
3
299.5
0
326.7
2
xi
0.2
0.3
0.6
0.9
1.1
1.3
1.4
http://www.slideshare.net/asesoracademico/
1.6
20
yi
1.5697
1.8487
2.5015
5. [CC] Con la regresin por mnimos cuadrados ajuste una lnea recta a
x
y
1
4
3
5
5
6
7
5
10
8
12
7
13
6
16
9
18
12
20
11
x
y
5
30
6
22
10
28
14
14
16
22
20
16
22
8
28
8
28
14
36
0
38
4
x
y
2
9
3
6
4
5
7
10
8
9
9
11
5
2
5
3
x
y
5
16
10
25
15
32
20
33
25
38
30
36
35
39
40
40
45
42
50
42
Utilice regresin por mnimos cuadrados para ajustar una lnea recta.
9. [BF] El siguiente conjunto de datos, presentados en mayo de 1970 al Senate Antitrust
Subcommitte, muestra las caractersticas comparativas de la supervivencia en choques de
autos de varias clases. Encuentre la recta de mnimos cuadrados que mejor aproxima a estos
datos (la tabla muestra el porcentaje de vehculos involucrados en un accidente en los
cuales la lesin ms severa fue fatal o seria).
Tipo
Mtodos Numricos. Ing. Willians Medina.
Peso promedio
Porcentaje de
http://www.slideshare.net/asesoracademico/
21
(lb)
4800
3700
3400
2800
1900
ocurrencia
3.1
4.0
5.2
6.4
9.6
T
c
20
1280
10
1350
70
1480
100
1580
120
1700
10
4
15
20
20
18
25
50
40
33
50
48
55
80
60
60
75
78
Ajuste una lnea recta a estos datos y use la ecuacin para determinar la resistencia a la
tensin correspondiente a 30 min.
12. [CC] Se reunieron los siguientes datos para determinar la relacin entre presin y
temperatura de un volumen fijo de 1 kg de nitrgeno. El volumen es de 10 m 3.
T, C
P, N/m2
20
7500
0
8104
20
8700
40
9300
50
9620
70
10200
100
11200
120
11700
x
13
15
y
11
10
x
29
30
y
12
14
x
60
62
http://www.slideshare.net/asesoracademico/
y
14
21
22
16
21
22
23
25
11
12
12
13
13
31
36
40
42
55
16
17
13
14
22
64
70
72
100
130
21
24
17
23
34
1.9
0.3
3.1
0.6
4.2
0.4
5.1
0.9
5.8
0.7
6.9
1.1
8.1
1.5
9.3
1.3
10.0
1.6
3
5
8
10
5
7
8
7.5
6
7
6
6
10
8
10
9
4
5
5
5.5
7
8
88.9
114.7
101.6
172.0
104.1
152.9
139.7
269.0
132.1
206.4
94.0
161.4
116.8
175.8
121.9
239.0
http://www.slideshare.net/asesoracademico/
99.1
130.0
23
p
4.5
8.0
5.5
c
0.8
2.0
1.2
39.0
19.5
17.5
21.0
11.0
4.4
3.8
5.5
2
5.2
3
7.8
4
10.7
5
13
7
19.3
10
27.5
Basndose en una regresin lineal de estos datos, determine la corriente para un voltaje de 6
V. Grafique la lnea y los datos, y evale el ajuste. Determine si es una buena suposicin
que la interseccin sea cero. Si es as, haga otra vez la regresin y fuerce la interseccin
para que sea cero.
19. Se sabe que la cada de voltaje a travs de un inductor sigue la ley de Faraday:
Mtodos Numricos. Ing. Willians Medina.
http://www.slideshare.net/asesoracademico/
24
VL L
di
dt
1
5
2
12
4
18
6
31
8
39
10
50
200
11
250
13
300
13
375
15
425
17
475
19
525
20
600
23
5
40
10
30
15
25
20
40
25
18
30
20
35
22
40
15
g , m/s
0
9.8100
20000
9.7487
40000
9.6879
60000
9.6278
80000
9.5682
http://www.slideshare.net/asesoracademico/
25
en las abcisas contra esfuerzo cortante ( ) en las ordenadas. A un lquido que tiene una
relacin lineal entre esas dos variables se le llama fluido newtoniano y la relacin resultante
es
donde es la viscosidad del fluido. Muchos de los fluidos comunes tienen este
comportamiento, como por ejemplo el agua, la leche y el aceite. A los lquidos que no se
comportan de esta manera se les llama no newtonianos. En la figura 4.8 se presentan
algunos ejemplos de fluidos no newtonianos.
y
Un ejemplo comn de estos fluidos es la crema dental.
Mtodos Numricos. Ing. Willians Medina.
http://www.slideshare.net/asesoracademico/
26
n
Fluidos de este tipo son el yogurt y el champ.
Los datos siguientes muestran la relacin entre el esfuerzo cortante, , y la
velocidad del esfuerzo cortante, n , para un plstico de Bingham. La tensin de
deformacin, y , es la cantidad de tensin que hay que sobrepasar antes de que el lquido
empiece a fluir. Encuentre la viscosidad, (pendiente), y , y el valor de R cuadrada,
utilizando un mtodo de regresin.
Tensin, , N/m2
Velocidad del esfuerzo cortante, , 1/s
3.57
1
3.89
2
4.96
3
5.62
4
6.13
5
24. [BF] Para determinar una relacin funcional entre el coeficiente de atenuacin y el
grosor de una muestra de taconite, V.P. Singh (125) ajust una coleccin de datos usando
un polinomio de mnimos cuadrados lineal. La siguiente coleccin de datos fue tomada de
una grfica de este artculo. Encuentre el mejor polinomio de mnimos cuadrados lineal que
ajusta estos datos.
Grosor (cm)
0.040
0.041
0.055
0.056
0.062
0.071
0.071
0.078
0.082
0.090
0.092
0.100
0.105
0.120
0.123
0.130
Mtodos Numricos. Ing. Willians Medina.
Coeficiente de
atenuacin
(db/cm)
26.5
28.1
25.2
26.0
24.0
25.0
26.4
27.2
25.6
25.0
26.8
24.8
27.0
25.0
27.3
26.9
http://www.slideshare.net/asesoracademico/
27
0.140
26.2
Ciencias sociales.
25. [BF] La siguiente tabla muestra el promedio de calificaciones de licenciatura de 20
estudiantes de matemticas y computacin, junto con el resultado que recibieron en el
examen ACT (American College Testing Program) durante su bachillerato. Grafique estos
datos y encuentre la ecuacin de la recta de mnimos cuadrados para estos datos.
Resultado del ACT
28
25
28
27
28
33
28
29
23
27
Promedio de
calificaciones
3.84
3.21
3.23
3.63
3.75
3.20
3.41
3.38
3.53
2.03
Promedio de
calificaciones
3.75
3.65
3.87
3.75
1.66
3.12
2.96
2.92
3.10
2.81
26. [BF] A continuacin se muestran las calificaciones de las tareas y de los exmenes
finales de 30 estudiantes de anlisis numrico. Encuentre la ecuacin de la recta de
mnimos cuadrados para estos datos y sela para determinar la calificacin de las tareas
necesaria para predecir las calificaciones mnimas en el final de A (90%) y D (60%).
Tarea
302
325
285
339
334
322
331
279
316
347
Final
45
72
54
54
79
65
99
63
65
99
Tarea
343
290
326
233
254
323
337
337
304
319
Final
83
74
76
57
45
83
99
70
62
66
Tarea
234
337
351
339
343
314
344
185
340
316
http://www.slideshare.net/asesoracademico/
Final
51
53
100
67
83
42
79
59
75
45
28
12
10
0
0
10
15
20
25
http://www.slideshare.net/asesoracademico/
29
25
20
15
10
0
0
10
12
14
30
25
20
15
10
0
0
10
15
20
25
30
35
40
http://www.slideshare.net/asesoracademico/
30
12
10
0
0
10
http://www.slideshare.net/asesoracademico/
31
12.0
10.0
8.0
6.0
4.0
2.0
0.0
0
10
12
250
200
150
100
50
0
80
90
100
110
120
130
140
150
http://www.slideshare.net/asesoracademico/
32
300
250
200
150
100
50
0
80
90
100
110
120
130
140
150
25
20
15
10
0
0
10
12
di
conduce a: L 4.9013699 .
dt
http://www.slideshare.net/asesoracademico/
33
25
20
15
10
5
0
0
10
15
20
25
30
35
40
45
c) Para x 17 : y 29.5500000 .
22. y 9.8094200 0.0000030 x , S y / x 0.0006332 , r 2 0.9999671, r 0.9999835 .
Para x 55000 : y 9.6444200 .
23. y 2.7790000 , 0.6850000 , S y / x 0.1913722 , r 2 0.9771205 , r 0.9884941 .
24. y 25.9217546 1.6003929 x , S y / x 1.1425854 , r 2 0.0019700 , r 0.0443850 .
Ciencias Sociales.
25.
http://www.slideshare.net/asesoracademico/
34
4.5
4
3.5
3
2.5
2
1.5
1
0.5
0
20
22
24
26
28
30
32
34
http://www.slideshare.net/asesoracademico/
35