ESTADSTICA

Algunas distribuciones
importantes de variables
aleatorias discretas
Vladimiro Contreras Tito
vcontrerastito@hotmail.com

22 de septiembre de 2013

ndice

ndice 1

1. Distribucin de Bernoulli 2

2. Distribucin Binomial 2

3. Distribucin Geomtrica 3

4. Distribucin Binomial negativa o Pascal 4

5. Distribucin Hipergeomtrica 5

6. Distribucin de Poisson 6

7. Aproximacin de la distribucin binomial a la Poisson 8

8. Ejecicios de aplicacin 8

1
 2 DISTRIBUCIN BINOMIAL

1. Distribucin de Bernoulli
Se denomina prueba o ensayo de Bernoulli a todo experimento aleatorio que
consiste de solo dos resultados posibles mutuamente excluyentes, generalmente
llamados xito (E) y fracaso (F). El espacio muestral asociado al experimento
aleatorio de Bernoulli se puede escribir como el conjunto = {E, F }.

Definicin 1.1. La v.a. X definida en de manera que atribuye a E el valor 1

y a F el valor 0, se denomina v.a. Bernoulli.

Definicin 1.2. Si p = P [X = 1] es la probabilidad de xito siendo

0 p 1 y q = P [X = 0] = 1 p es probabilidad de fracaso, la distribu-
cin de probabilidad de Bernoulli de parmetro p es descrita por la ecuacin

f (x) = P [X = x] = px q 1x , x = 0, 1

Teorema 1.1.

Si X tiene distribucun de Bernoulli de parmetro p, entonces

E(X) = p , V (X) = p q

Ejemplo 1.1.

Supongamos que un experimento aleatorio X consiste en seleccionar un artcu-

lo defectuoso de un lote de 100 que contienen 5 artculos defectuosos. Halle la
distribucin de probabilidad de X, dado que X es una v.a. de Bernoulli.
Solucin
X: No de artculos defectuosos.
5 95
p= = 0, 05 , q= = 0, 95
100 100
Luego, la distribucin de probabilidad de Bernoulli de parmetro p es:

f (x) = P [X = x] = 0, 05x 0, 951x , x = 0, 1

2. Distribucin Binomial
El experimento binomial se caracteriza por ser un experimento aleatorio que
consiste en efectuar n pruebas independientes y repetidas de Bernoulli. La prob-
abilidad de xito p se mantiene constante a travs de las n pruebas.

Definicin 2.1. Se denomina variable binomial, a la v.a. X definida en como

el No de xitos que ocurren en las n pruebas de Bernoulli. Los posibles
valores de X son: 0, 1, 2, ..., n.

V. Contreras T. Pgina 2
 3 DISTRIBUCIN GEOMTRICA

Definicin 2.2. Se dice que la v.a. binomial X tiene distribucin binomial con
parmetros n y p y se escribe X B(n, p), si su funcin de probabilidad es:
 
n x nx
f (x) = P [X = x] = p q , x = 0, 1, 2, ..., n.
x
Teorema 2.1.

Si X B(n, p), entonces

E(X) = n p , V (X) = n p q

Ejemplo 2.1.

La probabilidad de producir un artculo defectuoso en una fbrica es: 0,1.

Halle la probabilidad de que:

1. un lote de 12 artculos contenga 2 defectuosos.

2. al revisar 6 lotes de 12 artculos se encuentre al menos 1 lote con 2 defec-

tuosos.

Solucin
X: No de artculos defectusos en los 12 artculos del lote.
X B(12, p) donde p = 0, 1 probabilidad de xito.
a).  
12
P [X = 2] = 0, 12 0, 9122 = 0, 23
2
b). Y : No de lotes con 2 artculos defectuosos de los 6 lotes revisados.
X B(6, p) donde p = 0, 23 y q = 0, 77.
 
6
P [X 1] = 1 P [Y = 0] = 1 0, 230 0, 776 = 0, 79
0

3. Distribucin Geomtrica
Consideremos una sucesin de ensayos de Bernoulli, Si X representa el No
de pruebas hasta conseguir el primer xito despus de x 1 fracasos,
se llama v.a.geomtrica.

Definicin 3.1. Se dice que la v.a. geomtrica X tiene distribucin geomtrica

con parmetro p y se escribe X G(p), si su funcin de probabilidad es:

f (x) = P [X = x] = (1 p)x1 p , x = 1, 2, ..... , 0<p<1

Teorema 3.1.

V. Contreras T. Pgina 3
 4 DISTRIBUCIN BINOMIAL NEGATIVA O PASCAL

Si X G(p) entonces
1 q
E(X) = , V (X) =
p p2
Ejemplo 3.1.

En cierta fbrica la probabilidad de producir un artculo defectuoso es 0,1.

Halle la probabilidad de que:

1. Sea necesario revisar 5 artculos para hallar el primer defectuoso.

2. Halle la esperanza y la varianza de la distribucin.

Solucin
X: No de artculos que se necesita revisar para encontrar el primer defectuoso.
a). X G(0, 1)

f (5) = (1 0, 1)51 0, 1 = 0, 06561

b).
1 0, 9
E(X) = = 10 , V (X) = = 90
0, 1 0, 12

4. Distribucin Binomial negativa o Pascal

La v.a. X que se define como el No de intentos hasta que ocurra el xito
nmero r se llama v.a. binomial negativa o de Pascal.

Definicin 4.1. Se dice que la v.a. binomial negativa o Pascal X tiene dis-
tribucin Pascal con parmetros p y r (r > 0 , 0 < p < 1) y se escribe
X P ascal(p, r), si su funcin de probabilidad es:
 
x1
f (x) = P [X = x] = (1 p)xr pr , x = r, r + 1, r + 2, ....
r1

Teorema 4.1.

Si X P ascal(p, r) entonces

r r (1 p)
E(X) = , V (X) =
p p2
Ejemplo 4.1.

V. Contreras T. Pgina 4
 5 DISTRIBUCIN HIPERGEOMTRICA

Una mquina se utiliza para fabricar cierto tipo de objetos en serie. Se sabe
que la probabilidad de que cada objeto sea defectuoso es 1/10. Si se controla la
calidad de cada objeto producido y si la mquina se apaga cuando se producen
4 objetos defectuosos, cul es la probabilidad de que se pare la mquina en el
dcimo objeto producido?
Solucin
X: No de objetos producidos hasta controlar 4 defectuosos.
Los posibles valores de X son 4,5,6,... cada onjeto se produce independien-
temente con probabilidad p = 1/10 = 0, 1 de que sea defectuoso. La mquina
se para si se encuentran r = 4 defectuosos. La probabilidad de que se pare la
mquina en el dcimo objeto producido es:
 
10 1
f (10) = P [X = 10] = (1 0, 1)104 0, 14 = 0, 00446
41

5. Distribucin Hipergeomtrica
Un conjunto de N objetos contiene r objetos clasificados como xitos y N r
objetos clasificados como fracasos. Se selecciona una muestra con tamao de n
objetos al azar (sin reemplazo) de los N objetos, donde r N y n N .

Definicin 5.1. La v.a. X que se define como el No de exitos en una muestra

de tamao n que se selecciona al azar sin reposicin de N objetos de
los cuales r son clasificados como xitos y los restantes N r como
fracasos, se llama v.a. hipergeomtrica.

Definicin 5.2. Se dice que la v.a. hipergeomtrica X tiene distribucin hiper-

geomtrica y se escribe X H(N, n, r), si su funcin de probabilidad es:
N r
Cxr Cnx
f (x) = P [X = x] = , x = 0, 1, 2, 3, ....
CnN

Teorema 5.1.

Si X H(N, n, r) entonces

N n
E(X) = n p , V (X) = n p q
N 1
donde p = Nr , q = 1 p
Adems si N tiende a + entonces H(N, n, r) se aproxima a una distribucin
binomial B(n, p) (la aproximacin es buena si n 0, 1 N )

Ejemplo 5.1.

V. Contreras T. Pgina 5
 6 DISTRIBUCIN DE POISSON

Un lote contiene 100 piezas de un proveedor "A&B" de tuberas y 200 unidades

de un proveedor "Plastic" de tuberas. Si se seleccionan 4 piezas al azar y sin
reemplazo.

1. Cul es la probabilidad de que todas sean del proveedor "A& B"?

2. Cul es la probabilidad de que dos o ms piezas de la muestra sean del

proveedor "A& B"?

3. Cul es la probabilidad de que al menos una pieza de la muestra sea del

proveedor "A& B"?

Solucin
X: No de piezas de la muestra del proveedor "A& B".
a).
C 100 C 200
P [X = 4] = 4 3000 = 0, 0119
C4
b).
C2100 C2200 C3100 C1200 C4100 C0200
P [X 2] = + + = 0, 408
C4300 C4300 C4300
c).
P [X 1] = 1 P [X = 0] = 0, 196

6. Distribucin de Poisson
Dado un intervalo de nmeros reales, suponga que ocurren conteos al azar a
lo largo del intervalo. Si puede hacerse la particin del intervalo en subintervalos
con una longitud suficientemente pequea tal que:

1. La probabilidad de ms de un conteo en un subintervalo es cero.

2. La probabilidad de un conteo en un subintervalo es la misma para todos

los subintervalos y proporcional a la longitud de subintervalos.

3. El conteo en cada subintervalo es independiente de los dems subintervalos.

Entonces el experimento aleatorio se denomina proceso de Poisson.

Definicin 6.1. Si el nmero promedio de conteos en el intervalo es > 0, la

v.a. X que es igual al nmero de conteos en el intervalo tiene una distribucin de
Poisson con parmetro (se escribe X P ()) y tiene funcin de probabilidad
dada por:
e x
f (x) = P [X = x] = , x = 0, 1, 2, 3, ....
x!

V. Contreras T. Pgina 6
 6 DISTRIBUCIN DE POISSON

NOTA 6.1.

La distribucin de Poisson se aplica a problemas donde la v.a. X es el No de

eventos que ocurren en un intervalo de tiempo en una regin por ejemplo:

No de llamadas que recibe una central telefnica en el periodo de 1 minuto.

No de fallas de un sistema en un da dado.

No de accidentes de trabajo que ocurren en una fbrica durante una semana.

Teorema 6.1.

Si X P () entonces

E(X) = , V (X) =

Ejemplo 6.1.

El arribo de camiones de carga a un muelle sigue una distribucin de Poisson,

siendo la tasa de llegada, 2 camiones por hora.

1. Calcule la probabilidad de que en un periodo de 4 horas lleguen entre 6 y

10 camiones.

2. Cul es la probabilidad de tener que esperar ms de 4 horas hasta la llegada

del primer camin?.

Solucin
X:No de camiones que llega al muelle en una hora. En este caso = 2,
X P ( = 2).
Y :No de camiones que llega al muelle en 4 horas. En este caso = 2(4),
Y P ( = 8). Entonces:

e8 8y
f (y) = P [Y = y] = , y = 0, 1, 2, 3, ....
y!
10
X e8 8y
a). P (6 Y 10) =
y=6
y!

e8 80
b). P [Y = 0] = = e8
0!

V. Contreras T. Pgina 7
 8 EJECICIOS DE APLICACIN

7. Aproximacin de la distribucin binomial a la

Poisson
Teorema 7.1.

Sea X una v.a. con distribucin binomial B(n, p). Si n , p 0 y

= n p, permanece constante, entonces la distribucin binomial se aproxima a
la distribucin de Poisson con parmetro , esto es:

e x
 
x x
P [X = x] = p (1 p)nx tiende a P [X = x] =
n x!

NOTA 7.1.

La aproximacin es buena, si n > 30 y n p 5.

Ejemplo 7.1.

Un manual se edita con un tiraje de 100000 ejemplares. La probabilidad de

que un manual est encuadernado en tela incorrectamente es igual a 0,0001. Halle
la probabilidad de que el tiraje contenga exactamente 5 libros defectuosos.
Solucin
X: No de libros incorrectamente encuadernados en un tiraje de 100000 ejem-
plares. X B(100000; 0, 0001).
Como n = 100000 es grande (n ) y p = 0, 0001 tiende a cero, aproximem-
os la distribucin binomial X B(100000; 0, 0001) a la distribucin de Poisson
P () donde = n p = (100000) (0, 0001) = 10.
Luego:
e10 105
P [X = 5] = = 0, 0375
5!

8. Ejecicios de aplicacin
1. Se realiza el experimento de Bernoulli hasta que ocurra xito (de probabil-
idad p). Suponga que las repeticiones son independientes.

a) Halle la probabilidad de uq se requiera un nmero impar de tiradas(en

funcin de p).
b) Halle el valor de p, de modo que la probabilidad de que se requiera un
nmero impar de tiradas sea 0,6.

2. Una mquina utiliza tres componentes idnticas que trabajan en forma

independiente. La probabilidad de que falle cada componente es 0.1 y estas
se cambian por nuevas una sola vez.

V. Contreras T. Pgina 8
 8 EJECICIOS DE APLICACIN

a) Obtenga la distribucin de probabilidades del nmero de componentes

que podran fallar en la mquina.
b) Un usuario que utiliza la mquina recibe una utilidad constante diaria
de 100 soles y una utilidad variable de 10 soles por cada componente
que no falla, pero, pierde 50 soles por cada componente que falla.
Calcule la utilidad esperada diaria del usuario.

3. La pequea empresa "Juguetes ecolgicos" empaca su produccin en lotes

de 5unidades. Antes de sacar al mercado la empresa realiza un control total
de calidad de cada lote a un costo de 5 u.m. Si cada unidad le cuesta
producir 10 u.m, lo vende a 25 u.m.y reemplaza en el lote el nmero X
de las unidades defectuosas que encuentra y si el porcentaje de produccin
defectuosa es 10 %,

a) Cuntas unidades defectuosas espera encontrar por lote?. Interprete

su respuesta.
b) Cunto es la utilidad esperada de la empresa por lote?.

4. Debido a que no todos los pasajeros que hacen una reservaci se presentan,
una aerolnea vende 125 asientos para un vuelo con capacidad para solo
120 pasajeros. La probabilidad de que un pasajero no se presente es 0,1 y
el comportamiento de los pasajeros es independiente

a) Cul es la probabilidad de que todos los pasajeros que se presenten

puedan tomar el vuelo?
b) Cul es la probabilidad de que el vuelo parta con asientos vacios?

5. Una compaa alquila computadoras por periodos de tiempo de t horas, por

lo cual recibe 600 dlares por hora. El nmero de veces que una computa-
dora falla en t horas es una v.a. con distribucin de Poisson con = 0, 8t. Si
una mquina falla x veces en t horas, el costo de reparacin es 50x2 dlares.
Qu valor de t maximiza su utilidad esperada?

6. Las unidades producidas por dos mquinas A y B, en igual proporcin,

llegan a una bandeja de control. El 3 % y el 1 % de las unidades producidas
respectivamente por A y B son defectuosas. Un ingeniero controla la calidad
del producto revisando una por una (sin devolucin) las unidades de la
bandeja.

a) Qu probabilidad hay de que la dcima unidad controlada sea la

primera defectuosa?.
b) Cuntas unidades en promedio controla hasta que aparece la primera
defectuosa?.

V. Contreras T. Pgina 9
 8 EJECICIOS DE APLICACIN

c) Qu probabilidad hay de que la dcima unidad controlada sea la

tercera defectuosa?.
d ) Si el ingeniero controla las unidades antes que caigan a la bandeja,
calcule la probabilidad de que la primera defectuosa encontrada sea la
cuarta de A y la sexta de B?.

7. El proceso de produccin de un bien se debe detener tan luego produzca

la primera unidad que no cumpla con las especificaciones establecidas. Se
estima en 0.99 la probabilidad de que una unidad producida cumpla las
especificaciones. Si el objetivo es producir 150 unidades del bien de manera
que cumplan con las especificaciones.

a) Qu probabilidad hay de lograr el objetivo?.

b) Si despus de producir 100 unidades del bien an no se ha detenido el
proceso, con qu probabilidad se lograra el objetivo?.

8. Un sistema elctrico consiste de 6 componentes conectados en serie, es decir,

el sistema funciona si todos las componentes funcionan. Si las componentes
del sistema se seleccionan al azar de un lote de 20 que contiene tres que no
funcionan.

a) Describa el modelo de probabilidad del nmero posible de componentes

que no funcionan de los 6 escogidos y calcule la probabilidad de que
el sistema no funcione.
b) Cunto sera el costo esperado del sistema si cada componente tiene
un costo de 4 unidades monetarias (u.m.) y si cada componente que
no funcionan de los 6 seleccionados se cambia por uno del lote que si
funciona a un costo adicional de 1,5 u.m.?

9. Para tomar la decisin de aceptar o rechazar lotes que contienen 20 unidades

de un producto se toman tres unidades al azar del lote, si ms de una unidad
es defectuosa se rechaza el lote, si las tres no son defectuosas se acepta el
lote y si una es defectuosa se toman otras dos unidades al azar de las 17
que quedan. Esta vez, si alguna es buena se acepta el lote, de otro modo
se rechaza. Si se controla un lote que contiene 4 unidades defectuosos (se
desconoce este hecho),

a) Obtenga la distribucin de probabilidades del nmero de defectuosos

en el primer y en el segundo control. Con qu probabilidad se acepta
el lote?. Aplique un diagrama de rbol para la solucin.
b) Si se rechaza el lote, con qu probabilidad esto ocurra en el segundo
control?

V. Contreras T. Pgina 10
 8 EJECICIOS DE APLICACIN

10. Un artillero dispara a un blanco y sale que la probabilidad de acertar es

p = 0, 01 Cuo antos disparos tendr que hacer para tener una probabilidad
mayor que 90 % de dar en el blanco por lo menos una vez?.

11. Solo uno de cada mil generadores ensamblados en una fbrica tienen unidades
defectuosas y los generadores defectuosos se distribuyen aleatoriamente e
independientemente a travs de la produccin.

a) Cul es la probabilidad de que en un embarque de 500 generadores

no contenga ningn generador defectoso?
b) Qu en un embarque de 100 haya por lo menos un generador defec-
tuoso?

12. La Compaa Petrolera ha sido designada para perforar pozos en la ama-

zonia peruana hasta obtener un resultado exitoso. La Compaa estima en
0,7 la probabilidad de no hallar petrleo por cada pozo que perfora.

a) Suponga que la Compaa Petrolera cree que una serie de explo-

raciones ser rentable si el nmero de pozos perforados hasta que
ocurra el primer exito es menor o igual que 5. Calcule la probabili-
dad de que la exploracin no ser rentable si ya fueron perforados 3
pozos y en ninguno de ellos se encontr petrleo.
b) El costo para perforar cada pozo es de 10 000 dlares. Si un ensayo
no resulta exitoso, el siguiente ensayo tiene costo adicional de 5 000
dlares. Cunto es el costo esperado del proyecto?
c) Si la Compaa dispone de un presupuesto de 145 000 dlares , cul
es la probabilidad de que los trabajadores experimentales tengan un
costo que sobrepase el presupuesto de la Compaa?

13. Un sistema de comunicaciones recibe mensajes digitales de ceros y unos.

Cada dgito del mensaje puede ser recibido como correcto incorrecto. La
probabilidad de recibir un dgito incorrecto es 0,01 y los dgitos de reciben
de manera independiente.

a) Con qu probabilidad un mensaje de 10 dgitos binarios se recibe

incorrectamente?
b) Si el sitema recibiera 15 mensajes de 10 dgitos cada uno, cul es la
probabilidad de que al menos 12 de ellos se reciban correctamente?
c) Si un mensaje se recibe de forma incorrecta, se repite el envio hasta
que sea recibido correctamente. Con qu probabilidad un mensaje de
10 dgitos binarios es correctamente recibido en el cuarto intento?

V. Contreras T. Pgina 11
 8 EJECICIOS DE APLICACIN

d ) Calcule el costo esperado del nmero de mensajes de 10 dgitos que se

envian al sistema hasta conseguir el mensaje correcto si este proceso
se repite 3 veces y si el costo de los 3 procesos, en dcimos soles, es
igual al cuadrado del nmero de intentos.

14. En una autopista pasan, en promedio 180 vehculos por hora. Se desea
obtener la distribucin de probabilidad del tiempo, en minutos, entre dos
vehculos consecutivos. Si un peatn necesita 20 segundos para cruzar la
pista, calcular la probabilidad de que sea capaz de hacerlo entre los dos
proximos vehculos.

15. Un fabricante ofrece el artculo que produce en lotes de 10 unidades, de las

cuales el 80 % est en buenas condiciones. El comprador plantea someter el
lote a una prueba que consiste en sacar al azar dos artculos del lote y si
estn en buenas condiciones los dos, compra el lote; en caso contrario, lo
rechaza. El costo de produccin y puesta en tienda de cada lote es de 800
soles. Cuando se vende el lote se obtiene una utilidad de 300 soles.

a) Se desea expresar la ganancia neta por lote como funcin de la v.a.X

que toma el valor de 1 si se vende el lote y toma el valor de cero caso
contrario.
b) Si cada da el fabricante ofrece 15 de estos lotes, cul es el nmero
esperado de lotes que vende?

16. Una mquina que produce cierto tipo de objeto se apaga automticamente
cuando ha llegado a producir el 5to defectuoso. Si la probabilidad de que
cada objeto producido sea defectusos es 0,05. Cul es la probabilidad de
que la mquina se apague cuando ha producido 12 objetos?

17. Se estima que el 30 % de electores de una determinada ciudad votarn por

el candidato HML. En una encuesta realizada en tal poblacin,

a) Cul es la probabilidad de que la sexta persona encuestada sea la 4ta

que votar por HML?
b) Cuntas personas en promedio se deben encuestar hasta tener 12 que
votarn por HML?

18. Una firma comercializadora de parquet recibe un lote grande de parquet en

parquets de 120 unidades cada una. Un paquete es rechazado si al revisar 10
unidades de parquet elegidos al azar una a una sin reposicin se encuentrn
3 o ms defectuosos. Calcule la probabilidad de que un paquete sea aceptado
si este contiene 20 % de defectuosos.

a) A partir de la verdadera distribucin del nmero de objetos defectuosos

que se encuentra en la revisin.

V. Contreras T. Pgina 12
 8 EJECICIOS DE APLICACIN

b) Utilizando una aproximacin adecuada.

19. Suponga que el nmero de accidentes de trabajo que se producen por sem-
ana en una fbrica sigue la ley de Poisson de manera que la probabilidad
de que se ocurran 2 accidentes es igual a 2/3 de la probabilidad de que
ocurra un accidente. Calcule la probabilidad de que no ocurran accidentes
en 3 semanas consecutivas.

20. Las fallas superficiales en ciertas placas de metal siguen una distribucin
de Poisson con una media de 0,04 fallas por placa. Una empresa solicita
un pedido grande de estas placas al fabricante y puede seguir uno de los
siguientes procesos de inspeccin.

Proceso 1: Inspecciona 35 placas al azar y si encuentra menos de 3 con

fallas acepta el pedido.
Proceso 2: Inspecciona una por una las placas y si encuentra la tercera
3 placa con falla en la inspeccin 25, detiene la inspeccin y rechaza
el pedido.

Con cul de estos dos procesos es ms probable que rechace el pedido?

21. 2 Las fallas en los rollos de tela de algodn de la empresa "Textiles P&C" se
producen a travs de un proceso de Poisson y con una tasa de de faila de =
0, 05 por metro. El control de calidad de los rollos de 100 metros, consiste
en escoger de cada rollo una seccin al azar de 20 metros de longitud, si
esta contiene ms de una falla, el rollo ser reemplazado por uno nuevo. En
caso contrario el rollo pasar el control y se vender en el mercado.

a) Qu probabilidad existe de que pase el control un rollo que contiene

2 errores?
b) Cada rollo tiene un costo de produccin de 100 dlares y se vende en el
mercadoa a 200 dlares. La empresa garantiza restituir todo rollo que
contenga no cumpla las especificaciones de control (es decir, que tenga
mas de 5 fallas) y ms an indemnizar por este motivo al consumidor
con 20 dlares. Halle la utilidad esperada que generarn los rollos que
tienen tres fallas.

22. Uno de los productos principales de la empresa "Algodn H&A" es una

tela que saca al mercado en rollos de 60 metros de longitud, donde, el
nmero de puntos fallado de la tela se distribuyen de acuerdo al modelo de
probabilidad de Poisson con una tasa de falla de uno por cada 10 metros.
El control de calidad de la tela consiste en selcccionar al azar de cada rollo
una seccin de 5 metros de longitud concluyendo que el rollo no cumple las
especificaciones y por lo tanto es rechazado, si en esta seccin se halla ms

V. Contreras T. Pgina 13
 8 EJECICIOS DE APLICACIN

de un punto fallado. Si un consumidor de esta tela recibe 200 rollos de 60

metros cada uno, y aplica el procedimiento de control indicado.

a) Cuntos rollos que cumplen las especificaciones se rechazarn?.

b) Cuntos rollos pasarn el control, si cada uno tiene 7 defectos?

V. Contreras T. Pgina 14