Documentos de Académico
Documentos de Profesional
Documentos de Cultura
la incertidumbre
Wojciech Szatzschneider
Enrique Lemus-Rodrı́guez
Escuela de Actuarı́a
Universidad Anáhuac México Norte,
wojciech@anahuac.mx
28 de Abril 2011
1. Introducción
2
Dı́a a dı́a millones de seres humanos nos enfrentamos a miles de pre-
guntas como éstas. Podemos resumir esta situación utilizando una
expresión ¿cómo nos podemos enfrentar a la incertidumbre?
Este problema es enormemente complejo y aún estamos muy lejos
de tener soluciones completas. Pero su importancia es innegable, y,
aunque la mayorı́a de la gente no lo sabe, enormes recursos en tiempo
y dinero se dedican en instituciones financieras y universidades para
atacarlo. Literalmente, cientos de miles de personas en el mundo
proponen nuevos métodos para enfrentar a la incertidumbre.
Desde principios del siglo XX, diversos matemáticos, como Borel,
Wiener, Levy y Kolmogórov, entre muchos otros, han desarrollado
diversos aspectos de la Teorı́a Matemática de las Probabilidades, que
hacen parte del arsenal de técnicas matemáticas para la modelación
de la incertidumbre. Sı́, efectivamente, esa parte de las matemáticas
que surgió hace siglos, al analizar juegos de azar como los lanzamien-
tos de moneda o dado, los naipes, serpientes y escaleras, el juego de
la Oca, el Backgammon, etc., en la actualidad es una disciplina que
nos ayuda a enfrentarnos a la incertidumbre en nuestras decisiones.
Precisamente, al poder nosotros dedicidirnos ante distintos cursos
de acción, nos enfrentamos al hecho de que en general hay muchas
maneras distintas de enfrentarnos a la incertidumbre de un sólo
problema. ¿Cuál es la mejor manera? Como veremos en este texto,
incluso problemas aparentemente sencillos tienen tantas opciones
que no es posible elegir la mejor analizando caso por caso. Hay que
utilizar otros métodos.
El objetivo de este texto es entonces, simple: proponerle a los
lectores el reto de analizar problemas donde se enfrenta uno a la
incertidumbre, modelada por medio de la probabilidad, y se debe
encontrar el mejor curso de acción. Es decir, se combinan Proba-
bilidades y Optimización para la solución de problemas financieros.
Se trata de un reto que requiere concentración, paciencia y esfuer-
zo. Pero como recompensa, el lector tendrá un panorama de cómo
las matemáticas nos ayudan en la solución de problemas reales que
tienen un enorme impacto en la calidad de vida de prácticamente
todos los seres humanos.
3
2. Decisiones y Orden.
Para resolver los sencillos pero sutiles problemas en seguros y fi-
nanzas que trataremos en este texto requeriremos un concepto que
nos permitirá ordenar las distintas opciones a las que tendremos ac-
ceso de peor a mejor: el concepto de función de utilidad. La noción
de función de utilidad tiene una muy larga historia en el campo de
las matemáticas y la economı́a y se utiliza para diversos problemas
fundamentales de las finanzas. Este concepto nos permitirá com-
parar entre diversos montos. Originalmente se concebı́a como una
medida de la satisfacción (utilidad) que un monto x le conferı́a a su
poseedor. Aunque esta interpretación es difı́cil de justificar, no nos
hará daño al principio, y al final de este texto referiremos al lector a
material que le permitirá profundizar sobre el tema si ası́ lo desea.
Básicamente requeriremos que si una persona está enfrentando un
problema en el cual recibirá una cantidad x de dinero que es incierta,
esta persona tiene una función
u : (0, ∞) → R,
cuyo valor u(x) nos indica la utilidad o satisfacción que esa personal
asigna a la cantidad x.
Lo más natural parece ser que u(x) = x, es decir, que la utilidad
sea igual a la cantidad x. Pero nos daremos cuenta pronto que bajo
incertidumbre esa elección de función de utilidad no es congruente
con el comportamiento normal de las personas. Lo que sı́ pode-
mos hacer de entrada es suponer que esa función tiene la siguiente
propiedad, si x < x0 entonces u(x) < u(x0 ), es decir, a mayor can-
tidad mayor utilidad. En términos técnicos, los matemáticos se re-
fieren a dicha situación diciendo que f es una función estrictamente
creciente.
3. Utilidad y Loterı́as.
Supongamos que una persona P tiene función de utilidad u(x). Y
supongamos que esa persona recibió un boleto gratis a la siguiente
loterı́a:
Se lanza una moneda, y si sale águila, gana 100 pesos. En caso
contrario gana 80 pesos.
4
¿Cuál serı́a la cantidad mı́nima a la que estarı́a dispuesto a vender
su boleto de loterı́a?
Vamos a llamar Π a ese precio.
¿Es razonable que Π sea menor a 80 pesos? ¿Mayor a 100 pesos?
¿Igual a exactamente a 90 pesos? ¿Por qué?
Aunque podrı́a parecer que la respuestas a las anteriores pre-
guntas son directas, durante los siglos de uso en economı́a de las
funciones de utilidad, ha quedado claro que la respuesta a la pre-
gunta de a cuánto debe ser igual el precio no es obvia. Nada obvia.
Matemáticos y economistas han sido testigos de cómo diversas per-
sonas responden de maneras muy distintas a la tercera pregunta. Es
decir, toman decisiones distintas ante un mismo tipo de incertidum-
bre. El problema es muy complicado y en las últimas décadas ha sido
estudiado por psicólogos. En particular, existe evidencia psicológica
suficiente para cuestionar las habilidades de decisión del ser humano
cuando se enfrenta a la incertidumbre. Desde hace cientos de años
los apostadores profesionales y más recientemente los dueños de los
casinos (desde los dados, hasta el póker, pasando por la ruleta, entre
muchos) aprovechan las muy malas habilidades de toma de decisión
bajo incertidumbre de millones de personas, para obtener ganancias
seguras.
En este texto supondremos que una persona con función de util-
idad u(x) elige el precio Π del boleto de la siguiente manera:
5
A este precio Π los economistas a veces le llaman el equivalente
cierto a la loterı́a. Cierto, porque la persona estarı́a dispuesta a re-
nunciar a la loterı́a a cambio de esa cantidad fija y segura. Es muy
importante que el lector tome en cuenta que en toda nuestra dis-
cusión, esta afirmación será equivalente a la siguiente: esta persona
pagarı́a el equivalente cierto por dicha loterı́a.
Ejercicio: Consideremos dos personas. La primera tiene función
de
√ utilidad u(x) = x y la segunda tiene función de utilidad v(x) =
x. ¿Cuál es el equivalente cierto de cada persona para la loterı́a
que ofrece 0 o 100 con probabilidad un medio en cada caso? ¿Y si
las probabilidades cambian a 1/3, 2/3 respectivamente?
6
y 100 pesos con la misma probabilidad. De hecho, esperarı́amos que
la mayorı́a pague MENOS.
Es decir:
7
Otra manera de interpretarlo es que la función de utilidad, aunque
debe ser estrictamente creciente, cada vez crece más lento. Si la fun-
ción tiene derivada, eso quiere decir que la derivada es una función
estrictamente decreciente. Eso nos lleva a una conclusión intere-
sante: si la segunda derivada existe y es negativa, entonces la primer
derivada es una función decreciente, lo que nos permite enunciar el
siguiente teorema:
Teorema: Si la función de utilidad u(x) admite una segunda
derivada u(x)00 y ésta es negativa para toda x, entonces dicha utili-
dad es adversa al riesgo.
Hay que ser cautelosos con las interpretaciones: si una persona
tiene una función de utilidad adversa al riesgo, eso no quiere decir
que siempre va a evitar al riesgo, pero sı́ quiere decir que va a re-
querir una compensación para enfrentar el riesgo. O, y esto es muy
importante, estará dispuesta a sacrificar parte de su riqueza pre-
sente para disminuir la incertidumbre en lo que refiere a su riqueza
futura. Es decir, estará dispuesto a comprar un seguro cuando la
prima correspondiente sea razonable.
5. Tiempo e incertidumbre
Tal como hemos repetido en las secciones anteriores, muchos
aspectos de la incertidumbre futura implican un riesgo. El poder
tomar decisiones en un ambiente de incertidumbre plantea proble-
mas matemáticos formidables. En primer lugar: ¿Qué matemáticas
debemos utilizar para modelar la incertidumbre? Históricamente,
las matemáticas se orientaban a problemas en fı́sica e ingenierı́a, en
los cuales en general la incertidumbre no está presente o es muy
pequeña y se ignora. Pero algunos matemáticos (Pascal, Fermat, De
Moivre, Bernoulli, Gauss, Laplace) estudiaron cierto tipo de incer-
tidumbre, primero, relacionada con juegos de azar, y luego, con los
errores de medición. De esa manera surgió la Teorı́a de las Prob-
abilidades. Hay que mencionar, sin embargo, que para muchos, la
Teorı́a de las Probabilidades no era parte de las matemáticas, sino
una serie de trucos para analizar juegos de azar o realizar ajustes
por errores de medición. Sin embargo, a principios del siglo XX la
situación cambió radicalmente por al menos dos razones: por un la-
do, los trabajos de matemáticos con Henri Lebesgue, Emile Borel y
A. N. Kolmogorov, entre otros, condujeron a la Axiomatización de
8
la Teorı́a de las Probabilidades, integrando a esta disciplina como
una rama de las matemáticas en todo su derecho; por otro lado,
surgió la necesidad de modelar matemáticamente la incertidumbre
para poder resolver problemas con el control de sistemas de ser-
vicio masivo (colas de llamadas en centrales telefónicas, pagos de
siniestros por parte de compañı́as aseguradoras, etc.). Dadas sus
caracterı́sticas, estos fenómenos se pudieron modelar probabilı́stica-
mente con gran éxito. Aunque existen otros métodos para modelar
matemáticamente la incertidumbre, en este texto utilizaremos prob-
abilidad elemental para la incertidumbre. Utilizaremos la metáfora
de la ruleta para definir cierto tipo de loterı́as y presentaremos un
sencillo modelo probabilı́stico de las loterı́as. Estas loterı́as serán el
instrumento por medio del cual incorporaremos la incertidumbre en
nuestros problemas de finanzas y seguros.
Si el lector revisa nuestra definición original de utilidad, puede ob-
servar que no necesariamente requerimos que la utilidad esté definida
en 0, es decir, u(0) puede estar indefinida. Sin embargo, si el lector
ası́ lo prefiere, la utilidad se puede definir ahı́.
Por ejemplo, en algunos casos √ pueden empezar en cero, es decir
u(0) = 0, como cuando u(x) = x. En otros casos, el asunto es más
delicado y debemos considerar u(0) = lı́mx→0 u(x). Por ejemplo, si
tomamos u(x) = ln(x), estrictamente hablando, u(0) no está defini-
da, pero podemos tomar u(0) como lı́mx→0 u(x) = lı́mx→0 ln(x) =
−∞. Es decir, una persona con utilidad ln(x) le tiene una aversión
“infinita” a la quiebra.
9
Es decir, conocemos todas las distintas opciones o eventos el-
ementales que pueden ocurrir en un momento dado y sus corre-
spondientes probabilidades. En términos más formales, tenemos un
conjunto Ω cuyos elementos:
Ω = {ω1 , ω2 , ω3 , . . .}
son precisamente esos eventos, o como a veces se les llama, “es-
cenarios”. Para no complicar mucho la discusión, considerarermos
sólo el caso en el que el número de escenarios es finito. Sin embargo,
en las aplicaciones, muchas veces hace sentido considerar infinitos
casos, lo que enriquece enormemente el poder de la Teorı́a de las
Probabilidades.
A dicha Ω le llamaremos espacio muestral. Podemos imaginarnos
una ruleta que tiene tantas divisiones como elementos tiene Ω.
A cada elemento ωi le corresponde una probabilidad pi . Supon-
dremos que cada probabilidad es un número positivo. La suma de
todas ellas debe ser 1. A dicha asignación le llamaremos p, es decir,
tenemos una función p : Ω → (0, 1] tal que pi = p(ωi ). Si n es el
número de escenarios o eventos, tenemos:
p1 + p2 + p3 + . . . + pn = 1
Por ejemplo, podrı́amos considerar que un dı́a particular, un
automovilista deja su coche estacionado en un parque. El auto-
movilista, dados sus conocimientos sobre el parque y sus alrededores,
está preocupado, porque considera posibles tres escenarios:
Que no ocurra nada.
Que le roben las llantas.
Que le roben el coche.
A cada caso le podemos asignar los eventos elementales ω1 , ω2 , ω3 .
Después de meditar un poco, nuestro héroe considera que las
probabilidad correspondientes son p1 = 0,90, p2 = 0,09, p3 = 0,01.
Como siempre, el utilizar las matemáticas siempre implica una ab-
stracción y simplificación de la situación real. Por ejemplo, en otra
situación podrı́a ser relevante si se roban un espejo.
Desde el punto de vista probabilı́stico, esta situación es perfecta-
mente análoga al lanzamiento de una ruleta con tres secciones, en
la cual la más grande ocupa el 90 % del área, la mediana el 9 % y la
pequeña el 1 %.
10
Como comentamos anteriormente, el riesgo surge cuando la in-
certidumbre tiene repercusiones económicas. Por ejemplo, en este
caso, el robo de las llantas o del coche implican pérdidas económicas.
Supongamos por ejemplo que el robo de las llantas implica una pérdi-
da de dos mil pesos, y el robo del coche, una pérdida de cuarenta
mil pesos. Tenemos entonces una función X que a cada escenario le
asigna un valor:
X(ω1 ) = 0, es decir, si no hay robo no hay pérdida alguna.
X(ω2 ) = −2000.
X(ω3 ) = −40000.
Podemos considerar a X como una variable (la pérdida). Como
no la podemos predecir de antemano, dado que depende de un he-
cho aleatorio, es nuy natural referirnos a ella como una variable
aleatoria.
Supongamos que a nuestro héroe esa situación le preocupa mucho
y está considerando no dejar el coche en el parque. Sin embargo, le
ofrece un corredor de seguros el siguiente trato. A cambio del pago
de una prima de 100 pesos, el coche queda asegurado por un 80 % de
la pérdida (el seguro es barato porque sólo aplica esa vez). Entonces:
X(ω1 ) = −100, es decir, se pagó el seguro.
X(ω2 ) = −2000 − 100 + 1600 = −500.
X(ω3 ) = −40000 − 00 + 32000 = −8100.
En ese caso, la variable aleatoria X cambia radicalmente, y aunque
el seguro implica un gasto para todos los escenarios, la severidad de
las pérdidas desciende considerablemente. Nos interesa saber si a
nuestro héroe le parece adecuada esa prima.
En nuestro caso, al estar interesados en modelar el riesgo, quer-
emos precisamente utilizar los escenarios para tomar en cuenta sus
consecuencias económicas.
Analizaremos 2 tipos de problemas.
[1] ¿Cuál prima estarı́a dispuesto como máximo a pagar una
persona con una función de utilidad u(x) para asegurar una
posible pérdida aleatoria?.
[2] ¿Cómo podemos invertir dinero en un instrumento financiero
cuyos rendimientos son aleatorios, si conocemos la función de
utilidad de dicha persona?.
11
Analizaremos varios casos sencillos en los cuales supondremos que la
incertidumbre es tal que conocemos los eventos y sus probabilidades.
Principio de indiferencia
12
riqueza inicial. Si no contrata el seguro entonces su riqueza dismin-
uye en X y su utilidad será u(w − X) y su esperanza matemática
será E(u(w − X)).
Ejercicio
Solución
1√ 1√
u(100 − g ∗ ) = E(u(100 − X)) = 100 − 75 + 100 − 0
2 2
.
p 1 1
100 − g ∗ = · 5 + · 10
2 2
(100 − g ∗ ) = (7,5)2
g ∗ = 100 − 56,25
g ∗ = 43,75
13
Nótese que la esperanza matemática de la pérdida es:
1 1
E(X) = · 75 + · 0 = 37,5
2 2
Ası́ g ∗ > 37,5.
En otras palabras Juan es adverso al riesgo.
Dirı́amos que Pedro es aún más adverso al riesgo que Juan, en este
caso.
14
Determine g1∗ .
E(u(w)) = E(u(w − F + X)
15
porcentajes en distintos tipo de inversión, utilizaremos un ejemp-
lo clásico en el cual se debe distribuir la riqueza inicial en la “rueda
de la suerte”.
Imaginémonos una ruleta con tres sectores que etiquetaremos
I, II, III.
W1 , W2 , W3 representan las correspondientes proporciones de la
inversión en los sectores I, II, III.
En particular:
W1 + W2 + W3 = 1
Por ejemplo: W1 = 1, W2 = 0, W3 = 0 representa el caso cuan-
do todo se invierte en el sector I. Por otro lado, W1 = 0,5, W2 =
0,3, W3 = 0,2 representa el caso en el cual invertimos el cincuenta
por ciento en el sector I, el treinta por ciento en el sector II y el
resto en el III.
Si realizamos una asignación de inversiones W1 , W2 , W3 , se realiza
un lanzamiento de la rueda de la suerte, y la aguja llega a apuntarle
a un sector, entonces, si se trata del:
16
1 1 1
E(X) = 3W1 × + 2W2 × + 6W3 ×
2 3 6
El lector puede pensar en distintos maneras de distribuir su in-
versión, por ejemplo, una propuesta muy audaz serı́a invertir todo
al sector I. Una propuesta quizás algo más equilibrada serı́a invertir
distribuyendo en tres partes iguales.
Tal como lo hemos discutido hasta ahora, para que este problema
tenga sentido matemático, un enfoque muy importante consiste en
plantear una función de utilidad:
¿Cuál es el grado de satisfacción al tener x pesos? ¿Qué función
de utilidad nos conviene?
Para este problema utilizaremos ln(x), que es muy popular en estos
contextos.
Pregunta: ¿cuál serı́a la utilidad esperada si invertimos todo en el
primer sector? ¿Qué interpretación le podemos dar a este resultado?
No está de más recordar que la derivada de la función logaritmo
natural es:
0 1
(ln(x)) =
x
Si la tomamos como una utilidad y si x > 0 entonces, u0 (x) es
positiva, es decir, la utilidad es estrictamente creciente. Pero como
u0 (x) = 1/x, es decreciente, lo que implica que aunque la utilidad
crece, lo hace cada vez más lento. Tenemos de nuevo el fenómeno de
los incrementos marginales decrecientes.
Queremos ahora optimizar el valor promedio, no del retorno de la
inversión, sino de la satisfacción, es decir, de la utilidad.
1 1 1
· ln 3W1 + · ln 2W2 + · ln 6W3
2 3 6
Como queremos maximizar la utilidad esperada, tenemos que re-
solver el problema de maximizar:
1 1 1
máx{ ln 3W1 + ln 3W2 + ln 6W3 }
2 3 6
sobre el conjunto de todas las posibles asignaciones W1 , W2 , W3 .
17
Antes de continuar, con una calculadora o una hoja de cálculo,
determina la utilidad esperada de diversas maneras de invertir.
El lector debe determinar por qué ese problema es equivalente a
encontrar el máximo de:
1 1 1
máx{ ln 3W1 + ln 3W2 + ln 6W3 + A}
2 3 6
sobre el conjunto de todas las posibles asignaciones W1 , W2 , W3 ,
para cualquier constante A. ¿Nos conviene alguna constante A?
Pronto lo veremos. [3]
¿Cómo podemos resolver este problema?
Demostración
~ = x ln xy − x + y = x
y
ln xy − x
y
+ 1.
x
Realizando el cambio de variable y
=z>0
1 + ln z − 1 = ln z
18
Por lo tanto 1 es el mı́nimo de la función f (z) = z ln z − z + 1 y
f (1) = 0.
1 1 1 1 1 1
máx{ ln 3W1 + ln 3W2 + ln 6W3 + ln 3 + ln 2 + ln 6}
2 3 6 2 3 6
sobre el conjunto de todas las posibles asignaciones W1 , W2 , W3 .
Ası́ de ~
1 1 1 1
ln − ln W1 − + W1 ≥ 0
2 2 2 2
1 1 1 1
ln − ln W2 − + W2 ≥ 0
3 3 3 3
1 1 1 1
ln − ln W3 − + W3 ≥ 0
6 6 6 6
para cualquier elección de W1 , W2 , W3 mayores a cero.
1 1 1 1 1 1 1 1 1
ln + ln + ln ≥ ln W1 + ln W2 + ln W3
2 2 3 3 6 6 2 3 6
19
Si decidimos invertir una parte en la rueda y guardar otra parte
bajo el colchón. ¿Cuál serı́a la solución óptima?.
Para aclarar mejor lo que hemos hecho: sin dejar el dinero A aba-
jo del colchón ponemos en la primera ronda en sectores (I, II, III),
(A · 31 , A · 12 , A · 16 ) y luego a((1 − A) · x1 , (1 − A) · x2 , (1 − A) · x3 )
para completar ( 12 , 31 , 16 ).
20
7. Utilidad
El problema de la asignación de una función de utilidad de una
persona es difı́cil pero podemos analizarlo de manera aproximada
utilizando el siguiente razonamiento:
En su caso u(150) = 14 .
21
3. 600 si cae águila, 10 si cae sol
4. 1000 si cae águila, 600 si cae sol
y asignar utilidades a puntos intermedios.
Un comentario importante
Loterı́a 1
Con una probabilidad 1 − ε nos dan 1000 dólares, con una proba-
bilidad ε nos matan.
Loterı́a 2
Nos dan con seguridad 100 dólares.
22
Pero, en términos matemáticos las loterı́as 1 y 3 son equivalentes.
Es decir, el contexto del problema puede afectar enormemente nues-
tra decisión, llevándonos a tomar decisiones diametralmente opues-
tas en situaciones equivalentes.
¿Está mal el enfoque de toma de decisiones por medio de la fun-
ción de utilidad? ¿Está mal la manera en la que tomamos las deci-
siones?
8. Epı́logo:
No hay duda de que las matemáticas son imprescindibles en la vi-
da moderna. Pero también hay que advertir que su uso indiscrimina-
do puede llevar a excesos, equı́vocos, e incluso, en algunas ocasiones,
a problemas graves. De hecho, la crisis financiera norteamericana (en
primer lugar) e internacional del 2009 fueron atribuidas por algunos
a las matemáticas: se llegó a decir que una fórmula matemática
habı́a asesinado a Wall Street. Pero la verdad es que somos los seres
humanos los que nos equivocamos cuando utilizamos las herramien-
tas sin conocerlas bien. En el caso en cuestión quedó claro que los
“gurús” de Wall Street utilizaron una fórmula que era tan sólo aprox-
imada. Y ello no contribuyó a prevenir o a atenuar la crisis.
En este texto hemos platicado sobre un enfoque sumamente in-
teresante que nos permite tomar decisiones cuando nos enfrentamos
a la incertidumbre y el riesgo. Es un enfoque que nos abre posibili-
dades inmensas. Pero que requiere mucha reflexión y cuidad cuando
se utiliza. No es una receta de cocina.
Para su utilización exitosa se requiere resolver al menos cuatro
problemas formidables:
Determinar cuáles son los escenarios realmente significativos.
Determinar las probabilidades correspondientes.
Determinar cuáles son las opciones y alternativas disponibles.
Definir la función misma de utilidad.
Existen diversas situaciones en las cuales es fácil omitir escenar-
ios claves, determinar incorrectamente las probabilidades o proponer
una función de utilidad que no represente fielmente la actitud real
ante el riesgo de la persona o institución que representa. Por otro
lado, también es fácil proponer un sistema de escenarios y correspon-
dientes alternativas tan realista que resulte computacionalmente casi
23
imposible encontrar la forma de actuar que maximice la utilidad. Se
trata de un complejo problema de modelado (elegir los escenarios,
las alternativas y la función de utilidad), estadı́stica (determinar las
probabilidades), y de optimización (determinar la manera de actuar
que maximice la utilidad).
El problema es aún más profundo si tomamos en cuenta que nues-
tras decisiones se influyen unas a otras: lo que hagamos influye en
lo que hagan los demás y viceversa. En ese sentido, lo que podrı́a
ser óptimo para un individuo aislado puede causar conflictos cuando
los individuos interactúan. Por eso, en ciertos caso se requiere opti-
mizar no una función de utilidad, sino varias. Tenemos entonces los
problemas multiobjetivo.
Es un reto formidable. Y de hecho, esa es la buena noticia: nos
encontramos tan lejos de resolver satisfactoriamente estos problemas
que las matemáticas aún tienen mucho qué aportar a la mejorı́a de
las condiciones de vida de los seres humanos. Tan sólo pongámonos
a pensar si toda esta metodologı́a, que está al alcance de gobiernos,
bancos, casas de bolsas en todo el mundo, también fuera accesible a
los miles de millones de ciudadanos, en especial, a los más pobres.
No sólo se podrı́a mitigar el impacto redoblado que tienen sobre
ellos los accidentes y los siniestro. También podrı́amos contribuir a
un sólido combate a la pobreza. Utilizando las matemáticas.
24