Clase 4 PDF

Estadística matemática I - Clase 4
Mauricio Alejandro Mazo Lopera

Universidad Nacional de Colombia
Facultad de Ciencias
Escuela de Estadística
Medellín
1 / 30
Funciones o transformaciones de v.a. discretas:
Suponga que tenemos una v.a. discreta para la cual conoce-

mos su f.m.p. En ocasiones estamos interesados en encontrar la
f.m.p. de alguna transformación de X dada por Y = g(X ). Si
el rango de X es Dx entonces el rango de Y está dado por:
Dy = {g(x ) : x ∈ Dx }.
Se consideran entonces dos casos para la función g(·):

es inyectiva: en este caso entonces considerariamos que

py (y ) = P(Y = y ) = P(g(X ) = y ) = P X = g −1 (y )

= px g −1 (y ) .
2 / 30
Funciones o transformaciones - Ejemplo:
Ejemplo 1: En un ejemplo que consistía en lazar una moneda

hasta que caiga cara, vimos que
px (x ) = (1 − p)x −1 p, para x = 1, 2, 3, . . .
Si consideramos la transformación Y = X − 1, entonces al ser

g(X ) = X − 1 inyectiva, tenemos que X = g −1 (Y ) = Y + 1, y
la f.m.p. de Y está dada por:
py (y ) = px (y + 1) = (1 − p)y p, para y = 0, 1, 2, . . .
es decir, Dy = {0, 1, 2, . . .}.
3 / 30
Funciones o transformaciones de v.a. discretas:
no es inyectiva: se busca la f.m.p. de manera directa

dependiendo del caso particular.
(Ver ejemplos páginas 42-43 de la lectura complementaria LEC-
TURA_3.)
4 / 30
Funciones o transformaciones de v.a. continuas
Sea X una v.a. continua con f.d.p. fx (x ) y soporte X .

Sea Y = g(X ), donde g(x ) es una función inyectiva y derivable
sobre X . Denote la inversa de g por x = g −1 (y ) y
dx d [g −1 (y )]
sea = . Entonces, la f.d.p. de Y está dada por
dy dy

dx
−1
fy (y ) = fx g (y ) ,

para y ∈ Y,
dy
donde Y = {y = g(x ) : x ∈ X } es el soporte de Y .

Nota: La expresión dx /dy la llamaremos el Jacobiano de la
transformación y lo denotaremos por J = dx /dy .
5 / 30
Suponga que la variable aleatoria X tiene f.d.p. dada por

(
1, 0 < x < 1
fx (x ) =
0, e.o.c.
Considere la transformación Y = −2 log(X ) (donde log es el

logaritmo natural). Encuentre fy (y ).
6 / 30
Tenemos que la función Y = g(X ) = −2 log(X ) y la función inversa
es X = g −1 (Y ) = e −Y /2 . Además, el Jacobiano está dado por
dx d(g −1 (y )) d(e −y /2 ) 1
= = = − e −y /2
dy dy dy 2
7 / 30
dx d(g −1 (y )) d(e −y /2 ) 1
= = = − e −y /2
dy dy dy 2
Así,
dx
−1
fy (y ) = fx g (y )
dy
1
1 −y /2
−y /2 −y /2

= fx e − 2e = 2e
7 / 30
dx d(g −1 (y )) d(e −y /2 ) 1
= = = − e −y /2
dy dy dy 2
Así,
dx
−1
fy (y ) = fx g (y )
dy
1
1 −y /2
−y /2 −y /2

= fx e − 2e = 2e
Pero como fx (x ) = 1, para 0 < x < 1 y cero en otro caso, entonces

Y = −2 log(X ) está definida para 0 < y < ∞ y cero en otro caso,
es decir,
(
1 −y /2
2e , 0<y <∞
fy (y ) =
0, e.o.c.
7 / 30
Propiedad para una v.a. continua
Suponga que la v.a. continua X tiene f.d.a. Fx (x ) y sea Y =

g(X ) una transformación de X . Además, suponga que X y Y
son los soportes de X e Y , respectivamente.
a. Si g es una función creciente sobre X , entonces

Fy (y ) = Fx g −1 (y )
para y ∈ Y.
b. Si g es una función decreciente sobre X y X es una v.a.
continua, entonces

Fy (y ) = 1 − Fx g −1 (y )
para y ∈ Y.
8 / 30
Funciones de v.a. continuas - Ejemplo:
Suponga que la variable aleatoria X tiene f.d.p. dada por

(
1, 0 < x < 1
fx (x ) =
0, e.o.c.
Considere la transformación Y = −2 log(X ) (donde log es el
logaritmo natural). Encuentre fy (y ).
9 / 30
Funciones de v.a. continuas - Solución:
Dado que tiene fx (x ) es una f.d.p. entonces
Z x Z x
Fx (x ) = fx (x )dx = 1dx = x
−∞ 0
10 / 30
Z x Z x
Fx (x ) = fx (x )dx = 1dx = x
−∞ 0
Esto es, 
 0, x ≤ 0
Fx (x ) = x, 0 < x < 1
1, 1 ≤ x

10 / 30
Z x Z x
Fx (x ) = fx (x )dx = 1dx = x
−∞ 0
Esto es, 
 0, x ≤ 0
Fx (x ) = x, 0 < x < 1
1, 1 ≤ x

d
Además, como g(x ) = −2 log(x ), entonces dx dg(x ) = −2/x < 0, para
todo 0 < x < 1, lo cual implica que g(x ) es una función decreciente.
Luego, por el resultado anterior item (b),
Fy (y ) = 1 − Fx g −1 (y ) = 1 − Fx (e −y /2 ) = 1 − e −y /2

10 / 30
Z x Z x
Fx (x ) = fx (x )dx = 1dx = x
−∞ 0
Esto es, 
 0, x ≤ 0
Fx (x ) = x, 0 < x < 1
1, 1 ≤ x

d
Además, como g(x ) = −2 log(x ), entonces dx dg(x ) = −2/x < 0, para
todo 0 < x < 1, lo cual implica que g(x ) es una función decreciente.
Luego, por el resultado anterior item (b),
Fy (y ) = 1 − Fx g −1 (y ) = 1 − Fx (e −y /2 ) = 1 − e −y /2

Así,
0, y ≤0
Fy (y ) =
1 − e −y /2 , 0 < y
Derivando Fy (y ) se obtiene fy (y ).
10 / 30
Propiedad transformaciones de v.a. continuas:
Sea X una v.a. continua con f.d.p. fx (x ) y soporte X . Sea
Y = g(X ) una transformación de X . Suponga que existe una
partición A0 , A1 , A2 , . . . , Ak de X tal que P(X ∈ A0 ) = 0 y
fx (x ) es continua en cada Ai . Suponga también, que existen
funciones g1 (x ), g2 (x ), . . . , gk (x ), definidas en A1 , A2 , . . . , Ak ,
respectivamente, tales que:
i. g(x ) = gi (x ), para x ∈ Ai ,
ii. gi (x ) es monótona en Ai ,
iii. El conjunto Y = {y : y = gi (x ) para algún x ∈ Ai } es el
mismo para cada i = 1, . . . , k.
iv. gi−1 (y ) tiene derivada continua sobre Y, para cada
i = 1, 2, . . . , k, entonces

 Pk gi−1 (y ) d g −1 (y ), y ∈ Y

i=1 fx dy i
fy (y ) =
0, e.o.c.

11 / 30
Propiedad transformaciones de v.a. continuas - Ejemplo:
Considere una v.a. X que tiene f.d.p.

1 2
fx (x ) = √ e −x /2 , para − ∞ < x < ∞
2π
Considere la transformación Y = X 2 . Encuentre la f.d.p. de Y .
12 / 30
Propiedad transformaciones de v.a. continuas - Solución:
En este caso la transformación Y = X 2 no es monótona, ya que

en (−∞, 0) decrece y en (0, ∞) crece. Entoces, debemos utilizar la
propiedad anterior, definiendo los conjuntos
A0 = {0},
√ d −1 1
A1 = (−∞, 0), g1 (x ) = x 2 , g1−1 (y ) = − y , g1 (y ) = − √
dy 2 y
√ d −1 1
A2 = (0, ∞), g2 (x ) = x 2 , g2−1 (y ) = y, g2 (y ) = √
dy 2 y
Además, como X = (−∞, ∞) y Y = X 2 , entonces Y = (0, ∞).
13 / 30
Propiedad transformaciones de v.a. continuas - Solución:
Ahora, por la propiedad anterior, se tiene que

√ 2 √ 2 1

1 1 1
fy (y ) = √ e −(− y ) /2 − √ + √ e −( y ) /2 √
2π 2 y 2π 2 y
1 1
= √ e −y /2 + √ e −y /2
2 2πy 2 2πy
1
= √ e −y /2
2πy
Así,
(
√ 1 e −y /2 , y >0
fy (y ) = 2πy
0, e.o.c.
14 / 30
Esperanza de una v.a.
La esperanza matemática, el operador esperanza o la media de una
v.a. X se puede definir como:
15 / 30
i. Si X es una v.a. discreta con f.m.p. px (x ) y
X
|x |px (x )dx < ∞ entonces la esperanza de X está dada por
x
X
E (X ) = x px (x )
x
15 / 30
X
x
X
E (X ) = x px (x )
x
ii. Si X es una v.a. continua con f.d.p. fx (x ) y

Z ∞
|x |fx (x )dx < ∞ entonces la esperanza de X está dada
−∞
por Z ∞
E (X ) = x fx (x )dx
−∞
15 / 30
X
x
X
E (X ) = x px (x )
x
ii. Si X es una v.a. continua con f.d.p. fx (x ) y

Z ∞
|x |fx (x )dx < ∞ entonces la esperanza de X está dada
−∞
por Z ∞
E (X ) = x fx (x )dx
−∞
Nota: Cuando se relaciona la esperanza matemática con la media

de la v.a. X , se suele denotar por µ = E (X ) donde µ es la letra
griega “miu”.
15 / 30
Esperanza de una v.a. - Ejemplos:
Ejemplo 1: Considere una v.a. X con f.m.p. dada por:
x 1 2 3 4
4 1 3 2
px (x ) 10 10 10 10
La esperanza matemática se calcularía como:
4 1 3 2
E (X ) = 1 × +2× +3× +4× = 2.3
10 10 10 10
16 / 30
Ejemplo 2: La demanda semanal de gas propano (en miles
de galones) de una distribuidora en particular es una variable
aleatoria X con f.d.p. dada por:
( h i
1
2 1− x2
, 1≤x ≤2
f (x ) =
0 , e.o.c.
Calcule E (X ).
17 / 30
Ejemplo 2: La demanda semanal de gas propano (en miles
de galones) de una distribuidora en particular es una variable
aleatoria X con f.d.p. dada por:
( h i
1
2 1− x2
, 1≤x ≤2
f (x ) =
0 , e.o.c.
Calcule E (X ).
Solución:
Z2 Z 2
1 2

E (X ) = 2x 1 − 2 dx = 2x − dx
x 1 x
1
# 2
x2
"

= 2 − log(x )
= 3 − 2 log(2) ≈ 1.61
2
1
La demanda esperada de gas propano por semana es de 1610

galones.
17 / 30
Esperanza de una v.a. - Propiedades:
Sea X una v.a. y sea Y = g(X ) para alguna función g.

a. Suponga que X es una variable aleatoria Xdiscreta con f.m.p.
px (x ) y que el soporte de X es X . Si |g(x )|px (x ) < ∞,
x ∈X
entonces la esperanza de Y existe y está dada por
X
E (Y ) = g(x )px (x )
x ∈X
18 / 30
Esperanza de una v.a. - Propiedades:
Sea X una v.a. y sea Y = g(X ) para alguna función g.

a. Suponga que X es una variable aleatoria Xdiscreta con f.m.p.
px (x ) y que el soporte de X es X . Si |g(x )|px (x ) < ∞,
x ∈X
entonces la esperanza de Y existe y está dada por
X
E (Y ) = g(x )px (x )
x ∈X
b. Suponga que X es continua con f.d.p. fx (x ).

Z ∞
Si |g(x )|fx (x )dx < ∞, entonces la esperanza de Y existe y
−∞
está dada por Z ∞
E (Y ) = g(x )fx (x )dx .
−∞
18 / 30
Esperanza de una v.a.:
Propiedad: Si X es una v.a. cuya esperanza existe, entonces para
cualesquier constantes a y b se tiene que
E (a X + b) = a E (X ) + b
19 / 30
Esperanza de una v.a.:
Propiedad: Si X es una v.a. cuya esperanza existe, entonces para
cualesquier constantes a y b se tiene que
E (a X + b) = a E (X ) + b
Prueba: Realizaremos la prueba para cuando X es una v.a. conti-

nua, para el caso de una v.a. discreta solo se cambia integral por
sumatoria y se obtiene una prueba equivalente.
Z ∞
E (a X + b) = (a x + b)fx (x )dx
−∞
Z ∞
= [a x fx (x ) + b fx (x )]dx
−∞
Z ∞ Z ∞
= a x fx (x ) dx + b fx (x ) dx
−∞ −∞
| {z }
1
= a E (X ) + b
19 / 30
Media y varianza de una v.a.:
Definición: Suponga que X es una variable aleatoria
Media: Si la esperanza de X existe, definimos la media de X

como µ = E (X ).
20 / 30
Media y varianza de una v.a.:
Definición: Suponga que X es una variable aleatoria
Media: Si la esperanza de X existe, definimos la media de X

como µ = E (X ).
Varianza: Si la esperanza de X existe y E (X − µ)2 < ∞,

entonces definimos la varianza de X como

h i
Var (X ) = E (X − µ)2 .
A la varianza se le suele denotar con la letra griega “sigma” al

cuadrado, es decir,
σ 2 = Var (X ).
A la raíz cuadrada de la varianza se le conoce como
desviación estándar y se le denota con “sigma”, es decir,
q
σ= Var (X ).
20 / 30
Varianza de una v.a. - NOTA:
Como σ 2 = E (X − µ)2 , entonces

h i
σ 2 = E (X − µ)2
h i
= E X 2 − 2µX + µ2
h i h i
= E X 2 − 2µE [X ] + E µ2
h i
= E X 2 − 2µ2 + µ2
h i
= E X 2 − µ2
Es decir, una forma más simple para calcular la varianza de X es

h i
σ 2 = E X 2 − µ2 .
21 / 30
Propiedad sobre la varianza de una v.a.:
Si X es una v.a. cuya varianza existe (es finita) entonces para cua-
lesquier constantes a y b se tiene que
Var (a X + b) = a2 Var (X )
22 / 30
Propiedad sobre la varianza de una v.a.:
Si X es una v.a. cuya varianza existe (es finita) entonces para cua-
lesquier constantes a y b se tiene que
Var (a X + b) = a2 Var (X )
Prueba:
h i
Var (a X + b) = E ((a X + b) − E (a X + b))2
h i
2
b − a E (X ) −
= E (a X + b)
h i
= E (a X − a E (X ))2
h i
= E a2 (X − E (X ))2
h i
= a2 E (X − E (X ))2
= a2 Var (X )
22 / 30
Ejemplo 1: Sea X una variable aleatoria con f.d.p. dada por:

(
k x (1 − x ) , 0 < x < 1
f (x ) =
0 , e.o.c.
Calcule E [X ] y Var [X ].
23 / 30
Ejemplo 1: Sea X una variable aleatoria con f.d.p. dada por:

(
k x (1 − x ) , 0 < x < 1
f (x ) =
0 , e.o.c.
Calcule E [X ] y Var [X ].
Solución
Primero se debe hallar el valor de k. Recuerde que:
1 1 1
x2 x 3
Z Z
k x (1 − x ) dx = 1 ⇔ k (x − x 2 ) dx = 1 ⇔ k − =1;
0 0
2 3 0
Así,
1 1 k
h i
k − =1 ⇔ =1 ⇒ k=6.
2 3 6
23 / 30
Con esto
(
6 x (1 − x ) ; 0 < x < 1
f (x ) =
0 ; e.o.c.
24 / 30
Con esto
(
6 x (1 − x ) ; 0 < x < 1
f (x ) =
0 ; e.o.c.
Luego,
1 1 1
x3 x 4
Z Z
2 3 1
E [X ] = x 6 x (1 − x ) dx = 6 (x − x ) dx = 6 − = .
0 0
3 4 0 2
1 1 1
x4 x 5
Z Z
2 2 3 4 3
E [X ] = x 6 x (1 − x ) dx = 6 (x − x ) dx = 6 − = .
0 0
4 5 0 10
24 / 30
Con esto
(
6 x (1 − x ) ; 0 < x < 1
f (x ) =
0 ; e.o.c.
Luego,
1 1 1

x3 x 4
Z Z
2 3 1
E [X ] = x 6 x (1 − x ) dx = 6 (x − x ) dx = 6 − = .
0 0
3 4 0 2
1 1 1

x4 x 5
Z Z
2 2 3 4 3
E [X ] = x 6 x (1 − x ) dx = 6 (x − x ) dx = 6 − = .
0 0
4 5 0 10
Finalmente,
2
3 1 1
Var [X ] = E [X 2 ] − (E [X ])2 = − = .
10 2 20
24 / 30
Ejemplo 2: Considere el experimento “lanzar dos dados” y sea X la

suma de los resultados. Hallar la media y la varianza de X .
Solución:
La f.m.p. de X está dada por:
x px (x ) x px (x ) x px (x )
1 5 3
2 36 6 36 10 36
2 6 2
3 36 7 36 11 36
3 5 1
4 36 8 36 12 36
4 4
5 36 9 36
25 / 30
La media o esperanza de X está dada por:
12
X
E (X ) = x px (x ) = 7
x =2
26 / 30
La media o esperanza de X está dada por:
12
X
E (X ) = x px (x ) = 7
x =2
Var (X ) = E (X 2 ) − [E (X )]2
12
X
= x 2 px (x ) − 72
x =2
= 54.83333 − 49 = 5.83
26 / 30
Propiedades de la esperanza:
Sea X una v.a. (discreta o continua) y a, b y c constantes.

Entonces para cualesquier funciones g1 (X ) y g2 (X ) cuyas espe-
ranzas existen se cumple que
27 / 30

a. E [a g1 (X ) + b g2 (X ) + c] = a E [g1 (X )] + b E [g2 (X )] + c.
27 / 30

b. Si g1 (x ) ≥ 0 para todo x , entonces E [g1 (X )] ≥ 0.
27 / 30


c. Si g1 (x ) ≥ g2 (x ) para todo x , entonces
E [g1 (X )] ≥ E [g2 (X )].
27 / 30


E [g1 (X )] ≥ E [g2 (X )].
d. Si a ≤ g1 (x ) ≤ b para todo x , entonces

a ≤ E [g1 (X )] ≤ b.
27 / 30
Propiedades de la esperanza - Prueba:
A continuación presentaré la prueba para X siendo discreta,

la prueba para una v.a. continua es equivalente al reemplazar
sumatorias por integral
a. Considere lo siguiente:
X
E [a g1 (X ) + b g2 (X ) + c] = [a g1 (X ) + b g2 (X ) + c]px (x )
x
X
= [a g1 (X )px (x ) + b g2 (X )px (x ) + c px (x )]
x
X X X
= a g1 (X )px (x ) + b g2 (X )px (x ) + c px (x )
x x x
| {z }
1
= a E [g1 (X )] + b E [g2 (X )] + c
28 / 30
b. Si g1 (x ) ≥ 0 para todo x , entonces
g1 (x )px (x ) ≥ 0 px (x ), (multiplicamos por px (x ) a ambos lados)
X X
g1 (x )px (x ) ≥ 0, (sumamos sobre todas las x a ambos lados)
x x
E [g1 (x )] ≥ 0
29 / 30
X X
x x
E [g1 (x )] ≥ 0

g1 (x )px (x ) ≥ g2 (x ) px (x ), (multiplicamos por px (x ))
X X
g1 (x )px (x ) ≥ g2 (x ) px (x ), (sumamos sobre todas las x )
x x
E [g1 (x )] ≥ E [g2 (x )]
29 / 30
X X
x x
E [g1 (x )] ≥ 0

g1 (x )px (x ) ≥ g2 (x ) px (x ), (multiplicamos por px (x ))
X X
g1 (x )px (x ) ≥ g2 (x ) px (x ), (sumamos sobre todas las x )
x x
E [g1 (x )] ≥ E [g2 (x )]
d. Si a ≤ g1 (x ) ≤ b para todo x , entonces

a px (x ) ≤ g1 (x ) px (x ) ≤ b px (x ),
X P X
a px (x ) ≤ x
g1 (x ) px (x ) ≤b px (x ),
x x
a≤ E [g1 (x )] ≤b
29 / 30
Ejercicios clase 4:
1 Realice los ejercicios 2.1, 2.2, 2.3, 2.4, 2.6, 2.13,

2.14, 2.22, 2.23 y 2.24 del texto guía de Casella
& Berger.
2 Lea los ejemplos y realice los ejercicios de la lec-
tura complementaria LECTURA_3.
30 / 30

Clase 4 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clase 4 PDF

Cargado por

Copyright:

Formatos disponibles

Estadística matemática I - Clase 4

Mauricio Alejandro Mazo Lopera

Suponga que tenemos una v.a. discreta para la cual conoce-

Se consideran entonces dos casos para la función g(·):

Ejemplo 1: En un ejemplo que consistía en lazar una moneda

Si consideramos la transformación Y = X − 1, entonces al ser

es decir, Dy = {0, 1, 2, . . .}.

no es inyectiva: se busca la f.m.p. de manera directa

Sea X una v.a. continua con f.d.p. fx (x ) y soporte X .

donde Y = {y = g(x ) : x ∈ X } es el soporte de Y .

Suponga que la variable aleatoria X tiene f.d.p. dada por

Considere la transformación Y = −2 log(X ) (donde log es el

Pero como fx (x ) = 1, para 0 < x < 1 y cero en otro caso, entonces

Suponga que la v.a. continua X tiene f.d.a. Fx (x ) y sea Y =

Suponga que la variable aleatoria X tiene f.d.p. dada por

Considere una v.a. X que tiene f.d.p.

En este caso la transformación Y = X 2 no es monótona, ya que

Además, como X = (−∞, ∞) y Y = X 2 , entonces Y = (0, ∞).

Ahora, por la propiedad anterior, se tiene que

ii. Si X es una v.a. continua con f.d.p. fx (x ) y

ii. Si X es una v.a. continua con f.d.p. fx (x ) y

Nota: Cuando se relaciona la esperanza matemática con la media

Ejemplo 1: Considere una v.a. X con f.m.p. dada por:

La esperanza matemática se calcularía como:

La demanda esperada de gas propano por semana es de 1610

Sea X una v.a. y sea Y = g(X ) para alguna función g.

Sea X una v.a. y sea Y = g(X ) para alguna función g.

b. Suponga que X es continua con f.d.p. fx (x ).

Prueba: Realizaremos la prueba para cuando X es una v.a. conti-

Media: Si la esperanza de X existe, definimos la media de X

Media: Si la esperanza de X existe, definimos la media de X

Varianza: Si la esperanza de X existe y E (X − µ)2 < ∞,

entonces definimos la varianza de X como

A la varianza se le suele denotar con la letra griega “sigma” al

Como σ 2 = E (X − µ)2 , entonces

Es decir, una forma más simple para calcular la varianza de X es

Ejemplo 1: Sea X una variable aleatoria con f.d.p. dada por:

Ejemplo 1: Sea X una variable aleatoria con f.d.p. dada por:

Ejemplo 2: Considere el experimento “lanzar dos dados” y sea X la

La media o esperanza de X está dada por:

La media o esperanza de X está dada por:

Sea X una v.a. (discreta o continua) y a, b y c constantes.

Sea X una v.a. (discreta o continua) y a, b y c constantes.

Sea X una v.a. (discreta o continua) y a, b y c constantes.

b. Si g1 (x ) ≥ 0 para todo x , entonces E [g1 (X )] ≥ 0.

Sea X una v.a. (discreta o continua) y a, b y c constantes.

b. Si g1 (x ) ≥ 0 para todo x , entonces E [g1 (X )] ≥ 0.

Sea X una v.a. (discreta o continua) y a, b y c constantes.

b. Si g1 (x ) ≥ 0 para todo x , entonces E [g1 (X )] ≥ 0.

d. Si a ≤ g1 (x ) ≤ b para todo x , entonces

A continuación presentaré la prueba para X siendo discreta,

c. Si g1 (x ) ≥ g2 (x ) para todo x , entonces

c. Si g1 (x ) ≥ g2 (x ) para todo x , entonces

d. Si a ≤ g1 (x ) ≤ b para todo x , entonces

1 Realice los ejercicios 2.1, 2.2, 2.3, 2.4, 2.6, 2.13,

También podría gustarte