T06 Teoría Decisión Estadística

19/05/2014
Jos Fuentes 1
19/05/2014 19/05/2014 Jos Fuentes Jos Fuentes 11
PROBLEMA (JUEGO)
ACCIN
(DECISIN ADOPTADA)
EXPERIMENTO
BUENA
ESTRATEGIA ()
BUENA
ESTRATEGIA ()
SOLUCIN: SOLUCIN:
DATO (O DATOS), x
OBSERVACIN (X) OBSERVACIN (X)
19/05/2014 19/05/2014 Jos Fuentes Jos Fuentes 22
PROBLEMA (JUEGO): (, A, L)
ESTADOS ()
ACCIONES (A)
FUNCIN DE PRDIDA (L)
FORMALMENTE: FORMALMENTE:
19/05/2014 Jos Fuentes 3
FUNCIN DE PRDIDA FUNCIN DE PRDIDA
19/05/2014
Jos Fuentes 2
EXPERIMENTOS EXPERIMENTOS
ESPACIO DE OBSERVACIONES (X)
ESPACIO DE ESTADOS ()
MODELO ()
DISTRIBUCIN DE LOS ESTADOS ()
C
L
S
I
C
O
B
A
Y
E
S
I
A
N
O
PRDIDA BAYESIANA PRDIDA BAYESIANA
ACCIN BAYESIANA ACCIN BAYESIANA
19/05/2014
Jos Fuentes 3
DISTRIBUCIN DE ESTADOS DISTRIBUCIN DE ESTADOS
GRADO DE CREENCIA
VARIABILIDAD REAL
(ESTADO VARIABLE ALEATORIA
NO OBSERVABLE)
EJEMPLOS EJEMPLOS
Distribucin del porcentaje de unidades
no conformes en lotes sometidos a
inspeccin (caso de variabilidad real)
Distribucin del porcentaje de unidades
no conformes en lotes sometidos a
inspeccin (caso de variabilidad real)
EJEMPLO 1: INSPECCIN DE UNA
UNIDAD DE PRODUCCIN
EJEMPLO 1: INSPECCIN DE UNA
UNIDAD DE PRODUCCIN
Sistema: unidad a inspeccionar
Estados ( = {c, n}):
unidad conforme (c)
unidad no conforme (n)
Acciones (A = {a, r}):
aceptar la unidad (a)
rechazar la unidad (r)
Sistema: unidad a inspeccionar
Estados ( = {c, n}):
unidad conforme (c)
unidad no conforme (n)
Acciones (A = {a, r}):
aceptar la unidad (a)
rechazar la unidad (r)
19/05/2014
Jos Fuentes 4
EJEMPLO 1 (CONTINUACIN) EJEMPLO 1 (CONTINUACIN)
Prdidas (no dependen de la
estrategia utilizada) ( L(, a) ):
costo de falsa conformidad: L(n, b): U$S 1000
(precio de la unidad)
costo de falsa no conformidad: L(c, m): U$S 100
(revisin innecesaria de la unidad)
Prdidas (no dependen de la
estrategia utilizada) ( L(, a) ):
costo de falsa conformidad: L(n, b): U$S 1000
(precio de la unidad)
costo de falsa no conformidad: L(c, m): U$S 100
(revisin innecesaria de la unidad)
Espacio de observaciones ( X = {0, 1} )
0: prueba de verificacin superada
1: prueba de verificacin NO superada
Estrategi as o funci ones de deci si n
(D) (D = {d
1
, d
2
, d
3
, d
4
}):
Espacio de observaciones ( X = {0, 1} )
0: prueba de verificacin superada
1: prueba de verificacin NO superada
Estrategi as o funci ones de deci si n
(D) (D = {d
1
, d
2
, d
3
, d
4
}):
!!! !!!
19/05/2014
Jos Fuentes 5
Ri esgos (s dependen de la estr ategi a
uti li zada):
PRDIDA MEDIA
AL UTILIZAR DETERMINADA ESTRATEGIA:
R(, d) = P
X|[= ]
L(, d())
del consumidor (falsa conformidad): R(n, d)
del proveedor (falsa no conformidad): R(c, d)
Ri esgos (s dependen de la estr ategi a
uti li zada):
PRDIDA MEDIA
AL UTILIZAR DETERMINADA ESTRATEGIA:
R(, d) = P
X|[= ]
L(, d())
del consumidor (falsa conformidad): R(n, d)
del proveedor (falsa no conformidad): R(c, d)
BUENAS ESTRATEGIAS:
BAJOS RIESGOS
LOS RIESGOS SE PUEDEN REGULAR
ESTADSTICAMENTE (ELIGIENDO
EXPERIMENTOS Y ESTRATEGIAS
ADECUADAS), LAS PRDIDAS NO
ESTRATEGIA
EXPERIMENTO
CANTIDAD DE
REPETICIONES
CANTIDAD DE
REPETICIONES
PARMETROS PARMETROS
COSTOS COSTOS
RIESGOS RIESGOS
TECNOLOGA
19/05/2014
Jos Fuentes 6
EJEMPLO DE PARMETRO DEL
DISEO DE EXPERIMENTOS
EJEMPLO DE PARMETRO DEL
DISEO DE EXPERIMENTOS
EXPERIMENTO: CURVA DE
CALIBRACIN
PARMETROS:
CONCENTRACIONES DE PATRONES
19/05/2014 19/05/2014 Jos Fuentes Jos Fuentes 20 20
RIESGOS Y PRDIDAS RIESGOS Y PRDIDAS
L(, a) R(, )
FUNCIN DE
PRDIDA
ESTADO
ACCIN
FUNCIN
DE RIESGO
ESTADO
ESTRATEGIA
Pr obabi lidades de er ror (al uti li zar
deter mi nado mtodo de i nspecci n, car o)
prob. falsa conformidad: P
n
({b}) = 0.01
prob. falsa no conformidad: P
c
({m}) = 0.03
Ri esgos (en U$S, al uti li zar di cho mtodo):
del cliente (falsa conf.): R(n, d) = 1000 0.01 = 10
del proveedor (falsa no conf.): R(c, d) = 100 0.03 = 3
Costo de i nspecci n por uni dad: U$S 5
Pr obabi lidades de er ror (al uti li zar
deter mi nado mtodo de i nspecci n, car o)
n
({b}) = 0.01
c
({m}) = 0.03
19/05/2014
Jos Fuentes 7
EJEMPLO 1 (CONT.)
INTERPRETACIN FRECUENCISTA
DE LOS VALORES DE RIESGO
EJEMPLO 1 (CONT.)
INTERPRETACIN FRECUENCISTA
DE LOS VALORES DE RIESGO
SI TODOS LOS LOTES FUERAN NO
CONFORMES, EL CLIENTE SUFRE
UNA PRDIDA MEDIA DE 10U$S / LOTE
SI TODOS LOS LOTES FUERAN
CONFORMES, EL PROVEEDOR SUFRE
SI TODOS LOS LOTES FUERAN NO
CONFORMES, EL CLIENTE SUFRE
SI TODOS LOS LOTES FUERAN
CONFORMES, EL PROVEEDOR SUFRE
Pr obabi li dades de er r or (al uti li zar
deter mi nado mtodo de i nspecci n, bar ato)
n
({b}) = 0.02
c
({m}) = 0.06
Pr obabi li dades de er r or (al uti li zar
deter mi nado mtodo de i nspecci n, bar ato)
n
({b}) = 0.02
c
({m}) = 0.06
EJEMPLO 1-RIESGO BAYESIANO EJEMPLO 1-RIESGO BAYESIANO
SUPOSICIN:
(DISTRIBUCIN INICIAL):
% DE UNIDADES NO CONFORMES: ({n}) = 0.03
RIESGO BAYESIANO, B(Q, d) ( RIESGO
MEDIO):
B(Q, d) = R(n, d) Q({n}) +R(c, d) Q({c})
CON MTODO BARATO: 20 0.03 + 6 0.97 = 6.42
CON MTODO CARO: 10 0.03 + 3 0.97 = 3.21
SUPOSICIN:
(DISTRIBUCIN INICIAL):
% DE UNIDADES NO CONFORMES: ({n}) = 0.03
RIESGO BAYESIANO, B(Q, d) ( RIESGO
MEDIO):
B(Q, d) = R(n, d) Q({n}) +R(c, d) Q({c})
CON MTODO BARATO: 20 0.03 + 6 0.97 = 6.42
CON MTODO CARO: 10 0.03 + 3 0.97 = 3.21
19/05/2014
Jos Fuentes 8
INTERPRETACIN
FRECUENCISTA
INTERPRETACIN
FRECUENCISTA
SI TODAS LAS PRDIDAS SE
TRASLADAN AL PROVEEDOR, Y SI EL
PORCENTAJE DE UNIDADES NO
CONFORMES ES DE 3%, EL PROVEEDOR
SUFRE UNA PRDIDA MEDIA DE 6.42 U$S
/ LOTE (CON INSPECCIN BARATA)
SI TODAS LAS PRDIDAS SE
TRASLADAN AL PROVEEDOR, Y SI EL
PORCENTAJE DE UNIDADES NO
CONFORMES ES DE 3%, EL PROVEEDOR
SUFRE UNA PRDIDA MEDIA DE 6.42 U$S
/ LOTE (CON INSPECCIN BARATA)
EJEMPLO 2: MUESTREO POR
ATRIBUTO
EJEMPLO 2: MUESTREO POR
ATRIBUTO
Si stema: cada lote a inspeccionar, de
tamao mucho mayor que el de la
muestra a extraer
Estados: ={0.01, 0.05}
lote conforme (p = 0.01)
lote no conforme (p = 0.05)
Acci ones: A = {a, r}
aceptar el lote (a)
rechazar el lote (r)
Si stema: cada lote a inspeccionar, de
tamao mucho mayor que el de la
muestra a extraer
Estados: ={0.01, 0.05}
lote conforme (p = 0.01)
lote no conforme (p = 0.05)
Acci ones: A = {a, r}
aceptar el lote (a)
rechazar el lote (r)
Estr ategi as o funci ones de deci si n (D):
planes de muestr eos si mples n-c (d
nc
)
n: tamao muestral
c: nmero de aceptacin
x: cantidad de unidades no conf. en la muestra
se acepta el lote si x c
se rechaza el lote si x > c
cada combinacin de valores de n y de c
determina una estrategia (d
nc
) distinta
Estr ategi as o funci ones de deci si n (D):
planes de muestr eos si mples n-c (d
nc
)
n: tamao muestral
c: nmero de aceptacin
x: cantidad de unidades no conf. en la muestra
se acepta el lote si x c
se rechaza el lote si x > c
cada combinacin de valores de n y de c
determina una estrategia (d
nc
) distinta
19/05/2014
Jos Fuentes 9
Pr di das (que son i ndependi entes
del plan de muestr eo elegi do):
costo de falsa conformidad: L(0.05, a)
costo de falsa no conformidad: L(0.01, r)
Probab. de aceptaci n (P
p
(d
nc
= a)) y
de r echazo (P
p
(d
nc
= r)) de cada lote,
en funci n del plan, en la si gui ente
tabla
Pr di das (que son i ndependi entes
del plan de muestr eo elegi do):
costo de falsa conformidad: L(0.05, a)
costo de falsa no conformidad: L(0.01, r)
Probab. de aceptaci n (P
p
(d
nc
= a)) y
de r echazo (P
p
(d
nc
= r)) de cada lote,
en funci n del plan, en la si gui ente
tabla
n c p P
p
(d
nc
= a) P
p
(d
nc
= r)
100 1 0.01 0.736 0.264 (FN)
100 1 0.05 0.037 (FC) 0.963
100 3 0.01 0.982 0.018 (FN)
100 3 0.05 0.258 (FC) 0.742
10 0 0.01 0.904 0.096 (FN)
10 1 0.01 0.996 0.004 (FN)
10 0 0.05 0.599 (FC) 0.401
10 1 0.05 0.914 (FC) 0.086
(FC): Falsa conformidad (FN): Falsa no conformidad
19/05/2014
Jos Fuentes 10
Pr obabi li dades de er r or (dependen
del plan de muestreo elegi do):
probabilidad de falsa conformidad:
P
0.05
(d
nc
= a)
ejemplo: para el plan 100-1, vale 0.037
probabilidad de falsa no conformidad:
P
0.01
(d
nc
= r)
Pr obabi li dades de er r or (dependen
del plan de muestreo elegi do):
probabilidad de falsa conformidad:
P
0.05
(d
nc
= a)
probabilidad de falsa no conformidad:
P
0.01
(d
nc
= r)
Ri esgos:
del consumidor (falsa conformidad):
P
0.05
(d
nc
= a) L(0.05, a)
ejemplo: para el plan 100-1, vale:
0.037 L(0.05, a)
del proveedor (falsa no conformidad):
P
0.01
(d
nc
= r) L(0.01, r)
ejemplo: para el plan 10-0, vale 0.096 L(0.01, r)
Ri esgos:
del consumidor (falsa conformidad):
P
0.05
(d
nc
= a) L(0.05, a)
ejemplo: para el plan 100-1, vale:
0.037 L(0.05, a)
del proveedor (falsa no conformidad):
P
0.01
(d
nc
= r) L(0.01, r)
ejemplo: para el plan 10-0, vale 0.096 L(0.01, r)
PUNTOS DE RIESGO PUNTOS DE RIESGO
R
1
(FC)
R
2

(
F
N
)
(0.037, 0.264)
c = 1
(0.258, 0.018)
c = 3
L(0.05, a) = L(0.01, r) = 1
n = 100
19/05/2014
Jos Fuentes 11
EJEMPLO 3 : ESTIMACIN
PUNTUAL
EJEMPLO 3 : ESTIMACIN
PUNTUAL
Si stema: mensurando
Estados: posi bles valor es (a)
Acci ones: posi bles valor es de
esti maci n ()
Las estr ategi as se llaman
esti mador es y las deci si ones,
esti maci ones
Si stema: mensurando
Estados: posi bles valor es (a)
Acci ones: posi bles valor es de
esti maci n ()
Las estr ategi as se llaman
esti mador es y las deci si ones,
esti maci ones
EJEMPLO 3 (CONT.) EJEMPLO 3 (CONT.)
Prdidas: convencionalmente:
L(a, ) = k(a) ( a)
2
fcil manipulacin matemtica
penalizacin simtrica de desviaciones + y
crecimiento razonable con las desviaciones
buen grado de aproximacin a L real (para
pequeas desviaciones | a|)
Riesgo: R(a, d) = k(a)
a
(d - a)
2
Prdidas: convencionalmente:
L(a, ) = k(a) ( a)
2
fcil manipulacin matemtica
penalizacin simtrica de desviaciones + y
crecimiento razonable con las desviaciones
buen grado de aproximacin a L real (para
pequeas desviaciones | a|)
Riesgo: R(a, d) = k(a)
a
(d - a)
2
CUANDO aA k(a) = 1:
L(a, ) = ( a)
2
(PRDIDA DE ERROR CUADRTICO)
R(a, d) =
a
(d - a)
2
(ERROR CUADRTICO MEDIO)
CUANDO aA k(a) = 1:
L(a, ) = ( a)
2
(PRDIDA DE ERROR CUADRTICO)
R(a, d) =
a
(d - a)
2
(ERROR CUADRTICO MEDIO)
19/05/2014
Jos Fuentes 12
EJEMPLO 5 EJEMPLO 5
DETERMINACIN DE AUSENCIA O
PRESENCIA DE CONTAMINANTE MEDIANTE
2 ENSAYOS CUALITATIVOS
PARA CADA ENSAYO:
PROBABILIDAD FALSO +: 0.05
PROBABILIDAD FALSO -: 0.02
SE CONSIDERA QUE EL 10% DE LAS
UNIDADES EST CONTAMINADA
DETERMINACIN DE AUSENCIA O
PRESENCIA DE CONTAMINANTE MEDIANTE
2 ENSAYOS CUALITATIVOS
PARA CADA ENSAYO:
PROBABILIDAD FALSO +: 0.05
PROBABILIDAD FALSO -: 0.02
SE CONSIDERA QUE EL 10% DE LAS
UNIDADES EST CONTAMINADA
a
1
AUSENCIA
2
PRESENCIA
0
ACEPTAR
0 10
1
RECHAZAR
20 0
VALORES DE LA FUNCIN DE
PRDIDA (L): L(, a)
VALORES DE LA FUNCIN DE
PRDIDA (L): L(, a)
A = {0, 1} (ACEPTAR / RECHAZAR)
= {1, 2} (AUSENCIA / PRESENCIA)
X = 0..2 (CANT. ENSAYOS +)
p: PROBABILIDAD ENSAYO + (UN SOLO
ENSAYO REALIZADO)
P({k}): PROB. DE k ENSAYOS +
(2 ENSAYOS REALIZADOS)
A = {0, 1} (ACEPTAR / RECHAZAR)
= {1, 2} (AUSENCIA / PRESENCIA)
X = 0..2 (CANT. ENSAYOS +)
p: PROBABILIDAD ENSAYO + (UN SOLO
ENSAYO REALIZADO)
P({k}): PROB. DE k ENSAYOS +
(2 ENSAYOS REALIZADOS)
19/05/2014
Jos Fuentes 13
p
({0}) P
({1}) P
({2})
1 p
1
= 0.05 P
1
0.9025 0.0950 0.0025
2 p
2
= 0.98 P
2
0.0004 0.0392 0.9604
P
({0}) = (1- p
)
2
({1}) = 2p
(1- p
) P
({2}) = p
2
Q({1}) = 0.90 Q({2}) = 0.10
P
({0}) = (1- p
)
2
({1}) = 2p
(1- p
) P
({2}) = p
2
Q({1}) = 0.90 Q({2}) = 0.10
EJEMPLO 5 (CONT.) - RIESGOS EJEMPLO 5 (CONT.) - RIESGOS
R(1, d) = P
1
(d = 1) L(1, 1) = 20 P
1
(d = 1)
R(2, d) = P
2
(d = 0) L(2, 0) = 10 P
2
(d = 0)
B(, d) = Q({1}) R(1, d) + Q({2}) R(2, d)
B(, d) = 0.9 R(1, d) + 0.1 R(2, d)
R(1, d) = P
1
(d = 1) L(1, 1) = 20 P
1
(d = 1)
R(2, d) = P
2
(d = 0) L(2, 0) = 10 P
2
(d = 0)
B(, d) = Q({1}) R(1, d) + Q({2}) R(2, d)
B(, d) = 0.9 R(1, d) + 0.1 R(2, d)
d d(0) d(1) d(2) R(1, d) R(2, d) B(, d) TIPO
d
1
0 0 0 0 10 1
d
2
0 0 1 0.005 0.396 0.0441 B, M
d
3
0 1 1 1.950 0.004 1.7554
d
4
1 1 1 20 0 18
d
5
1 0 0 18.05 9.996 17.2446 I
ALGUNAS ESTRATEGIAS Y SUS RIESGOS ALGUNAS ESTRATEGIAS Y SUS RIESGOS
B: BAYESIANA M:MINIMAX I: INADMISIBLE B: BAYESIANA M:MINIMAX I: INADMISIBLE
19/05/2014
Jos Fuentes 14
16 16
44
INADMISIBLE INADMISIBLE
MINIMAX MINIMAX
BAYESIANA (
2
= 4
1
) BAYESIANA (
2
= 4
1
)
R
1
R
2
MINIMAX MINIMAX
19/05/2014
Jos Fuentes 15
EJEMPLO 5 (CONT.)
ESTRATEGIAS ALEATORIZADAS
EJEMPLO 5 (CONT.)
xx
0 se acepta
1 se acepta o se rechaza segn
resultado de lanzamiento
de moneda ideal
2 se rechaza
0 se acepta
1 se acepta o se rechaza segn
resultado de lanzamiento
de moneda ideal
2 se rechaza
19/05/2014
Jos Fuentes 16
xx
0 se acepta
1 se lanza un dado ideal; si el
resultado es 1 o 2, se acepta;
en caso contrario, se rechaza
2 se rechaza
0 se acepta
1 se lanza un dado ideal; si el
resultado es 1 o 2, se acepta;
en caso contrario, se rechaza
2 se rechaza
PUNTOS DE RIESGO DE
PUNTOS DE RIESGO DE
EJEMPLO 6 EJEMPLO 6
PROBLEMA:
ANLISIS QUMICO CUALITATIVO
POSIBLES CONCENTRACIONES: = {0, 2}
A = {0, 1} (AUSENCIA / PRESENCIA)
L(0, 0) = L(2, 1) = 0 L(0, 1) = L(2, 0) = 1
P
C
= N(C, 1) (MTODO EXACTO)
PROBLEMA:
ANLISIS QUMICO CUALITATIVO
POSIBLES CONCENTRACIONES: = {0, 2}
A = {0, 1} (AUSENCIA / PRESENCIA)
L(0, 0) = L(2, 1) = 0 L(0, 1) = L(2, 0) = 1
P
C
= N(C, 1) (MTODO EXACTO)
19/05/2014
Jos Fuentes 17
ESTRATEGIAS A UTILIZAR:
d
K
= 1
[K; +)
D = {d
K
| K (0; 2)}
OBSERVAC.: D ES INFINITO Y ES FINITO
PROBABILIDADES DE ERROR:
ESTRATEGIAS A UTILIZAR:
d
K
= 1
[K; +)
D = {d
K
| K (0; 2)}
OBSERVAC.: D ES INFINITO Y ES FINITO
PROBABILIDADES DE ERROR:
FALSO POSITIVO:
P
0
(d
K
= 1) = P
0
([K; +)) = 1 - (K)
FALSO NEGATIVO:
P
2
(d
K
= 0) = P
2
((-; K )) = (K - 2)
FALSO POSITIVO:
P
0
(d
K
= 1) = P
0
([K; +)) = 1 - (K)
FALSO NEGATIVO:
P
2
(d
K
= 0) = P
2
((-; K )) = (K - 2)
TEORA DE
JUEGOS
TEORA DE
DECISIN
ESTADSTICA
SOLO DOS JUGADORES ESPECIALES:
NATURALEZA (JUGADOR IMPARCIAL)
ESTADSTICO
SOLO DOS JUGADORES ESPECIALES:
NATURALEZA (JUGADOR IMPARCIAL)
ESTADSTICO
19/05/2014
Jos Fuentes 18
ELEMENTOS DE UN PROBLEMA
DE DECISIN
ELEMENTOS DE UN PROBLEMA
DE DECISIN
Estados posi bles del si stema
Acci ones posi bles a adoptar
Di seo y r esultados exper i mentales
Estr ategi as apli cables
Pr di das por deci si ones er r neas
Pr obabi li dades de er r or al apli car deter mi nada
estr ategi a
Ri esgos al apli car deter mi nada estr ategi a
Costos de apli caci n de la estr ategi a
Estados posi bles del si stema
Acci ones posi bles a adoptar
Di seo y r esultados exper i mentales
Estr ategi as apli cables
Pr di das por deci si ones er r neas
Pr obabi li dades de er r or al apli car deter mi nada
estr ategi a
Ri esgos al apli car deter mi nada estr ategi a
Costos de apli caci n de la estr ategi a
CONCLUSIONES CONCLUSIONES
EN GENERAL, PARA UN COSTO OPERATIVO
DADO, SE PUEDE MINIMIZAR UN RIESGO A
COSTA DEL AUMENTO DE LOS DEMS
PARA PODER ABATIR TODOS LOS RIESGOS,
EN GENERAL SE REQUIERE UN AUMENTO DE
LOS COSTOS OPERATIVOS
EN GENERAL, PARA UN COSTO OPERATIVO
DADO, SE PUEDE MINIMIZAR UN RIESGO A
COSTA DEL AUMENTO DE LOS DEMS
PARA PODER ABATIR TODOS LOS RIESGOS,
EN GENERAL SE REQUIERE UN AUMENTO DE
LOS COSTOS OPERATIVOS
MODELO
PREDICCIONES EXPERIMENTOS
TEORA DE LA
PROBABILIDAD
TEORA DE LA
PROBABILIDAD
INFERENCIA
ESTADSTICA
INFERENCIA
ESTADSTICA
COMPARACIN:
VALIDEZ DEL
MODELO
COMPARACIN:
VALIDEZ DEL
MODELO
19/05/2014
Jos Fuentes 19
TEORA DE LA
DECISIN ESTADSTICA
INFERENCIA
ESTADSTICA
ESTIMACIN PRUEBAS DE HIPTESIS
PUNTUAL POR INTERVALO
SISTEMA
EXPERIMENTO
ESTUDIO
ESTADSTICO
xx
DECISIN
ESTRATEGIA
ESTADOS
ACCIONES
PERDIDAS
DISTRIBUCIONES
COSTOS
ESTRATEGIAS
CRITERIOS ELECC. ESTRAT.

T06 Teoría Decisión Estadística

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

T06 Teoría Decisión Estadística

Enviado por

Direitos autorais:

Formatos disponíveis

19/05/2014

Você também pode gostar