Inferencia Estadística 1.

Preliminares

Intervalos de Confianza para dos parámetros

Jhon F. Bernedo Gonzales • 2020

Última revisión: 21 de julio de 2020

Índice

1. Preliminares 1
1.1. Interpretación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2. IC para µ1 − µ2 : las varianzas son conocidas 3

3. IC para µ1 − µ2 : varianzas desconocidas 6

3.1. Muestras Grandes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.2. Muestras pequeñas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2.1. Varianzas iguales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2.2. Varianzas diferentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

4. IC para p1 − p2 17

1 Preliminares
EL objetivo es obtener una estimación por intervalos de la diferencia de medias de dos poblaciones. Para
tal fin se considera dos muestras

1. X11 . . . , X1n1 una m.a de la primera población con media µ1 y varianza σ21

2. X21 . . . , X2n2 una m.a de la segunda población con media µ2 y varianza σ22

3. Las muestras son independientes entre si

La estimación puntual de la diferencia de las medias poblaciones, µ1 − µ2 es dada por

X1 − X2

1
Inferencia Estadística 1. Preliminares

La idea de construir un IC para la diferencia de medias es como el IC para la media y proporción

poblacional, sólo que ahora se tiene 2 muestras

µ1 − µ2 ∈ x1 − x2 ± Margen de error

en que el margen de error depende del error estándar y el cuantil de la distribución de probabilidad
respectiva.
Nótese que

x1 ≡ la media muestral de la muestra 1

x2 ≡ la media muestral de la muestra 2

1.1 Interpretación
1. Si se tiene una confianza que µ1 − µ2 > 0 entonces µ1 > µ2 con poco riesgo de incurrir en un error.

2. Si se tiene una confianza que µ1 − µ2 < 0 entonces µ1 < µ2 con poco riesgo de incurrir en un error.

3. Si el número cero esta contenido en el IC para µ1 − µ2 entonces en promedio existe la chance que
µ1 = µ2 , con poco riesgo de incurrir en un error.

Ejemplo 1.1 Suponga que se tiene un 95 % de confianza que µ1 − µ2 ∈ (12; 20). Luego, como ambos
límites de confianza son positivos, esto indica que en promedio, µ1 − µ2 > 0.

Suponga que se tiene un 95 % de confianza que µ1 − µ2 ∈ (−15; −12). Luego, como ambos límites
de confianza son negativos, esto indica que en promedio, µ1 − µ2 < 0

Suponga que se tiene un 95 % de confianza que µ1 − µ2 ∈ (−2; 1.4). Luego, los límites de confianza
son negativo y positivo, esto indica que el 0 pertenece al IC, luego en promedio, µ1 − µ2 = 0

2
Inferencia Estadística 2. IC para µ1 − µ2 : las varianzas son conocidas

2 IC para µ1 − µ2: las varianzas son conocidas

Las condiciones para obtener el IC para µ1 − µ2 son

Las poblaciones son normales: para cualquier tamaño de muestra.

Las poblaciones son no normales: pero se tiene muestras grandes (n1 ≥ 30 y n2 ≥ 30)

Considerando estas condiciones se tiene que el error estándar de X1 − X2 es dado por

s
σ21 σ22
SE(x1 − x2 ) = +
n1 n2

El IC para la diferencia de medias es dada por

s
σ21 σ22
IC(µ1 − µ2 ) : µ1 − µ2 ∈ x1 − x2 ± z α2 × +
n1 n2
µ1 − µ2 ∈ x1 − x2 ± z α2 × SE(x1 − x2 )

El IC para la diferencia de medias se puede escribir también como

 s s 
2 2 2 2
 σ1 σ2 σ1 σ2 
µ1 − µ2 ∈ x1 − x2 − z α2 + ; x1 − x2 + z α2 + 

 n1 n2 n1 n2 

Nótese que el margen de error en este caso es dado por

s
σ21 σ22
margen de error ≡ z α2 × SE(x1 − x2 ) = z α2 × +
n1 n2

3
Inferencia Estadística 2. IC para µ1 − µ2 : las varianzas son conocidas

Ejemplo 2.1
Se esperaba que el día de San Valentín el desembolso promedio fuera $100.89 (USA Today, 13 de febrero
de 2006). ¿Hay diferencia en las cantidades que gastan los hombres y las mujeres? El gasto promedio en
una muestra de 40 hombres fue de $135.67 y el gasto promedio en una muestra de 30 mujeres fue de
$68.64. Por estudios anteriores se sabe que la desviación estándar poblacional en el gasto de los hombres
es de $35 y en el gasto de las mujeres es de $20.

a) ¿Cuál es la estimación puntual de la diferencia entre el gasto medio poblacional de los hombres y
el gasto medio poblacional de las mujeres?

b) Con 99 % de confianza, ¿cuál es el margen de error?

c) Elabore un intervalo de confianza de 99 % para la diferencia entre las dos medias poblacionales.

Solución:

a) La estimación puntual de la diferencia entre el gasto medio poblacional de los hombres y mujeres
es dado por
x1 − x2 = 135.67 − 68.64 = 67.03

b) Con 99 % de confianza, el margen de error es dado por

s r
σ21 σ22 352 202
z α2 × + = 2.576 × + = 17.0792
n1 n2 40 30

c) Elabore un intervalo de confianza de 99 % para la diferencia entre las dos medias poblacionales.

s
σ21 σ22
IC(µ1 − µ2 ) : µ1 − µ2 ∈ x1 − x2 ± z α2 × +
1 − α = 0.99 n1 n2
z α2 = 2.576 µ1 − µ2 ∈ 67.03 ± 17.0792
µ1 − µ2 ∈ (67.03 − 17.0792, 67.03 + 17.0792)

4
Inferencia Estadística 2. IC para µ1 − µ2 : las varianzas son conocidas

Ejemplo 2.2
Un experimento para comparar la resistencia de adhesión a la tensión de un mortero modificado con un
polímero de látex dio por resultado x1 = 18.12 kgf/cm2 para el mortero modificado con n1 = 40 y x2 =
16.87 kgf/cm2 para el mortero no modificado con n2 = 32. Sean µ1 y µ2 las resistencias de adhesión a la
tensión promedio verdaderas para los morteros modificado y no modificado, respectivamente. Suponga
que ambas distribuciones de la resistencia de adhesión son normales y σ1 = 1.6 y σ2 = 1.4

a) Encuentre la estimación puntual para µ1 − µ2

b) Encuentre el SE(x1 − x2 )

c) Determine el IC para la diferencia de medias con un nivel de confianza de 95 %

5
Inferencia Estadística 3. IC para µ1 − µ2 : varianzas desconocidas

3 IC para µ1 − µ2: varianzas desconocidas

3.1 Muestras Grandes
En el caso que las varianzas de la población sean desconocidas pero se tiene que las muestras son
grandes (n1 ≥ 30 y n2 ≥ 30) se aproxima las varianzas poblaciones de cada población por las varianzas
muestrales. Por tanto,

σ21 ≈ s12
σ22 ≈ s22

En este caso se tiene un error estándar estimado (estimación) del estimador puntual X1 − X2 dado por
s
s12 s22
SEE(x1 − x2 ) = +
n1 n2

El IC para la diferencia de medias cuando las varianzas son desconocidas y se tiene muestras grandes es
dado por
s
s12 s22
IC(µ1 − µ2 ) : µ1 − µ2 ∈ x1 − x2 ± z α2 × +
n1 n2
µ1 − µ2 ∈ x ± z α2 × SEE(x1 − x2 )

o escribirlo también
 s s 
2 2 2 2
 s1 s s1 s 
µ1 − µ2 ∈ x1 − x2 − z α2 + 2 ; x1 − x2 + z α2 + 2  .

 n1 n2 n1 n2 

Este IC se aplica cuando las poblaciones sean normales o no normales

6
Inferencia Estadística 3. IC para µ1 − µ2 : varianzas desconocidas

Ejemplo 3.1
Block, una compañía fabricante de chips para computadoras, está en proceso de decidir si sustituye su
línea de ensamble semiautomática por otra completamente automatizada. Block ha reunido algunos
datos de pruebas preliminares acerca de la producción de chips por hora que se resumen en la tabla
siguiente.

Línea n x s
1 Línea semiautomática 150 198 32
2 Línea automática 200 206 29

lObtenga un IC de confianza para diferencia de medias de las lineas de ensamble con 1 − α = 0.99. Que
interpretación se puede dar sobre el IC calculado y de esta forma ayudar al gerente a tomar una decisión
para cambiar su línea de ensamble.

Solución:

s
s1 = 32 s12 s22
µ1 − µ2 ∈ x1 − x2 ± z ×
α +
s2 = 29 2 n1 n2
n1 = 150
r
322 292
n2 = 200 (198 − 206) ± 2.576 × +
150 200
1 − α = 0.99 − 8 ± 8.5559
z α2 = 2.576 (−8 − 8.5559, −8 + 8.5559)
(-16.5559, 0.5559)
mu1 - mu2=0
mu1=mu2
como la diferencias de medias es igual a cero entonces las
medias son iguales.
Esto quiere decir que no es necesario el cambio a la linea
automatica esto por que en media producen la misma cantidad

7
Inferencia Estadística 3. IC para µ1 − µ2 : varianzas desconocidas

Ejemplo 3.2
La tabla adjunta contiene datos sobre resistencia a la compresión (N/mm2 ) de especímenes de concreto hechos
con una mezcla de cenizas combustibles pulverizadas (“A Study of Twenty-Five-Year-Old Pulverized Fuel Ash
Concrete Used in Foundation Structures”. Proc. Inst. Civ. Engrs., marzo de 1985: 149-165):

Edad tamaño media desv. estándar

(días) muestral muestral muestral
7 68 26.99 4.89
28 74 35.76 6.43

Calcule e interprete un intervalo de confianza de 99 % para la diferencia entre resistencia a 7 días promedio
verdadera y resistencia a 28 días promedio verdadera.

8
Inferencia Estadística 3. IC para µ1 − µ2 : varianzas desconocidas

3.2 Muestras pequeñas

3.2.1. Varianzas iguales y desconocidas
En el caso que las varianzas de las poblaciones son desconocidas pero iguales σ21 = σ22 , se debe de
cumplir la condición que ambas poblaciones cumplan las siguientes condiciones

La muestra de la primera población sigue una distribución normal, X1i ∼ N(µ1 , σ21 ), i = 1, . . . , n1

La muestra de la segunda población sigue una distribución normal, X2j ∼ N(µ2 , σ22 ), j = 1, . . . , n2

Generalmente se considera n1 < 30 y n2 < 30

El error estándar estimado es s !

1 1
SEE(x1 − x2 ) = S2p + ,
n1 n2
en que
(n1 − 1)s12 + (n2 − 1)s22
S2p =
n1 + n2 − 2
El IC para la diferencia de medias cuando las varianzas son desconocidas pero iguales es dado por
s !
1 1
IC(µ1 − µ2 ) : µ1 − µ2 ∈ x1 − x2 ± tν, α2 × S2p +
n1 n2
µ1 − µ2 ∈ x1 − x2 ± tν, α2 × SEE(x1 − x2 )

en que tν, α2 es un cuantil de la distribución t-student con ν grados de libertad. Los grados de libertad es
igual a
ν = n1 + n2 − 2
El IC para µ1 − µ2 también puede ser escrito como
 s ! s !
 1 1 1 1 
µ1 − µ2 ∈ x1 − x2 − tν, α2 S2p + ; x1 − x2 + tν, α2 S2p +

n1 n2 n1 n2 



9
Inferencia Estadística 3. IC para µ1 − µ2 : varianzas desconocidas

Ejemplo 3.3
En un proceso químico por lotes se comparan los efectos de dos catalizadores sobre la potencia de la
reacción del proceso. Se prepara una muestra de 12 lotes utilizando el catalizador 1 y una muestra de 10
lotes utilizando el catalizador 2. Los 12 lotes para los que se utilizó el catalizador 1 en la reacción dieron
un rendimiento promedio de 85 con una desviación estándar muestral de 4; en tanto que para la segunda
muestra, la de 10 lotes, el promedio fue de 81, con una desviación estándar muestral de 5. Calcule un
intervalo de confianza del 90 % para la diferencia entre las medias de la población, suponiendo que las
poblaciones se distribuyen de forma aproximadamente normal y que tienen varianzas iguales

Solución:

Como las varianzas son desconocidas pero iguales

(n1 − 1)s12 + (n2 − 1)s22 (12 − 1)42 + (10 − 1)52

n1 = 12 S2p = = = 20.05
n1 + n2 − 2 12 + 10 − 2
x1 = 85
s1 = 4 s !
n2 = 10 1 1
v=n1+n2-2 µ1 − µ2 ∈ x1 − x2 ± tν, α2 × S2p +
v=12+10-2 x2 = 81 n1 n2
v=20 s2 = 5 r
1 1
 
1 − α = 0.90 (85 − 81) ± 1.725 × 20.05 +
12 10
tν, α2 = 1.725 4 ± 3.3072
(4 − 3.3072, 4 + 3.3072)

10
Inferencia Estadística 3. IC para µ1 − µ2 : varianzas desconocidas

Ejemplo 3.4
Una organización de crédito y seguros ha desarrollado un nuevo método de alta tecnología para capacitar
al nuevo personal de ventas. La compañía obtuvo una muestra de 16 empleados capacitados de la manera
original y encontró ventas diarias promedio de $688 con desviación estándar de la muestra de $32.63.
También tomaron una muestra de 11 empleados capacitados con el método nuevo y encontraron un
promedio de ventas diarias de $706 con desviación estándar de la muestra de $24.84.
Obtenga un IC de 95 % para la diferencia entre la ventas diarias del método nuevo y original. Suponga
que las poblaciones se distribuyen de forma aproximadamente normal y que tienen varianzas iguales.
Interprete los resultados obtenidos

11
Inferencia Estadística 3. IC para µ1 − µ2 : varianzas desconocidas

Ejemplo 3.5
Lisa Monnin es la directora de presupuestos de Nexos Media, Inc. Ella quiere comparar los gastos diarios
en viáticos del personal de ventas con los gastos del personal de auditoría, para lo cual recopiló la
información siguiente sobre las muestras.

Ventas (dólares) 131 135 146 165 136 142

Auditoría (dólares) 130 102 129 143 149 120 139

Considerando un nivel de confianza de 90 %, ¿puede Monnin concluir que los gastos diarios medios son
mayores para el personal de venta que para el personal de auditoría?. Suponga que los ambas muestras
son tomadas de poblaciones normales y que las varianzas son desconocidas e iguales.

Solución:

Como las varianzas son desconocidas pero iguales

n1 =
x1 = (n1 − 1)s12 + (n2 − 1)s22
S2p = =
s1 = n1 + n2 − 2
n2 =
x2 =
s !
1 1
s2 = µ1 − µ2 ∈ x1 − x2 ± tν, α2 × S2p +
n1 n2
1−α=
tν, α2 =

12
Inferencia Estadística 3. IC para µ1 − µ2 : varianzas desconocidas

3.2.2. Varianzas diferentes y desconocidas

En el caso que las varianzas de las poblaciones sean desconocidas pero diferentes σ21 , σ22 , se requiere
que ambas poblaciones cumplan las siguientes condiciones

La muestra de la primera población sigue una distribución normal, X1i ∼ N(µ1 , σ21 ), i = 1, . . . , n1

La muestra de la segunda población sigue una distribución normal, X2j ∼ N(µ2 , σ22 ), j = 1, . . . , n2

Generalmente se considera n1 < 30 y n2 < 30

El error estándar estimado es dado

s
s12 s22
SEE(x1 − x2 ) = +
n1 n2

El IC para la diferencia de medias cuando las varianzas son desconocidas y diferentes es dado por
s
s12 s22
IC(µ1 − µ2 ) : µ1 − µ2 ∈ x1 − x2 ± tν, α2 × +
n1 n2
µ1 − µ2 ∈ x1 − x2 ± tν, α2 × SEE(x1 − x2 )

en que tν, α2 es un cuantil de la distribución t-student con ν grados de libertad. Los grados de libertad es
igual a
 2 2
s1 s22
n1 + n2 v=15.78 --> v=15
ν = 2 !2 2 2
! v=20.12 --> v=20
s1 s2
v=7.8998 --> v=7
n1 n2
+ v=10
n1 −1 n2 −1
Generalmente, ν es número decimal positivo, y por ello ν se redondea hacia abajo, osea, se considera
solo la parte entera de ν
El IC para µ1 − µ2 también puede ser escrito como
 s s 
2 2 2 2
 s 1 s s s 
µ1 − µ2 ∈ x1 − x2 − tν, α2 + 2 ; x1 − x2 + tν, α2 1
+ 2 

 n1 n2 n1 n2 

nota: En los ejercicios de IC para la diferencia de medias, si se no indica que las varianzas son iguales
entonces se debe considerar que las varianzas son diferentes

13
Inferencia Estadística 3. IC para µ1 − µ2 : varianzas desconocidas

Ejemplo 3.6
Un experimento publicado en Popular Science comparó el ahorro de combustible para dos tipos de
camiones compactos que funcionan con diesel y están equipados de forma similar. Suponga que se
utilizaron 12 camiones Volkswagen y 10 Toyota en pruebas con una velocidad constante de 90 kilómetros
por hora. Si los 12 camiones Volkswagen promedian 16 kilómetros por litro con una desviación estándar
de 1.0 kilómetros por litro, y los 10 Toyota promedian 11 kilómetros por litro con una desviación
estándar de 0.8 kilómetros por litro, construya un intervalo de confianza del 90 % para la diferencia
entre los kilómetros promedio por litro de estos dos camiones compactos. Suponga que las distancias por
litro para cada modelo de camión están distribuidas de forma aproximadamente normal y que tienen
varianzas diferentes.
1: volks
Solución: 2: toyota

Como las varianzas son desconocidas y diferentes

2
s12 s22

12 0.82 2
h i
n1 + n2 12 + 10
ν= 2 2
! 2 2
! =  2  2 = 19.98 ≈ 19
s1 s2 12 0.82
12 10
n1 = 12 n1 n2
+
n1 −1 + n2 −1
12−1 10−1
x1 = 16
t19, α2 = 1.729
s1 = 1
n2 = 10
x2 = 11 s
s2 = 0.8 s12 s22
µ1 − µ2 ∈ x1 − x2 ± t × ν, α2 +
1 − α = 0.90 n1 n2
r
tν, α2 =? 12 0.82
(16 − 11) ± 1.729 × +
12 10
5 ± 0.6637
(5 − 0.6637, 5 + 0.6637)

mu1-mu2>0
mu1 > mu2

14
Inferencia Estadística 3. IC para µ1 − µ2 : varianzas desconocidas

Ejemplo 3.7
Se piensa que el codo de tenista es molestado por el impacto experimentado cuando se golpea la pelota.
El artículo “Forces on the Hand in the Tennis One-Handed Backhand” (Intl. J. of Sport Biomechanics,
1991: 282-292) reportó la fuerza (N) en la mano exactamente después del impacto en un golpe de revés
con una mano de seis jugadores avanzados y de ocho intermedios.

Jugador n x s
Avanzado 6 40.3 11.3
Intermedio 8 21.4 8.3

Los autores en su análisis supusieron que ambas distribuciones de fuerza eran normales. Calcule un IC
de 95 % para la diferencia entre la fuerza promedio de jugadores avanzados y la fuerza promedio de
jugadores intermedios. ¿Proporciona su intervalo evidencia contundente para concluir que las fuerzas
promedio son diferentes?

15
Inferencia Estadística 3. IC para µ1 − µ2 : varianzas desconocidas

Ejemplo 3.8
FedEx y United Parcel Service (UPS) son las dos empresas de transporte de paquetería más importantes
del mundo en cuanto a volumen e ingresos (The Wall Street Journal, 27 de enero de 2004). De acuerdo
con el Consejo Internacional de Aeropuertos, el aeropuerto internacional de Memphis (FedEx) y el
aeropuerto internacional de Louisville (UPS) son dos de los 10 mayores aeropuertos de carga del
mundo. Las muestras aleatorias siguientes muestran las toneladas de carga por día que pasan por estos
aeropuertos. Los datos están dados en miles de toneladas.
Menphis Louisville
9.1 8.3 4.7 2.2 Bajo la suposición que las poblaciones son normales
15.1 9.1 5 4.1 y de varianzas diferentes Proporcione un intervalo
8.8 6 4.2 2.6 de 95 % de confianza para la diferencia entre las
10 5.8 3.3 3.4 medias poblacionales diarias de los dos aeropuerto
7.5 12.1 5.5 7
10.5 9.3

Solución:

n1 =
x1 =
2
s1 = s12 s22

n1 + n2
n2 = ν= 2 2 2 2
! !
s1 s2
x2 = n1 n2
s2 = n1 −1 + n2 −1
1 − α = 0.95
tν, α2 =?

16
Inferencia Estadística 4. IC para p1 − p2

4 IC para p1 − p2
Considerando los parámetros binomiales p1 y p2 y se tiene el problema de estimar la diferencia entre
estos parámetros binomiales p1 − p2 es necesario:

seleccionar muestras aleatorias independientes de tamaño n1 y n2 de poblaciones binomiales

Bi(n1 , p1 ) y Bi(n2 , p2 ) respectivamente

se calcula las proporciones muestrales estimadas b

p 1 = x1 /n1 y b
p 2 = x2 /n2 . En que x1 es el número
de éxitos en la muestra 1 y x2 es el número de éxitos en la muestra 2

La estimación puntual para p1 − p2 es dada por b p 2 . El error estándar del estimador b

p1 − b P1 − b
P 2 es
dado por s
p1 (1 − p1 ) p2 (1 − p2 )
SE( b
P1 − b
P 2) = + ,
n1 n2
sin embargo, p1 y p2 son parametros desconocidos.
El error estandar estimado es dado por
s
p 1 (1 − b
p 1) b
p (1 − b
p 2)
+ 2
b
SEE(b
p1 − bp 2) =
n1 n2

Luego el IC para la diferencia de proporciones es dado por

s
p 1 (1 − b p (1 − b
p 1) b p 2)
+ 2
b
IC(b p 2 ) : p1 − p2 ∈ b
p1 − b p1 − b
p 2 ± z α2 ×
n1 n2
p1 − p2 ∈ b p 2 ± z α2 × SEE(x1 − x2 )
p1 − b

El IC para p1 − p2 también puede ser escrito como

 s s 
 p 1 (1 − b
p 1) b
p (1 − b
p 2) p 1 (1 − b
p 1) b
p (1 − b
p 2 ) 
+ 2 + 2
b b
p1 − p2 ∈  bp1 − b
p 2 − z α2 ;b p 2 + z α2
p1 − b

n1 n2 n1 n2

 

17
Inferencia Estadística 4. IC para p1 − p2

Ejemplo 4.1
A cierto genetista le interesa determinar la proporción de hombres y mujeres de la población que
padecen cierto trastorno sanguíneo menor. En una muestra aleatoria de 1000 hombres encuentra que
250 lo padecen; mientras que de 1000 mujeres examinadas, 275 parecen padecerlo. Calcule un intervalo
de confianza del 95 % para la diferencia entre la proporción de hombres y mujeres que padecen el
trastorno sanguíneo

Solución:

n1 = 1000 s
250 p 1 (1 − b
p 1) bp (1 − b
p 2)
+ 2
b
p1 =
b = 0.25 p1 − p2 ∈b
p1 − bp 2 ± z α2 ×
n1 n2
1000
n2 = 1000
r
0.25(1 − 0.25) 0.275(1 − 0.275)
275 (0.25 − 0.275) ± 1.96 × +
p2 =
b = 0.275 1000 1000
1000 − 0.025 ± 0.0386
1 − α = 0.95
(−0.025 − 0.0386, −0.025 + 0.0386)
z α2 = 1.96 - +
0

p1-p2=0
p1=p2

18
Inferencia Estadística 4. IC para p1 − p2

Ejemplo 4.2
Un fabricante produce un artículo que se clasifica como “defectuoso” o “no defectuoso”. Para estimar la
proporción de productos defectuosos se tomó una muestra aleatoria de 100 artículos de la producción
y se encontraron 10 defectuosos. Después de aplicar un programa de mejoramiento de la calidad se
volvió a realizar el experimento. Se tomó una nueva muestra de 100 artículos y esta vez sólo 6 salieron
defectuosos. Calcule un IC para la diferencia de proporciones de los defectuosos antes y después del
mejoramiento. Hubo alguna mejora en la calidad? Explique su respuesta.

19