UNIDAD 1
ALUMNO:
CATEDRTICO:
ESPECIALIDAD:
MATERIA: PROBABILIDAD Y ESTADISTICA
TRABAJO: UNIDAD 1
INDICE
INTRODUCCION. UNIDAD 4 INFERENCIA ESTADISTICA. 4.1 ESTIMACION PUNTUAL Y POR INTERVALOS DE CONFIANZA. 4.2 ESTIMACION DE LA MEDIA, DE LA DIFERENCIA DE MEDIAS, DE LA PROPORCION Y DE LA DIFERENCIA DE PROPORCIONES. 4.3 DETERMINACION DEL TAMAO DE LA MUESTRA. 4.4 PRUEBA DE HIPOTESIS 4.4.1 PRUEBAS UNILATERALES Y BILATERALES. 4.4.2 PRUEBAS PARA MEDIA Y ARA DIFERENCIA DE MEDIAS. 4.4.3 PRUEBAS PARA PROPORCION Y DIFERENCIA DE PROPORCIONES. 4.5 MUESTRAS PEQUEAS. 4.5.1 DISTRIBUCION t DE STUDENT. 4.5.2 DISTRIBUCION DE JI-CUADRADA. CUADROS DE CONTINGENCIA, LIMITACIONES DE LA PRUEBA
1 3 ..6 .7 .11 .13 .14 .15 .20 .22 .22
..23
INTRODUCCION
La inferencia estadstica o estadstica inferencial es una parte de la Estadstica que comprende los mtodos y procedimientos para deducir propiedades (hacer inferencias) de una poblacin, a partir de una pequea parte de la misma (muestra). La Teora de muestras. La estimacin de parmetros. El Contraste de hiptesis. El Diseo experimental. La Inferencia bayesiana. Los mtodos no paramtricos
1
Planteamiento del problema Suele iniciarse con una fijacin de objetivos o algunas preguntas como cul ser la media de esta poblacin respecto a tal caracterstica?, se parecen estas dos poblaciones? En el planteamiento se definen con precisin la poblacin, la caracterstica a estudiar, las variables, etctera. Se analizan tambin en este punto los medios de los que se dispone y el procedimiento. Elaboracin de un modelo Se establece un modelo terico de comportamiento de la variable de estudio. En ocasiones no es posible disear el modelo hasta realizar un estudio previo. Los posibles modelos son distribuciones de probabilidad. Extraccin de la muestra Se usa alguna tcnica de muestreo o un diseo experimental para obtener informacin de una pequea parte de la poblacin. Tratamiento de los datos En esta fase se eliminan posibles errores, se depura la muestra, se tabulan los datos y se calculan los valores que sern necesarios en pasos posteriores, como la media muestral, la varianza muestral. Los mtodos de esta etapa estn definidos por la estadstica descriptiva. Estimacin de los parmetros Con determinadas tcnicas se realiza una prediccin sobre cules podran ser los parmetros de la poblacin. Contraste de hiptesis Los contrastes de hiptesis son tcnicas que permiten simplificar el modelo matemtico bajo anlisis. Frecuentemente el contraste de hiptesis recurre al uso de estadsticos mustrales. Conclusiones Se critica el modelo y se hace un balance. Las conclusiones obtenidas en este punto pueden servir para tomar decisiones o hacer predicciones. El estudio puede comenzar de nuevo a partir de este momento, en un proceso cclico que permite conocer cada vez mejor la poblacin y caractersticas de estudio.
UNIDAD 4 INFERENCIA ESTADISTICA
La Inferencia Estadstica comprende los mtodos que son usados para sacar conclusiones de la poblacin en base a una muestra tomada de ella. Incluye los mtodos de estimacin de parmetros y las pruebas de hiptesis. En la estimacin de puntos la idea es hallar un estimado del parmetro poblacional basado en la muestra aleatoria tomada de la poblacin. Uno espera que el estimado este lo mas cerca posible del parmetro. Por ejemplo la media poblacional m. es estimada por la media muestral x . La Estimacin de parmetros comprende a su vez la Estimacin Puntual, en
donde se estudian los diversos mtodos de encontrar estimadores y las propiedades ptimas que deben tener stos, y la Estimacin por Intervalos de Confianza, en donde se estima un parmetro usando un intervalo centrado en un estimado del parmetro y de longitud igual a dos veces el error de estimacin. El Error de estimacin depende del nivel de confianza deseado, usualmente, 90, 95 99 por ciento. Una Hiptesis Estadstica es una afirmacin que se hace acerca de un parmetro poblacional. Por ejemplo, el tiempo de vida promedio para una persona diagnosticada con cncer de pulmn es 180 das. El porcentaje de personas que favorecen a un candidato a la presidencia es 60%.
3
La afirmacin que est establecida y que se espera sea rechazada
despus de aplicar una prueba estadstica es llamada la hiptesis nula y se representa por Ho. La afirmacin que se espera sea aceptada despus de aplicar una prueba estadstica es llamada la hiptesis alterna y se representa por Ha. Una prueba estadstica es una frmula, basada en la distribucin del estimador del parmetro que aparece en la hiptesis y que va a permitir tomar una decisin acerca de aceptar o rechazar una hiptesis nula. Al igual que una prueba de laboratorio para detectar cierta enfermedad, una prueba estadstica no es cien por ciento segura y puede llevar a una conclusin errnea. Hay dos tipos de errores que pueden ocurrir. El error tipo I, que se comete cuando se rechaza una hiptesis nula que realmente es cierta y el error tipo II, que se comete cuando se acepta una hiptesis nula que realmente es falsa. Edgar Acua Captulo 7 Inferencia Estadstica 149 El nivel de significacin, representada por a, es la probabilidad de cometer error tipo I, y por lo general se asume que tiene un valor de .05 .01.Tambin puede ser interpretado como el rea de la regin que contiene todos los valores posibles de la prueba estadstica donde la
hiptesis nula es rechazada.
4
La
probabilidad de cometer error tipo II, representado por b y al valor 1-b se le llama la potencia de la prueba. Una buena prueba estadstica es aquella que tiene una potencia de prueba alta. En este captulo, primero se discutir el clculo de intervalos de confianza y pruebas de hiptesis para la media poblacional, para una proporcin y finalmente para la varianza de una poblacin. Luego se tratar los intervalos de confianza y prueba de hiptesis para la razn de dos varianzas poblacionales, para la diferencia de dos medias poblacionales y por ltimo para la diferencia de dos proporciones.
5
4.1 ESTIMACION PUNTUAL Y POR INTERVALOS DE CONFIANZA. Si a partir de las observaciones de una muestra se calcula un solo valor como estimacin de un parmetro de la poblacin desconocido, el procedimiento se denomina estimacin p
Nos proponemos determinar dos nmeros entre los cuales se halla el parmetro estudiado con cierta certeza. El procedimiento para obtener un intervalo (de confianza) para un parmetro, la media , por ejemplo, requiere de la determinacin de un estimador del parmetro y de la distribucin del estimador.
4.2 ESTIMACION DE LA MEDIA,DE LA DIFERENCIA DE MEDIAS,DE LA PROPORCION Y DE LA DIFERENCIA DE PROPORCIONES
Para estimar la media poblacional por medio de intervalos de
confianza, ser necesario recordar que el Teorema Central del Lmite nos daba informacin de como se hallaban distribuidas las medias mustrales: "normalmente" con una media igual a la de la poblacin original m (que es la que ahora tratamos de conocer) y desviacin tpica Supongamos que hemos analizado la muestra ya nombrada de media Km., y que sabemos que la desv. tpica de la poblacin es de s=0,4 km., y que nos planteamos estimar la media de todo el instituto, con un nivel de confianza del 95% .El proceso para realizar la estimacin es el siguiente: Sabemos por el T.C.L. que las medias mustrales se distribuyen segn La siguiente figura nos ilustrar:
Hallamos el valor k de forma que p(-k<Z<k)=0,95 , o lo que es lo
mismo p(Z<k)=0,975. Consultando nuestra tabla de la distribucin normal, encontraremos que k=1.96 .
7
DIFERENCIA DE MEDIAS Suponga que se tienen dos poblaciones distintas, la primera con media
1 y desviacin estndar 1, y la segunda con media 2 y desviacin estndar 2. Ms an, se elige una muestra aleatoria de tamao n1 de la primera poblacin y una muestra independiente aleatoria de tamao n2 de la segunda poblacin; se calcula la media muestral para cada muestra y la diferencia entre dichas medias. La coleccin de todas esas diferencias se llama distribucin muestral de las diferencias entre medias o la distribucin muestral del estadstico La distribucin es aproximadamente normal para n130 y n230. Si las poblaciones son normales, entonces la distribucin muestral de medias es normal sin importar los tamaos de las muestras.
Existen ocasiones en las cuales no estamos interesados en la
media de la muestra, sino que queremos investigar la proporcin de artculos defectuosos o la proporcin de alumnos reprobados en la muestra. La distribucin muestral de proporciones es la adecuada para dar respuesta a estas situaciones. Esta distribucin se genera de igual manera que la distribucin muestral de medias, a excepcin de que al extraer las muestras de la poblacin se calcula el estadstico proporcin (p=x/n en donde "x" es el nmero de xitos u observaciones de inters y "n" el tamao de la muestra) en lugar del estadsitico media. Una poblacin binomial est estrechamente relacionada con la distribucin muestral de proporciones; una poblacin binomial es una coleccin de xitos y fracasos, mientras que una distribucin muestral de proporciones contiene las posibilidades o proporciones de todos los nmeros posibles de xitos en un experimento binomial, y como consecuencia de esta relacin, las afirmaciones probabilsticas referentes a la proporcin muestral pueden evaluarse usando la aproximacin normal a la binomial, siempre que np5 y n(1-p) 5. Cualquier evento se puede convertir en una proporcin si se divide el nmero obtenido entre el nmero de intentos.
9
Distribucin Muestral de Diferencia de Proporciones Muchas aplicaciones involucran poblaciones de datos cualitativos que deben
compararse utilizando proporciones o porcentajes. A continuacin se citan algunos ejemplos: Educacin.- Es mayor la proporcin de los estudiantes que aprueban matemticas que las de los que aprueban ingls? Medicina.- Es menor el porcentaje de los usuarios del medicamento A que presentan una reaccin adversa que el de los usuarios del frmaco B que tambin presentan una reaccin de ese tipo? Administracin.- Hay diferencia entre los porcentajes de hombres y mujeres en posiciones gerenciales. Ingeniera.- Existe diferencia entre la proporcin de artculos defectuosos que genera la mquina A a los que genera la mquina B? Cuando el muestreo procede de dos poblaciones binomiales y se trabaja con dos proporciones mustrales, la distribucin muestral de diferencia de proporciones es aproximadamente normal para tamaos de muestra grande (n1p15, n1q15,n2p25 y n2q25). Entonces p1 y p2 tienen distribuciones mustrales aproximadamente normales, as que su diferencia p1-p2 tambin tiene una distribucin muestral aproximadamente normal. Cuando se estudi a la distribucin muestral de proporciones se comprob que y que , por lo que no es difcil deducir que y que . La frmula que se utilizar para el calculo de probabilidad del estadstico de diferencia de proporciones es:
10
4.3 DETERMINACION DEL TAMAO DE LA MUESTRA
Estimar un parmetro determinado con el nivel de confianza deseado. Detectar una determinada diferencia, si realmente existe, entre los
grupos de estudio con un mnimo de garanta. Reducir costes o aumentar la rapidez del estudio. Por ejemplo, en un estudio de investigacin epidemiolgico la determina-cin de un tamao adecuado de la muestra tendra como objetivo su factibilidad. As: Si el nmero de sujetos es insuficiente habra que modificar los criterios de seleccin, solicitar la colaboracin de otros centros o ampliar el perio-do de reclutamiento. Los estudios con tamaos mustrales insuficientes, no son capaces de detectar diferencias entre grupos, llegando a la conclu-sin errnea de que no existe tal diferencia. Si el nmero de sujetos es excesivo, el estudio se encarece desde el punto de vista econmico y humano. Adems es poco tico al someter a ms in-dividuos a una intervencin que puede ser menos eficaz o incluso perjudicial. El tamao de una muestra es el nmero de individuos que contiene.
11
Clculo del tamao de la muestra Una frmula muy extendida que orienta sobre el clculo del tamao de la muestra para datos globales es la siguiente: n=((k^2)*N*p*q)/((e^2*(N-1))+((k^2)*p*q)) N: es el tamao de la poblacin o universo (nmero total de posibles encuestados). k: es una constante que depende del nivel de confianza que asignemos. El nivel de confianza indica la probabilidad de que los resultados de nuestra investigacin sean ciertos: un 95,5 % de confianza es lo mismo que decir que nos podemos equivocar con una probabilidad del 4,5%. Los valores k ms utilizados y sus niveles de confianza son: k 1,15 1,28 1,44 1,65 1,96 2 2,58 Nivel de confianza 75% 80% 85% 90% 95% 95,5% 99% (Por tanto si pretendemos obtener un nivel de confianza del 95% necesitamos poner en la frmula k=1,96) e: es el error muestral deseado. El error muestral es la diferencia que puede haber entre el resultado que obtenemos preguntando a una muestra de la poblacin y el que obtendramos si preguntramos al total de
ella. Altos niveles de confianza y bajo margen de error no significan que la encuesta sea de mayor confianza o est ms libre de error necesariamente; antes es preciso minimizar la principal fuente de error que tiene lugar en la recogida de datos.
12
4.4 PRUEBA DE HIPOTESIS
Las secciones anteriores han mostrado cmo puede
estimarse un parmetro a partir de los datos contenidos en una muestra. Puede encontrarse ya sea un slo nmero (estimador puntual) o un intervalo de valores posibles (intervalo de confianza). Sin embargo, muchos problemas de ingeniera, ciencia, y administracin, requieren que se tome una decisin entre aceptar o rechazar una proposicin sobre algn parmetro. Esta proposicin recibe el nombre de hiptesis. Este es uno de los aspectos ms tiles de la inferencia estadstica, puesto que muchos tipos de problemas de toma de decisiones, pruebas o experimentos en el mundo de la ingeniera, pueden formularse como problemas de prueba de hiptesis. Una hiptesis estadistica es una proposicin o supuesto sobre los parmetros de una o ms poblaciones.
13
4.4.1 PRUEBAS UNILATERALES Y BILATERALES
a) Prueba bilateral o de dos extremos: la hiptesis planteada se formula con la igualdad Ejemplo H0 : = 200 H1 : 200 b) Pruebas unilateral o de un extremo: la hiptesis planteada se formula con o H0 : 200 H0 : 200 H1 : < 200 H1 : > 200 En las pruebas de hiptesis para la media (), cuando se conoce la desviacin estndar () poblacional, o cuando el valor de la muestra es grande (30 o ms), el valor estadstico de prueba es z y se determina a partir de: El valor estadstico z, para muestra grande y desviacin estndar poblacional
desconocida se determina por la ecuacin: En la prueba para una media poblacional con muestra pequea y desviacin estndar poblacional desconocida se utiliza el valor estadstico t.
14
4.4.2 PRUEBAS PARA MEDIA Y PARA DIFERENCIA DE MEDIAS
Pruebas de hiptesis para la media con muestra grande Para realizar una prueba de hiptesis se sigue un procedimiento que quedar mas claro con un ejemplo: El dueo de un caf desea saber si la edad promedio de las personas que entran a su negocio es de 20 aos, si eso es verdad se piensa realizar una remodelacin de dicho caf para hacerlo mas juvenil. Para hacer lo anterior se realiza un muestreo aleatorio de 40 personas, dando un promedio de la muestra de 22 aos y una desviacin estndar de 3.74 aos. Paso 1. Determinar la hiptesis Nula Ho y Alternativa Ha. Ho: La edad promedio de los clientes es de 20 aos. Ha: _______________________________________ (El estudiante debe describir la Ha) Ntese que la hiptesis nula considera IGUAL a 20 aos por lo tanto es una prueba de hiptesis de dos colas. Paso 2. Determinar el nivel de significancia. Este nivel representa la probabilidad de rechazar una hiptesis nula verdadera, matemticamente se puede considerar cualquier valor entre cero y uno; pero para estudios de pruebas de hiptesis normalmente est entre 0.05 y 0.1. Este nivel est determinado por el analista y debe basarse en las caractersticas del estudio y el riesgo que se considere aceptable de cometer el error tipo I. Nivel de significancia del estudio para el ejemplo: = 0.1
15
Grficamente el nivel de significancia se distribuye en la
curva de distribucin normal tal como se muestra en la figura, ntese que en el caso de pruebas de hiptesis de medias, sta se ubica en la parte media de la distribucin de probabilidad: Paso 3. Calcular los intervalos que implican ese nivel de significancia. Para dicho nivel de significancia los valores de Z son: Z = +/- 1.6448 Quedando de la siguiente manera: Ho: = 20 aos Ho: = 20 aos Z = - 1.6448 Z = 1.6448
16
Paso 4. Calcular el estadstico de la prueba. El estadstico Z se calcula de la siguiente manera: s = Se calcula la siguiente desviacin estndar
= Se calcula el valor de Z tipificado
Promedio considerado por la hiptesis nula. x Media de la muestra tomada.
s Desviacin estndar de la muestra.
n Nmero de elementos muestreados. x
s Desviacin estndar tipificada.
z Valor de Z tipificado 3.74
17
Paso 5. Determinar si el estadstico cae dentro de la
regin que hace la Hiptesis nula verdadera. Como podr notarse, el estadstico esta fuera de la regin que hace verdadera la hiptesis nula. Paso 6. Aceptar o rechazar la hiptesis nula. En este caso como el estadstico de la prueba cae fuera de la regin que hace verdadera la hiptesis nula, se rechaza y se toma como verdadera la hiptesis alternativa: Ho: La edad promedio de los clientes es de 20 aos. (FALSO) Ha: La edad promedio de los clientes No es de 20 aos (VERDAD)
18
Prueba para diferencia de proporciones
En algunos diseos de investigacin, el plan muestral requiere seleccionar dos muestras independientes, calcular las proporciones muestrales y usar la diferencia de las dos proporciones para estimar o probar una diferencia entre las mismas. Las aplicaciones son similares a la diferencia de medias, por ejemplo si dos empresas consultoras ofrecen datos de proporciones de personas que van a votar por el PRI y al hacer dos estudios diferentes salen resultados ligeramente diferentes pero qu tanta diferencia se requiere para que sea estadsticamente significativo? De eso se tratan las pruebas estadsticas de diferencias de proporciones. El estadstico Z para estos casos se calcula de la siguiente manera: 1 p = proporcin de la muestra 1. 2 p = proporcin de la muestra 2. 1 p = proporcin de la poblacin 1. 2 p = proporcin de la poblacin 2. 1 n = tamao de la muestra 1. 2 n = tamao de la muestra 2.
19
4.4.3 PRUEBAS PARA PROPORCION Y DIFERENCIA DE PROPORCIONES
Las pruebas de hiptesis a partir de proporciones se realizan casi en la misma forma utilizada cuando nos referimos a las medias, cuando se cumplen las suposiciones necesarias para cada caso. Pueden utilizarse pruebas unilaterales o bilaterales dependiendo de la situacin particular. La proporcin de una poblacin Las hiptesis se enuncian de manera similar al caso de la media. Ho: p = p0 H1: p p0 En caso de que la muestra sea grande n>30, el estadgrafo de prueba es: se distribuye normal estndar. Regla de decisin: se determina de acuerdo a la hiptesis alternativa (si es bilateral o unilateral ), lo cual puedes fcilmente hacerlo auxilindote de la tabla 4.4.1. En el caso de muestras pequeas se utiliza la distribucin Binomial. No lo abordaremos por ser complicado y poco frecuente su uso. Diferencia entre las proporciones de dos poblaciones La situacin ms frecuente es suponer que existen diferencias entre las proporciones de dos poblaciones, para ello suelen enunciarse las hiptesis de forma similar al caso de las medias: Ho: p1 = p2 p1 - p2 = 0 H1: p1 p2 Puede la hiptesis alternativa enunciarse unilateralmente. El estadgrafo de prueba para el caso de muestras independientes: Siendo a1 y a2, el nmero de sujetos con la caracterstica objeto de estudio en las muestras 1 y 2 respectivamente, es decir, en vez de calcular la varianza para cada muestra, se calcula una p conjunta para ambas muestras bajo el supuesto que no hay diferencias entre ambas proporciones y as se obtiene la varianza conjunta. Recuerda que q = 1-p. Est de ms que te diga que este estadgrafo se distribuye normal estndar. La regla de decisin se determina de manera similar a los casos ya vistos anteriormente. El objetivo de la prueba es comparar estas dos proporciones, como estimadores H1: p1 p2 Recuerda que la H1 tambin puede plantearse de forma unilateral.
20
Diferencia entre las proporciones de dos poblaciones La situacin ms frecuente es suponer que existen diferencias entre las
proporciones de dos poblaciones, para ello suelen enunciarse las hiptesis de forma similar al caso de las medias: Ho: p1 = p2 p1 - p2 = 0 H1: p1 p2 Puede la hiptesis alternativa enunciarse unilateralmente. El estadgrafo de prueba para el caso de muestras independientes: donde Siendo a1 y a2, el nmero de sujetos con la caracterstica objeto de estudio en las muestras 1 y 2 respectivamente, es decir, en vez de calcular la varianza para cada muestra, se calcula una p conjunta para ambas muestras bajo el supuesto que no hay diferencias entre ambas proporciones y as se obtiene la varianza conjunta. Recuerda que q = 1p. Est de ms que te diga que este estadgrafo se distribuye normal estndar. La regla de decisin se determina de manera similar a los casos ya vistos anteriormente. El objetivo de la prueba es comparar estas dos proporciones, como estimadores H1: p1 p2 Recuerda que la H1 tambin puede plantearse de forma unilateral.
21
4.5 MUESTRAS PEQUEAS
4.5.1 DISTRIBUCION t DE STUDENT En probabilidad y estadstica, la distribucin t (de Student) es una distribucin de probabilidad que surge del problema de estimar la media de una poblacin normalmente distribuida cuando el tamao de la muestra es pequeo. Aparece de manera natural al realizar la prueba t de Student para la determinacin de las diferencias entre dos medias mustrales y para la construccin del intervalo de confianza para la diferencia entre las medias de dos poblaciones cuando se desconoce la desviacin tpica de una poblacin y sta debe ser estimada a partir de los datos de una muestra. Caracterizacin La distribucin t de Student es la distribucin de probabilidad del cociente donde Z tiene una distribucin normal de media nula y varianza 1 V tiene una distribucin chi-cuadrado con grados de libertad Z y V son independientes Si es una constante no nula, el cociente es una variable aleatoria que sigue la
distribucin t de Student no central con parmetro de no-centralidad .
22
4.5.2 DISTRIBUCION JI- CUADRADA.CUADROS DE CONTINGENCIA, LIMITACIONES DE LA PRUEBA.
Estadstica, la distribucin (de Pearson) es una distribucin de probabilidad continua con un parmetro k que representa los grados de libertad de la variable aleatoria donde Zi son variables aleatorias normales independientes de media cero y varianza uno. El que la variable aleatoria X tenga esta distribucin se representa habitualmente as: . Es conveniente tener en cuenta que la letra griega se transcribe al latn como chi y se pronuncia en castellano como ji. Tabla de contingencia En estadstica las tablas de contingencia se emplean para registrar y analizar la relacin entre dos o ms variables, habitualmente de naturaleza cualitativa (nominales u ordinales). Supngase que se dispone de dos variables, la primera el sexo (hombre o mujer) y la segunda recoge si el individuo es zurdo o diestro. Se ha observado esta pareja de variables en una muestra aleatoria de 100 individuos. Se puede emplear una tabla de contingencia para expresar la relacin entre estas dos variables, del siguiente modo: Diestro Zurdo TOTAL Hombre 43 9 52 Mujer 44 4 48 TOTAL 87 13 100 Las cifras en la columna de la derecha y en la fila inferior reciben el nombre de frecuencias marginales y la cifra situada en la esquina inferior derecha es el gran total. La tabla nos permite ver de un vistazo que la proporcin de hombres diestros es aproximadamente igual a la proporcin de mujeres diestras. Sin embargo, ambas proporciones no son idnticas y la significacin estadstica de la diferencia entre ellas puede ser evaluada con la prueba de Pearson, supuesto que las cifras de la tabla son una muestra aleatoria de una poblacin. Si la proporcin de individuos en cada columna vara entre las diversas filas y viceversa, se dice que existe asociacin entre las dos variables. Si no existe asociacin se dice que ambas variables son independientes. El grado de asociacin entre dos variables se puede evaluar empleando distintos coeficientes: el ms simple es el coeficiente phi que se define por = (2 / N) donde 2 se deriva del test de Pearson, y N es el total de observaciones -el gran total-. puede oscilar entre 0 (que indica que no existe asociacin entre las variables) e infinito. A diferencia de otras medidas de asociacin, el coeficiente de Cramer no est acotado.
23
