T1. Taller encuestas. Descriptivos*
VIII Jornadas R Albacete 2016**
Álvaro Hernández Vicente, Elvira Ferre Jaén, Antonio José Perán Orcajada, Ana BelénMarín Valverde, Antonio Maurandi López***
17 de noviembre de 2016
Índice1. Lectura de datos 1
2. Descriptivos con paquete tables 12.1. Variable sexo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22.2. Variable actividadS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22.3. Variable ingresos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22.4. Variable origen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32.5. Variable nivelIngles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3. Descriptivos con paquete likert 43.1. Gráficos de barras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43.2. Gráficos de densidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73.3. Gráficos de calor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4. Correlaciones 134.1. Matriz de correlaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134.2. Gráficos de correlaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
Referencias y bibliografía 16
1. Lectura de datos
Se leen los datos saeraq.Rdata, que provienen del fichero raq.dat utilizado en (A. Field, Miles, and Field2012) (disponible en la web del libro).
Yload( "saeraq.RData" )
2. Descriptivos con paquete tables
Se realizan descriptivos de cada variable con el paquete tables (Murdoch (2016)).# library( tables )op <- booktabs()
*doc:T1_descriptivos.Rmd**http://r-es.org/8jornadasR/
***Servicio de Apoyo Estadístico; [email protected], [email protected], [email protected], [email protected],[email protected]
1
Serv. de Apoyo a la Investigación
# Función para imprimir tablas en latextablaLatex <- function( tabla, caption = NULL ){
cat( '\\begin{table} \\centering\n' )if( !is.null( caption ) ) cat( paste0( '\\caption{', caption, '}\n' ) )latex( tt )cat( '\\end{table}' )
}
2.1. Variable sexo
tt <- tabular( ~ ( Sexo = sexo ) + ( Total = 1 ), data = df )
# html( tt, options = htmloptions( HTMLcaption = "Variable sexo", pad = TRUE ) )tablaLatex( tt, caption = "Variable \\texttt{sexo}." )
Tabla 1: Variable sexo.Sexo
Mujer Hombre Total1927 644 2571
2.2. Variable actividadS
tt <- tabular( ~ ( `Actividad S` = actividadS ) + ( Total = 1 ), data = df )
# html( tt, options = htmloptions( HTMLcaption = "Variable actividadS", pad = TRUE ) )tablaLatex( tt, "Variable \\texttt{actividadS}." )
Tabla 2: Variable actividadS.Actividad S
Nada Poco Mucho Muchísimo Total613 658 669 631 2571
2.3. Variable ingresos
ic1 <- function(x){mean( x ) - qt( 0.975, df = length( x ) - 1 ) * sd( x ) / sqrt( length( x ) )
}
ic2 <- function(x){mean( x ) + qt( 0.975, df = length( x ) - 1 ) * sd( x ) / sqrt( length( x ) )
}
tt <- tabular( ~ ( Ingresos = ingresos ) * ( ic1 + mean + sd + ic2 + median ) +( Total = 1 ), data = df )
Sec. Apoyo Estadístico. SAI 2
Serv. de Apoyo a la Investigación
# html( tt, options = htmloptions( HTMLcaption = "Variable ingresos", pad = TRUE ) )tablaLatex( tt, "Variable \\texttt{ingresos}." )
Tabla 3: Variable ingresos.Ingresos
ic1 mean sd ic2 median Total29320 29672 9095 30024 27771 2571
2.4. Variable origen
tt <- tabular( ~ ( Origen = origen ) + ( Total = 1 ), data = df )
# html( tt, options = htmloptions( HTMLcaption = "Variable origen", pad = TRUE ) )tablaLatex( tt, "Variable \\texttt{origen}." )
Tabla 4: Variable origen.Origen
Albacete Murcia Helsinki Total1178 1112 281 2571
2.5. Variable nivelIngles
tt <- tabular( ( `Nivel de inglés` = nivelIngles ) + ( Total = 1 ) ~ ( Frecuencia = 1 ),data = df )
# html( tt, options = htmloptions( HTMLcaption = "Variable nivelIngles", pad = TRUE ) )tablaLatex( tt, "Variable \\texttt{nivelIngles}." )
Tabla 5: Variable nivelIngles.Nivel de inglés FrecuenciaNulo 297CasiNulo 289A1 451A2 455B1 473B2 377C1 145C2 79IsabelII 3Shakespeare 2Total 2571
Sec. Apoyo Estadístico. SAI 3
Serv. de Apoyo a la Investigación
3. Descriptivos con paquete likert
Se realizan gráficos descriptivos de los datos con el paquete likert (Bryer and Speerschneider (2015)) que,al estar basados en ggplot2 (Wickham (2009)), permite modificarlos de forma sencilla.# library( likert )dfLikert <- df[ , grep( "^Q", colnames( df ) ) ]colnames( dfLikert ) <- dicc[ grep( "^Q", dicc$item ), "spanish" ]
bloque1 <- 1:8bloque2 <- 9:17bloque3 <- 18:23
items1 <- likert( items = dfLikert[ , bloque1 ] )items2 <- likert( items = dfLikert[ , bloque2 ] )items3 <- likert( items = dfLikert[ , bloque3 ] )
3.1. Gráficos de barras
plot( items1, centered = TRUE, group.order = colnames( items1$items ),legend.position = "right" ) +
theme( axis.text.x = element_text( size = 10 ),axis.text.y = element_text( size = 13, hjust = 0 ),legend.text = element_text( size = 10 ),legend.title = element_text( size = 10 ) )
Sec. Apoyo Estadístico. SAI 4
Serv. de Apoyo a la Investigación
5%
9%
15%
9%
23%
20%
22%
33%
87%
73%
71%
63%
48%
45%
42%
41%
8%
19%
13%
29%
29%
34%
36%
26%
8. Mis amigos pensarán que soy estúpido por noser capaz de enfrentarme a R.
7. Si soy bueno en estadística, mis amigos creenque soy un friki.
6. Mis amigos son mejores que yo usando R.
5. Mis amigos son mejores que yo en estadística.
4. En la escuela era realmente malo enmatemáticas.
3. Entro en coma cada vez que veo una ecuación.
2. Nunca he sido bueno en matemáticas.
1. No entiendo la estadística.
100 50 0 50 100Percentage
Response
Muy en desacuerdo
En desacuerdo
Neutro
De acuerdo
Muy de acuerdo
Figura 1: Gráfico de barras de los ítems 1 a 8.
plot( items2, centered = TRUE, group.order = colnames( items2$items ),legend.position = "right" ) +
theme( axis.text.x = element_text( size = 10 ),axis.text.y = element_text( size = 13, hjust = 0 ),legend.text = element_text( size = 10 ),legend.title = element_text( size = 10 ) )
Sec. Apoyo Estadístico. SAI 5
Serv. de Apoyo a la Investigación
11%
9%
13%
15%
24%
37%
25%
22%
32%
71%
69%
60%
60%
46%
40%
38%
36%
22%
18%
22%
27%
25%
30%
23%
38%
42%
46%
17. No puedo dormir pensando en vectores propios.
16. Los ordenadores me la tienen jurada.
15. Los ordenadores solo sirven para jugar.
14. Los ordenadores tienen mente propia y serompen intencionadamente cada vez que los uso.
13. Los ordenadores me odian.
12. Me temo que causaré daños irreparables por miincompetencia con los ordenadores.
11. R siempre se colapsa cuando intento usarlo.
10. Tengo poca experiencia con los ordenadores.
9. Todo el mundo me mira cuando uso R.
100 50 0 50 100Percentage
Response
Muy en desacuerdo
En desacuerdo
Neutro
De acuerdo
Muy de acuerdo
Figura 2: Gráfico de barras de los items 9 a 17.
plot( items3, centered = TRUE, group.order = colnames( items3$items ),legend.position = "right" ) +
theme( axis.text.x = element_text( size = 10 ),axis.text.y = element_text( size = 13, hjust = 0 ),legend.text = element_text( size = 10 ),legend.title = element_text( size = 10 ) )
Sec. Apoyo Estadístico. SAI 6
Serv. de Apoyo a la Investigación
17%
17%
30%
38%
55%
59%
61%
52%
36%
28%
18%
16%
22%
31%
34%
34%
27%
25%
23. La estadística me hace llorar.
22. Lloro intensamente cada vez que mencionan unamedida de tendencia central.
21. Sueño que Pearson me ataca con coeficientesde correlación.
20. La gente intenta decirte que R hace laestadística más fácil. Es mentira.
19. Las desviaciones estándar me ponen.
18. Me despierto bajo el edredón pensando queestoy atrapado en una distribución normal.
100 50 0 50 100Percentage
Response
Muy en desacuerdo
En desacuerdo
Neutro
De acuerdo
Muy de acuerdo
Figura 3: Gráfico de barras de los items 18 a 23.
3.2. Gráficos de densidad
plot( items1, type = "density" )
Sec. Apoyo Estadístico. SAI 7
Serv. de Apoyo a la Investigación
8. Mis amigos pensarán que soy estúpido por no ser capaz de enfrentarme a R.
7. Si soy bueno en estadística, mis amigos creen que soy un friki.
6. Mis amigos son mejores que yo usando R.
5. Mis amigos son mejores que yo en estadística.
4. En la escuela era realmente malo en matemáticas.
3. Entro en coma cada vez que veo una ecuación.
2. Nunca he sido bueno en matemáticas.
1. No entiendo la estadística.
Muy endesacuerdo
(1)
Endesacuerdo
(2)
Neutro(3)
Deacuerdo
(4)
Muy deacuerdo
(5)
Figura 4: Gráfico de densidad de los items 1 a 8.
plot( items2, type = "density" )
Sec. Apoyo Estadístico. SAI 8
Serv. de Apoyo a la Investigación
17. No puedo dormir pensando en vectores propios.
16. Los ordenadores me la tienen jurada.
15. Los ordenadores solo sirven para jugar.
14. Los ordenadores tienen mente propia y se rompen intencionadamente cada vez que los uso.
13. Los ordenadores me odian.
12. Me temo que causaré daños irreparables por mi incompetencia con los ordenadores.
11. R siempre se colapsa cuando intento usarlo.
10. Tengo poca experiencia con los ordenadores.
9. Todo el mundo me mira cuando uso R.
Muy endesacuerdo
(1)
Endesacuerdo
(2)
Neutro(3)
Deacuerdo
(4)
Muy deacuerdo
(5)
Figura 5: Gráfico de densidad de los items 9 a 17.
plot( items3, type = "density" )
Sec. Apoyo Estadístico. SAI 9
Serv. de Apoyo a la Investigación
23. La estadística me hace llorar.
22. Lloro intensamente cada vez que mencionan una medida de tendencia central.
21. Sueño que Pearson me ataca con coeficientes de correlación.
20. La gente intenta decirte que R hace la estadística más fácil. Es mentira.
19. Las desviaciones estándar me ponen.
18. Me despierto bajo el edredón pensando que estoy atrapado en una distribución normal.
Muy endesacuerdo
(1)
Endesacuerdo
(2)
Neutro(3)
Deacuerdo
(4)
Muy deacuerdo
(5)
Figura 6: Gráfico de densidad de los items 18 a 23.
3.3. Gráficos de calor
plot( items1, type = "heat", group.order = colnames( items1$items ) ) +theme( axis.text.x = element_text( size = 8 ),
axis.text.y = element_text( size = 13, hjust = 0 ),legend.text = element_text( size = 10 ),legend.title = element_text( size = 10 ) )
Sec. Apoyo Estadístico. SAI 10
Serv. de Apoyo a la Investigación
4.38 (0.85)
3.76 (0.87)
3.77 (1.12)
3.63 (0.83)
3.28 (0.96)
3.41 (1.08)
3.21 (0.95)
3.08 (1.10)
1.59%
0.78%
2.96%
4.71%
4.05%
5.68%
8.52%
2.80%
7.27%
3.93%
17.43%
17.00%
18.48%
9.80%
24.23%
5.72%
28.59%
8.01%
34.15%
35.94%
29.02%
13.38%
25.79%
18.75%
52.04%
31.43%
26.14%
36.91%
42.59%
43.84%
34.03%
57.84%
10.50%
55.85%
19.33%
5.45%
5.87%
27.30%
7.43%
14.90%
1. No entiendo la estadística.
2. Nunca he sido bueno en matemáticas.
3. Entro en coma cada vez que veo una ecuación.
4. En la escuela era realmente malo enmatemáticas.
5. Mis amigos son mejores que yo en estadística.
6. Mis amigos son mejores que yo usando R.
7. Si soy bueno en estadística, mis amigos creenque soy un friki.
8. Mis amigos pensarán que soy estúpido por noser capaz de enfrentarme a R.
Mean (SD) Muy en desacuerdo En desacuerdo Neutro De acuerdo Muy de acuerdo
0
25
50
75
100Percent
Figura 7: Gráfico de calor de los items 1 a 8.
plot( items2, type = "heat", group.order = colnames( items2$items ) ) +theme( axis.text.x = element_text( size = 8 ),
axis.text.y = element_text( size = 13, hjust = 0 ),legend.text = element_text( size = 10 ),legend.title = element_text( size = 10 ) )
Sec. Apoyo Estadístico. SAI 11
Serv. de Apoyo a la Investigación
3.72 (0.88)
3.74 (0.88)
3.53 (0.88)
3.55 (0.95)
3.23 (1.01)
3.15 (1.26)
3.12 (1.00)
3.12 (0.92)
2.84 (0.92)
8.2%
1.6%
2.3%
8.7%
2.8%
6.9%
5.8%
5.6%
2.8%
28.5%
9.6%
6.4%
22.9%
11.7%
17.6%
17.8%
16.4%
9.7%
23.0%
18.2%
22.0%
46.4%
25.5%
37.9%
30.3%
42.0%
27.3%
20.3%
56.6%
53.3%
19.7%
47.5%
31.5%
39.4%
32.5%
51.7%
20.0%
14.0%
16.1%
2.3%
12.4%
6.1%
6.7%
3.5%
8.5%
9. Todo el mundo me mira cuando uso R.
10. Tengo poca experiencia con los ordenadores.
11. R siempre se colapsa cuando intento usarlo.
12. Me temo que causaré daños irreparables por miincompetencia con los ordenadores.
13. Los ordenadores me odian.
14. Los ordenadores tienen mente propia y serompen intencionadamente cada vez que los uso.
15. Los ordenadores solo sirven para jugar.
16. Los ordenadores me la tienen jurada.
17. No puedo dormir pensando en vectores propios.
Mean (SD) Muy en desacuerdo En desacuerdo Neutro De acuerdo Muy de acuerdo
0
25
50
75
100Percent
Figura 8: Gráfico de calor de los items 9 a 17.
plot( items3, type = "heat", group.order = colnames( items3$items ) ) +theme( axis.text.x = element_text( size = 8 ),
axis.text.y = element_text( size = 13, hjust = 0 ),legend.text = element_text( size = 10 ),legend.title = element_text( size = 10 ) )
Sec. Apoyo Estadístico. SAI 12
Serv. de Apoyo a la Investigación
3.71 (1.10)
3.43 (1.05)
3.11 (1.04)
2.83 (0.98)
2.57 (1.04)
2.38 (1.04)
5.7%
2.3%
21.8%
9.3%
4.6%
12.4%
11.6%
14.6%
37.0%
28.7%
25.5%
42.4%
30.8%
21.6%
24.7%
33.6%
34.1%
27.1%
37.4%
32.7%
14.6%
26.5%
25.8%
12.2%
14.4%
28.7%
1.8%
1.9%
10.0%
5.8%
18. Me despierto bajo el edredón pensando queestoy atrapado en una distribución normal.
19. Las desviaciones estándar me ponen.
20. La gente intenta decirte que R hace laestadística más fácil. Es mentira.
21. Sueño que Pearson me ataca con coeficientesde correlación.
22. Lloro intensamente cada vez que mencionan unamedida de tendencia central.
23. La estadística me hace llorar.
Mean (SD) Muy en desacuerdo En desacuerdo Neutro De acuerdo Muy de acuerdo
0
25
50
75
100Percent
Figura 9: Gráfico de calor de los items 18 a 23.
4. Correlaciones
Se estudian correlaciones con los paquetes corrr (Jackson (2016)) y corrplot (Wei and Simko (2016)).# library( corrr )# library( corrplot )
dfCor <- df[ , grep( "^Q", colnames( df ) ) ]
4.1. Matriz de correlaciones
Se calcula la correlación con la función cor de la librería stats.dfCor <- lapply( dfCor, as.numeric ) # devuelve una listadfCor <- as.data.frame( dfCor ) # coarcionamos a data.frame
corr <- cor( dfCor )kable( corr[ 1:8, 1:8 ],
caption = "Tabla de correlaciones (solo se muestran las ocho primeras)" )
Sec. Apoyo Estadístico. SAI 13
Serv. de Apoyo a la Investigación
Tabla 6: Tabla de correlaciones (solo se muestran las ocho primeras)
Q01 Q02 Q03 Q04 Q05 Q06 Q07 Q08Q01 1.0000000 -0.0987240 -0.3366489 0.4358602 0.4024399 0.2167340 0.3053651 0.3307376Q02 -0.0987240 1.0000000 0.3183902 -0.1118597 -0.1193466 -0.0742097 -0.1591745 -0.0496226Q03 -0.3366489 0.3183902 1.0000000 -0.3804602 -0.3103088 -0.2267405 -0.3819533 -0.2586342Q04 0.4358602 -0.1118597 -0.3804602 1.0000000 0.4006722 0.2782015 0.4086150 0.3494294Q05 0.4024399 -0.1193466 -0.3103088 0.4006722 1.0000000 0.2574601 0.3393918 0.2686270Q06 0.2167340 -0.0742097 -0.2267405 0.2782015 0.2574601 1.0000000 0.5135805 0.2228318Q07 0.3053651 -0.1591745 -0.3819533 0.4086150 0.3393918 0.5135805 1.0000000 0.2974970Q08 0.3307376 -0.0496226 -0.2586342 0.3494294 0.2686270 0.2228318 0.2974970 1.0000000
Otra opción es utilizar las funciones correlate y fashion de librería corrr (Jackson 2016).corr2 <- correlate( dfCor )kable( fashion( corr2[ 1:8, 1:9 ] ),
caption = "Tabla de correlaciones (solo se muestran las ocho primeras)" )
Tabla 7: Tabla de correlaciones (solo se muestran las ocho primeras)
rowname Q01 Q02 Q03 Q04 Q05 Q06 Q07 Q08Q01 -.10 -.34 .44 .40 .22 .31 .33Q02 -.10 .32 -.11 -.12 -.07 -.16 -.05Q03 -.34 .32 -.38 -.31 -.23 -.38 -.26Q04 .44 -.11 -.38 .40 .28 .41 .35Q05 .40 -.12 -.31 .40 .26 .34 .27Q06 .22 -.07 -.23 .28 .26 .51 .22Q07 .31 -.16 -.38 .41 .34 .51 .30Q08 .33 -.05 -.26 .35 .27 .22 .30
4.2. Gráficos de correlaciones
network_plot( corr2, min_cor = 0.4 )
Sec. Apoyo Estadístico. SAI 14
Serv. de Apoyo a la Investigación
Q01Q02
Q03
Q04
Q05
Q06
Q07
Q08Q09
Q10
Q11
Q12
Q13
Q14
Q15
Q16
Q17Q18
Q19
Q20
Q21
Q22Q23
Figura 10: Red de correlaciones. Valor correlación mínima
corrplot.mixed( corr, tl.pos = "lt", diag = 'n', upper = "ellipse",number.cex = 0.4, tl.cex = 0.8,order = "hclust" )
Sec. Apoyo Estadístico. SAI 15
Serv. de Apoyo a la Investigación
−1
−0.8
−0.6
−0.4
−0.2
0
0.2
0.4
0.6
0.8
1
Q23
Q03
Q19
Q22
Q02
Q09
Q10
Q14
Q12
Q13
Q18
Q15
Q06
Q07
Q20
Q21
Q17
Q08
Q11
Q05
Q04
Q01
Q16
Q23Q03Q19Q22Q02Q09Q10Q14Q12Q13Q18Q15Q06Q07Q20Q21Q17Q08Q11Q05Q04Q01Q16
0.15
0.12
0.23
0.1
0.17
−0.06
−0.05
−0.05
−0.05
−0.08
−0.06
−0.07
−0.07
−0.03
−0.07
−0.09
−0.05
−0.09
−0.04
−0.03
0
−0.08
0.34
0.2
0.32
0.3
−0.19
−0.37
−0.41
−0.32
−0.38
−0.31
−0.23
−0.38
−0.32
−0.42
−0.33
−0.26
−0.35
−0.31
−0.38
−0.34
−0.42
0.23
0.2
0.25
−0.13
−0.25
−0.27
−0.23
−0.26
−0.21
−0.17
−0.27
−0.25
−0.27
−0.16
−0.16
−0.2
−0.17
−0.19
−0.19
−0.27
0.23
0.26
−0.13
−0.17
−0.17
−0.2
−0.16
−0.17
−0.17
−0.17
−0.1
−0.13
−0.13
−0.08
−0.16
−0.13
−0.1
−0.1
−0.16
0.31
−0.08
−0.16
−0.19
−0.14
−0.16
−0.16
−0.07
−0.16
−0.2
−0.2
−0.09
−0.05
−0.14
−0.12
−0.11
−0.1
−0.17
−0.13
−0.12
−0.17
−0.17
−0.15
−0.19
−0.11
−0.13
−0.16
−0.14
−0.04
0.02
−0.12
−0.1
−0.12
−0.09
−0.19
0.25
0.25
0.3
0.29
0.3
0.32
0.28
0.08
0.19
0.22
0.16
0.27
0.26
0.22
0.21
0.29
0.43
0.45
0.5
0.38
0.4
0.44
0.23
0.4
0.35
0.28
0.33
0.32
0.35
0.34
0.42
0.49
0.49
0.33
0.31
0.42
0.3
0.44
0.33
0.25
0.34
0.35
0.44
0.35
0.41
0.53
0.34
0.47
0.44
0.2
0.37
0.41
0.31
0.42
0.3
0.34
0.35
0.36
0.34
0.51
0.5
0.24
0.43
0.38
0.28
0.37
0.32
0.38
0.35
0.42
0.36
0.39
0.21
0.3
0.37
0.3
0.36
0.26
0.33
0.25
0.45
0.51
0.1
0.27
0.28
0.22
0.33
0.26
0.28
0.22
0.24
0.22
0.48
0.39
0.3
0.34
0.34
0.41
0.31
0.39
0.47
0.21
0.18
0.26
0.2
0.24
0.21
0.27
0.36
0.3
0.35
0.33
0.41
0.33
0.42
0.59
0.59
0.31
0.38
0.37
0.41
0.63
0.27
0.35
0.33
0.32
0.3
0.37
0.36
0.37
0.4
0.4
0.39
0.44
0.42 0.5
Figura 11: Matriz de correlaciones mixta
Referencias y bibliografía
Bryer, Jason, and Kimberly Speerschneider. 2015. Likert: Functions to Analyze and Visualize Likert TypeItems. http://CRAN.R-project.org/package=likert.
Field, Andy, Jeremy Miles, and Zoe Field. 2012. Discovering Statistics Using R. 1st edition. Sage PublicationsLtd.
Jackson, Simon. 2016. Corrr: Correlations in R. https://CRAN.R-project.org/package=corrr.
Murdoch, Duncan. 2016. Tables: Formula-Driven Table Generation. http://CRAN.R-project.org/package=tables.
Wei, Taiyun, and Viliam Simko. 2016. Corrplot: Visualization of a Correlation Matrix. http://CRAN.R-project.org/package=corrplot.
Wickham, Hadley. 2009. Ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York. http://ggplot2.org.
Xie, Yihui. 2015. Dynamic Documents with R and Knitr. Vol. 29. CRC Press.
Sec. Apoyo Estadístico. SAI 16
Top Related