ANLISIS DE LA DEMANDA DE

AGUA MUNICIPAL DEL MUNICIPIO

DE TAMAZUNCHALE S.L.P.,
ATREVES DE LA INGENIERA
ESTADSTICA APLICADA
Instituto Tecnolgico Superior de Tamazunchale
Autores:
Luca Guadalupe Lzaro Antonio
Ana Argelia Gmez Rojo
Mara Guadalupe Gonzlez Cruz
Mara Esperanza Resndiz Hernndez
Elizabeth Domnguez reyes
Claudia Guevara Monrroy

Asesor del artculo
Ing. Gaudencio Antonio Benito

Resumen
El siguiente artculo analiza los datos donde
se extrae informacin sobre el
abastecimiento de agua por familia en la
colonia San Jos # 2 en la cuidad de
Tamaznchale S.L.P., para diversos usos en
cada uno de sus hogares, se revisan
tericamente los datos proporcionados por
las personas acerca de la cantidad de litros
gastados por da, promedio de las tasas
reales. Para posteriormente obtener el
promedio general del abastecimiento de agua
por da, desde esta perspectiva el estudio
est basado en datos reales obtenidos por la
propia colonia para estimar los litros
gastados por da, de esta manera
manejamos la obtencin de dichos datos
estadsticos los cuales servirn para una
investigacin cientfica futura. Actualmente
estos tipos de estimaciones estadsticos
tienen diferentes aportaciones en la ciencia
para la realizacin de distintos proyectos
fsico-matemticos para determinar la
utilizacin y estudio de la demanda de agua
en varias ciudades y de distintas referencias.
Cabe mencionar que se producen amplias
variaciones respecto a estas cifras promedio,
las cuales principalmente dependen del
grado de actividad en el hogar, en el caso de
esta investigacin es industrial, comercial y
domstico.

Abstract
The next article analyze the datas where we
extracts information about the provision of
water by family in the San Jose colony from
Tamaznchale city S.L.P., for diferents use in
each homes, it check theoretical datas given
for the people about liters spent for day,
average real rates and after do the general
average provision of water each day. From
this perspective the study is based on real
had datas for the colony for estimate those
liters spent, for each day of this form we treat
these datas statistics the which it will use for
the next scientific investigations and at the
moment those types of estimate have
diferents contributions in the science for
make diferents physical-math projects for
determine the uses and the demand in others
cities. It produce variations about those
Ingeniera Ambiental
averages those datas depend about of grade
of activities in the houses; we are talking
generally on the industrial commercial and
domestic.
.
Introduccin
Hoy en da la escasez del agua es uno de los
problemas ms graves por los que est
pasando nuestro pas, es importante tener en
cuenta la cantidad que se consume, la
calidad, la eficacia con la que llega a
nuestros hogares, la cantidad de personas
que hay en el municipio y saber si el
abastecimiento del agua ser eficaz, tambin
es importante saber los usos que se le darn
durante los prximos aos ya que el
suministro de agua en el municipio es de vital
importancia para evitar interferencias en sus
actividades cotidianas sobretodo en el
consumo vital, el objetivo principal de este
proyecto es la obtencin de datos sobre el
abastecimiento pblico tomando como
referencia una de las colonias populares de
este municipio, una vez obtenidos los datos
pudimos darnos una idea de las principales
fuentes de consumo y la cantidad de agua
que se tiene para poder abastecer a las
familias.

Fundamentos tericos
Requerimientos en la cantidad de agua:
Demanda de agua
Nos ocupremos en las cuestiones
relacionadas con la cantidad del agua que se
requiere para satisfacer las diversas
necesidades de la sociedad de
Tamazunchale.
El abasto pblico: Se refiere al agua limpia y
segura para uso en hogares, e cuelas,
lugares de trabajo en. Hospitales, actividades
comerciales y algunas industriales, un) pieza
de calles y proteccin contra incendios.
El agua para beber, para la higiene personal
y para fines sanitarios es de importancia
capital para la salud y el bienestar de la
sociedad.
La demanda total de agua sobre un sistema
de abastecimiento de agua municipal es la
suma de todas las demandas individuales
(por limpieza de inodoros, riego de prados.
enfriamiento industrial, lavado de calles, etc.)
durante un periodo determinado. La
demanda no es constante, sino que vara
durante el da y de acuerdo con la estacin.
Las variaciones disminuyen a medida que
aumenta el periodo a lo largo del cual
medimos la demanda, de cada hora a cada
da, cada mes o cada ao. En consecuencia,
la demanda de agua en una comunidad
particular se especifica normalmente en
trminos de la demanda media diaria, la cual
se define Corno sigue:

Demanda media diaria = uso total de agua en 1 ao (volumen)
(En la comunidad) 365 das (tiempo)

Las unidades son de 3 / m
3
o millones de
3 / m
3
, o galones por da (gpd), o millones
de galones por da (mgd).
Es conveniente expresar .la tasa de
demanda por persona.

Demanda media diaria= demanda media en la comunidad
(Por persona)

En este caso las unidades pueden ser litros
por persona (per cpita) por da (lpd) o
galones por persona por da (gpd).

Los datos representan un promedio de las
tasas reales de utilizacin en varias ciudades
y de distintas referencias. Se producen
amplias variaciones respecto a estas cifras
promedio, las cuales principalmente
dependen del grado de actividad industrial y
comercial y del clima de la ciudad.
El consumo de agua ha aumentado a un
ritmo de a 1% por ao en las ltimas dos
dcadas. En la categora de otros se
incluyen usos como el combate a incendios,
el lavado de calles y el agua que se pierde
por fugas en uniones de tuberas.

En el hogar, el uso del sanitario y el bao con
agua caliente o fra son los dos usos
individuales ms grandes del agua, casi
equivalentes al 80% del uso domstico total
(J.Glynn Henry-Gary W. Heinke, 1999).

Para los clculos metodolgicos de esta
investigacin se requieren de tres medidas
comunes para identificar el centro de un
conjunto de datos: la media, mediana y
moda.
Para el procedimiento; encontramos que:
Media: Medida de tendencia central
usualmente llamada promedio, se define
como la divisin de la suma de todos los
valores entre el nmero de datos.
n
x
n
n
i n

=
=
X + + X + X
= X
1 2 1
1 ...

La medida de la muestra representa el valor
promedio de todas las observaciones en la
muestra. Tambin se puede pensar en el
clculo del valor promedio de todas las
observaciones en una poblacin. Este
promedio se denomina la media de la
poblacin, y se denota por medio de la letra
griega (mu). Cuando hay un nmero finito
de observaciones (digamos, N) en la
poblacin entonces la media de la poblacin
es:
N
x
n
i

=
=
1
1

Moda: Valor que con ms frecuencia se
presenta en un conjunto de datos.
Para una poblacin o una muestra
w
d d
d
Lt mo o M
2 1
1
0
+
=

En donde Les el lmite inferior de la clase
modal, wsu ancho y
1
d

y
2
d respectivamente, son las diferencias entre
la densidad de frecuencia de clase modal y la
de la clase procedente o siguiente (Koher
Heinz, 1999).
La mediana: Es una medida de tendencia
central en un conjunto de datos. En un
arreglo ordenado se puede encontrar un
nmero igual de observaciones arriba y
debajo de la mediana. Si este nmero es
impar, la mediana constituir la observacin
media del arreglo ordenado, si es par, la
mediana es el promedio de los dos valores
medios.
Para una poblacin
2
1 +
=
n
x
M
En un arreglo ordenado para una muestra.
2
1 +
=
n
x
m

En un arreglo ordenado
En donde x es un valor de poblacin
(muestra) observado, N el nmero de
observaciones en esa poblacin y nel de
observaciones en la muestra (Koher Heinz,
1999).
Varianza: Bastante tediosa el trabajo con
ellas, y puede llevarse varios decimales para
asegurar la precisin numrica. Una frmula
computacional ms eficiente para la varianza
de la muestra se obtiene como sigue:
1
) 2 (
1
) (
1
2 2
2
1
2
2

+
=

+
=

=
=
n
x x x X
S
n
x x
S
n
i
i i
n
i
i

1
) 2 (
1 1
2 2
2

+
=

= =
n
x x x x n X
S
n
i
n
i
i i

Y puesto que

=
=
n
i
i
x n x
1
, ) / 1 ( esta ltima
ecuacin se reduce a
n
n
x X
S
n
i
n
i
i i
/
1
) ( (
2
1 1
2
2

=

= =

La varianza es una medida estadstica que
mide la dispersin de los valores respecto a
un valor central (media), es decir, es el
cuadrado de las desviaciones (W. Hines
William. Montgomery D.C. 2004).
Rango: Es la diferencia entre la observacin
ms grande y la ms pequea en un conjunto
de datos no agrupados en la diferencia entre
el limite punto superior de la ms grande y el
lmite inferior de la clase ms pequea para
los datos agrupados (Koher Heinz, 1999).
Desviacin estndar: Es la ms importante
media de dispersin de desviacin promedio,
es igual a la raz cuadrada positiva de la
varianza.
Para una poblacin
( )
N
x

=
2

o
Para una muestra
( )
1
2

=

n
x x
s
En donde ( )

2
x es la suma de las
desviaciones al cuadrado entre cada valor de
poblacin x , y la media poblacional, con
N que siendo el nmero de observaciones
en la poblacin, mientras que ( )

2
x x es
la suma de desviacin al cuada valor de
muestras x , y la media muestral, x con
nsiendo el nmero de observaciones de la
muestra (Koher Heinz, 1999).
Prueba de hiptesis: Hiptesis estadstica:
cuando se trata de tomar una decisin es til
hacer suposiciones (conjeturas) acerca de la
poblacin de que se trata. A estas
suposiciones, que pueden ser o no ciertas,
se les llama hiptesis estadstica. Estas
hiptesis estadsticas son por lo general
afirmaciones acerca de las distribuciones de
probabilidad de las poblaciones.
Hiptesis estadstica: cuando se trata de
tomar una decisin es til hacer suposiciones
(conjeturas) acerca de la poblacin de que se
trata. A estas suposiciones, que pueden ser o
no ciertas, se les llama hiptesis estadstica.
Estas hiptesis estadsticas son por lo
general afirmaciones acerca de las
distribuciones de probabilidad de las
poblaciones.
Hiptesis nula (
0
H ): en muchas ocasiones
de formula una hiptesis estadstica con la
nica finalidad de refutarla o anularla.
Hiptesis alternativa (
1
H ): a toda hiptesis
que difiera de la hiptesis dada se le llama
hiptesis alternativa (Spiegel, M. R. 1997).
Estimacin de parmetros: La estimacin
por puntos de un parmetro de poblacin es
un solo valor numrico de una estadstica
que corresponde a ese parmetro. Esto es, la
estacin puntual es una seleccin nica para
el valor de un parmetro desconocido. En
forma ms precisa, si x es una variable
aleatoria con distribucin de probabilidad
) (x f , caracterizada por el parmetro
desconocido u , y si
n
X X X ,....,
2 , 1
es una
muestra aleatoria de tamao n de x ,
entonces la estadstica
.
u = h
(
x x x n
,..., ,
2 1
) correspondiente a u . Ntese
que la estimacin
.
u es una variable aleatoria,
porque es una funcin de los datos de
muestreo.
Los problemas de estimacin ocurren con
frecuencia en ingeniera. A menudo
necesitamos estimar
- La media de una sola poblacin
- La varianza
2
o (o desviacin
estndar de o ) de una sola
poblacin.
- La proporcin p de artculos en una
poblacin que pertenecen a la clase
de inters.
- La diferencia en las medias de dos
poblaciones
2 1

.

- La diferencia en dos proporciones de
poblacin
2 1
p p
.

Estimaciones puntuales razonables de estos
parmetros son las siguientes:
- Para , la estimacin es , X =
.
la
media de la muestra
- Para
2
o , la estimacin es
2
2
S =
.
o ,
la varianza de la muestra
- Para , p la estimacin es
, / n p X =
.
la proporcin de la
muestra, donde X es el nmero de
objetos en una muestra aleatoria de
tamao n que pertenece a la clase
de inters
- Para
, 2 1
la estimacin es
2 1 2 1
X X =
. .
, la diferencia
entre las medias de las muestra de
dos muestras aleatorias
independientes
- Para ,
2 1
p p la estimacin es
,
2 1
. .
p p la diferencia entre dos
proporciones de muestra calculadas
a partir de dos muestras aleatorias
independientes
Propiedades de los estimadores:
Una propiedad de un estimador es que
debe estar cerca en cierto sentido al
valor verdadero del parmetro
desconocido. Formalmente decimos que
u . Es un estimador neutral del
parmetro u si
E
) (
.
u =u
Supngase que x es una variable
aleatoria con media y varianza
o
2
.
Sea
n
X X X ,..., ,
2 1
una muestra
aleatoria de tamao n de x .
Demustrese que la media de muestra
x y la varianza de muestra
2
s son
estimadores neutrales de y
o
2
,
respectivamente. Considrese:

= =
=
= = =
n
i
i
n
i
i
n
i
i
x E
n
x E
n n
x
E x E
1 1
1
) (
1 1
) ( ) (

Y puesto que E (
xi
)= , para
toda n i ,...., 2 , 1 =

=
= =
n
i
n
x E
1
1
) (

En consecuencia, la media de la muestra x
es un estimador neutral de la media de la
poblacin . Considrese ahora
(
(
(
(

=

=
1
) (
) (
1
2
2
n
x x
E E
n
i
i
s

Uno de los mejores mtodos para obtener un
estimador puntual es la mxima similitud.
Supngase que X es una variable aleatoria
con distribucin de probabilidad ) , ( u x f ,
donde u es un parmetro desconocido
nico. Entonces la funcin de probabilidad de
la muestra es
) , ( ) , ( ) , ( ) (
2 1
u u u u
n
x f x f x f L =
El estimador de mxima similitud de u es el
valor de u que maximiza la funcin de
probabilidad ) (u L . En esencia, el estimador
de mxima similitud es el valor de u que
maximiza la probabilidad de ocurrencia de los
resultados de muestra (W. Hines Willi.
Montgomery D.C. 2004).
Distribucin Normal: Sin lugar a dudas, la
distribucin ms utilizada para modelar
experimentos aleatorios es la distribucin
normal. Esta distribucin puede obtenerse al
considerar el modelo bsico de una variable
aleatoria binomial cuando el nmero de
ensayos se vuelve cada vez ms grande.
Esto fue el enfoque original seguido por
Moivre en 1733. Desafortunadamente, su
trabajo se perdi por algn tiempo, y Karl
Gauss desarrollo, de manera independiente,
la distribucin normal casi cien aos
despus. Aunque ms tarde se dio crdito a
De Moivre, la distribucin normal tambin se
conoce como distribucin Gaussiana (W.
Hines William. Montgomery D.C. 2004).
Tabla de frecuencias: Una distribucin de
frecuencias nos muestra un resumen de
agrupacin de datos dividida en clases
mutuamente exclusivas y el nmero de
ocurrencias de una clase. Es una forma de
mostrar los datos organizados por ejemplo,
para mostrar el resultado de una eleccin, los
ingresos de las personas de una determinada
regin, las ventas de un producto en un
determinado plazo, monto de los prstamos
de estudiantes graduados, etc. Algunos de
los grficos que se pueden utilizar con
distribuciones de frecuencias son
histogramas, grficos de lneas, grficos de
barras y grficos circulares. Las
distribuciones de frecuencias se utilizan para
los datos cualitativos y cuantitativos (Koher
Heinz, 1999).

Implementacin de la metodologa
Para la realizacin de la investigacin se hizo
un anlisis de los datos obtenidos mediante
una encuesta escrita a las familias de la
colonia San Jos #2. Despus de analizar los
datos los transferimos a una tabla de
manera ordenada para posteriormente
obtener las medidas de tendencia central y
las medidas de dispersin que se utilizan
para realizar pruebas de hiptesis,
distribucin normal, estimacin de
parmetros, una tabla y polgono de
frecuencias.

Alcance
Antes de cada uno de los procedimientos que
empleamos segn el tipo de operacin
analizamos la situacin de manera amplia y
detallada ya que para la realizacin de
nuestro artculo influan diversos factores
tales como: el tiempo, la ubicacin de cada
una de las casas, etc. Cabe mencionar que
algunas familias no fueron accesibles para la
obtencin de informacin y esto fue un
limitante para estimar las cantidades exactas
que pretendamos buscar. Sin embargo
logramos establecer resultados adecuados
como una propuesta de anlisis sobre el
consumo de litros del vital lquido que gasta
una familia al da en una colonia del
Municipio de Tamazunchale, para que estos
resultados en todo caso sean sometidos a las
modificaciones o estudios fsicos-
matemticos que se decidan hacer.

Resultados obtenidos
Los siguientes resultados se sometieron a
software como Minitab y Excel para
proporcionar datos precisos en el
abastecimiento de agua municipal y tener
conocimiento de los litros gastados de agua
al da por cada una de las familias que
habitan en dicha colonia. El uso de las
herramientas estadsticas fue un factor
importante para la aplicacin de diferentes
mtodos estadsticos en este trabajo.

Se muestran los datos tomados de la colonia
San Jos # como se muestra en la tabla 1.

Atraes del software Minitab obtuvimos la
media, la moda, la mediana la varianza y la
desviacin estndar para posteriormente
realizar datos estadsticos, estimacin de
parmetros, prueba de hiptesis, distribucin
normal y tabla de frecuencias. Los resultados
fueron los siguientes.
Variable Media media Desv.Est
C1 274.8 16.1 105.5
Varianza Mediana Modo moda

11134.6 240.0 169 4

Imagen 1. Se muestra los datos de las 43
familias que se Introdujeron a Minitab para
obtener los resultados (medidas de tendencia
central y de dispersin).

Imagen 1. Resultados estadsticos a partir de
las observaciones.






Fuente: Elaboracin propia, 2013

Resultados utilizando frmulas.
Promedio 81395 . 274
43
11817
= = =

n
x
X
Moda=169
Mediana: 306 = X

Varianza:
( )( )
( )( )
5431072 . 105
34748 . 11139
34748 . 11139
42
5943 . 467852
42
406 . 3247476 3715329
42
70711 . 75522 43 3715329
1 43
81395 . 274 43 3715329
1
2
2 2
2
=
=
=
=

=

S
S
n
x n x
S


















































Familias Integrantes
de cada familia
Litros de agua
consumidos por da X
2
X
1 8 482 232324
2 5 344 118336
3 3 240 57600
4 4 206 42436
5 5 277 76729
6 5 277 76729
7 2 237 56169
8 5 277 76729
9 10 484 234456
10 6 344 118336
11 1 169 28561
12 5 308 94864
13 2 203 41209
14 7 383 146689
15 1 169 28561
16 5 240 57600
17 3 169 28561
18 3 235 55225
19 5 305 93025
20 4 272 73984
21 3 237 56169
22 6 306 93636
23 4 206 42436
24 2 169 28561
25 5 475 225625
26 3 236 55696
27 5 340 115600
28 3 236 55696
29 10 475 225625
30 4 272 73984
31 2 202 40804
32 4 272 73984
33 3 203 41209
34 4 238 56644
35 7 412 169744
36 2 135 18225
37 9 476 226576
38 5 241 58081
39 6 177 31329
40 10 479 229441
41 3 171 29241
42 2 136 18496
43 1 102 10404
Total 43 192 11817 3715329
Tabla 1. Datos tomados de la colonia San Jos, Tamazunchale SLP.
Fuente: Elaboracin propia, 2013.
Tabla de frecuencias:
Esta tabla nos ayudara para determinar el
nmero de observaciones que pertenece a
cada clase, as como tabular los datos paso a
paso.
3206 . 58
55 . 6
382
382 102 484
55 . 6 43
=
= =
= =
=
= =
=
A
K
R
A
R
L H R
RANGO
K
N K


Histograma y Polgono de frecuencias: se
realizaron por medio del software Excel.

Grfica 1. Datos tomados mediante
encuestas en junio de 2013 (que se
clasificaron en la tabla de frecuencias)






Fuente: Elaboracin propia, 2013
Grfica 2. Datos tomados mediante
encuestas en junio de 2013 (que se
clasificaron en la tabla de frecuencias)







Fuente: elaboracin propia, 2013
Las grficas 1 y 2 nos muestran los datos
ms esquematizados sobre la tabla de
frecuencias.
Prueba de hiptesis:
Se prueba la hiptesis de que el promedio de
abastecimiento de agua por familia al da es
de 81395 . 274 = , si al cantidad de litros
de agua por da de una muestra de 10
familias son 482, 344, 240, 206, 277, 277,
237, 277, 484, y 344 litros de agua.
Utilizando un nivel de significancia de 0.025
siendo una distribucin normal.
n
X
Z
o

=
( )( )
( )( )
762643 . 192
9
0711 . 755227 1089644
1 10
81395 . 274 10 1089644
1
2
2
2
=

=

S
S
S
n
X n x
S

762643 . 192
81395 . 274
10
8 . 316
=
=
=
=
o

n
X

96 . 1
975 . 0 025 . 0 95 . 0
6887 . 0
10
762643 . 192
81395 . 274 8 . 316
025 . 0
025 . 0
=
= + =
=

=
Z
Z
Z

Campana de Gauss Jordn para representar
el intervalo de confianza de 95%.




96 . 1

975 . 0

96 . 1

Se acepta la hiptesis nula afirmando que la
media es de 274.81395 litros de agua por
familia al da.

Distribucin normal.

El abastecimiento de agua de 43 familias del
barrio San Jos tiene un promedio de
81393 . 274 = con desviacin estndar
54 . 105 = o . Se encuentra la probabilidad de
que una muestra aleatoria de 10 familias el
abastecimiento de agua sea de 316.8 litros al
da.

316.8
10
105.54
274.81395
=
=
=
=
x
n
M
x
o

1 1.23405084
3 33.3746784
41.18605

10
105.54
274.81395 - 316.8

m - x

= Z
= Z
= Z
= Z
n
o

0.8907
) 23 . 1 (
) 775 (
=
( Z
(
p
x p

INTERVALO
DE CLASE
LIMITE
INFERIOR
LIMITE
SUPERIOR
MARCA
DE
CLASE
FRECUENCIA
NORMAL
FRECUENCIA
RELATIVA
FRECUENCIA
RELATIVA
ACULADA
1 102 160.3206 131.1603 3 6.976 5.976
2 160.3206 218.6412 189.4809 11 25.581 31.557
3 218.6412 276.9618 247.8015 12 27.906 59.463
4 276.9618 335.2824 306.1221 6 13.953 73.416
5 335.2824 393.603 364.4427 4 9.302 82.718
6 393.603 451.9236 422.7633 1 2.325 85.043
7 451.9236 510.2442 481.0839 6 13.953 98.996
95%







Campana de Gauss Jordn representando
una distribucin normal con un intervalo de
confianza del 95%.

2340 . 1 = Z
La probabilidad de que el promedio de
abastecimiento de agua por da de las 10
familias sea de 316.8 L es de 0.8907.
Estimacin de parmetros.
Sabiendo que la media de abastecimiento de
agua por da de 43 familias es de
81395 . 274 = teniendo un intervalo de
confianza del 95% para el abastecimiento de
agua tomando en cuenta que la desviacin
estndar de la poblacin es de
543 . 105 = o , se encuentra el siguiente
parmetro para estimar cual es el parmetro
dela media.
n
Z x
n
Z x
o

o
o o
2 2
+ ( (

05 . 0
543 . 5 . 10
81395 . 274
=
=
=
o
o

Numero de Confianza de % 95

36045 . 306 2674 . 243
43
543 . 105
96 . 1 81395 . 274
43
543 . 105
96 . 1 81395 . 274
( (
|
.
|

\
|
+ ( ( |
.
|

\
|

Campana de Gauus Jordn de dos colas
representando in intervalo de confianza de
95%.



Conclusion:
Utilizando el 95% de confianza obtenemos el
parametro de 36045 . 306 2674 . 243 ( ( en
el cual podemos notar que existe una
variacin similar respecto al rendimiento del
abasto de agua.

Referencias
J.Glynn Henry-Gary W. Heinke
(1999).Ingeniera Ambiental (2 edicin)
Mxico: Pearson Prentice Hill pag.383-386,
ISBN 970-17-02662.

W. Hines Willi. Montgomery D.C.
(2004).Probabilidad y estadstica. (3 Ed.).
Mxico: CECSA.
Pp.10-11.

025 . 0
2
=
o
025 . 0
2
=
o
5097 . 0
025 . 0
= z
5097 . 0
025 . 0
= z
Koher Heinz (1999).estadstica para negocios
y economa (1Ed) Mxico: CECSA. Pp. 99 y
100.

Spiegel, M. R. (1997). Probabilidad y
estadstica (4Ed.). Mxico: Mc Graw
Hill.pp.245

Anexos
Los autores agradecen de manera especial e
infinitamente al Ing. Gaudencio Antonio
Benito-Docente destacado en la realizacin
de proyectos con gran enfoque al desarrollo
tecnolgico de manera institucional y
regional, ya que el trabajo se desarroll
gracias a su constante apoyo.

A todas las personas que contribuyeron a la
obtencin de los datos para la investigacin








Integrantes de equipo con nuestro asesor.





















Imgenes realizando las encuestas para
obtener los datos.