Título:HUMANkobelg312019-06-04T01:13:00Z2019-06-04T01:13:00Z2019-06-04T01:13:00Z14398522717may189532664916<data data-version="3" zotero-version="4.0.29.16"><session id="RJrfjVbm"/><style id="http://www.zotero.org/styles/apa" locale="es-ES" hasBibliography="1" bibliographyStyleHasBeenSet="1"/><prefs><pref name="fieldType" value="Field"/><pref name="storeReferences" value="true"/><pref name="automaticJournalAbbreviations" value="true"/><pref name="noteType" value=""/></prefs></data>iVBORw0KGgoAAAANSUhEUgAAAA8AAAAPCAMAAAAMCGV4AAAAAXNSR0IArs4c6QAAAMxQTFRF//fY wMDA/9AT/9Qn/9g7/99iAAAAUlH/eHj/jIv/n57/xcX///Cw//PEBQT/LCv///TE//jY/++w//PF /+iJ//Cx/9ra/7+//7Gx/6Oj/4eH/3l5/9c7/+Bi/8/P/7Oz/6am/5iX/8TE/6in/5qa/4yM/3Fw /2Ji/62t/5GS/4SD/3V2/1pa/0xM/6Ki/4aG/3h3/2pq/05O/0FA/5aW/3p6/21t/15f/9AUn5// xsX/eXf/i4v//+iK/+eJeXj/eHf/UlL/LCr/Kyv/WLUWNgAAAAxjbVBQSkNtcDA3MTICAQEGiroU zgAAAAJ0Uk5T/wDltzBKAAAAgklEQVQYlV3PPQuCAAAEUB/UmGPg0tDUFA1GRj8/ISpwa2pqiHAL BJUkaSj7uu3BDXcEP9G533xMlAvVhacXe1GeZDqDJOu5fjlstdd3n7BWCMSwj+SLQ1MITMFRRXy3 MQGnOLXcUhqDS5yC0gjnr71DUMzXkp3Z5rV/oFrdZMr/Pw/btSokYKUFFgAAAABJRU5ErkJggk== Entrenamiento de la fuerza explosiva en voleibolistas universitariosTraining of explosive force in university volleyball playersYordan Portela-Pozo1, Elizabeth Rodriguez-Stiven2, Armando Peréz-Fuentes3__________________________________________________________________1M.Sc. Profesor Auxiliar. Universidad de las Ciencias Informáticas. La Habana, Cuba. yordanp@uci.cu2M.Sc. Profesor Auxiliar. Universidad de las Ciencias Informáticas. La Habana, Cuba. beth@uci.cu3Dr.C. Profesor Titular. Universidad de las Ciencias Informáticas. La Habana, Cuba. armandopf@uci.cuFecha de recepción: 17 de abril de 2018Fecha de aceptación: 26 de mayo de 2018__________________________________________________________________RESUMENEl estudio tiene como objetivo comprobar el efecto de 8 semanas de entrenamiento sobre el tren inferior utilizando el método pliométrico y el método combinado con sobrecarga y su relación con la capacidad de salto. La muestra es de 16 jugadores de voleibol universitarios, distribuidos en dos grupos, el pliométrico y el de sobrecargas. La potencia del tren inferior es evaluada con contra movimiento y Abalakov. Se utilizó la prueba de significancia de Shapiro-Wilk y la prueba de T-student para muestras independientes. El método pliométrico fue más eficaz que el método con sobrecargas.Palabras clave: Voleibol universitario; Saltos; Pliometría; SobrecargasABSTRACTThe objective of the study is to verify the effect of 8 weeks of training on the lower train using the plyometric method and the combined method with overload and its relation with jumping ability. The sample is of 16 university volleyball players, divided into two groups, the plyometric and the overload. The power of the lower train is evaluated with counter movement and Abalakov. The Shapiro-Wilk significance test and the T-student test were used for independent samples. The plyometric method was more effective than the overload method.Key words: University volleyball; Jumps; Plyometric; Overloads/9j/4AAQSkZJRgABAQEA3ADcAAD/2wBDAAIBAQIBAQICAgICAgICAwUDAwMDAwYEBAMFBwYHBwcG BwcICQsJCAgKCAcHCg0KCgsMDAwMBwkODw0MDgsMDAz/2wBDAQICAgMDAwYDAwYMCAcIDAwMDAwM DAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAz/wAARCABhAgMDASIA AhEBAxEB/8QAHwAAAQUBAQEBAQEAAAAAAAAAAAECAwQFBgcICQoL/8QAtRAAAgEDAwIEAwUFBAQA AAF9AQIDAAQRBRIhMUEGE1FhByJxFDKBkaEII0KxwRVS0fAkM2JyggkKFhcYGRolJicoKSo0NTY3 ODk6Q0RFRkdISUpTVFVWV1hZWmNkZWZnaGlqc3R1dnd4eXqDhIWGh4iJipKTlJWWl5iZmqKjpKWm p6ipqrKztLW2t7i5usLDxMXGx8jJytLT1NXW19jZ2uHi4+Tl5ufo6erx8vP09fb3+Pn6/8QAHwEA AwEBAQEBAQEBAQAAAAAAAAECAwQFBgcICQoL/8QAtREAAgECBAQDBAcFBAQAAQJ3AAECAxEEBSEx BhJBUQdhcRMiMoEIFEKRobHBCSMzUvAVYnLRChYkNOEl8RcYGRomJygpKjU2Nzg5OkNERUZHSElK U1RVVldYWVpjZGVmZ2hpanN0dXZ3eHl6goOEhYaHiImKkpOUlZaXmJmaoqOkpaanqKmqsrO0tba3 uLm6wsPExcbHyMnK0tPU1dbX2Nna4uPk5ebn6Onq8vP09fb3+Pn6/9oADAMBAAIRAxEAPwDx74Wf 8FS/2k/2EPH2oaDZ+K/EEFppl26SeG/FNs93BAoY4jEU/wC9gX2iZK+5P2ff+DqTTbmOC1+Kfwxv LSQYEuo+F7tZkY+otrgqVH/bZj/X72j1D9mz/gp94Skt2b4efFO3tlKtDKkcmo6cM4PysFubY57/ ACGvlT9oL/g2E+DvxAknuvAPifxT8PbuTJS2lI1fT4/QBJCs35zGvjY5fmeHXNgqynHs/wDg3X3N H9KVuLuB83l7DifLpYWut5RTWvd8qjJvylCXqe+fB7/guD+zF8ZI4lt/idpvh+7kxutvEFvNpZiP oZJVEJ/4DIRX0Z4D+NXg34pwLL4Y8W+GfEkTjKvpeqQXikeoMbGvww+MP/Bsj8evA8ksvhbVvBPj i0XPlpDfPp92/wBUnURj8JTXzl48/wCCRv7TPwvnb+0Pg143meE53aVajVAMdwbVpAfwqv7czKjp iMPf0v8AnqjL/iFnBWZe9lGcqN9lNwb+5unL8D+oKiv5V/8AhHf2ifhT+5+wfGnw15XGzydTs9n4 YXFH/C7f2iZf3P8Awl3xpbts/tXUz+m6j/W1L4qLXz/4Af8AEvU5a0cypyXfl/yk/wAz+qiuP+IX 7QvgH4SxPJ4q8ceEPDSRjLHVdYt7Pb/38cV/MP8A8IB+0T8Xv3P9ifGjxR5vGz7Hqd7v/DDZrsPh 9/wRz/ac+J0qDT/g54ttPMP3tWSLSgPc/anjxR/rPXnpRw7f3v8AJB/xAvK8L72ZZxTgl5Rj+Mqn 6H7cfGP/AILvfsw/B2OVG+Icfii9izi18PWM1+ZPpKFEH5yCvjb9oP8A4OpWaOe1+Ffww2MciLUf FN3nH1tbc/8Atf8ACvIfg7/wbBfG3xnJFL4v8TeCPBVo+N6LPLqd5H/2zjVYj/3+r7J/Z8/4Nlvg f8NJILrxvrHin4j3seC8Msw0vT3I/wCmUB838DMR7UvbZ5idIxVNfd+d3+Af2d4WZH71etPGTXRN tfLlUIfJyZ+bOh/8FJv2jP28f2oPA2k6z4u8TarYXHiGxkbw/wCH4GtbPyVuYy2+C3AMqKMkmXeQ Opr+kSvBo/F37Ov/AATustP8NWtx8PPhrNq80NrbaXZRxRX+oyOwSMmKMGeYlmA3sG68mvea9jKM FPD86q1eebtfy/G/5H5z4icT4bOHhpYDA/VaEFJQ0SU7tXekUtLK9nLfVhRRRXsn5sFFFFABRRRQ AUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFAB RRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQB/IRc+IL/wALePLnUdLvrzTd QtLySSC5tZmhmhbefmV1IKn3Br6r/Z9/4Lv/ALSv7P8AHBbDxuPGmmQYAs/FNsNRLAes+VuDx/01 r5I8SHPiLUD63Mn/AKEapV+MUcXWoycqMnH0Z/plmGQZbmdCNLMaEKqt9qKdvRtXXyP2M+D3/B1f GY4oPiB8JJFcY8y88P6sCD64t50GPxmNfRnw/wD+Dkf9mbxjHGdS1Hxl4TZvvDVNCeXZ/wCArTfp X889FexR4ox8NHJS9V/lY/Nsx8CeE8U26dOdK/8AJN/lPmR/TZoH/Ba39lvxJGrW3xh8PxBun2q1 u7Q/lLCuK2W/4K4fs0rHvPxo8DY9r3J/LGa/l6orsXGGJ6wj+P8AmfOT+jjkjfuYmql58j/9tR/T N4i/4Lc/sseGI2a5+L+izBe1pYXt2T9PKhavJ/iH/wAHKv7Nvg+OT+ypPHPiyRfuf2dovkqx+tzJ EQPw/Cv58aKzqcXYyXwxivk/8ztwn0eOG6bvWq1Z+TlFL8IJ/ifr78Yv+Dq6/mjlg+H/AMJbS2fn y7zxDqrTA+mbeBU/SavjX9oP/gt9+0n+0RHPbXnxBu/C+lz5BsfDMQ0tFB6jzU/fkEcYaUivkyiv KxGdY2srTqO3lp+Vj73J/DHhjLGpYXBwcl1leb9U5uVn6WO//Z01O51r9qTwFd3lxPd3dz4p06SW aaQySSsbuPLMx5JPqa/rRr+Sn9l4Z/aY+HQ9fE+m/wDpXFX9a1fU8HP93V9V+p+EfSSSWKwCX8s/ ziFFFFfZn8zBXzRpn/BWD4T6t/wUFl/Znhk8R/8ACzIXdGVtOAsMpYG/Yedv/wCeAP8AD97ivpev ww8Cf8rj99/19Xf/AKiT0DSP3PooooEfNH7UH/BWD4T/ALIn7Vfgj4N+L5PEa+MviAtk+lCz04T2 uLu7e0h8yTeNv72Ns8HAwa+l6/DD/gvX/wArBf7LX/XDwt/6kd3X7n0DaCivmK//AOCtvwk0X9vn WP2dNSl13SvGuhWTaheajewQwaLDCunrqDM1w0uVC27ZJZAAVPOBmvL/ABn/AMHCPwXPi290P4ae F/i58db7TnMVxJ4A8KyajaxOO3mu0e4ejIGU9QSOaAsfdtFfn14c/wCDkD4K6Z8QrHwz8TfBvxj+ COo6gQIpfG3hc2dvyQAxMcjyKuSMsYwo6kgc1996Jrdl4m0Wz1LTbu21DTtQhS5tbq2lWWG5idQy SI6khlZSCCDggg0BY+ev+ChH/BU/4V/8Ey7bwnL8TZPEKDxo12umjStP+1k/ZhD5pfLLtx58ePXJ 9K9h+AXxt0P9pL4K+F/H3hlrt/D/AIv06HVNPNzD5MxhlUMu9Mna2DyMmvlD/gob/wAFOvgV+zj8 QdQ8N/F74RePfF9t4SjhnbWT4Ei1bRbUXKRsPLuZmCKSWjRsY+YBeSBX0F+wx+034G/bA/Zc8MeP vhtp13pPgrVFnttMs7myjsntktriS2ZBDGzIih4m2hTjGOnSgD1uivlB/wDgsf8ACfSf2+h+zhrt j4z8L/ECe8+xWk+q6fDDpd+7R+ZAYp1mYssy4EZKDczBThuK+r6BBRUV/fwaVYz3V1NFbWttG0s0 srhI4kUZZmY8AAAkk8AV82/sG/8ABVf4b/8ABR3xf4y074aaZ4zudN8EusV5rl/p0dtply7OyxpC /ms7s6ozgFFwgy20kAgH0vRXm37UX7YHw0/Yt+HbeKvif4v0nwjoxYxwvdMzzXkgGTHBCgaSZ8c7 Y1YgcnA5r5I0b/g4P8IfEuFrv4b/AAA/ag+JujBiF1bQPAxnsZgD1R/O3H/gSqaBpH6AUV8M/DP/ AIOD/gP4i+I1t4Q8e2XxF+B3iS7IWK0+Inh59IRiTgZkVpEjXP8AHKUX3r7is7yHUbSK4t5Yp7ed BJHJGwZJFIyGBHBBHIIoESUV82/tyf8ABU/4Z/8ABPn4jfD3wx49t/FEt/8AEqeS30uTS7KO4hhK SwxM0xaVCo3Tp90McA8cc8N+0h/wXq/Zv/Zv+Itz4Pl8Uat438V2MjRXWmeENLk1aS2dThkaRcQ7 wcgqJCykEEA0DsfZdFebfso/tRaF+198B9K+Iegab4j0PRtWe4SO28QWP2C+h8mZ4mMke5goJQkH JypB9q+YfiP/AMHB3wL0L4m33g3wDpXxM+OPiLTmZLi3+HnhxtXjRgcHEjPGsig/xxb1PYmgR9z0 V8EXP/BeW18Np5/iT9lf9r3w9p45a8ufh/8Auox6sTMMD6Zr7I+Afxp0z9or4N+HfHGi2es2Gk+J 7Nb60g1WzNpeJGxO0yREkqSBkc8gg96APnf9vL/gtZ8E/wDgnL8X9O8D/EaXxUuuanpMetRDTNK+ 1Qi3kmmhUli64bdA/AB4x619Y6bqEWradb3cBLQ3UayxkjBKsARx9DX56ftpf8Fgf2Z/g/8AFDWL T4ufBXx/ql34Y1KXw8uvar8O7e5sbh4pJMJbXVw4DxsVkdNuNwywHWvur4J/FXSfjp8GvCXjbQUu Y9D8YaNaa1p6XEYimW3uYUmjDqCQrBHXIBIB7mgbOnorD+JHxN8O/B3wTqHiXxZrmk+G/D+lR+de ajqV0ltbWy5xlncgDJIA55JAHJr4i1n/AIOLfglrnim70b4ZeE/jN8bryzbZI3gfwhLeQqfrM0T4 9CEIPbI5oCx98k45r5O/4Jj/APBXnwL/AMFTNQ8eW3gzw34t8Pv4AazW8OtJbqLj7SbgJ5flSv0+ zPndj7y4zzjza4/4L76H4VjM3jD9mr9rLwbYjlr3UfABW2jHqzecCB9Aa+O/+DOudbnxB+0jKuds h8PsMjBwW1Q0BY/b6iqmv6uvh/Qr2/eG5uUsYHuGit4zJNKEUsVRR95jjAHc4FfCdv8A8F8tE8VL 5nhH9mn9rTxfan7t3p/w/LW7j1DecTj6gUAkfe9Ffn3qH/Bxf8LvhrrNnZ/FX4U/tCfBqK+kEcd7 4t8FtbWpPtskaRsDnCxk4r7f+D/xj8LfH/4b6V4w8Fa9pviXwzrcXn2Wo2MokhnXJBGeoZWBVlID KwIIBBFAWOlops88drA8srpFFEpZ3YhVUAZJJPQAV8TfG3/g4H/Zz+FHj6Twn4f1bxP8WvFUTtG2 meAdHfWHLDqFl3JDJz/zzkbHfFAj7br5O0b/AIK8+Bdb/wCCn17+ytH4b8WJ4zslZm1Zkt/7Lbbp wvzg+b5v+rO37n3vbmvN/wDh/JFYR/atS/ZP/bD07TDz9rf4fZRV/vHMwAH4mvgL9iT9ofRf2rf+ DqU+P/D1jrum6R4ghu2htdZsjZ30Bi8N+Q6yxEnYweNuMnIwe9A0j99qKKKBBRRXzJ+2X/wWD/Z/ /YT1xtD8ceOIZvFY248O6NbvqWqAsMqrxxArCWBBAlZMgjGaAPpuvk7/AIKYf8FefAv/AAS813wD p/jLw34s1+X4gtdrZNoyW7LbfZ2t1fzPNlTqbhMbc/dbOOM+a2v/AAXsttdhW80X9lT9r/WNIYbk vrf4f7o5F/vLiYgj8RX5h/8ABwr/AMFCvDX7d/xD+BqaJ4O+JfgnUPCM2pLqGn+MtC/sq6H2iSx8 sou9w4/cvnB449aBpH9G9FFeW/tXftqfC79iDwAviX4peMdK8J6ZMzJbLOWlur5wMlIIIw0srDIy EU4BBOBzQI9Sor8/9F/4OCvC/wASbb7b8PP2eP2pfiNohPyavofgXzrGdf7yOJskfUA10Hwk/wCD gf4B+OPiVb+DfGkfjz4J+KrplSKw+Imgto+5mOADKGkjjBP8UrIPfPFA7H3BRTYZkuIkkjdZI5AG VlOQwPQg9xRQI/j98QnOv3x9biT/ANCNU6t6+f8Aie3v/Xd//QjVSvxB7n+pNNe4vQKKK6X4PfB3 xN8fviVpHg/wdo95r3iPXJxBZ2VsoLyNjJJJwFVVBZmYhVUEkgAmiMXJqMVdsVatClCVWrJRjFNt t2SS3bb2SOaor9yf2Jf+DZvwF4C0Wy1f416nc+NvEEirJJounXElppNoeuxpE2zTkH+INGvUbSOT 7l+2T8R/2a/+CPHwYs9ah+FfguLW9Ud7fQtI0zSLaK+1WVACzPOyF1jTcu+RixG5QAxIB+kp8M1l SdbEzVOK76v+vmfi2M8cctqY6OW5Hh54urJ2XLaMW/Ju7st23FK2t7an85FvZTXefKhllx/cQt/K mzQvbuVkR42HZgQa/SHxJ/wc9/HK41GQaD4Q+F2h6YG/cWx067uJEXsGf7QqsfcIv0Fe/fsKf8HE tj+0p8T9G+H/AMcvAvhexj8TXKafaazp0bNYRzyMEjS4t5zIVRmIHmCQhSRlQuWXko4DA1JqnHEN N94WX5n0GYcV8VYPDSxdXKIyjFXajiE5JLfT2avbsm32Pxeor+nH9of/AII2/s5/tIaXdRan8NtE 8PajcAldT8NwrpN1E/8Af/dARu3/AF0Rwe4r4ttf+DUjQh4ru5Z/jPq50Myk21snh2MXax9g8xn2 Fh0yIwD1wOldeI4VxsJWp2kvJ2++9vwufPZR4+8M4qk5YxzoSXRxcr+jgn+Kifk3+y1z+038OR6+ KNM/9K4q/rVr4E+CP/BuN8Avg34h0jWpb3x54i1jRruG/gmvdUjijWaJw6EJDEny7lHBJ+tffdfU cO5XXwcJqtb3rban4R4ycd5ZxLicNPLOZqkpJuSte7Vrat9Otgooor6M/GAr8MPBbC2/4PILwSER l7q6A3cZz4RbH51+59fkD/wW0/YG+LPwV/bw8H/tlfArw/c+LtT8PvaTeJdFs4Wnut9snk+cIk+e SCW1AgkEYLoF3dGJQGj9fqK/P34C/wDBy5+y98UvDUDeLPEur/C/xKihL7Rte0i6ka1mHDqs0Ebx sobIBYoxHVFOQNX4uf8AByN+yR8LvD093ZfEO88ZX8aFotN0LRLyWe4PZQ8sccKkn+9IKAsz4c/4 LzMJ/wDg4S/ZaiQh5BD4VG0cnJ8R3eBX7oV+KX7Cn7LfxZ/4K2/8FXbT9rf4o+DNS+H/AMM/CdxB d+FtN1KNo5777KD9hjhDhWeNJD9okm2hGfKpkE7P2toBn8837cn7K1j+2x/wdMav8MdWurq00TxL e6Y2qm3kMck1nb+Hba6nhDDlTJHAyZ7Fwe1fvx8K/hN4Y+B3gLTvC3g7QdK8NeHdJiENpp+nW6wQ QqB2VRyT1LHJJySSTmvxlj/5XLT/ALh/9Qyv27oBs+Iv+DiH4P6D8VP+CTnxPu9X0+2ub/wnBbaz pNy8YMtjcJdRKWjbqu6NpI2x1VzWb/wbY+ONT8b/APBIj4d/2ndS3b6Pdalplu8jFmWCO9l8tMns ittA7KqjoK7r/guz/wAokPjj/wBgJP8A0qgry7/g2F/5RFeD/wDsM6v/AOlklAdDtv8Ag4Y/5Q5f Gn/r003/ANO1lWJ/wbYf8obfhT/131r/ANPF7W3/AMHDH/KHL40/9emm/wDp2sqxP+DbD/lDb8Kf +u+tf+ni9oDoee/8HHP/AATVvP2mvgRZfGjwBBcW/wAVfg/H9uSSyyt1qOmxv5zohX5jLbtmePBz /rVALOuPoT/gjn/wUPs/+CkP7Feg+Lp5rdfGejAaP4rtEwpiv40GZgo6RzKVlXHA3suSUNfVLKGU ggEHgg9DX4k/G37T/wAG4v8AwVRufiHpWl6hdfs3/HSGcX+maegI0u7XdJ5MakhQ8Mrb4gcAwTyo MlCQAj6D/wCDiH9tTxDp3g3wx+y78KRNqPxW+OsqWFxBaviWy0uRzGysf4PtDBkLHgRR3BOODX17 /wAE3v2FvD//AATs/ZK8NfDXQ/Jubqyj+163qKptbVtRkA8+4PfGQEQHlY40XnGa+LP+CFX7MXiX 9pr4xeMv23fi/Zk+L/iXPND4LsZgWXRdL/1XmxhuQGjVYIjwfKR25E2a/UmgGfzp/tCftJaZ+1p/ wcDeK734seCviJ8VPh/8HtW1DR9O8G+FdFbWZSmnSm3Uvbb1Bge6HnSkkhtyoQVIA/UGx/4LleGd Msoba2/Zm/a8t7a3QRxRRfDEokSAYCqBPgAAYAHSvlT9tf8AZF+LP/BK3/gq5dftc/CnwVqXxJ+H Piuae48XaLpSNLfWP2lR9tDIoL+W8g+0JKFKq42ybVAL/Xvwd/4OG/2Tfi5ocNxN8TI/B+okf6Rp niPTrixubRu6O2xoWIPHySMPegbPnL/gpn+3b4B/4KEfsh+LfAeo/st/tVz+IJ7CabwzqF58MmU6 TqaoTbyiUTM8aGQKsm0EtGzjBzivZP8Ag2v1H4oWv/BOceGfiloPirQL/wAFeIrrSNGh8QafPZXT ab5NvNEAsyq7RpJNMinoFQKOEwPRvGf/AAXo/ZF8C2L3F38bfDd0qDITTrW71CRvYLBC5r6f+F/x I0f4x/Dbw/4u8PXf27QPFGnW+radcbGjM9vPGssblWAZSUYHBAI6EA0Cufij/wAHfumz6z8Xf2dL O2cR3F3b6vDE+SNrtPYAHI6YJr9cP2M/2JPh5+wn8GdK8G+APD2naXDZW0cV7qCW6re6xMqgPcXE uN0js2TycLnaoCgAfk//AMHaH/JxH7MP+/qX/pTp9ft3QD2OT+PfwuHxw+BfjTwUdRuNIHjDQr7R Pt8AzLZfabd4fOQZGWTfuHI5HWvyK/4J4eDP2kv+CCFr4z8G+If2cdV+MfgXxBqw1RfFXgCZb3UP liWLBgCmZ4gqbljkWLYzyEMwbj9dvjn8bvDH7Nvwh8QeO/GeqR6L4X8L2bX2o3jo0nlRrgYCqCzs zEKqqCWZgACSK+cfC/8AwXi/ZF8XWK3Fr8b/AAxAjDO29t7uykH1WaFGz+FAI5H4Uf8ABxH+zb45 8WReHvFWqeLfhF4ilYJ/Z/jrQpdMaNicYeVDJDGOvzSOo96+3tG1qz8R6Ra6hp13bX9hfRLPbXNv KssNxGwDK6OpIZSCCCDgg1+P3/BbX/gqL+zb+25+zBqXwl+HFjP8cfipr0kUfhv+w9BuJ5NFuBKj GeOdowxJRWXZBvL7trYUk19mf8ELf2ZPiD+yR/wTc8F+D/iWZ7fxHHNdXy6bNL5r6LbzymSO1Ygk BgCXKg/K0hXtQDR85f8AB3N/yjX8H/8AZRrD/wBNup19uf8ABMv/AJRw/AH/ALJz4f8A/Tbb18R/ 8Hc3/KNfwf8A9lGsP/Tbqdfbn/BMv/lHD8Af+yc+H/8A0229AH5U/wDBXHxPrX/BSn/gu18Ov2Ud S1e/034a+GrqzbULK2lMYvZXsf7Rupz2Mv2UiGMkHyzuIHztn9nvg98F/Cf7Pvw807wn4J8PaV4Y 8OaTGIrWw0+3WGKMAY3EDlnPVnbLMckkkk1+Wn/BZn/gnx8XPhD+354Q/bK+BHh+fxtq/h97SXxJ 4etY2lvJTbR+R5qRr88sUtriB1jBkTbuAIJKe/8AwD/4OOv2ZfitpEcPizxNqXwp8VQgJf6F4o0y 4iks5R99fOjRomAPQsysRglF6ABn3mehr8RP+DPP/kZ/2lP9/QP/AEPVa/Q7Wv8AguL+yZoVm00/ xz8FyIozi3ea5f8A75jjZj+Vfnf/AMGdsq3HiD9pGVCWjkbw+ytjAI3aoaAR+z/xP+KXhz4KeAdU 8VeLtb0zw54c0WE3F9qOoTrBb2yZAyzNxkkgAdSSAASQK+Gn/wCDib4Z/ELxDeaZ8H/hZ8ePji9l IY5L3wl4RklsgfdpGWVfX5ohxWR/wc4fswfEv9pv9gbS4fhzp2q+IP8AhFvEUWsa1o2nI0tze2q2 80YkSJfml8p3ViignBLY+SqP/BM7/gtl+yj4O/ZK8C+Br3xLpvwh17wjpFvpep+HtX0+ayFvdRRq k0glCGKTzJQ7li3mEsS6hiaASMj9sr/gqBqfx6/ZS+IPg/xr+xZ+0zDoevaBeW8lxdeE1uLaxfyW Mdy5yPLEThZPM6oU3DkVyX/BoN4lvtQ/Yq+JWmT3MstjpvjLzLWJmJWAy2cG/b6AlAcDjOT1Jr6O /aq/4LPfstaj+zn490uz+Nngy/1DVfDuoWdpb2ksty800ltIiIBGh5LEDnjmvmP/AIM+v+TSPix/ 2N8X/pFFQPoXP+DsT9sfxT8HvgN4A+E/he+udMi+Kc97Lrc9u5jkuLO18hRabh/yzlkuAXA6iEKc qzA/eP8AwTp/4J7+BP8Agnd+zxonhHwpo2nxaz9jiOv60IV+2a3ebQZZZJMbim/dsTO1FwAOpPzp /wAHC3/BK3xD/wAFHv2efD2reAVhuPiH8Np7m506wllWEaxazrH59ursQqy5hidCxC5VlJG7I5H9 jr/g4h8D+FPB+k+A/wBqDTPFfwX+K+g20dlqb61od19i1WRFCfaFKRtJEXxuYOgQE/K7CgXQ/Tav xF+H/wDyuMa//wBc5v8A1FEr9E3/AOC3P7J0dmJz8dfAxQjOBPIX/wC+Qm79K/L79kn47eE/2mv+ DsG68ceBNZh8ReFNbiumsdQhikjjuBH4a8lyBIqsAJI3XkDOMjIINAI/eiiiigR8z/8ABYf9rHWf 2KP+CcnxM+IPhxxD4ksLKGw0qYqG+y3N3cRWqTgHgmLzjIAcglACCDivkT/g2V/YO8KWP7Ktp+0T 4nsofFHxP+JOo39zDrOpj7VdabbxXUtu3ls+SssssUsjyg72DqCcA5+7/wDgoL+yJY/t3/sc+O/h TfXg03/hK7FUtLwpvWzu4pUnt5WA5KrNFGWAwSu4d6/Lv/gmt/wUI8U/8EPvB8v7Pv7VfgPxZ4X8 LaRqVxL4Z8Y2FhJf6UY5pWlkj3xj97EZGeRWi3SAylXjUjgGtj9qK/EX/g73/wCSkfszf9dNb/8A Rul1+huif8FyP2S/EGnJdW/xz8GRxONwW5ae1k/FJI1cH2Ir8mP+DlX9ur4S/tq/E/4Cx/Czxtpn jQ+F5dUXU2sY5glqZ5bDyhudFDbvJk+6TjbzjIyDS1P6FK/nJ8QftN6R+1p/wXu8c+Lvi74D+JHx c8F/DDUNRsdE8JeFdBOuNFDY3P2W2M1tvUC38wmeTJIaV1VgyuRX9G1fi/8AtNfst/Fb/gjd/wAF XNc/al+HHgfVviV8IfHsl3J4q07RozLfaWl5Is12jIoJVBcIs8cmPLG3y3KcMwJH1vb/APBdDw3a W8cMP7NP7X0UUShERPhkyqigYAAE/AA7V83/APBVf9tXwN/wUY/ZA8TeCpv2XP2qH8XR2z3PhXVL 74ZOh0rUFw0beasrOkbkbJNoOUY/KSBj6m+Ef/Bwl+yX8WdDhuj8U7XwveOo87TvEOn3Nhc2rd0Z ihiYj/YkYe9anjb/AIL3fsi+ArB7i7+Nfh682jIj020vNQkc+gEML/rgUAj85v2G/wBvj9sv9nD9 lLwb4Gj+D/xD1ODwzbSWVvNqXhS9e5EInkMUZLR52xxlUUHoiKBwKK/cTwL40034keCdG8RaNci8 0fX7GDUbGcKVE8E0ayRvg4IyrA4IzzRQFz+Q3WznWbw+s7/+hGqtWNXOdWuj6zP/AOhGq9fh7P8A UmHwoK/Vr/g1X8G6Dqnxz+K2u3fkP4k0jRbK201XwXW3nmlNy6j2aG3UkdA+O9flLXpf7JH7WPjL 9ir44aV4+8D3yWur6dmOWGZS9tqFu2PMt5kBG6NsDuCCFYEMoI78rxUMNioVqiuk/wDgfhufKcd5 DiM5yHE5ZhZ8s6kdG9rpp2flK3K/Jn9YtfhT/wAHTUuoH9szwBHLJIdLXwYjWyZO1ZjfXXmke5UQ 5+gr75/YE/4LtfCb9tW90vw3qCX/AIG+IF/iMaTextPa3cmOfIuUXaV9pRG3YA9a2P8Agr9/wSpt P+Ck3wy0qbSNStNB+IHhLzTpF5dBja3cUmDJbT7QWVSyqyuAxQg/KQxr9BzRLMcBJYSSls/u6evk z+PeA6lTg7i2jLiGlKirSi21tzJpSTV0430bjdWufzaU+3uJLS4jlid45YmDo6nDKQcgg9iDX1h4 6/4IbftR+A9bkspPhZqOqorbY7rTL61u4Jh/eBWTKg/7YU+wr6a/4Jxf8G6fxC134raL4q+N9nZe FfCmjXMd62g/aoru/wBYKMGWJ/KZo4oWIG/LFyMqFGdy/A0MnxlSoqaptebTSXzP64zTxG4bwWDl jJ4ynNJXSjOMpS8lFNu722sutj9sPBN9c6n4M0i5vFZLy5soZZ1IwVdo1LD8ya8q/wCCjHh+z8Sf sH/F2G+vJdOjtfCt/fxXccxhe0nt4GnhlVgQQVljQ8HnGO9bvx+/bJ+Ff7LOlSXXxA8e+GfC4iTe La6vFN5KMf8ALO3XMsh9kQmvxg/4LAf8F13/AGyfCt38M/hfaaho3w+uZF/tXU7tfKvdfCMGWMIC fKt9wDEE73wuQg3K36NmuZ4fDUJRqSvJpq3V/wCR/GXAHA+cZ3mlGthKThSjNSdRpqMUmno3pJ9k r672V2eH/sTf8FTv2g/hr8ZfB2hWPxV8VX2i6prNlY3Flq866rEYZJ0R0T7SJDH8pPKFSO1f0tV/ JJ+zWdv7RfgA+niPTv8A0qjr+tuvI4Rr1KlOopybs1a7vbc/RfpEZZg8LjcHPC0owc4z5nGKXNZx teyV7X6hRRRX15/OQUUUUAch4/8A2e/APxXuvP8AFPgfwf4lnxjzNV0a2vHx6ZkRjVTwT+y78M/h pqKXnhv4deBPD93EdyT6boFpaSKfUNHGCKi+MH7Vnwy/Z+IXxx8QfBvhOYruWDVNXgtp5B/sxuwd vwBryh/+Cxf7MSXJhPxl8IlwcZDylf8AvoJj9a56mLowfLOaT82kethMgzPFQ9phsNUnHvGEmvvS Z9LUV5X8I/25Pg38etYg03wb8UPAviLVbnPlWFnrMD3kuASdsG7zDgAnhe1eqVrTqQmuaDTXkcWK weIw0/Z4mm4S7STT+52Mr/hBdD/4Sf8Atz+xtK/trGPt/wBkj+1Y27MeZjd935evTjpWrRRVnMV9 W0i01/TZrO/tba9s7hdssE8SyxSD0ZWBBH1qPQPDmneFNMSy0uwstNs4ySkFrAsMSknJIVQAMmrl FAFXWdEsvEemTWWo2drf2VwAJYLiJZYpACCAysCDyAefSk0PQLDwvpcVjpljaadZQZ8u3toVhijy SThVAAySTx3NW6KACs7xP4P0jxtp62etaVpur2iOJFhvbZLiMOAQGCuCMgE8+5rRooAisbGDTLKG 2toYre2t0EcUUSBEjUDAVQOAAOAB0qWiigAri/Hn7Nvw6+Kd+114n8A+CvEd0/3ptU0O1vJD9WkQ mu0ooA4Hwn+yl8LfAV6lzoXw18AaLcxnKy2Hh60tnU+oKRgiu+oooAyvEfgXQ/GE9vLq+jaVqstm SYHvLSOdoScZKlgdvQdPQVq0UUAR3lnDqFrJBcRRTwTKUeORQyOD1BB4IrznWv2Mvg94kumn1H4U fDW/nc5aS58MWUrk+pLRE11nxK+KPhv4NeDrvxD4t17SPDWhWOPPv9SuktreLJwAXcgZJ4A6k8Cu E+D37dnwe/aC8X/2B4H+InhjxVrPltKbTTLoXEiovVyF6KPU8VnKtCMlBySb6X1Oyjl2Lq0ZYilS lKEd5KLaXq0rL5nbfD/4PeEfhPbyQ+FfC3hzwzDKMOmlabDZK49xGq5ro6KK0OMz/EnhPSvGVgtp rGmafq1qjiRYby3SeMOAQGCuCMgEjPuat2NjBpllDbW0MVvbW6COKKJAiRIBgKoHAAAwAOlS0UAF cz49+Cngz4q7f+Eo8I+GPEm0bR/amlwXmB6fvFbiumooA8y039if4M6NcCaz+EfwxtJlOQ8Phaxj YH6iLNeg6F4e0/wvp6WemWNnp1pH92G1hWGNfoqgAVcooAK5Dx/+z74B+LFz5/irwP4Q8SzYx5mq 6NbXrY9MyIxrr6KAPN9E/Y3+EPhmcS6b8Kvhvp8qnIe28M2UTD8VjFd/pWj2eg2SW1jaW1lbJ92K CJY0X6BQAKs0UAFZXi7wJofxA037Fr+jaTrlnnPkX9pHcxZ/3XBFatFAHly/sO/BRLkzr8H/AIWr MTnzB4UsA2fXPlZruPB/w48O/Dy2aDw/oOi6FCwwY9PsorVSPoigVs0UAFFFFABUOo6bbaxYy2t3 bwXVtOu2SKZA8cg9Cp4I+tTUUAeZan+xT8GtbvGuL34SfDK8uGOTLN4XsZHJ9cmLNdB4K+AfgT4b TpL4c8FeEtAlT7r6bo9vasv0MaDFdbRQAUUUUAcR45/Zl+G3xP1B7vxL8PfA/iK7kOWm1PQrW7kY +7SISaj8H/stfDH4e3qXOgfDnwHodzGcpLp+gWls6n1BSMEV3dFABRRRQB/HxrMTQ6xdo6lXSZ1Y HqCGPFVq99/4Kgfs23n7Kn7dnxG8KXFu8Fi2rS6npTFcLLY3LGaAqe+1X2Ej+KNh2rwKvxSvSlTq Spy3TaP9Pcqx9LG4OljKDvGpGMl6NJhX7S/sGf8ABtR4MuPAvh/xb8ZPEGp+Ib/VrOG/Ph7SpDZ2 VsJEDiKacZllIBGTGYwDkAsOT+LVfp1/wTw/4OM/E/7PXgHRPAfxK8K3Xj3RtHijsdO1PTpxFq0E CgLHE6ONlwVUBVO6NsAZLHmvVyOpgY1n9dV106q/mv6R+f8AinheKK2WwXDE+WSb50mlNxtpyydr W1vZpvSz6P74/bj8H+N/+CeX7Ndlb/sh/BLw9JqN/M1vqt1pWlLdX+nwhAUlEI/e3cjNkbnMm3aM q24EfjN8ZPEv7XnxL8eNrvjKL48za3Ex2PNYalaC0yeVijRFSIZ/hRVHtX9Cn7LH7auh/tY6PHea T4Q+J3hlJk8xP+El8K3WnRyDGflmIaFv+AyHPavTvEXjvQ/B4B1fWdK0sEZH2u7jgyP+BEV9pjco hjEp06zjDol8P3aH80cNeIeJ4cnPDYzLoVsQ2+ac7uo79HJ81100su93dn80GifGb9smwjW3sPE3 7SiovCxx3utMF+gzxUPjPxd+2F4ssHh1/UP2kb+0cfNHey6y8RHurfLX9Ip/aT+HQcqfH3goMO39 uWuf/Q6ni/aC8BTkCPxv4Qcnpt1i2P8A7PXD/q4mrfWX/XzPqV401Iz51ktNPvbX7+Q/k38X+CfE fhe7eTX9I1vTp5mJZtQtZYXdj1JLgEmsWv6/dN17RvG9hItne6ZrFq42yCGaO4jYHscEgj614B+0 5/wSR+AP7VujXUWv/DzRNI1W4U7NZ0G3TTNQic/xl4gFlI9JVdfauKvwfO16NVP1Vvxuz6XLPpHY Z1FTzHBSprq4yUrf9uuMfzP5uP2ZrWS+/aR+H0EKF5pvEunIijksxuowB+df1s1+Jf7Mn/BDbxZ+ zl/wV+8E6TqMreIPh54c3eNLPXhD5a3EdrIvkwSLyFnW5aAMoJBQ7hxkD9tK9ThbBVcPTqqsrO9v uX/BPhvHjifL83xeCll9RVIqm5XX996J9U1y6p6q+oUUUV9SfggV+Mf/AAWZ/wCC3HjG9+L+rfBf 4Iald6PbaRdHStY13TcnUdSvA2x7W1dfmjRH+QumHdwQpCj5/wBktcluINFvHtED3aQO0KnozhTt H54r+Y3/AIJR29p4q/4Kg/CNvEzef5/imO5la55aS7XfJEWz1YzhOvevmeI8XVh7LDUpcvtHZvy0 X6n7f4M5BgMQ8dnWPpqqsJDmjB6pyam7tdbKFle6u77pH6KfsR/8G1+j614atPFv7Qmu67q/ibV1 F3PoFheGKO1Z/mKXNzzJLLz83lsgDZG5+tfWln/wQu/ZTsbFbdfhHp7ooxuk1jUXkP8AwI3Gf1r6 0or08Pk2DpRUVTT82k2/mz4nNvEniXH13XqYypC+0YSlCKXRKMWlp53fds+Y/wBnv/gj38Af2WPj pZfEPwN4OuNH8QabBNDaCTVbq8gtjKmx5EWd3IfYWUHOAHbjpj6cr83P+CmP/BeXWP2A/wBqq++H Nj8NtM8S29jYWt6b6fWHtnk85N+3YImAx0zk5r9Cvhz4rbx58PdB11oBatrWnW98YQ+8RGWJX25w M43YzgZxVYKvhOeeHwyScXqkra/dboYcT5XxAsPhs2zuUpxrx/dylNTbitbbuSXvXs7bnlPir/gp N8CvA/xcm8B6t8S/Dtj4vt71dOk0yRpPOS4ZgqxEhdoYlgMZ717fX82/7bv/ACnG8Sf9lJs//SiC v6SK58qzKeKnVjNJckrK3z/yPW494LwuRYXL6+HnKTxNJTlzW0douyslpr1ucP8AH79pTwJ+yz4M t/EXxC8Tad4V0W6u1sIbu8LBJJ2R3WMbQSWKxuenRTTvgJ+0d4G/ah8FS+I/h/4l07xTokF09jJd 2ZYxpOqozRncAQwV0PTowr4P/wCDo/8A5MB8If8AY/2f/pu1Krn/AAbA/wDKPPxB/wBjzff+kdjT WZT/ALR+p2XLy3v1B8F4VcGLiXnl7X2vJy6ctu+17/M+6Pjf+0N4G/Zr8Jxa74+8VaJ4S0iecWsV zqV0sCTSlWYRpnln2qx2rk4UntXgWpf8Fxf2VdKuTFL8XtKdwcZh0vUJl/76SAj9a9U/bU+Hvwc+ IvwUkt/jknhk+B9PvIr4ya5ffYreG4QMEYSB0O/DOoUHLBiuCCRXwb4i/as/4JkfD5306Dwr4E1o w/Iz2ngq5uwPpNJCN31Vj9aePxdajO0Z04r+83f80Z8KcPZfmOGcquFxdaom7+wjFwS6auMnfunY +3fgl/wUq+Av7RWtwaX4P+KnhHVNVumCW9jJdfY7u4Y/wxxThHc+ygmvcK/mz/4KreIv2VPG194Z 1/8AZuS/0XUpZZo9e0v7FdW1qFAUwzxCbhGzvUqhwflO0EEn9nf+CJXxy8Q/tBf8E2vh/rnim/n1 XWrUXely3s7l5rpLa5kiiZ2PLP5aoCxyWKkkkk1z5ZnEsRiJYapytpXTi7prT/M9jjjw4pZRlFDP MI6kYVJcjp1oqNSL95pu2jT5X0Wln109V/aB/bt+EP7K3iex0X4h+PdD8KarqVsLy2tr1nDywl2T zPlU4XcrDJ9DWl8ZP2wfhb+z34Wsda8bePfC/hvT9UhW4sWvb5EkvoyAQ0Med8owQfkU1+OH/B01 /wAnneAP+xLj/wDS67r6H/4JY/8ABGTwR8dvgD4X+L3x4Oq/EjxP4w06C606x1DUZxZ6Xp4QLaph GVpD5IU4Y7FVlUJ8u4xHNcVUxlTCUYJ8uzbaSXnvfySOqrwBkWD4cwXEOY4mpFVr3hGMZSlK7soX sopJNycm+iSuz6o0T/gtt+yz4g1ZbK3+MGhxzM20Nc2N7aw595JIVQD3JxX0r4M8b6N8RvDFnrfh 7VtM13RtQTzLW+0+5S5trhc43JIhKsM9wa/Pn/gqL/wRh+BMX7F/j/xV4M8E2HgrxT4J0S512zvN MkljSZbWNppIZYixR1dEYZxuBIIOMg/NH/BrF8b9ei+NvxD+HL3s83hq50L/AISGO1dy0dtdRXEE DOg6KXScBsdfLTPQVUMzxNLGQwuKjH39nG/43OfEcEZJmHDmIz/IKtVPDtKcKqjdp21i4WWzvre9 mtNGfqz+13+2v8Of2HvhtJ4m+IevwaXA4ZbKxjxLf6pIB/q7eEHLnkZPCrkFmUc18A/sT/8ABwXZ ftC/tl+KJPiJrHh/4XfCey8PyjQ7G9dWlubz7VbhZJp9uWlMXm/Im1FGRhiNx+nf+CqX7E/wr+Jv 7NHxd+IviDwXpereNtG8E6lPY6tcNI89o8FlK0JQbtq7WAYADGcnkk1+UH/BvN+zJ4B/an/aw8Ya H8QvC+m+K9JsPCct9b216GKRTi8tUEg2kc7XYf8AAjXNmeMxsMdSoU2kpbLXX/F/kj2uCOHOGcRw pj81xkKk6lJJSdo+7ez/AHabav0cpa9kj9w/gP8AtwfCT9p7xLeaN8PvH/h3xZqlhbG8uLWwuPMk ihDqhkIwPl3Ooz6sK0P2gP2tvhn+yvZWM/xE8beH/CC6p5hsk1C5Ect35e3eY0GWfbvTO0HG4eor J/Z//YS+EP7K/ie81r4eeAdC8KarqFqbK4ubJHEksJdXMZLMeNyKfqormv2/fh9+zv4r8GaJqv7Q yeDxo/h+4lm0qXXb5rbbK6gSJEqurSlgq5jAbO1TtyAR7kp4iNBym4qa9eX/AD2Py2lh8nrZrClh 41pYd9EoOq3bol7r1t8vM/Oj9rnxh+zB+298brXW/iv+2TrmteHLC5Mln4Y0jwveWWn2MefuROIp VDEcNKwZyONwGMfff/BPr4nfss6T4Th8G/ADxB8P40C730/T7kJql6VHMsqzYuJmA6u+7A4yBxXy L4h/bB/4JkeHw+nw+DvBmqRr8hltPAtyfykeFWP1B/Gvzg/4KO+JPgJZftAaF4n/AGYb/WdH0mS2 W6urbZd2raRqEcpKyW7zfvFDLtYBWIVlOCAQB8tPMFg5PEJ05tvXlbcvk22fvWG4QqcR0IZNOONw 1OMXye0pwVFNa+9GEKer6N3bfW71/p0rx34mf8FAvgx8G/i6ngLxT8Q/D+ieL5HgjGmXLusoaYKY gSF2jcGUjJ7ip/2Cvi1qvx2/Ys+FvjDXZRPrfiDw1ZXd/MAF8+cwqJJMDgbmBbA4Ga/Cr/g4OvZd N/4KueMrmCRop7ey0mSN14ZGFjCQR7givbzbNZYXCxxNNX5mt+zTZ+W+H3AVLPc9r5Ljajh7OM3e NvijJR6p6avzP3c/aC/bh+EX7KsiRfEH4heGPDF5InmJZXN2HvXT+8LdN0pX3C4rzPwZ/wAFof2X vHmsR2Fj8YvDkM8rbVbUILrTos+8lxEiAe5avFv2Jf8AghV8Mbf4b6b4z+Ndhe/FL4n+K4E1XWbv Wb+eSC2nmUO0SorjzCuQrPLvLMCRtBCjyT/guV/wSQ+Dfwi/Yv1r4ofD3wra+C9e8IXVmbiOwlkF tqNvPcx2xRomYqrK0yuGUKcKQc5GM8Ri8xhReIUIKKV7Nu9vXRXOzKOH+DMRmNPJp4ivKrOSgqkY wVNybsrRd58reibs+tkj9XNJ1a017TLe+sbq3vbK7jWaC4gkEkUyMMq6suQykcgjg1g/Fz4zeE/g J4Kn8R+NfEWkeF9CtnWOS+1K5W3hDscKm5jyxPQDk1+aP/BrN8b9e8afBH4m+B9SvZ7zR/Bd/YXe lJK5f7It4tz5sSZ+6m+2DhRwGkc9zX6I/tUeA/ht8SfgXrek/FyPQn8AyiObUjrF59jtIxHIro7T b0KEOqkEMPTvg9+ExrxOEWIppJtPfa601fa58pxDwzHJOIZ5Ni5OcYTim4JczjJKS5U9Obla0btf S/U8W1n/AILffsr6FcGKf4v6PI6nGbfTr+5X/vqOBh+tdb8I/wDgqh+zv8c9ag03w38W/CFzqN0w SC2u7htPmnY9FRbhYyzH0XJr428SftJ/8EyPhLK+mQ+G/h/rkkHyMbPwjc6kPwneIq/1VzXw7/wV Z8Y/sc/FDwHo+ufs9Wt34f8AGkWprDqWmxabd2djd2TRSEyhZB5aOkixgBNuRI2QcAjxcRnVejFz c6UrdE3f5as/TMn8M8rzKvDDRwuOo8+iqThFwXZySjFped/nbU/oqrzH9on9s/4W/smS6TH8R/Gm keEpNdErWC3pfN0IygkKhVPC70zn+8K+X/8Ag3W+OviL43/8E7oI/EmoXOqT+D9fuvD9ncXDmSU2 scNvNGjMeTs88oueioo6AV8rf8HX3/I0/A7/AK9da/8AQ7GvQxeauGX/AF6kuidn5tI+PyDgGGI4 w/1Xx1RpKU4uUbXfLGUk1dO17LR7XP1G+If7bPwk+E3wz0Xxj4l+IfhXRvDniO0S+0m7ub5F/tOF 1Dq8CfflBVgflUkZ5ryvw1/wWt/Zb8Wa0lha/GHQIp5G2Bry0vLKDPvLNCkYHuWxXxh/wRY/4JJe Cf2lf2ctB+MPxohvfH11qsb2HhvSb+8lNlpWn2kj26AorDcS0cm1CfLVdp27iSOh/wCC5X/BKP4M /DP9h/X/AIleA/B2m+C/EfgyezkY6Xuhgv4JrqK2aKSLJTIMwcMAGymMkEiueWPzB4b63CEVG17N tu1r300Xex7NDhPhCnna4exGIrzqup7PngoKmpuXKlZ3k7PRy01u0rH6V+MPjd4N+H3w6Hi/XfFf h3SPCrRLMur3eoxRWMiOMoyyltjbh93BO7tmvnuX/gt7+yvDq5sW+L+jmZW27l06+aHP/XQQbMe+ 7Ffld/wQ5/Yjs/8AgpL4j1bTfihr3iHWfhn8IIoZNP8ADI1KWK2e5vpJmIG1sxx4gkZ/LKszMnzA ZB/T34zf8EMP2bvid8LtS0LTPh3pfhXUprZ47DV9MlmjurGbadkhJciQA4ysgYEZ78isNj8di6Kr 4eEUn/M227b7WtrormWccJcK8P5lLKc5xFapUTV3SjCMYKWsb87bk+Vpuysr2TbR9LfCD45eDf2g fCSa94H8UaF4r0d22fa9LvI7mNHxko20nY4BGVbBHpXVV/O5/wAG9vxd8QfCj/gpx4c8K2d7NHpP jSC/0vWLQOTDP5NpPcROV6FkkhGG6gO4HDHP7E/8FdP2zdS/YX/Yh8ReMdBEQ8T300OjaK8qB0gu py374qeCY40lcAggsigjBNbZdnMcRg5YqouXlvf5K+n3nncY+G9bKeIqOQ4Op7X26i6bemkpOPvd NGndrprboeq/Hb9rv4X/ALMdtHJ8QPHvhfwm8y74oNQv447mdfVIc+Y491U14rb/APBcX9lW61AW yfF7ShITjc+l6gkf/fZgC/jmvzA/4Ikf8E+dL/4KbfGLxz8SvjNfav4t0rw9cQrNBdX0vm65fzB2 LTzBvMMcaICVDAsXQZ2qVP61al/wSe/Zs1Xw+2mS/BX4fpbMmwvDpiQ3GMdpkxKD7hs+9ZYTG4/F 0/b0YxjF7c12391rHbxBwzwpw9jHleZVq9avBLndJU4wi2k7Ln5m2k/L77pep/Br9obwJ+0RoDap 4E8YeHPF1jHgSyaVfxXXkE9FkCklG9mANdjX88P/AAUy/Zx1f/gjB+3joet/BzxHrGhaXrNkNZ0V vtBklswJSk1lKT/r4QVU4kB3JIFbcQWP7nfsV/tFx/ta/sp+BPiMltHZy+KtKjurm3Qkpb3AJjnR SeSqyo4BPOAK3y7NJV6s8NWjy1Ib21TXdHlcZcC0srwOGzrLqzq4TEfC2uWUX/LJXavo9V1TVtm/ UKKKK9g/OQooooAKKKKACiiigD4j/wCC0v8AwSsj/wCChPwltdc8LpbW3xR8Hwv/AGW8jCNNXtyS zWUjnhSWy0bNwrlgcB2Yfzv+NvBGsfDbxbqOgeINMvtF1rSZ2tryxvIWhntpFOCrq2CDX9flfOX7 dn/BLT4S/wDBQPSN/jDR30/xPbxeVZ+I9LKwajbgfdVmIKzRg/wSBgMnbtJzXy+ecPLFP29B2n17 P/Jn7v4W+MMsgprK80i54a/utayp3306xvrbda2vsfzGeE9Ltdc8U6ZZX19HplleXcUFxeOu5bWN nCtKR3Cgk49q/qP/AGOP2BPg7+x94G0yL4d+FtFFwbZGPiGSOO61LUwVB81rogsQ+dwVCEG75VAr 8cf2pf8Ag2y+N/wcu7m78BT6R8UNEQloxayrp+pqv+3BM2wn2jlcn0HSuM+Av7fH7W//AASqtYvD +o6N4ns/C1k22PQvGeiXLWEIz0gkbY8a9cCKQISc4NeFlM3llWTxtF67Ste36fcz9W4/w8OOcBSX DOYwfLdypOXLz3ta6+JNWdlKNtd11+0f+DlX9qb4z/Ba48F+G/B9/r3hb4ea9YySahrGlO9u9/e+ YwNm86YZFWJVcICvmeY2dwTA/FW/1C41W8kubqea5uJm3SSyuXdz6knkmv190D/g5/8AC/xG8KS6 F8UvgTBqunXieXeRWmpRX1pdDuDbXEIGPZnavNPFn7Wn/BN34vzPc6p8B/iP4XvpTln0hFtIUJ/u xwX4jx/2zFTmsKGNrOtSxC16SuremhtwDiM24Zy6GWY7JqnNG96lH2c+e7bvL3k79N3otlsfmRRX 6FXer/8ABNmVzKmlfH6IdfKjeIj6fNIf516X8FfhN+x/8SrqH/hX/wCyl+038UZGIMc9wksGn+xe eO8VFHu3FeZTylzfLGrB+jb/ACTPt8V4hU8PTdSrgMRFd5QhBffOpFfifl94M1zW/DviazuvDt5q lhrKyKtrLp0skV0HJ4CNGQ24npjmv6Rv+CMGq/HfWP2PYJvj2mpDWzfN/Yr6suzV5dP8tNjXQPzb 9/mYMn7wrgt2Jt/sXfs1SfDW6gv9G/Z3+GHwOtVHMz3sWs+IJl7o7QRqqAjubqTHPyV9V19lkOSy wsnVlUbv0s0vnfV/cj+avFfxOoZ9SWX0sLGPK0+dyjOat0TheKT62lK/kFFFFfUH4UFFFFABX4N/ 8Ff/APgk149/ZE/aG1D40/CfT9SvvBV1qf8AwkCy6VGZLrwleiTziWRQSIBIN6SAbUHytjCl/wB5 KK87M8tp42nyTdmtU1umfZ8EcbYzhrGvFYaKnCa5ZwltKPbya6PW2ujTaf5ofsPf8HJPwv8Aid4M 0/S/jG1x4C8X28axXOoR2ct1pGouBjzFMQaSEseSjrtXPDnt9YWf/BVT9m+/sRcR/Gz4dLGwziTW Yo5P++GIb9Km+NX/AAS//Z9/aE1Ga98V/Cfwje6hcktNeWtsdOup2P8AE8tsY3Y+5JNeSy/8G+H7 KUlyZB8PNQjUnPlr4l1Pb+s+f1rlpwzWmuW8J26u6fztdHu4vE8BYyo66p4nDt6uEPZzgvKLk4yt 6/gfkJ/wXQ+OnhD9on/goLrfiXwPr+n+JdBl0qwtkvrJi8LyRw4dQSBnB4yOK/oe/Z4/5IB4G/7F +w/9Jo68G8E/8ESv2WvAN1HPZfCDQ7qSM5H9pXt5qKH6pcTOp+mK+o9N0630fT7eztIIbW0tY1hh hiQJHEijCqqjgAAAADgAVOVZbXoV6teu1eetlfTfv6mvH/GuV5tlmAyrK4VFDCpx5qnKnJWilpFt fZ1P55P+C2XwU8Ufsmf8FR9U+IE+mTS6H4l1a18UaHeMp+z3bxiJpYSw4DpMjAr1CsjYwwr9i/gJ /wAFef2ePj74GsNYtvil4P8ADl1dQq8+meIdTh0q8s5CPmiZZ2UMVORuQspxkEivdfih8JPC3xt8 IT+H/GPh3RfFGiXJBksdUs47qBmHRtrggMM8MOR2Ir5d8T/8EEv2U/FF49w/wvFjLIct9i13UYE/ BBPsA+gFZ0stxWFr1KmFcXGbu1K6s/Jq/c68dxpkWfZVhMFn8KtOrho8kZ0uSSlGyXvRk42dorZ7 3fWy+Xf+DkL9q/4X/Gr9i7wroHg34i+CPF2tW/jW1vpbLRdbtr+aKBbG/RpGWJ2KqGkQZPdh616X /wAGwP8Ayjz8Qf8AY833/pHY16t4c/4IH/speHLhZR8L/tsinI+2a/qUy/8AfJuNp/EV9J/A79n3 wT+zT4KPhzwF4Z0nwrojXDXTWlhD5cckzKqtI3dnKogLEk4UelVhsuxP1942u4rS1k2/zSM864xy RcKLhnKlVl+85+eooR9VaMpH4if8HN2p+O5P22dHtNbfUV8DR6HBJ4aQ7hZs5z9qZf4TN5mA38QT ys8ba+9/2BvEX7Deh/s9+GW8K3vwVsrw6dD9ubxDLYRa40/ljzPtBusTFt+7p8n9z5cV9m/Fz4Je D/j74Rk0Dxt4Y0PxVo0rbzaapZpcxK2MB1DA7XGeGXBHY18weI/+CBX7KfiO9e4Pwyexkc5YWev6 lCh+ieftH0AFZvK8RSxdTE0uWfP/ADXuvRpP+rHUuPMox/D+FyTMPbYd4fS9HlcZ+c4uUNeu71bf XT4W/wCDjPxj8EfEnwz+HMPwv1P4W6hrMOrXTaivhaexluUh8lQpm+zksF3Zxu4znFfaP/Bu7/yi z8G/9hLVf/S2Wt/w1/wQX/ZT8MzLKnwsjvZV6G813Up1/wC+WuNp/Kvpn4O/Bbwp+z74BtPC3grQ dP8ADfh6xZ3gsbKPZFGzsWc49SxJJPUmtMFluIhjpYytyq6taN/Lul2OXifjXKcRwvR4cy72s3Tq c/PVUVde/paMpfzaeSPxP/4Omv8Ak87wB/2Jcf8A6XXdfrR/wTP/AOUeHwP/AOxH0j/0jipf2nv+ CcnwW/bL8W6fr3xL8EW/ifVtLtBY21w+oXls0UAdnCYhlQEbnY8gnmvVfh18PtH+E3gLRfC/h6xT TdB8PWUWnafaK7OttBEgSNAzEsQFAGSSeOTWuDy2pSx1XEyatPbv89DzuI+NMHmHC+X5JRhJVMO3 zNpcrvf4Wm316pHmn/BRb/lH78cv+xA13/03z1+QX/BrV/yfR43/AOxEuP8A04WFfuX4/wDAmk/F HwLrXhnX7NNR0PxFYz6bqNqzsi3NvNG0csZZSGAZGYZUgjPBFeS/sx/8E3vgp+xt40vvEXw18D2/ hnWdSsm0+4uU1G8uWkt2kSQx4mldQC8aHIAPy9aeNy2pWxtHExatDfv8tA4a40weXcMZhklaEnUx FuVpLlVrfFdp/cmbf7dXhTUPHf7E/wAXtF0m1lvtU1bwZq9paW0SlpLiV7KVURR3ZmIAHqa/Dn/g 3j/ac8Ffswfts63cePdf07wtpfiPwxcaVBqGozCC1iuftNtMqSSNhYwVik+ZiBkAZ5Ff0N185/HH /gkj+zl+0X4nudb8VfCvQbjV71zLc3dhLcaXLcyE5LyG1kj3uTyWbJJ6mpzLLa1avSxNBrmh0d7P 7jXgnjXLsuynG5HmtObpYm3vU+Xmi15SaT6Pfp56el/DT9rT4WfGjxY2g+DviR4E8Wa0ls141lo2 u2t/OsKsqtIUidiFBdRk/wB4V+Bv/BafU/Ed7/wVh8QQ/FZ9bHha11K0XT403bU0I7Dm0B+XlfMJ K/8ALXfnkGv2y/Zl/wCCWnwI/Y88fjxV8O/AiaB4hFvJafbW1a+u3ET43pieZ1wcDtnivRvjv+zD 8PP2nvD0el/EHwb4f8W2cBJgGo2iyyWxPUxSffjJ7lGBNTmOXYjG4ZU6jUZJ30u0/J7M14O4yyjh jO5YvBU6lWjODg3JRjUi20242co9Lbq9911+ff2fvFf7D2ifDvTx4I1H9nux0owLsE82nRXpGOPP +0EXG/HXzfm9a/L/AP4OKPFHwm8TfHD4ft8Kb/4e6hawaNcLqbeFJrOWJJjONomNsSN+3pu5xX6Y av8A8G/n7KWrXbTL8NrmzLHJS38R6mqfkbg4/CtXwr/wQo/ZU8IyrJD8KLO7lX+K+1jULsH6rJOV /SubG5djcTQeHcacVpqm+nZcp7vDPGXDWS5ss4jXxdaS5vdnGnrzJr3pe01tfe252v8AwSi/5Rt/ BX/sVLP/ANAr8Tf+Dhv/AJSoeN/+wfpX/pDDX9D/AIE8CaN8MPBumeHfD2m2mj6Ho1utrZWVsmyG 2iUYVFHYAV4l8f8A/glb8Av2o/ihdeNPHnw9tdf8TXqRRz3r6nfQGVY0CICkUypwqgfd7V0ZrlVX E4KGGptJxtve2it2PF4C49wOScS4nOsXTnKnVVRJRSclzzUle7S0S11PcPBP/ImaR/15Q/8Aota+ UP8Agvj/AMonPit9NK/9O1lX19Z2ken2kVvCgSGBBGijnaoGAPyrl/jl8DPCn7Sfwt1XwV430iPX vDGtCIXti80sKz+XKkqfNGyuMSRo3DD7vpXq4ujKrh50o7yTX3qx8Fw/mVPA5vhswqpuNKpCbS3a jJSaV2ley01XqflN/wAGnf8Ax7/Hn/e0D+WpVzP/AAdP6n47T4u/DizlfUU+Gj6Q0tqqbhaSasJp RNvxwZBB5G3dyFZ9vVq/VD9lj9hX4U/sUQ63H8MPCMHhZfEZgOpbL26ujdeT5nlZM8jkbfNk+7j7 3OeK7/4jfDHw58YPCV1oHivQdI8SaJegCew1O0jureXHQlHBGR1BxkHpXjxyao8sWBlK0u623v5H 6NV8SsJDjifFNGg50pW92VlJfu4wbVnJJppta6rTS+n54/8ABJ3XP2KdG/ZK8GPDd/B+08bDS4P+ EibxU9lHrB1DYPtHN3h/K8zds8v93t24715f/wAHCfjj4B+IP2OtEtfhxq3wjvvFq+LLWSWPw3ca fLqC2otbsOWFuS4i3mPOflyV74r668Wf8EF/2VPF189zJ8L0sJpDlvsGt6jbR/hGs+wD6KKi8P8A /BAz9lLw/Oso+GBvZFOQbvX9TlX/AL5+0bT+IrKpl2MlhnheSmla11f77cp3YPjDhqhncc9dfFzk p8/JJU2u/K5e027abHkn/Br1/wAo+/E3/Y93v/pDYV4R/wAHX3/I0/A7/r11r/0Oxr9Y/gP+zp4H /Zh8FP4c+H/hnS/CuiS3LXklpYoVSSZlVGkbJJZiqIMk5worlP2pv2CvhJ+2rNosnxP8HweKZPDy zLp7PfXVqbYSlDIB5EqZ3eWn3s/d4xzXRXyqpLLFgotc1kr620aZ5GWcfYKhxxLierTn7JynLlVn K0oSit2lu9ddjy7/AIIb/wDKKv4Rf9eV5/6cLqqX/Bef/lE78Wv+uel/+nayr6V+C/wX8Mfs8fDH SfBng3So9E8M6Gjx2NkkskqwK0jSMN0jM5y7seSetM+OHwP8K/tIfC3VfBXjbSI9d8Ma2I1vbF5p IVnEcqSp80bK4xJGjcMPu+ldzwk/qP1a6vycvle1vuPlocQUFxQs85X7P6x7W2nNy+057b2vbTe1 +p+U/wDwaff8eXx2/wB/Qv5ajX7Bnoa8l/ZZ/YW+FP7FMGtx/DDwlB4WTxEYW1HZe3V0bkw+Z5eT PI5G3zZPu4+9znivWqWU4OeFwsKFRptX221bZfiBxHh89z/EZrhYyjCpy2UrJ+7CMXeza3XfY/m5 /wCCJv8AymJ+G/8A2EdX/wDTbe1+0H/BZH9jrWP22/2FfEPhbw3Gtx4o0m5h13SLYsFF5PBuDQgn gM8UkqrnA3FckDJrf+DX/BKP9n79nz4v2Pj3wf8ADu00Xxbpkkstrfrqd9MYWljeOQhJJmj5SRx9 3jdxjivoeuHK8nlQwlTC12nzt7dmkuq30PquOvEelmfEOEz3KYyg6EIJKaWsoylLaMneLvbdPc/B 3/ggj/wUH8NfsD/E3x18Nfi09z4PsPEtzDJHe39vJGNJv4N8bw3K43Rh1YDcRhGj+bAbI/YTUv8A goD8CdJ8PNqs/wAZfhcunqm8Sr4nsn3DHRQshLH2AJPpR+0X+wN8Gv2s5xcfEL4d+HPEd+FEf294 Db3+0DAX7TCUm2jsN+BXh1v/AMG/H7KNvfic/De7kQHIhfxJqhj+n/HxnH40YPB4/CU/YUnGUVs3 dP52TDiLiHhPiHGvNcdGvQrTS5401TnBtJK8XKUGrpdU1+N/yy/4K3/tSP8A8Faf27PDvh74O6Tq nijTtFsxoei+TbMsurTNK0k1yFYAxw8qNz7cLEXbaDx+4n7C/wCzm/7JP7IngD4dTTxXV54Y0mOC 8ljyY5LlyZZymedvmu+M84xWl+z9+yJ8Mf2VtMltPh54G8O+E1uFCTzWVooubkDoJJmzJIB/tMa9 GrbLsslRqzxNeXNOe9tkuyPM4z45oZll+FyPK6LpYXD/AA8zTnKWvvStonq9F1b8kiiiivZPzYKK KKACiiigAooooAKKKKACquu/8gS8/wCuL/8AoJoopMqHxI/EH/gpr/yNmo/77fzr4A0//kaV/wB/ +tFFfl2a/wC8fM/u/wAP/wDkUR/wn6jf8El/+Rs0r/rov86/YEdBRRX2+Rf7ufy34rf8jh+gUUUV 7Z+ZBRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUU UUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRR QB//2R== Revista Cultura Física y Deportes de Guantánamo ISSN: 2519-9455RNPS: 2286 Vol.9, No.17 (2019) Febrero-MayoPublicada en línea: 6 de junio de 2019famadeportes.cug.co.cu __________________________________________________________________/9j/4AAQSkZJRgABAgEAYABgAAD/4Qm4RXhpZgAATU0AKgAAAAgABwESAAMAAAABAAEAAAEaAAUA AAABAAAAYgEbAAUAAAABAAAAagEoAAMAAAABAAIAAAExAAIAAAAbAAAAcgEyAAIAAAAUAAAAjYdp AAQAAAABAAAApAAAANAAAABgAAAAAQAAAGAAAAABQWRvYmUgUGhvdG9zaG9wIENTIFdpbmRvd3MA MjAxNjowMzoyMSAwODoxODo1NwAAAAAAA6ABAAMAAAAB//8AAKACAAQAAAABAAAAWaADAAQAAAAB AAAAHgAAAAAAAAAGAQMAAwAAAAEABgAAARoABQAAAAEAAAEeARsABQAAAAEAAAEmASgAAwAAAAEA AgAAAgEABAAAAAEAAAEuAgIABAAAAAEAAAiCAAAAAAAAAEgAAAABAAAASAAAAAH/2P/gABBKRklG AAECAQBIAEgAAP/tAAxBZG9iZV9DTQAC/+4ADkFkb2JlAGSAAAAAAf/bAIQADAgICAkIDAkJDBEL CgsRFQ8MDA8VGBMTFRMTGBEMDAwMDAwRDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAENCwsN Dg0QDg4QFA4ODhQUDg4ODhQRDAwMDAwREQwMDAwMDBEMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwM DAwM/8AAEQgAHgBZAwEiAAIRAQMRAf/dAAQABv/EAT8AAAEFAQEBAQEBAAAAAAAAAAMAAQIEBQYH CAkKCwEAAQUBAQEBAQEAAAAAAAAAAQACAwQFBgcICQoLEAABBAEDAgQCBQcGCAUDDDMBAAIRAwQh EjEFQVFhEyJxgTIGFJGhsUIjJBVSwWIzNHKC0UMHJZJT8OHxY3M1FqKygyZEk1RkRcKjdDYX0lXi ZfKzhMPTdePzRieUpIW0lcTU5PSltcXV5fVWZnaGlqa2xtbm9jdHV2d3h5ent8fX5/cRAAICAQIE BAMEBQYHBwYFNQEAAhEDITESBEFRYXEiEwUygZEUobFCI8FS0fAzJGLhcoKSQ1MVY3M08SUGFqKy gwcmNcLSRJNUoxdkRVU2dGXi8rOEw9N14/NGlKSFtJXE1OT0pbXF1eX1VmZ2hpamtsbW5vYnN0dX Z3eHl6e3x//aAAwDAQACEQMRAD8ANh4f1cw/q3j9X6xj0Wm2iu/IyL2Nuuttub69n6S31L7br7nv /wAJ/wBt1MVfC6Z1nrQGV0j6rdLxcB+tNnUKmhz2/m2NbV6b2tf/AMXZX/wtibpmC3rXWfqt0jKG 7AxOl09QtqPD3bfSa17fzm766v8Arfqf6Rb3Tvrt9YM/Eu69T06h31eofdv/AEpblCqhrrXZO136 F/0f5ln6T1P0f83+lSU8/cK+iWsr+tn1awsXHuO1nUMSmuykO/dsbtse3/tz1P8AgrFvP+r31fLQ +vp+GWPAc1zaayCHfRc121Wuj5vXfrVgtHWem4v7C6rQ8h1dhNtYnbU21lrffa/6ddlH83/Ofo7f 0ayfqQ7I/Yl+DkO3u6Xl3YTX+Latrm/+fXs/4tAoLnHAxs45tnS+mdPp6f0wPOb1LLoDqx6Qc+6r Gox6/WyH1ta71Hs/9J+oh06jBbh39U6V063p3Utn2PqWLSG1zY31aGZNGRX61DrWfn/za1OmX3H/ ABW5mJ03IOF1PpVdwytji22t9NjsrI97P0jXZdLbPTf/AML/ACEup33D/Fbh4vUsg53UurV0jFL3 F1j33WNysf3O97n4lL6/Uf8A8EiloZWD05/UKej9K6Rh5PUr2l8WV1sqqYP8Ne709/5rvZX+ksQT 0h1NORmMwejdXxcFxZnswKtt1RYN9rmtyG2MvZWz9z+c/wC3Ff6Z0ronUOv9YxOqUufm2105HTyx +y1zGV+la3GdurZ61d1X0H/+evUQug5nWeiNzcjDwvV6V0+sVZLuoMqxchvpbnOwqsmr2ZDKN36N 99f6T1v0XpoKR5lf1cowacujpmPlOy9rcOmuivda5/uYxv6P2fv2P/waH/zfyPW+zij6vftGf+SY Hr8b/R9b+Z+0bP8Ag/TUfq4+np+V9WszOZ9nxC7LY0vMCp2Vufg7v3P0Ps3/AODVjL6c89Oyeg0Y GXb123P9WvNtoa0MBe237T9ux/Z6Ozd7/wDSW/zVdXp11pQa12P0i7ouflUdPr6f1Hp7bS5rGNqv x8jHHqtc2+j03tcx7Wvreyz9L/4GvW15X1nIozMv62ZuJD8d2OKPWb9F9tOPY3Jc3/i91TN69URU /wD/0KeJ1SvCr6B9a8A/aqemY1fT+r1Vg762bNu7Y/8A0b3Wv3/zdlno/wCDsXYdJ+qH1Qzo6l02 63IwLbHXtw23OOILHt2WO+y/mv2O2enZ/wAX6fpfo15L9UrOv151lnRqhftrJy6rC0Uuq8Mg2urq /qfpPU/cWvi5P1cycl78LD6tg5gMXVdGsZbWT+8yxp+j/wAS30klPb9QxPqv9QmDqDL8i/MrrsZ0 zp1t7nhptPubRR+ZS9/87ZZv/t2+msjo/U+m/VfpTMbrmUKepZz35uRVte9zXW7f51tTbNj9jW/T 9P8ASf8AFrBw87plGd6XQem35XW3fzeR1e2ttjHf8HU6yuuy7/MuXJ9V/aP7Rv8A2pv+3b/0/q/S 3eaSnvsv6wfVG7LOdjdUvwMwgB+RiC6p72j6Lbv0NjLW/wBetRx+v/VGvL+3ZPVL8/MALWZGWLrX Mafzam+jXXU3/i61kdJyL2/UXLpGNfZQb8o2XAAY0mnD2tybbMluPVdU5rH0Nyum5d2Tc+qnpF+J 1D9Zqzeuv6i7DpF7HMexwb1Vw9Pc/Om19Nmb6Dn3faP2e6ur9d9K77bX1b/tb+1LHpT1vUPrJ9Te oNYbsxzLaTuovqZdXbW796q1le9qr2db+q+SWftLreb1Oqsgsoyza+rc36Ln1Mx62Wv/AOM9Rcx9 XLrKaesOZRXkA4H6RlxYKhW3JwrLfW9Wyh/6RrPQp+yv+3fabqfs36f9NXt9Qvfb0/J+zY2TjY1e NR6rd1D2WVu6fg1YTer3ud6VTMb0vtfSH24nrZ2Xk24/T6+ndS3+ilOzk/W36n5VDsbIyRZS8bXM NNsR/wBtqj+2/q36H2T/AJxdR+xcfZfUu9PZ/od32f1/R2ezZ6i4bp4ac/FBc1jTawbnNre1vuHv sry304j2/vMy7a8f/T/oV31XUcurq9z8npmbkPe7DGQzPNtb29Pacv8AaD/Ry89+RT02xzqvXZnZ 2f0T1q329R9D1cTGqSlsv6y/VRnQ8rp2BeGB2PbXRU2q0AuexzWt3Pr/AD3u+nYvY18r6RqvqhJT /9n/7Q6CUGhvdG9zaG9wIDMuMAA4QklNBCUAAAAAABAAAAAAAAAAAAAAAAAAAAAAOEJJTQPtAAAA AAAQAGAAAAABAAIAYAAAAAEAAjhCSU0EJgAAAAAADgAAAAAAAAAAAAA/gAAAOEJJTQQNAAAAAAAE AAAAHjhCSU0EGQAAAAAABAAAAB44QklNA/MAAAAAAAkAAAAAAAAAAAEAOEJJTQQKAAAAAAABAAA4 QklNJxAAAAAAAAoAAQAAAAAAAAACOEJJTQP1AAAAAABIAC9mZgABAGxmZgAGAAAAAAABAC9mZgAB AKGZmgAGAAAAAAABADIAAAABAFoAAAAGAAAAAAABADUAAAABAC0AAAAGAAAAAAABOEJJTQP4AAAA AABwAAD/////////////////////////////A+gAAAAA/////////////////////////////wPo AAAAAP////////////////////////////8D6AAAAAD/////////////////////////////A+gA ADhCSU0EAAAAAAAAAgAAOEJJTQQCAAAAAAACAAA4QklNBAgAAAAAABAAAAABAAACQAAAAkAAAAAA OEJJTQQeAAAAAAAEAAAAADhCSU0EGgAAAAADTQAAAAYAAAAAAAAAAAAAAB4AAABZAAAADABpAG0A ZwBfAGwAaQBjAGUAbgBjAGkAYQAAAAEAAAAAAAAAAAAAAAAAAAAAAAAAAQAAAAAAAAAAAAAAWQAA AB4AAAAAAAAAAAAAAAAAAAAAAQAAAAAAAAAAAAAAAAAAAAAAAAAQAAAAAQAAAAAAAG51bGwAAAAC AAAABmJvdW5kc09iamMAAAABAAAAAAAAUmN0MQAAAAQAAAAAVG9wIGxvbmcAAAAAAAAAAExlZnRs b25nAAAAAAAAAABCdG9tbG9uZwAAAB4AAAAAUmdodGxvbmcAAABZAAAABnNsaWNlc1ZsTHMAAAAB T2JqYwAAAAEAAAAAAAVzbGljZQAAABIAAAAHc2xpY2VJRGxvbmcAAAAAAAAAB2dyb3VwSURsb25n AAAAAAAAAAZvcmlnaW5lbnVtAAAADEVTbGljZU9yaWdpbgAAAA1hdXRvR2VuZXJhdGVkAAAAAFR5 cGVlbnVtAAAACkVTbGljZVR5cGUAAAAASW1nIAAAAAZib3VuZHNPYmpjAAAAAQAAAAAAAFJjdDEA AAAEAAAAAFRvcCBsb25nAAAAAAAAAABMZWZ0bG9uZwAAAAAAAAAAQnRvbWxvbmcAAAAeAAAAAFJn aHRsb25nAAAAWQAAAAN1cmxURVhUAAAAAQAAAAAAAG51bGxURVhUAAAAAQAAAAAAAE1zZ2VURVhU AAAAAQAAAAAABmFsdFRhZ1RFWFQAAAABAAAAAAAOY2VsbFRleHRJc0hUTUxib29sAQAAAAhjZWxs VGV4dFRFWFQAAAABAAAAAAAJaG9yekFsaWduZW51bQAAAA9FU2xpY2VIb3J6QWxpZ24AAAAHZGVm YXVsdAAAAAl2ZXJ0QWxpZ25lbnVtAAAAD0VTbGljZVZlcnRBbGlnbgAAAAdkZWZhdWx0AAAAC2Jn Q29sb3JUeXBlZW51bQAAABFFU2xpY2VCR0NvbG9yVHlwZQAAAABOb25lAAAACXRvcE91dHNldGxv bmcAAAAAAAAACmxlZnRPdXRzZXRsb25nAAAAAAAAAAxib3R0b21PdXRzZXRsb25nAAAAAAAAAAty aWdodE91dHNldGxvbmcAAAAAADhCSU0EKAAAAAAADAAAAAE/8AAAAAAAADhCSU0EEQAAAAAAAQEA OEJJTQQUAAAAAAAEAAAAAjhCSU0EDAAAAAAIngAAAAEAAABZAAAAHgAAAQwAAB9oAAAIggAYAAH/ 2P/gABBKRklGAAECAQBIAEgAAP/tAAxBZG9iZV9DTQAC/+4ADkFkb2JlAGSAAAAAAf/bAIQADAgI CAkIDAkJDBELCgsRFQ8MDA8VGBMTFRMTGBEMDAwMDAwRDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwM DAwMDAENCwsNDg0QDg4QFA4ODhQUDg4ODhQRDAwMDAwREQwMDAwMDBEMDAwMDAwMDAwMDAwMDAwM DAwMDAwMDAwMDAwM/8AAEQgAHgBZAwEiAAIRAQMRAf/dAAQABv/EAT8AAAEFAQEBAQEBAAAAAAAA AAMAAQIEBQYHCAkKCwEAAQUBAQEBAQEAAAAAAAAAAQACAwQFBgcICQoLEAABBAEDAgQCBQcGCAUD DDMBAAIRAwQhEjEFQVFhEyJxgTIGFJGhsUIjJBVSwWIzNHKC0UMHJZJT8OHxY3M1FqKygyZEk1Rk RcKjdDYX0lXiZfKzhMPTdePzRieUpIW0lcTU5PSltcXV5fVWZnaGlqa2xtbm9jdHV2d3h5ent8fX 5/cRAAICAQIEBAMEBQYHBwYFNQEAAhEDITESBEFRYXEiEwUygZEUobFCI8FS0fAzJGLhcoKSQ1MV Y3M08SUGFqKygwcmNcLSRJNUoxdkRVU2dGXi8rOEw9N14/NGlKSFtJXE1OT0pbXF1eX1VmZ2hpam tsbW5vYnN0dXZ3eHl6e3x//aAAwDAQACEQMRAD8ANh4f1cw/q3j9X6xj0Wm2iu/IyL2Nuuttub69 n6S31L7br7nv/wAJ/wBt1MVfC6Z1nrQGV0j6rdLxcB+tNnUKmhz2/m2NbV6b2tf/AMXZX/wtibpm C3rXWfqt0jKG7AxOl09QtqPD3bfSa17fzm766v8Arfqf6Rb3Tvrt9YM/Eu69T06h31eofdv/AEpb lCqhrrXZO136F/0f5ln6T1P0f83+lSU8/cK+iWsr+tn1awsXHuO1nUMSmuykO/dsbtse3/tz1P8A grFvP+r31fLQ+vp+GWPAc1zaayCHfRc121Wuj5vXfrVgtHWem4v7C6rQ8h1dhNtYnbU21lrffa/6 ddlH83/Ofo7f0ayfqQ7I/Yl+DkO3u6Xl3YTX+Latrm/+fXs/4tAoLnHAxs45tnS+mdPp6f0wPOb1 LLoDqx6Qc+6rGox6/WyH1ta71Hs/9J+oh06jBbh39U6V063p3Utn2PqWLSG1zY31aGZNGRX61DrW fn/za1OmX3H/ABW5mJ03IOF1PpVdwytji22t9NjsrI97P0jXZdLbPTf/AML/ACEup33D/Fbh4vUs g53UurV0jFL3F1j33WNysf3O97n4lL6/Uf8A8EiloZWD05/UKej9K6Rh5PUr2l8WV1sqqYP8Ne70 9/5rvZX+ksQT0h1NORmMwejdXxcFxZnswKtt1RYN9rmtyG2MvZWz9z+c/wC3Ff6Z0ronUOv9YxOq Uufm2105HTyx+y1zGV+la3GdurZ61d1X0H/+evUQug5nWeiNzcjDwvV6V0+sVZLuoMqxchvpbnOw qsmr2ZDKN36N99f6T1v0XpoKR5lf1cowacujpmPlOy9rcOmuivda5/uYxv6P2fv2P/waH/zfyPW+ zij6vftGf+SYHr8b/R9b+Z+0bP8Ag/TUfq4+np+V9WszOZ9nxC7LY0vMCp2Vufg7v3P0Ps3/AODV jL6c89Oyeg0YGXb123P9WvNtoa0MBe237T9ux/Z6Ozd7/wDSW/zVdXp11pQa12P0i7ouflUdPr6f 1Hp7bS5rGNqvx8jHHqtc2+j03tcx7Wvreyz9L/4GvW15X1nIozMv62ZuJD8d2OKPWb9F9tOPY3Jc 3/i91TN69URU/wD/0KeJ1SvCr6B9a8A/aqemY1fT+r1Vg762bNu7Y/8A0b3Wv3/zdlno/wCDsXYd J+qH1Qzo6l0263IwLbHXtw23OOILHt2WO+y/mv2O2enZ/wAX6fpfo15L9UrOv151lnRqhftrJy6r C0Uuq8Mg2urq/qfpPU/cWvi5P1cycl78LD6tg5gMXVdGsZbWT+8yxp+j/wAS30klPb9QxPqv9QmD qDL8i/MrrsZ0zp1t7nhptPubRR+ZS9/87ZZv/t2+msjo/U+m/VfpTMbrmUKepZz35uRVte9zXW7f 51tTbNj9jW/T9P8ASf8AFrBw87plGd6XQem35XW3fzeR1e2ttjHf8HU6yuuy7/MuXJ9V/aP7Rv8A 2pv+3b/0/q/S3eaSnvsv6wfVG7LOdjdUvwMwgB+RiC6p72j6Lbv0NjLW/wBetRx+v/VGvL+3ZPVL 8/MALWZGWLrXMafzam+jXXU3/i61kdJyL2/UXLpGNfZQb8o2XAAY0mnD2tybbMluPVdU5rH0Nyum 5d2Tc+qnpF+J1D9Zqzeuv6i7DpF7HMexwb1Vw9Pc/Om19Nmb6Dn3faP2e6ur9d9K77bX1b/tb+1L HpT1vUPrJ9TeoNYbsxzLaTuovqZdXbW796q1le9qr2db+q+SWftLreb1Oqsgsoyza+rc36Ln1Mx6 2Wv/AOM9Rcx9XLrKaesOZRXkA4H6RlxYKhW3JwrLfW9Wyh/6RrPQp+yv+3fabqfs36f9NXt9Qvfb 0/J+zY2TjY1eNR6rd1D2WVu6fg1YTer3ud6VTMb0vtfSH24nrZ2Xk24/T6+ndS3+ilOzk/W36n5V DsbIyRZS8bXMNNsR/wBtqj+2/q36H2T/AJxdR+xcfZfUu9PZ/od32f1/R2ezZ6i4bp4ac/FBc1jT awbnNre1vuHvsry304j2/vMy7a8f/T/oV31XUcurq9z8npmbkPe7DGQzPNtb29Pacv8AaD/Ry89+ RT02xzqvXZnZ2f0T1q329R9D1cTGqSlsv6y/VRnQ8rp2BeGB2PbXRU2q0AuexzWt3Pr/AD3u+nYv Y18r6RqvqhJT/9k4QklNBCEAAAAAAFMAAAABAQAAAA8AQQBkAG8AYgBlACAAUABoAG8AdABvAHMA aABvAHAAAAASAEEAZABvAGIAZQAgAFAAaABvAHQAbwBzAGgAbwBwACAAQwBTAAAAAQA4QklNBAYA AAAAAAcACAAAAAEBAP/hGTtodHRwOi8vbnMuYWRvYmUuY29tL3hhcC8xLjAvADw/eHBhY2tldCBi ZWdpbj0n77u/JyBpZD0nVzVNME1wQ2VoaUh6cmVTek5UY3prYzlkJz8+Cjx4OnhtcG1ldGEgeG1s bnM6eD0nYWRvYmU6bnM6bWV0YS8nIHg6eG1wdGs9J1hNUCB0b29sa2l0IDMuMC0yOCwgZnJhbWV3 b3JrIDEuNic+CjxyZGY6UkRGIHhtbG5zOnJkZj0naHR0cDovL3d3dy53My5vcmcvMTk5OS8wMi8y Mi1yZGYtc3ludGF4LW5zIycgeG1sbnM6aVg9J2h0dHA6Ly9ucy5hZG9iZS5jb20vaVgvMS4wLyc+ CgogPHJkZjpEZXNjcmlwdGlvbiByZGY6YWJvdXQ9J3V1aWQ6NzdiMzhjOTctZWY2Ny0xMWU1LThh NzctYzlkOTI0NTRjMzEwJwogIHhtbG5zOmV4aWY9J2h0dHA6Ly9ucy5hZG9iZS5jb20vZXhpZi8x LjAvJz4KICA8ZXhpZjpDb2xvclNwYWNlPjQyOTQ5NjcyOTU8L2V4aWY6Q29sb3JTcGFjZT4KICA8 ZXhpZjpQaXhlbFhEaW1lbnNpb24+ODk8L2V4aWY6UGl4ZWxYRGltZW5zaW9uPgogIDxleGlmOlBp eGVsWURpbWVuc2lvbj4zMDwvZXhpZjpQaXhlbFlEaW1lbnNpb24+CiA8L3JkZjpEZXNjcmlwdGlv bj4KCiA8cmRmOkRlc2NyaXB0aW9uIHJkZjphYm91dD0ndXVpZDo3N2IzOGM5Ny1lZjY3LTExZTUt OGE3Ny1jOWQ5MjQ1NGMzMTAnCiAgeG1sbnM6cGRmPSdodHRwOi8vbnMuYWRvYmUuY29tL3BkZi8x LjMvJz4KIDwvcmRmOkRlc2NyaXB0aW9uPgoKIDxyZGY6RGVzY3JpcHRpb24gcmRmOmFib3V0PSd1 dWlkOjc3YjM4Yzk3LWVmNjctMTFlNS04YTc3LWM5ZDkyNDU0YzMxMCcKICB4bWxuczpwaG90b3No b3A9J2h0dHA6Ly9ucy5hZG9iZS5jb20vcGhvdG9zaG9wLzEuMC8nPgogIDxwaG90b3Nob3A6SGlz dG9yeT48L3Bob3Rvc2hvcDpIaXN0b3J5PgogPC9yZGY6RGVzY3JpcHRpb24+CgogPHJkZjpEZXNj cmlwdGlvbiByZGY6YWJvdXQ9J3V1aWQ6NzdiMzhjOTctZWY2Ny0xMWU1LThhNzctYzlkOTI0NTRj MzEwJwogIHhtbG5zOnRpZmY9J2h0dHA6Ly9ucy5hZG9iZS5jb20vdGlmZi8xLjAvJz4KICA8dGlm ZjpPcmllbnRhdGlvbj4xPC90aWZmOk9yaWVudGF0aW9uPgogIDx0aWZmOlhSZXNvbHV0aW9uPjk2 LzE8L3RpZmY6WFJlc29sdXRpb24+CiAgPHRpZmY6WVJlc29sdXRpb24+OTYvMTwvdGlmZjpZUmVz b2x1dGlvbj4KICA8dGlmZjpSZXNvbHV0aW9uVW5pdD4yPC90aWZmOlJlc29sdXRpb25Vbml0Pgog PC9yZGY6RGVzY3JpcHRpb24+CgogPHJkZjpEZXNjcmlwdGlvbiByZGY6YWJvdXQ9J3V1aWQ6Nzdi MzhjOTctZWY2Ny0xMWU1LThhNzctYzlkOTI0NTRjMzEwJwogIHhtbG5zOnhhcD0naHR0cDovL25z LmFkb2JlLmNvbS94YXAvMS4wLyc+CiAgPHhhcDpDcmVhdGVEYXRlPjIwMTYtMDMtMjFUMDg6MTg6 NTctMDU6MDA8L3hhcDpDcmVhdGVEYXRlPgogIDx4YXA6TW9kaWZ5RGF0ZT4yMDE2LTAzLTIxVDA4 OjE4OjU3LTA1OjAwPC94YXA6TW9kaWZ5RGF0ZT4KICA8eGFwOk1ldGFkYXRhRGF0ZT4yMDE2LTAz LTIxVDA4OjE4OjU3LTA1OjAwPC94YXA6TWV0YWRhdGFEYXRlPgogIDx4YXA6Q3JlYXRvclRvb2w+ QWRvYmUgUGhvdG9zaG9wIENTIFdpbmRvd3M8L3hhcDpDcmVhdG9yVG9vbD4KIDwvcmRmOkRlc2Ny aXB0aW9uPgoKIDxyZGY6RGVzY3JpcHRpb24gcmRmOmFib3V0PSd1dWlkOjc3YjM4Yzk3LWVmNjct MTFlNS04YTc3LWM5ZDkyNDU0YzMxMCcKICB4bWxuczpzdFJlZj0naHR0cDovL25zLmFkb2JlLmNv bS94YXAvMS4wL3NUeXBlL1Jlc291cmNlUmVmIycKICB4bWxuczp4YXBNTT0naHR0cDovL25zLmFk b2JlLmNvbS94YXAvMS4wL21tLyc+CiAgPHhhcE1NOkRlcml2ZWRGcm9tIHJkZjpwYXJzZVR5cGU9 J1Jlc291cmNlJz4KICAgPHN0UmVmOmluc3RhbmNlSUQ+dXVpZDo1Nzk2ZTA2ZS1lZjY3LTExZTUt OGE3Ny1jOWQ5MjQ1NGMzMTA8L3N0UmVmOmluc3RhbmNlSUQ+CiAgIDxzdFJlZjpkb2N1bWVudElE PmFkb2JlOmRvY2lkOnBob3Rvc2hvcDo1Nzk2ZTA2ZC1lZjY3LTExZTUtOGE3Ny1jOWQ5MjQ1NGMz MTA8L3N0UmVmOmRvY3VtZW50SUQ+CiAgPC94YXBNTTpEZXJpdmVkRnJvbT4KICA8eGFwTU06RG9j dW1lbnRJRD5hZG9iZTpkb2NpZDpwaG90b3Nob3A6NzdiMzhjOTYtZWY2Ny0xMWU1LThhNzctYzlk OTI0NTRjMzEwPC94YXBNTTpEb2N1bWVudElEPgogPC9yZGY6RGVzY3JpcHRpb24+CgogPHJkZjpE ZXNjcmlwdGlvbiByZGY6YWJvdXQ9J3V1aWQ6NzdiMzhjOTctZWY2Ny0xMWU1LThhNzctYzlkOTI0 NTRjMzEwJwogIHhtbG5zOmRjPSdodHRwOi8vcHVybC5vcmcvZGMvZWxlbWVudHMvMS4xLyc+CiAg PGRjOmZvcm1hdD5pbWFnZS9qcGVnPC9kYzpmb3JtYXQ+CiA8L3JkZjpEZXNjcmlwdGlvbj4KCjwv cmRmOlJERj4KPC94OnhtcG1ldGE+CiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg CiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAK ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAKICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgIAogICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgCiAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgICAKICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAgICAg ICAgICAgICAgICAgIAo8P3hwYWNrZXQgZW5kPSd3Jz8+/+4ADkFkb2JlAGRAAAAAAf/bAIQAAQEB AQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQEBAQICAgICAgICAgICAwMDAwMD AwMDAwEBAQEBAQEBAQEBAgIBAgIDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMDAwMD AwMDAwMDAwMDAwMD/8AAEQgAHgBZAwERAAIRAQMRAf/dAAQADP/EAaIAAAAGAgMBAAAAAAAAAAAA AAcIBgUECQMKAgEACwEAAAYDAQEBAAAAAAAAAAAABgUEAwcCCAEJAAoLEAACAQMEAQMDAgMDAwIG CXUBAgMEEQUSBiEHEyIACDEUQTIjFQlRQhZhJDMXUnGBGGKRJUOhsfAmNHIKGcHRNSfhUzaC8ZKi RFRzRUY3R2MoVVZXGrLC0uLyZIN0k4Rlo7PD0+MpOGbzdSo5OkhJSlhZWmdoaWp2d3h5eoWGh4iJ ipSVlpeYmZqkpaanqKmqtLW2t7i5usTFxsfIycrU1dbX2Nna5OXm5+jp6vT19vf4+foRAAIBAwIE BAMFBAQEBgYFbQECAxEEIRIFMQYAIhNBUQcyYRRxCEKBI5EVUqFiFjMJsSTB0UNy8BfhgjQlklMY Y0TxorImNRlUNkVkJwpzg5NGdMLS4vJVZXVWN4SFo7PD0+PzKRqUpLTE1OT0laW1xdXl9ShHV2Y4 doaWprbG1ub2Z3eHl6e3x9fn90hYaHiImKi4yNjo+DlJWWl5iZmpucnZ6fkqOkpaanqKmqq6ytrq +v/aAAwDAQACEQMRAD8AE3qHqL+XJ0v/AC3OnPml82Omui971e8+i+rO6e4+4O6ut9n9092d29z9 2bJk7W3rI29OwRurs7sHsbtXsPcGRszZbUNR/wCLdjKE+/de6BXpn40fMf5z0lN2v8NP5DP8q/oz 4z7iQ1fXm9fnX0hs6h3TvvbqRpNgt24LA7AbaO58Ngtz02mURnD5fESCuIXJZBR5B7r3THu2Lb/w Q3VtjbX84v8Aki/CDo7qvf8Alk25t/5e/Fr4/dN9j9H4vcTNUGHFbzwS4DeO58FDYu1/4uuaIoSy 4vJLrIq/wmnWm4Hq2HL/AMvT+X9VYygze2vh78O8ht/cGGxmYxOWxHx96cyOMyGJz4/3CZjCZwbb 5U+0MhPdnpDKTVuqqajojrrv6r+Tu4fiP8Fv5dWwPi58LqLfeU+TPzZ+UXxvxu5OraJupsLuDcPZ uyelur+netH7H7c3BtLBYatOYyeMtrag0p6mxxyBh0v65xfHjY/QlD8dN/8Ay3+A/wDLl3t8VPmK etv9lz+anxl6B29tvrqbIdpbTXe3VO1u6uq+2+vpOzOp81vfb7LKmUF8QiOBIFdXC+690t+zujfj tnfkH1z8J/h//Lw+Gfb/AMtOz9s5LeAot8dQ9PbK6g6a2Jgzoi7I7SzP+jj+8x9WHr/9xWJ/3M5n 7E2uSAWM+uOt9BlN8RcjsbZ/bvdOA+LH8l3+YB1B8Ys1kdsfLDavwc6VO1O8emMpsfCw7i3xncJh O49u7s2z21t7aWAYAjG6GzLLe1hkT79U+vXuhK7fwf8ALj6+6N657h6/+EPx17zyXfNRtfA/HHrP r/47dPJubunce9aZ8rgcBhSeuR/AFWkdq/NZLn+DJQ6ACDb3ocek8VaLXpIp8A+w33metIupv+E5 X+zSrXeU/wAvlcLiH+Qoti/49/o2/wBJqoeuP9Ln93zbjC/wS/7l/H6vfuPS2M0IJ4dJjduwPiXv T4YfLDtrr34i9e/E/wCU/wATNudyVWXxO1dhbL6o7++L/wAnfjdhxv3BZjD9o9TDaG48Hm9rbkwd DlcLk8bltObB9Q+uN9qOmevoie/de6//0GD409HY/wCdnzJ/kK/DDteH+MfGnoj+VR0V87t9dfV7 pHQ9h7pGzI9hYXE5/AusqZ7BR7g2VgyiuhV8PXVw4+/JHuvdWx/Hj+dh/ME+Q3U/ZX8w3ZXwz6Iy X8rbrLdnf755F7kze3fmBg+nPj1sjcG+c53PNg85HJ1lnqV4sQIl2zjFOYbK/wCQllx6jK+/de6G L4edzfOX+b30dhqb5wfCb4tj+W/86uh+wMhR5br3tzO5PtrqSgizdTg9iYnfWA35gxFn9/bqidcr hcztYxDCNQLkGbHZRUx5q/wnrTcOq9/5JWT39H8J+0OhOy8wM/l/hN8ve9fh9h8+rErX7Z6oTb+d wzoT/ZeTe1fjLfRcNQUS/j2hl4k9IZuLdKb40b03dN/wlz+SXT/xg7gynxu+X3wU6070p+/ptpbj zu2u3etd/wDRPc+4++O3BJn9vNFurA535AdeYLNDC5UCMF88QJb0NaUMOl/XXya3ru+m/wCEtvxy 6l+UXb+V+S/y2+dvWnRVP0TV7t3Pmdydmdk7+707n253p1JfM52V9053PdAdc57DfxnJuJbtgPU9 6xC/uvdBd8afi18JfkZ8+f5kfTfy260zW4e/d89b9E9//Dmp2lvl9mdvbv2DsfpobD3xi+ks4Nx7 T2zH2LtDsfZIH8MypCKleS4/hYyLe0/W+kN8DO3/AJi/A3G/KDszpb4y0++/hb8TuvMX1n3jmfnl snoj4efJva/+iM53N5r40bG7v2Av92+4dvdXHOo2HyW68OUzT7h8eL+wQgNvr3QGfy585s/42dn/ AMkbu3vvbQ6s6Tm3P87dr4bJbor0xuK6d3N8x23BnviuMxMzLHgRJ1wP4WuSNkxAyFmZRz710xFT tp0L3bHxzzFZ8d+6f5ePX/xG+Wu9/wCZJvT58DsvZ/yh7O+OGydt4nr/AB2Z7Rwe/D3Wnyo6ej/u 4evZdtvXB8qzkDNZyr04vG4w0GOoNdLYviXps+ZW/wDZfd3bP/ChHvTp5sduLqzK/HDFdM/6RcEI 5ttdk9ydGfEvf2D7xyuGVGkjkfaZzuDxTZIErfH8Fgb+1PTHW/P7917r/9EuHUnyd250Pt3+Uh/O B+Otc3d+xvhf8ZerfgT/ADEev9jUeYTevWGxB1ocG2WfbufQOP7p7kzmbyf8UV4sPlsyMNYjG14K +691shfE/wDlFfyhu+nx3ym+L3YfaPbHxo3v2BufuLB/HHbfyE3jlvhfju0d77Rl2xvHNS9FokD4 Pc0m380cdUYfLOhiiP8ADZKBcYooB7r3Rb+/+qP5YP8AwnawtL8j8R2r8i+z++No7E7S2h8Ffhh2 N8l93b+w+38p2zlic9g+perI0gl2515uPcUanOZfKplEXlwa7K/YL7917quL4gfJn43fylvivtnq z58d/UHXXy2+T28N8/MHt3r59odlb13TtXdHaw2+ka73wPX+3d3/AMA3K228FQ2TKHEEZn70C/8A D7+/de6Lj2z/ADAv5Rm9+2p/kD1b87+//ir3xX0tFitw9v8AxVxfyX6j3nvrbuEWBcTiOzkfpXde 1uwMMRHHqGUw5dgq3BAt7917pt69+fH8pDbHbB+QPafzt78+VHflNTZbD7c7h+UWK+SfbO4djbcz IZ2w2yMKOldpbV2FgwZCf9xOI1Xfj629+690ru/f5j/8m/5GY/bFRvf5J7nwW9evMwdydWds9Y7D +S3W/bfVW51dG/i+x987e63/ALyYNQ6Kbci4Hv3XugjznzU/ld9qT7Xj+UX80X5rfM7Z2z6qhr9v dTfJ+u773z1Iu5MEf9w+c3BsTb3xy2pt3fWesbFsuMvqUm5IJ9+690Z3sr+bX/J97e2HnOsux+7M Tu/Yu4cYuIym2cj0T8gI6CpoY2Dxuki9cK8csbKCCLEEce/de6Kp/s7P8uH+5P8Aoc/4ec/mT/6A dX2H+gf/AElfJP8A0af3Fvp/0Zfxz/Zcf9J3+jv+7f8AuK/hf8Ytb37r3Sx7a/mVfypsH8IO9PjL 8d+2sVgKXK/HTubr7rDYO3enO/MdQ1m5969Z53A4vEJmty9dwB5dy7hzupsnl3XSOWKjn37r3X0n ffuvdf/S1c/5TWf+e+1+792bi+DuyKHsn+DbArqrv/YO/q/aOJ6S3d1BGGQ4/t7Idhbn2jsKgoqi F5nxnly9FlVCVH2M32zVCj3XurHesOzP5dPaHZG4M70Z8av5ufxg76pq6Wm7C2B/KJ7S6y7g6wrc kWlZ8ptbemDy01VJigdSpT7doaLA6dOhtPjPv3XunPpzvL4y7E70baX8vD4Sd893fzD8xO52f25/ NW7n6f2p2RsndHp/a2ZsLL9hbN2lvTsIpfwywvjNxD16Iz67+691r4fKn/Zim+QvazfLQbzi+RP9 7aj/AErp2Pd91f3k13mOQ8l4hT6SgVFY02kJpexW3uvdXbfEvsLfOK/kWfIPY9F0p35ufr6v7++a mR3b2ZQ0eHoPitS5jJ/HT4XUeNxXdO/d5/J7G9ObG7C2HlsPj8ptKg390l2BuLee5cnjcN1Jndp9 gMNxYr3XuiT/ADsy/wAhcp051vRdh7Wzu287t7PUOH+f+Yp6nqeo3Bvr+YNPX9pbj653X8l4OsNw Z7sOm7eovh/m8NgI4e0afCbmbtHD9sSmlfeT9pZCu917pn/l1bxzuzdp/wAx/LYDqjr3teiqfgHJ JvXbHa+S6touo6HrnBfND4Obu39D2NP2B2R1ZuISb1wu2Dtfbf8AcDI1Xa1PvTceIk209JnoYc1j vde6tM7/AN8ZXeHx97rbrHpP5NdO9TbX+MPx0m3xhI95fEzf2ye0+stx/wAn34F7B+MOL/mH9p5L ca7J2LtnpZ9iSdgfHfKZvrybcXaXYG9crgdgY3rzsqlrajEe691rq/H6ChrO9+jaesy+2Nt42t7T 64oWzm5NsdM7525t6J954eKbcO79m/IneXXXQG6cLSVrmetxvYO4cVtCqokMObq6bEM06+691tzb U+Q/bO1Plx2Rne0fg181u3c3uDP/AAKo+4MB83K/v/rXfm3P5amCz3y8PzBz0HXvyK/mA7h7g68+ Ee687lcHS7pxvava3bPxcqdy4WtyvYdZgaLK7S25i/de60vGaNYQJ0Mig2iZWYkoRUxSGmjlMNY9 N4nWWFlaOFNGiVJCb+/de6++x7917r//2b== Vol. 9, No. 17 (2019) Febrero-Mayo. RNPS: 2286 INTRODUCCIONEl salto en el voleibol es de vital importancia, y está presente en casi todas las acciones de juego, ya sea en ataque, en el pase con salto, en defensa a través del bloqueo y en el saque con salto ofensivo. Para ello es necesario mejorar variables biomecánicas, tales como la altura de vuelo, el tiempo de vuelo, la velocidad de salto y la potencia, es decir, combinación de la velocidad y la fuerza, en el cual los beneficios de un programa pliométrico para el deportista han sido demostrados en la literatura científica. La pliometría, es uno de los métodos de entrenamiento disponibles más eficientes con el tiempo, y podría decirse que brinda la mayor posibilidad de transferencia para su aplicación en el deporte, (Marín, V.L. & Melgarejo, V.M. 2016).Cujilema, A. & Patricio, F. (2017), definen a la saltabilidad como “…la capacidad de manifestar de una forma explosiva el esfuerzo muscular para realizar una acción efectiva sin apoyo en el aire, es decir, la saltabilidad es una cualidad compleja compuesta por fuerza, velocidad y habilidad.” El salto, es una actividad física que se caracteriza por los esfuerzos musculares cortos, de carácter explosivo y que tiene muchos estilos, donde la técnica adquiere importancia. En el trabajo de fuerza para las piernas, siempre se ha trabajado su desarrollo fundamentalmente por la influencia de las pesas. No es menos cierto que para desarrollar la fuerza en los distintos planos musculares, la utilización de las pesas está entre los más efectivos, para no ser absolutos. Lo cierto es, que con el paso del tiempo se ha puesto de moda un concepto que se basa principalmente en el uso de los saltos, en sus diversas formas, para el desarrollo de la fuerza y preferentemente la saltabilidad en los voleibolistas. Como expresamos anteriormente nos referimos a los llamados ejercicios pliométricos, o simplemente la pliometría. “Los saltos ejercen una influencia positiva en la musculatura extensora y flexora de las piernas, las cuales son fundamentales para la consecución de una buena potencia en el salto, capacidad fundamental para obtener buenos resultados en el remate y en el bloqueo.”El voleibol, como deporte de competencia, no es la excepción, ya que sus características dependen de la buena condición física que el jugador tenga para combinar momentos de gran explosividad y potencia con pequeños momentos de reposo relativo, (Acosta Rodríguez, E.R. 2013). La fuerza explosiva en miembros inferiores se expresa a través de la saltabilidad, y esta capacidad desarrollada de forma óptima, representa una gran ventaja en el deportista, y por lo tanto éste debe ser un objetivo a desarrollar eficientemente por los entrenadores. Existen diferentes métodos de entrenamiento, que permiten el desarrollo de la fuerza explosiva en la capacidad de salto. Sin embargo, el entrenador debe conducir en la búsqueda de métodos apropiados, entendidos como la forma planificada de alcanzar un propósito, que incluye acciones intencionadas como la planificación, sistematización y evaluaciones adecuadas, así como los medios que puedan aumentar el nivel y mantenerlo durante todo el ciclo.En la actualidad, se acepta la relevancia del entrenamiento de la fuerza dentro de los programas de planificación deportiva, con el fin de que el atleta pueda desarrollar su máximo potencial (Sánchez-Sánchez, J., Pérez, S., Yagüe, J.M., Royo, J.M. & Martín, J.L. 2015). Por esta razón, el entrenamiento de la fuerza con sobrecargas es considerado una actividad primordial, para garantizar un adecuado rendimiento físico aplicado a cualquier deporte (Naclerio Ayllón, F. & Jiménez Gutiérrez, A. 2007). Asimismo, tener un nivel óptimo de fuerza máxima es vital, para poder desarrollar elevados gradientes de fuerza explosiva (Juárez, D., Navarro, F., Aceña, R.M., González, J.M., Arija, A. & Muñoz, V. 2008).Teniendo en cuenta la importancia del salto, y las demandas altas que se realizan en el sistema neuromuscular durante las carreras constantes, saltos (bloqueo y remate) y los movimientos de alta intensidad en la cancha, que ocurren de manera repetida a lo largo de la competición, evidencian que el desarrollo, para los jugadores de voleibol, debe enfocarse específicamente en la fuerza explosiva para las exigencias del juego, (Gabbett, T., Georgieff, B., Anderson, S., & Cotton, B. 2006). Por tanto, las metodologías implementadas deben tener como principal objetivo el desarrollo de la misma.Justamente, la pliometría participa como el método más efectivo reportado en la literatura, y que desarrolla la ganancia en la saltabilidad. Teniendo en cuenta esta consideración, fue otro de los métodos seleccionados como parte del estudio, así como también el método de Sobrecargas o acumulación de sobre cargas, que actualmente es empleado para atletas de alto rendimiento, debido a su auge con el mantenimiento de concentración de cargas a nivel de tren inferior. Estas son tendencias deportivas de vanguardia en el entrenamiento, que fueron seleccionadas para comparar y determinar los efectos en la capacidad de salto en jóvenes voleibolistas universitarios, analizando los beneficios en el desarrollo de la fuerza explosiva.Por otra parte, las relaciones entre la capacidad de salto y el rendimiento en las acciones explosivas dentro del juego de voleibol, están condicionadas por factores como el nivel de entrenamiento de los sujetos y las medidas analizadas (Juárez, D., Navarro, F., Aceña, R.M., González, J.M., Arija, A. & Muñoz, V. 2008), por lo cual, con el propósito de realizar aportaciones temática el objetivo de este estudio es comprobar el efecto de 8 semanas de entrenamiento sobre el tren inferior en voleibolistas universitarios, utilizando el método pliométrico y el método por sobrecargas, así como su relación con la capacidad de salto.MÉTODOS El presente estudio es un diseño experimental de tipo cuantitativo. La muestra seleccionada de forma intencionada, está integrada por 16 jugadores de voleibol universitario, con un promedio de edad de 20 a 25 años. La misma está distribuida en dos grupos, cada uno con 8 jugadores. El peso corporal se realizó con una báscula, y la estatura con un tallímetro de elaboración propia. El programa de entrenamiento aplicado a los dos grupos tuvo una duración de 8 semanas. El mismo se distribuyó en 3 sesiones semanales, de 2 horas de duración sobre la capacidad de la fuerza explosiva. Este se evaluó con el test de Bosco o Squat Jum (SJ), el de salto vertical contra movimiento (CMJ) y el test Abalakov (ABK), para medir el salto, representando en este la fuerza explosiva, (Bosco, C., Komi, P.V., Tihanyi, J., Fekete, G., & Apor, P. 1983). Test de Bosco o salto Squat Jump (SJ): este examina la fuerza explosiva del tren inferior sin utilización de contra movimiento, por lo tanto la modalidad de activación muscular es de tipo concéntrico (Bosco, C. 1996). El sujeto debe efectuar un salto vertical, partiendo de la posición de medio squat (rodilla flexionada a 90°), con el tronco recto y las manos en las caderas. Luego de tres intentos con una pausa de 40 segundos, se registra el mejor intento (Luarte, C; González, M. & Aguayo, O. 2014). Test de salto vertical con contra movimiento (CMJ): este evalúa la fuerza explosiva del tren inferior, a partir de un salto vertical con contra movimiento, en el cual la activación concéntrica es precedida por una actividad excéntrica (contra movimiento). El uso del reflejo miotático tiene un papel importante, que se refleja en la mejor prestación respecto al test anterior. Se siguen las recomendaciones efectuadas por Bosco (1996). Después de tres intentos con una pausa de 40 segundos, se anota el mejor valor alcanzado (Luarte, C; González, M. & Aguayo, O. 2014).Test Abalakov (ABK): esta prueba es similar al test de salto vertical con contra movimiento. La diferencia fundamental, radica en que este test permite la utilización libre de brazos, por lo tanto, evalúa la influencia de estos sobre el salto vertical. Luego de realizar tres intentos, tras una pausa entre cada uno de ellos, se anota el mejor rendimiento. (Luarte, C; González, M. & Aguayo, O. 2014). Se utiliza la media aritmética (X) y la desviación estándar (DS), como medidas principales de la estadística descriptiva. Para el análisis de la distribución normal de la muestra se utiliza la prueba de normalidad de Shapiro-Wilk. Para verificar las diferencias significativas entre los grupos de cada una de las variables se utiliza ANOVA de un factor, y la prueba de especificidad de Tukey (p<0,05). La base de datos se construye con el programa Excel versión 2007, y se utiliza el programa estadístico SPSS, versión 15.0 para Windows.Para el análisis estadístico y determinar la eficacia del programa, se utilizó la prueba “t” para igualdad de medias en muestras independientes, con intervalo de confianza de 95%, y para la comprobación de hipótesis prueba t-student para muestras independientes a fin de determinar si las diferencias medias (promedio) entre los dos métodos son significativas.RESULTADOSLos datos descriptivos de la muestra se presentan en la Tabla 1, como Promedio y Desviación Estándar, y corresponden a una edad de 20±5 años; un peso de 83.1 ± 3.8kg y 77.7 ± 8.1kg para el grupo método pliometría y el grupo con sobrecargas respectivamente; y la talla de 1.876 ± 0.04m y 1.843 ± 0.04m para el grupo de pliometría y 0.02m para el grupo con sobrecargas respectivamente. Tabla SEQ Tabla \* ARABIC 1. Datos descriptivos de la muestra.DatosEdad (a)Peso (kg)Talla (m)Grupo Pliometría(n=8)20±583.1 ± 3.81.876 ± 0.04Grupo Sobrecargas(n=8)20±577.7 ± 8.11.843 ± 0.02Se presentan a continuación los resultados del pre-test y el pos-test de los grupos entrenados con el método de pliometría y con el método con sobrecargas, para los test de salto CMJ y ABK, pre programa y pos programa de entrenamiento de 8 semanas; Promedio y la Desviación Estándar. Tabla SEQ Tabla \* ARABIC 2. Resultados de CMJ y ABK pre y post programa en el Grupo Pliometría y Grupo Sobrecargas.GRUPOCMJABKPre-test (cm)Post-test(cm)Pre- test (cm)Post-test (cm)Pliometría(n=8)30.5±3,934.3±3.834.09± 4.0136.3±4.35Sobrecargas(n=8)30.08±3,0831.94±3.433.55±4.2934.33±4.30Se examina el cumplimiento del supuesto de normalidad para las variables CMJ y ABK, pre-test y post-test para la diferencia. Los resultados de la prueba de Shapiro-Wilk, en la cual se observa que el P-valor (Sig) para los datos (saltos) de la variable CMJ pre-test es de 0.595, mientras que para Abalakov pre-test 0.084, los cuales son mayor que 0.05, por tanto, esta variable se distribuye normalmente. De manera semejante, el P-valor (Sig) para los datos de la variable CMJ post-test es de 0.98 y de ABK es 0.163, los cuales son mayores que 0.05, por lo tanto, esta variable también se distribuye normalmente. Finalmente, el P-valor (Sig) para los datos de la variable Diferencia CMJ y ABK, para el método de sobrecargas es de 0.09 el cual es mayor que 0.05, por lo tanto, la variable Diferencia presenta una distribución normal. Estos datos anteriores se muestran en la Figura 1. Figura SEQ Ilustración \* ARABIC 1. Prueba de Shapiro-Wilk de normalidad para el salto CMJ y ABK en pre-test y post-test, en el método con Sobrecargas.iVBORw0KGgoAAAANSUhEUgAAAvAAAAHECAYAAABfpR5cAAAAAXNSR0IArs4c6QAAAARnQU1BAACx jwv8YQUAAAAJcEhZcwAAFxEAABcRAcom8z8AADNhSURBVHhe7d2/q1xZei9uRUo6UjZJK2swHcqZ IgcNTiyuGjrp0PoHGmRw0xgsLo39DZwNTowRFxpsRZM7uXAHMVwEzsaZQZcxOBGTdCAUKKivl+Ys eWmdd+9aVXXqVK16nwdeZrp27Z+1fnxqn32O7vzt3/7t//dftVFKKaWUUkqdff2vEuCjBUoppZRS SqkzrI8BHgAAOF8CPAAATESABwCAiQjwAAAwEQEeAAAmIsADAMBEBHgAAJiIAA8AABMR4AEAYCIC PAAATESABwCAiQjwAAAwEQEeAAAmIsADAMBEBHgAAJiIAA8AABMR4AEAYCICPAAATESABwCAiQjw Z+7Zs2ebO3fuDNW9e/c2r1+/vlrzPL169Wpz9+7dT477+fPnV0tPJzqu+/fvb969e3f1jpv15s2b zWefffbJ/trP77vvvvu473O9Zr3Hjx9/OLZjXrdjiq5zrUePHm3ev3//8Ryjevr06dWWrm+rvSbR dVr7jM/l84+OY9bPejYjbWCX/ndbn6U2c3POZRyozu14MhLgJ9F3lhooomXnPkD24fWcOn37helY 1/HFixcftt9+hkV9Pdr3OV+zom+Dsw7k0Rer/lz69yy1k7dv324ePHjwyfpr12ntMz6n63sbfYTr jtE+buuz1GZuxrnNA6PHU+a2ly9fXv0XN0WAn0TfUfrw1w/g/fJzcm6DUOvYE039nJa2vbT8nK9Z cU4B81DtF6lSUV9q37P0k68S4L/66qtPlq1dp7XP+Jw+f2HsNNbawL79T4Cfy7nNAyPHU9umAH/z BPhJ9B2lDxX1bl9dfs6P05zbINQ69kRTt7+27RIO++XnfM2qkXObwUhf6t/TPj5TlYnrm2++uRb+ l67T2md8Tp+/MHYa29rAPv3vtj5LbeZmnNs8sO142uUC/M0T4CfRd5RtAf6cO8y5DUKtY0807TPU S9svn+XXX3/9ybJzvmaXqG0HpaKAvq2tlOW7fE5rn/E5ff7C2Gkcow3c1mepzdyMc5sH1o6n/6mQ AH/zBPhJ9B1l9A58FOzrum0HK52r73Claofsf3lvaRDujzN6X9Tp+32vDUzRLxLuM5C1+6zXa2Si GTnHJdGxR+HwH/7hHz7ZZnTN+s/20Gu29Pn3646uV+zS/lr9Nm/7J0r9/qPPuG0r/fGV8972+Eyp 9lpGn3G1tCy6vqVuarJsj/k2+sjSNdqlrY+0nV3a5egxtf24P/+oj1ej49lSG1g6vl77vl0+y13H 233301s6r23jUWvk2HdpC61dr8s2I31mqQ1sE7XHct79jaLq0DbZft599dml/5yj/kpMgJ9E31G2 dYJ+wmg7ZFn3N7/5zSfvr9tbGyDabUSDS30uuHbAuq2+Q/b7KFX33z5b3J9DXdaee3tMa5Nkrx1g ysBcBrMSuL799tuPrx9yjkva8+ur/0xb/TX75S9/ORTcdr1m0WdTt7n22fTr9YP9aPsr6mdTr3+7 7dEJ6ya0x1yqvba1vfzRH/3Rx+XtsZX+GD0+s3ad9l1W1GPdpQ9sc6o+0p9rmZfa/64VtYVd285o u+yPaan/lX1EwbMuax3aN9vtrS0r9vksdz2+Yt82s6Q/r7rdYm082ufYR9vCPtvepm5zW5/Z9jlH antsj7fvJ9Wu57Z2PH0/aMfPatf+yqcE+En0HaXtYH1HaZdVbSf8kz/5k81f/MVfbH7++eePk1Bd Z61DtoNz3/HbY2g7ed1v+9raPsqA306MtdP3r9d11o5pSXus7bXqj+uQc1zTfhZRRQNXf2yl6gTZ Xpf2fPa5Zv1+2nNa+myKtc+0GG1/S9e4PeZoIjiGNiD0x1OO84cffvjkuNprX14f+Rzb9+y7rH4u 0f72dco+0u+jVDm3tbZe7NN2RttldEx1W31/rqHr2H1ztH3s81nuc3z7tpk1/brt59ofY/089jn2 YqQttP9danTba3bpM2uf85KlvlfGt0M/89F2V6rve/v0Vz4lwE+i7yhRrQ0c/SRTO0YNKbXjrXXI tY7cLovWae8kbBuE2mNtJ4KoY7cha3TgbLfTD2rtvg85x23abUXVH9faNVu6XsWu12yXz2aXiWW0 /bXvi65xqf7aHEt/Tu3nW46nnEN7Levyst7nn38etoW167TvsnLN6vW8KWvXu/2MjtFH+nNt23S7 776t79N22nVKLbXLtesftYGq3ffatTq0b64tGz3/Q49v3/2sWTuvot1uu89dj70YbQv7bHtNu73o c2vb1LbrEWnPq+0zJbD3j9Dsem5rx7MtwLfHFZ13qb4d8SkBfhJ9R+knr21GB9DRiaDdxtI39yIa ELYNQkv7ibSDy0g4WDvW4qbOcUS/zb7afezzuSxZu2a7fDZtG9y23kj7W9vGIRPkIfpJvRxTO/FF x1yOdal/rp3jrstq+7npSe7UfWTtOizte22dtbZzE+PiWn+6rb65tGzfz3LJ0vHd9H6qtXMu2u1u mxPXrm0x2hYi27a9ZNc+s+16RNrt7LJetW+bXAvwa+u1+9v1c8hGgJ9E3+APCfBr6651rKVBuF9n qeq21vZRjAz2/eBQamTg3Hffu57jLvpBvNZoQB65XsXINbup69OvN9L+1gb8fSfIQ/XHVI69PBv7 008/Xb3j+rn92Z/92WI7WLtOuyzrn8Fe2t8+bqoNLNW2Y13b/9K+9207NzEurm3/tvrm0rK1dYqb Or6b2k/vJrY7cm2L0bbQGt32kv78lmr084wszS/bPodD22S/ftsn15adaqyfkQA/ib6jjA4w1W0G +G2Dyrb3rw3KdTCqHXvXzr7vvnc9xyV///d/v3jt+0FtdP/bJrFdrtmxrs9tB/j2/W2NrNuKJr8/ /dM//WQb/b7W9rF2nXZZVvbR/gLtrue15lhtYNTadpb2vW/bOXWAv6m+ubRs22dyU8d36H6WHLLd XeeKXQL8rttesu38eru+v9WeX63oWG+qTQrwxyfAT6LvKOcc4Lf9SH/bINTupz3WttPXfeza2evg VNdZ2/ch57jkyZMnq8fYnuPa/kc+l2LXa7bvZ7NtvZH212+jHdTXzjHSnmNb+0wI7b5L9ce/S9tY u067LutfW+vXuzh1H1m7DqP7Hm07pwzwN9k3l5bt+1kWuxzfIftZs3bORbvd9vPbZ64YbQv7bHtJ f37b+sy267FNe+zRPm+yTfb7avtkv94hY31mAvwk+ga/62R9ExNVu421iTAawMogUDvptkGo3VZd 1k8QdVv7DJzt9vsBc23w2OUcl5RtrF3/9jzbY1u7ZkvHvM812+WzGT2+ol1v7fzb9y2dY/+ZHdu2 c1u6zpG1be2zrJ8kb+raLH3OxbH7yNp1GN330jr9uYy2y7VjWutPt9U315bt81nuc3z7tpk1a+dV RPvc59iLkbaw77bXtPuN1i3brvvZdj165Xijv/V+U9dt7XjWAnzRHkO73lp/5VMC/CT6jrI22URG Bqei78S1A7WduFQ/CK8tLx25/Mm9qj+XtpO2+++30QeV/lhHB872WPvzWJtodjnHJfVzWBqY6rXZ ZaBcOuZ9rtnoZ1OqHZDXjq8YbX/tMbfbaNfvJ4LbUPe/1MbqZ9C3md7addp3Wfv5l7qJ63PKPjJ6 rv2+92k7o+1y7Zjac+7bxzH75mj72Oez3Of49m0za/rzGhmP9jn2YqQt7LvtNbv0mbXPeUk5r/a6 Fe126jZuuk322yvLymv194fa5e16a/2VTwnwk+g7w66DxOhEVbSDbVsPHz78+P+jQbjdR1v9e/tO 355LHcy2DRT1PT/++OMnr5Ua6fTtsdbBox9I++XF6Dkuadfv12kHy/4c1gbKpW3uc82idaLrszYh RMvbYxxtf/Vc2m23532b6rlvm9j78+6tXae1ZX3/X1tv17Fhyan6yNp1WOs/xa5tZ7Rdrh1Te036 a78UXPvt1XV36ZujbafY9bPc5/iKfdvMkug4ou2uXYtSux77UlvYd9vbtPtuq2/j2z7nSN12e051 PDlmm+zDf6n+fM5xrJ+JAH/mlsJ0W2sDRdSJRtbr91ve279WOncfFPrBOhoIayctHTQ6vqXBc2nA rgNUdDxr+vMp2+wHlMjIOS757rvvPm43mtiibfXhrVY53mjgb6/DrtesH5DLZ9Rfp35gXTu+fdtf dG3W3n9s9TyWJpW6fO0Y167TPstqW1ma/G/iet12HzmkrVcjbWeXdrl2TP31qVW2cZN9c9+209r1 s9x17Kj2bTORfcajYpdj33WM2ve6bNO3277PjH7OvTrn9NuP1tvl3EaOp/38lq5Lf1ylbmLsykCA Bz6KJkyAUzAewTIBHvjIhAmcC+MRLBPggY9MmMC5MB7BMgEe+KifMLc9XwlwLMYjWCbAAx8s/VJS Kb9UBNwm4xGsE+ABAGAiAjwAAExEgAcAgIkI8AAAMBEBHgAAJiLAAwDARAR4AACYiAAPsMWzZ8/C v0dd/2GZt2/fbr7//vvN+/fvNy9evAjfW2rkX5Jc2lep/u9fr/2t7Fr379/fvHv37mqN03j8+PHm 0aNHH67PmpHzaSv6h33Wrn+pe/fubV6/fn317j98dg8ePAjf6x8OAs6VAA+woA+DfYAuwbQu6wNq FEa3hdj+X54s1QfOJe2xlBoJzLehntPoeRT9tWu/hPTLlrYbXf+1L1Dt+wV34NwJ8ACB9k742l3s GvL7wByF8VJr/4pk2dYf//EffxI8R4N4f+f+XEJoe1yjx9Rfu/7691+somvU31nf9gWiHOe5fOkB 2EaAB+j0YXjbP90ehb8SQr/88svNX/7lX36yrbUQ++TJk80///M/30iAH3lc59j6ED36OM+29UbC +S4Bvvz0wl13YCYCPECjv/s7EqDLOt9++20Y4H/9618PP/LxzTffbH7zm99cTICPnkcfOa5dA3yp /kvWLiF/2xc0gHMjwAM09gnCJQjWX2KtaoD//e9/fy1sRtss+y2v989uHyvAR8+Il6r767/IjN49 b5WfKPz444/h9tdsC/D9se1zB76c/y9+8YvFu/IA50yAB7jSh75S+96drQG+BM/+TnR0R/nrr7/+ 8NptBfhiZF/l8ZJ9wnvZdvmJws8//7zzNd0W4PvrGT3+shbgy/qj1xXgHAnwAFf6QLv0uMuINsD3 d4xLtSG2BMoaQm8zwBftetH5lgC/z5eYst26Xn9s2543XwvwfXhfOs+lAN/+tZ7RawRwbgR4gCvH CvDFWohtQ/JtB/g+6LbHVc6hf7Z/RH/u/ReYbde1P6aotv1UYGQbpfb5cgJwagI8wJU+PB8S8PoQ u/TlYNv7jh3gi3bdNlyX1/e5Sx2t19753nZ8a3fgi35b0WcU3YH/7W9/ey3UH/IlDeBUBHiAK/2d 4lI3FeCLKMT2YfcUAb4/77JuCcBfffXVzuF2ab1tvwfQ2hbg++Wl+s8pCvD1C1P/GW+7mw9wbgR4 gCtRMNwlCLeiAN+H2BIqHz58+EnYPUWAL9r1S6Atf/7yhx9+uFo6rj/HtVr6crQtwBf9+fbXaSnA F9FPWrY9lw9wTgR4gEYfQEcDdC8K8NEXhH772wJ8u7wN6YcG+CjU7vPTh/Z5/t620F2NBPhtd/TX AnwRfdHY98sawG0T4AEa24JfpIT1f/3Xf736rz+IAnzRh9g+7G4L8O1jOO2ybdsd0W57n8dKyrGX Px0ZhfKif3xl6dqOBPhD7sBX/TZKRdetfd8+1xXgpgnwAJ0+aC7dKS7qe/tgtxTg221HwXRbgG/D 5NId+H3Cd9Held7nkZLyBWDbXew+NEf76a//trvrpfrrP/pFrP+9hFLttnZpCwC3RYAHCIzeBV4K hjUMR3dsa2iMwmv/aEe//Xpc7ev9se57lzja9qgazLcF/5FHV/ovMWvnGq1fjD4SFL2vVD0PAR44 RwI8wIooMNaKgmMUUEu14bGExv6f8e/vTEfVbiPaz02Ey7LdXbazdH36IL90XWqV9y+F6aUa+QIU Vb2Oo9e8vm+fLzYAxyDAA/BRCavbHoMB4LQEeICk6h3vese93E3/+uuv93p+HoDbI8ADJNU+QlIe FSmBfp+//Q7A7RLgAZLqA/yTJ0884w0wAQEeIKn+F1DbX5IF4HwJ8AAAMBEBHgAAJiLAAwDARAR4 AACYiAAPAAATEeABAGAiAjwAAExEgAcAgIkI8AAAMBEBHgAAJiLAAwDARAR4AACYiAAPAAATEeAB AGAiAjwAAExEgAcAgIkI8AAAMBEBHgAAJiLAAwDARAR4AACYiAAPAAATEeABAGAiAjwAAExEgAcA gIkI8AAAMBEBHgAAJiLAAwDARAR4AACYiAAPsKM3b95sPvvss82dO3c+1v379zfv3r3bvHr1avPD Dz9s3r59u3nw4MEn73n58uXVFpaV9e/evftxnUePHm3ev38fbq9dfu4eP368eqxL59fX06dPr9b4 b2Xb/fvu3bu3ef369Yflz549W1wGMCMBHmAHNSz2QbIN9e2y9vWRsF3DZv1C0KtBd2n5OarXYCQ4 r51fvTbRdtovANEXpW1fIABmIsADKfyP//m/h2pNDe/Pnz+/euVTNUS2Ab6/s7x2F34k7N9GgP8/ jx8N1aj2DvjStau2nV/dVnR9yucThfsXL14I78BFEeCBFKKwHtWSEgLXgnVVHoH55ptvPr6nBNKv vvpq8+OPP35YP3oEpCrhtIzDJcRfSoCvx/urX/1q9byqbedXHzGKlkcBXngHLpEAD6QQhfWoIjVU lgC+7Tn28t7vv//+WoD/7W9/+2EbS4+RlPd9/fXXm9/97ncXFeDbLzRLd8hb285v7YtUv33hHbhU AjyQQhTWo4rs8gx3rwb4sl59/CO6C1/CZnm97utSAnwJ1fWxmRq+134KsXZ+7S/4Lj3nXj+jcq2F d+BSCfBAClFYjypSg+OhAX7pi0D0nksI8OVcvvzyy4/Hufb4S1XPr4T0qNZCeQ3w33777Yf3jvzV H4AZCfBAClFYjyoyEjyXtOG8qHfh21/mbB8zuaQAX8516Rd6l8L12vnVO/ilorv4JcCXZQ8fPvz4 PiEeuEQCPJBCFNajitzUHfiiBvQ2oJbgWYPmpQT4NqxHtfQYzbbzq59F2UYfzttHaNqwL8QDl0aA B1KIwnpUkTaM7hoG+wBf1DvF5S58CezlkY8a1i8lwC/9Aum2n2aMnF+9fv2XgDbAF0I8cKkEeCCF KKxHtWTtF1B7T548+RgiowBfQ2wJuH/1V3/1yeM0owF+aflNiMJ6VGvanyq06vEvheqbDPBFG+K3 /Q16gFkI8EAKUViPakkbPNeCYAn6bTCNAnxRQ2gfVKMAX0No2W49jpEvEvuKwnpUS8oXlC+++GIx gNfzic5hW4Cv1yf6HKIAXwjxwKUR4IEUorAe1Zo2PEZ3wEuA7APiUoCvd+H7EFv30QbYeve/7PM/ //M/N59//vm17d2kKKxHFRn5grH2HPtagG/X669/XS/aZiHEA5dEgAfYURsG2+rvvNdAWasNpX2w j95fqob2+sVhn1+kvS3tF5ylY42uXQn7S+cfVR/Q608z2mr33Qb/tpbu8gOcOwEeAAAmIsADAMBE BHgAAJiIAA8AABMR4AEAYCICPAAATESABwCAiQjwAAAwEQEeAAAmIsADAMBEBHgAAJiIAA8AABMR 4AEAYCICPAAATESABwCAiQjwAAAwEQEeAAAmIsADAMBEBHgAAJiIAA8AABMR4AEAYCICPAAATESA BwCAiQjwAAAwEQEeAAAmIsADAMBEBHgAAJiIAA8AABMR4AEAYCICPAAATESABwCAiQjwAAAwEQEe AAAmIsADAMBEBHgAAJiIAA8AABMR4AEAYCICPAAATESABwCAiQjwAAAwEQEeAAAmIsADAMBEBHgA AJiIAA8AABMR4AEAYCICPAAATESABwCAiQjwAAAwEQEeAAAmIsADAMBEBHgAAJiIAA8AABMR4AH+ y6tXrzZ3797d3LlzZ3Pv3r3N69evr5aMefz48Yd1a718+fJqyXX9e58+fXq1BAC2E+CB9F68ePFJ aK9hfi2EV2/fvt08ePBg8+jRo8379+8/vFa2V4L58+fPP/x3Fb03eg0A1gjwQGpv3rzZfPbZZ9fC 9rNnzzb379/fvHv37uqV2NL7yuv9nfz+i0K1yxcGABDggdSioF3UUN0H+1YN/9EjMHX9dtnSvup2 BHgARgjwQFprj6+shfMqCulVtO2l95c78x6hAWCUAA+kVUN6FJ5Hnk0fWb9/vKb+Amt9vYT3kUd1 AKAS4IG0Ru6gr4Xr+p61x2KicN/+FZq1O/wAEBHggbQODfBF/Ysz/fvK8+5LAb3uV4gHYB8CPJDW 2nPua3fQe30gL/Xw4cMP/9v/YmoJ9nWb9UtCed/IfgCgEOCBtGqAjsLzWrjfZunufb1b34f6+kjN 2l+8AYBKgAdSK3fEo8dk6l31ff60Y318Jgrq0fPyNfB7lAaAEQI8kFoN6vv+Q069pfBeLC0T4AHY hQAPpFeCdXtnPHrUpX1ePXrUpX4RiO6wV/WxnP49+35ZACAnAR7gv9TQXioK0zV8t8vbUL8U7Hv9 OqX8AisAuxDgAXb03XffuVsOwMkI8AA7KI/K/PTTT1f/BQC3T4AHGFAfffG4CwCnJsADAMBEBHgA AJiIAA8AABMR4AEAYCICPAAATESABwCAiQjwAAAwEQEeAAAmIsADAMBEBHgAAJiIAA8AABMR4AEA YCICPHAx/sf//N8pC4BcBHjgYkThNkMBkIsAD1yMKNxmKAByEeCBixGF2wwFQC4CPHAxonCboQDI RYAHLkYUbjMUALkI8MDFiMJthgIgFwEeuBhRuM1QAOQiwAMXIwq3GQqAXAR44GJE4TZDAZCLAA9c jCjcZigAchHggYsRhdsMBUAuAjxwMaJwm6EAyEWABy5GFG4zFAC5CPDAxYjCbYYCIBcBHrgYUbjN UADkIsADFyMKtxkKgFwEeOBiROE2QwGQiwAPXIwo3GYoAHIR4IGLEYXbDAVALgI8cDGicJuhAMhF gAcuRhRuMxQAuQjwwMWIwm2GAiAXAR64GFG4zVAA5CLAAxcjCrcZCoBcBHjgYkThNkMBkIsAD1yM KNxmKAByEeCBixGF2wwFQC4CPHAxonCboQDIRYAHLkYUbjMUALkI8MDFiMJthgIgFwEeuBhRuM1Q AOQiwAMXIwq3GQqAXAR44GJE4TZDAZCLAA9cjCjcZigAchHggYsRhdsMBUAuAjxwMaJwm6EAyEWA By5GFG4zFAC5CPDAxYjCbYYCIBcBHrgYUbjNUADkIsADFyMKtxkKgFwEeOBiROE2QwGQiwAPXIwo 3GYoAHIR4IGLEYXbDAVALgI8cDGicJuhAMhFgAcuRhRuMxQAuQjwwMWIwm2GAiAXAR64GFG4zVAA 5CLAAxcjCrcZCoBcBHjgYkThNkMBkIsAD1yMKNxmKAByEeCBixGF2wwFQC4CPHAxonCboQDIRYC/ Ia9evdrcvXt3c+fOnc29e/c2r1+/vloy5s2bN5vPPvvsw/q1lrbz+PHjT9738uXLqyXX7bJdmF0U bjMUALkI8DfgxYsXn4TiGubXgnXv2bNnn4TsUk+fPr1a+gdv377dPHjwYPPo0aPN+/fvP7xW9l3e +/z58w//3RvZLlyKKNxmKAByEeAPVO9w9wG6BOf79+9v3r17d/XKsrKNb7/99mMoX7K0zfJ6dFd9 dLtwKaJwm6EAyEWAP9BSeK534ZfujLfqIzFrj7bULwrR3fO6r37ZyHbhkkThNkMBkIsAf4DokZZq LXC32mfna0XbWwrpRXQco9uFSxKF2wwFQC4C/AFqSI+C8Vq4X9I+r94/KjOyr6VHdta2C5ckCrcZ CoBcBPgDjNwV3zUw1/VK2G63W19fetZ9KdxXS9uFSxKF2wwFQC4C/AGOEeCLGsj7detfnOlfr3fY twXzpe3CpYjCbYYCIBcB/gA1EEfBeeSu+JptvxxbAnuthw8ffvjfkT9bubRduARRuM1QAOQiwB+g 3mWPQvpauB9RgvoXX3yx9U75rnf6R7cLM4rCbYYCIBcB/kDljnYUnuud8l3+MadWeVxm5O59fXxm dD+j24UZReE2QwGQiwB/oBrUD/mHnCJPnjzZ+pjLruG9GNkuzCoKtxkKgFwE+BvQP1def9m0Ddbt X4Fpw375x5b6O+LltbVQXr80rD3Lvs92YXZRuM1QAOQiwN+QGtpLRXfe6zPx/fJ2vVpRyG6/AJTa 9i+8jm4XLkkUbjMUALkI8Cfw3Xff+SVSOIIo3GYoAHIR4G9Zefzlp59+uvov4CZF4TZDAZCLAH9L 1v7kJHAzonCboQDIRYAHLkYUbjMUALkI8MDFiMJthgIgFwEeuBhRuM1QAOQiwAMXIwq3GQqAXAR4 4GJE4TZDAZCLAA9cjCjcZigAchHggYsRhdsMBUAuAjxwMaJwm6EAyEWABy5GFG4zFAC5CPDAxYjC bYYCIBcBHrgYUbjNUADkIsAPiCbMDAWzidpxhgIgFwF+QDRhZiiYTdSOMxQAuQjwA6IJM0PBbKJ2 nKEAyEWAHxBNmBkKZhO14wwFQC4C/IBowsxQMJuoHWcoAHIR4AdEE2aGgtlE7ThDAZCLAD8gmjAz FMwmascZCoBcBPgB0YSZoWA2UTvOUADkIsAPiCbMDAWzidpxhgIgFwF+QDRhZiiYTdSOMxQAuQjw A6IJM0PBbKJ2nKEAyEWAHxBNmBkKZhO14wwFQC4C/IBowsxQMJuoHWcoAHIR4AdEE2aGgtlE7ThD AZCLAD8gmjAzFMwmascZCoBcBPgB0YSZoWA2UTvOUADkIsAPiCbMDAWzidpxhgIgFwF+QDRhZiiY TdSOMxQAuQjwA6IJM0PBbKJ2nKEAyEWAHxBNmBkKZhO14wwFQC4C/IBowsxQMJuoHWcoAHIR4AdE E2aGgtlE7ThDAZCLAD8gmjAzFMwmascZCoBcBPgB0YSZoWA2UTvOUADkIsAPiCbMDAWzidpxhgIg FwF+QDRhZiiYTdSOMxQAuQjwA6IJM0PBbKJ2nKEAyEWAHxBNmBkKZhO14wwFQC4C/IBowsxQMJuo HWcoAHIR4AdEE2aGgtlE7ThDAZCLAD8gmjAzFMwmascZCoBcBPgB0YSZoWA2UTvOUADkIsAPiCbM DAWzidpxhgIgFwF+QDRhZiiYTdSOMxQAuQjwA6IJM0PBbKJ2nKEAyEWAHxBNmBkKZhO14wwFQC4C /IBowsxQMJuoHWcoAHIR4AdEE2aGgtlE7ThDAZCLAD8gmjAzFMwmascZCoBcBPgB0YSZoWA2UTvO UADkIsAPiCbMDAWzidpxhgIgFwF+QDRhZiiYTdSOMxQAuQjwA6IJM0PBbKJ2nKEAyEWAHxBNmBkK ZhO14wwFQC4C/IBowsxQMJuoHWcoAHIR4AdEE2aGgtlE7ThDAZCLAD8gmjAzFMwmascZCoBcBPgB 0YSZoWA2UTvOUADkIsAPiCbMDAWzidpxhgIgFwF+QDRhZiiYTdSOMxQAuQjwA6IJM0PBbKJ2nKEA yEWAHxBNmBkKZhO14wwFQC4C/IBowsxQMJuoHWcoAHIR4AdEE2aGgtlE7ThDAZCLAD8gmjAzFMwm ascZCoBcBPgB0YSZoWA2UTvOUADkIsAPiCbMDAWzidpxhgIgFwF+QDRhZiiYTdSOMxQAuQjwA6IJ M0PBbKJ2nKEAyEWAHxBNmBkKZhO14wwFQC4C/IBowsxQMJuoHWcoAHIR4AdEE2aGgtlE7ThDAZCL AD8gmjAzFMwmascZCoBcBPgB0YSZoWA2UTvOULfh1atXm7t3727u3LmzuXfv3ub169dXS8Y9fvz4 w/rPnz+/emW7Z8+efVin1NOnT69e/YM3b95sPvvss4/L79+/v3n37t3VUoDLJcAPiCbMDAWzidpx hjq2Fy9efBLaa5h/+fLlh//epqxfQ3apkQBf11n6slCO4YsvvvgY2GuYF+KBDAT4AdGEmaFgNlE7 zlDHVINxH7rLnfFdw3IN5dsCfL3rvvS+t2/fbr7//vvN+/fvr175g12/WADMSoAfEE2YGQpmE7Xj DHVMJUxHd8FrWN7lcZiRAD8a8iMCPJCFAD8gmjAzFMwmascZ6ljKne4HDx5sHj16dO1ud70z3z+X vmZbOK/bjPY3ojxjv8vxAMxKgB8QTZgZCmYTteMMdSxrgXot3C/ZFuDrozP/8i//8mHb5f+X2vao zj5fJgBmJsAPiCbMDAWzidpxhjqW+khKFIxrgN/lOfi1AF+3V5ZHvzAbPcbTrlNLiAcyEOAHRBNm hoLZRO04Qx3LbQb4tbv99c78Wjiv217aPsAlEeAHRBNmhoLZRO04Qx3L2qMp+zyvvhbg174s1H1t +7JQt7HrX8cBmI0APyCaMDMUzCZqxxnqWNaec9/nufORO/CH3u0vv8gqwAOXToAfEE2YGQpmE7Xj DHVMS3/vvd7t3uVPNo48Ax/ta+2LRK8c7y4/FYBLU/tm6WtL/xDaNrv8q8mj763vq+XPvR5GgB8Q TZgZCmYTteMMdUw1DPST81KwX7MW4Iu6vJ/YR78s1KA/EjrgEpU+FP0S+GhYrn2w1lpfGn1v9AV8 21jAdgL8gGjCzFAwm6gdZ6hjK2G9DQVR0K6T9NqkXNdbe+ym3KVr9xU9WlNDSf8Foqy7yyM9cElq X+n73zG+bLe2vXdp//24wm4E+AHRhJmhYDZRO85Qt6FO0qWiybiGh2h5+yP9ttYm/LX3tV8W2vIj eTJbCsRLP0Vbc1MBfu13W+px+dK9HwF+QDRhZiiYTdSOM9S5+e6773a62wccZu33RNZC9JKbCvBr IX3tmNlOgB8QTZgZCmYTteMMdU7KhP3TTz9d/RdwG2pIj8LwPkH5pu/Arx3Xro/38AcC/IBowsxQ MJuoHWeoc+BuGrelfSRrn2eod1l/lr+cMnKne5egfFMBvu47us5r4Z7tBPgB0YSZoW7LKQfj0R8p 7vNLQNy+qB1nKMiihMV2nK/j/y5/ZWVk/egL6S6h9rada4Av6vJ+//V3XXZ5tIf/JsAPiCbMDHUb RgfTJaPrR4Nx9FqkblOAP39RO85QkEG9Y9sHxdEbLLusv7TN8vq2G0WnUM8tCsP73Om+yQBf1Hm0 vK/Ww4cPP/zvuf5U49wJ8AOiCTNDHdttDsZ90K+2fWGo+yiDzMgxcVpRO85QkMFSeK7j+LawObr+ Whiu7z23u8ZrN6TWzmfJTQf43j4/FeBTAvyAaMLMUMd2W4NxsfTeOrAtBfjyyM0vf/lLA80konac oeDSHRpQd1l/LaSP/uT2FMo8F81T9Xx2udN97ABfjrWs4+77/gT4AdGEmaGO6TYH42JpQC4Dz9JA XJaV99d9CfDnL2rHGQouXR3Xo/F6JFTvsv7Ie89xPli6+bUU7NccM8AL7zdDgB8QTZgZ6phuczCu 6i+w1oGsDDpLg1rZ/pdffvlh2TkP2HwqascZCi7dyF3xtTF6l/Xrf6/91HZtfjql/qfNNVy3Ybme 31rorutF16s3+t76GUTXld0J8AOiCTNDHdNtDsat9q/QrA02T548+TjAjBwP5yFqxxkKLt1tzxk1 lPbbrHeP1+aPU6vHHh1/Ub+ERMvrdarr14qC/sh767WNlnEYAX5ANGFmqGO67cG46gecaP0yQEcD 0NrxcB6idpyh4NLV0BmN2SN3xfdZPwqol/aXU/yryfMS4AdEE2aGOqZTDMYlmNfX2rsC7fvKgP3D Dz98+P+VAD+PqB1nKLh0dRyO5oW1+aA6dP3i0uaCMt/5V5PnJcAPiCbMDHVMtz0YR88BFvWRmnrH vf54dK0E+fMVteMMBRmU8XntJ6vb7orfxPplDpj97vva/Mk8BPgB0YSZoY7tNgfjEtSjX5ypA9nI lwXB/fxF7ThDQQZ1bO+fo16aC3qHrH8p4Z3LIcAPiCbMDHVstzkYLw2+AvxlidpxhoIsylh+yF9Z GVm/VecZfzmFcyPAD4gmzAx1G25rMK6P1fSDcFl/WzAX4OcRteMMdaj/8/hRymJOdZwvFY3Ldbxf Wr5t/XbOKdXPO3AOBPgB0YSZoW7LsQfjqh+US408AyjAzyNqxxnqUFG4zVBcPn9lhUslwA+IJswM dY4MxqyJ2nGGOlQUbjMUl608/uKvrHCpBPgB0YSZoc6NwZhtonacoQ4VhdsMxWWqPzX1V1a4ZAL8 gGjCzFDnwmDMqKgdZ6hDReE2QwHMSoAfEE2YGQpmE7XjDHWoKNxmKIBZCfADogkzQ8FsonacoQ4V hdsMBTArAX5ANGFmKJhN1I4z1KGicJuhAGYlwA+IJswMBbOJ2nGGOlQUbjMUwKwE+AHRhJmhYDZR O85Qh4rCbYaC2UTtOENxnQA/IJowMxTMJmrHGepQ0YSZoWA2UTvOUFwnwA+IJswMBbOJ2nGGOlQ0 YWYomE3UjjMU1wnwA6IJM0PBbKJ2nKEOFU2YGQpmE7XjDMV1AvyAaMLMUDCbqB1nqENFE2aGgtlE 7ThDcZ0APyCaMDMUzCZqxxnqUNGEmaFgNlE7zlBcJ8APiCbMDAWzidpxhjpUNGFmKE4jasNZ6lBR O85QXCfAD4g6YYY6VNQJsxSnEbXjDHWoqA1nKE4jasNZ6lBRO85QXCfAD4g6YYY6VNQJsxSnEbXj DHWoqA1nKE4jasNZ6lBRO85QXCfAD4g6YYY6VNQJsxSnEbXjDHWoqA1nKE4jasNZ6lBRO85QXCfA D4g6YYY6VNQJsxSnEbXjDHWoqA1nKE4jasNZ6lBRO85QXCfAD4g6YYY6VNQJsxSnEbXjDHWoqA1n KE4jasNZ6lBRO85QXCfAD4g6YYY6VNQJsxSnEbXjDHWoqA1nKE4jasNZ6lBRO85QXCfAD4g6YYY6 VNQJsxSnEbXjDHWoqA1nKE4jasNZ6lBRO85QXCfAD4g6YYY6VNQJsxSnEbXjDHWoqA1nKE4jasNZ 6lBRO85QXCfAD4g6YYY6VNQJsxSnEbXjDHWoqA1nKE4jasNZ6lBRO85QXCfAD4g6YYY6VNQJsxSn EbXjDHWoqA1nKE4jasNZ6lBRO85QXCfAD4g6YYY6VNQJsxSnEbXjDHWoqA1nKE4jasNZ6lBRO85Q XCfAD4g6YYY6VNQJsxSnEbXjDHWoqA1nKE4jasNZ6lBRO85QXCfAD4g6YYY6VNQJsxSnEbXjDHWo qA1nKE4jasNZ6lBRO85QXCfAD4g6YYY6VNQJsxSnEbXjDHWoqA1nKE4jasNZ6lBRO85QXCfAD4g6 YYY6VNQJsxSnEbXjDHWoqA1nKE4jasNZ6lBRO85QXCfAD4g6YYY6VNQJsxSnEbXjDHWoqA1nKE4j asNZ6lBRO85QXCfAD4g6YYY6VNQJsxSnEbXjDHWoqA1nKE4jasNZ6lBRO85QXCfAD4g6YYY6VNQJ sxSnEbXjDHWoqA1nKE4jasNZ6lBRO85QXHcrAf6f/umfPu5IKaWUUkqpDFUy8DHU7bsDDwAAExDg AQBgIgI8AABMRIAHAICJCPAAADARAR4AACYiwAMAwEQEeAAAmIgADwAAExHgAQBgIgI8AABMRIAH AICJCPAAADARAR4AACYiwAMAwEQEeACAwNu3bzcPHjzY3L9/f/Pu3burVz/14sWLzZ07dz7UvXv3 Nq9fv75aMo+R8+S8CPCTqZ2sDhZRPXr0aPP+/furNYDboG/CeRnpk6XWQve2YPvs2bPN06dPP/z/ GuRnDMEC/HwE+Ik9fvz42sBTBpNtA9IxvHr1avPTTz9d/dfNOua24RhO1Tf36Sv6LpduLZy2d893 Da+lfd+9e3fz8uXLq1f+0M+FYG6DAD+xKCQUNSjc5t2+cizPnz+/+q+bdcxtwzGcqm/u01f0XS7d trvL7Z36XfpmDf9tgIfbIsBPbCkk1LsCx7zT16qD2DEm6mNuG47lFH1zn76i75LByOMhb9682Xz2 2Wc7tdnaxgV4TkGAn9guIaGdTOv/bwezdvAqNXoXot5RbKs+D1hs225756PUr371q81f//Vff1i2 bdtwrvYJ8GWdtbZ+031F3yWLkQBf1HYbzY3ta7Ufr7Xxbf3n0Dm5Hmv58tAez1I/27a96DyLvp+v 7YPbJcBPbCkktIPQ73//+08635//+Z9vfvjhhw/vqeuWzv/FF1987LR1MOk7eOTf//3fPxmIWiPb LefQ3r0o/10Hh7Vtwzkb6Zv9RN1OitGEftN9Rd8li9EAX4Nw7bu1DZeK1q3L+zvwa/3n559/PmhO 7tf/u7/7u80333zzoV+uHU85r/p6/e/an5fOM7pu7RcHTkuAn1gUEtqO2HawdgDoQ3k/ERfltdFO WrfdT9TbtluDS/ue8lq9i1csbRvO2S59s7w3Cgd1oiyh+Fh9Rd8lg9EAX9t1befF2rq1jUd9Za3/ FHXdfefkOj6069dg3t4MqMffvlaU7W0L6/W1dh/69fkQ4CdWO3Rf0Z2/pU7XDlhRjXTSaNsj262D Q/nvfrCqDBbMaLRv1n7ST65FXVYm1PYnaTfZV/RdMojCaaRt+7Vdr61b23jbB0b6T7HUP3ZdP9p3 O570d9+XjFyj+qWhPQ5OR4CfWAkJUViPLA0WpXP/4he/WN1GHQBqxy3V7jfa9sh2i37b/SCzdNxw zkb7Zm3/UYCvE2rdzj59Rd+F8QBf23TbR3YN8KP9Z6l/7Lp+u+8owEfvi4ycZ9nu0nFz+wT4id1U gC8D1lrn7ifqUiMhYNt2W+0dy2jwMVgwk9G+2U6MkWg7u/QVfRfGA3z0WMo+AX6k/yz1j13Xb9+3 FuC39cOl8+zHIP36fAjwExsNCcVSp6sdPnoOr6wzMolH2x7Zbhkwfv3rX1+9+t/rGCyY3WjfrJN1 FA7aCbU8QnOMvqLvksFaCK9qG+7b7Nq6tY1HIXrbnLrUP3ZdP9p3G+DXxphWdJ51XV/Mz5MAP7Gb CPC105Zl7YBRBoLPP/98722PbLe85+uvv/5kUOkHJYMFM9qlb5b3Rm28Tsbl9WP1FX2XDGqbXgqx S22+WFu3b/PFSP8plvrHrutvC/Dt9trXi7KNun50ntExLh03t0+An9hNBPiifssuy9sa7aDtt/Qy CPzjP/7jJ68vbbcOGO0gVX6EuXQHoN12/VGnQYRztEvfrJNuac/tZFy2UfvGIX1ljb5LBrW9roXw Um17rtbWrW257bfFtv5THDon1/W3BfiiPce22vONzrMeR32tHavKPv7t3/5t8x//8R8f3svtE+An UztZ3xHXwkIdZGpFg1TbMUvtOrnWu4j9caxtt07qdd1S0SAZbVsI4Nzs0zeraN2b6ivb6LtcqqU+ 2Vc0JxZ9H6jtuH+9VhSm67K2vR86J7f9rlQJ031I7/tj/6Wg3efSeRbtsZZt/u53v/v43qXrxu0Q 4AEAYCICPAAATESABwCAiQjwAAAwEQEeAAAmIsADAMBEBHgAAJiIAA8AABMR4AEAYCICPAAATESA BwCAiQjwAAAwEQEeAAAmIsADAMBEBHgAAJiIAA8AABMR4AEAYCLXArxSSimllFLq/KsE+P/bv6iU UkoppZQ6v/qbv/mb//f/A60s6zw8gj5qAAAAAElFTkSuQmCC Los resultados de la prueba de Shapiro-Wilk (Figura 2), se observa que el P-valor (Sig) para los datos (saltos) de la variable CMJ pre-test es de 0.931, y para ABK pre-test es 0.484, los cuales son mayor que 0.05, por tanto, esta variable se distribuye normalmente. De manera semejante, el P-valor (Sig) para los datos de la variable CMJ post-test es de 0.256, y para el ABK post-test es 0.522, los cuales son mayor a 0.05, por lo que esta variable también se distribuye normalmente. Finalmente, el P-valor (Sig) para los datos de la variable en la diferencia CMJ y ABK, para el método de pliometría, es de 0.72 el cual es mayor que 0.05, por lo tanto, la variable Diferencia presenta una distribución normal.Figura SEQ Ilustración \* ARABIC 2. Prueba de Shapiro-Wilk de normalidad para el salto CMJ y ABK en el pre-test y post-test. En el método por pliometría.iVBORw0KGgoAAAANSUhEUgAAAvAAAAHECAYAAABfpR5cAAAAAXNSR0IArs4c6QAAAARnQU1BAACx jwv8YQUAAAAJcEhZcwAAFxEAABcRAcom8z8AADuoSURBVHhe7d2xqxxLYu9xRUoUKdvkKhOYG8rZ jRxccOLDOwIlCq1/QCCDL8Jg8bjYL3C2ODFGPBDYijZ3YvAilmeBs3Vm0GMNTsQmNxAKFMx7de4p uU71r6uru2ZOdc3v+4Efuzoz09PdU9X9m1Yf3Tt//dd//b/+fw6EEEIIIYSQ3ed/hwKvHiCEEEII IYTsMF8LPAAAAID9osADAAAAA6HAAwAAAAOhwAMAAAADocADAAAAA6HAAwAAAAOhwAMAAAADocAD AAAAA6HAAwAAAAOhwAMAAAADocADAAAAA6HAAwAAAAOhwAMAAAADocADAAAAA6HAAwAAAAOhwAMA AAADocCfqVevXh3u3LlTlfv37x8+fPhw/cp9ev/+/eHu3bs31vv169fXj/aj1uvBgweHz58/Xz/j uD5+/Hi4d+/ejfdLP7/nz59/fe+97rPc5eXl1bqdcr+dktrPMRcXF4cvX7583UaVFy9eXC9puqx0 n6j9VPqM9/L5q/UY9bMeTc0YWDP/buuzZMwcz16OA9He1mdkFPgzl0+WWCjUY3s/QObldU+TPv3C dKr9+Pbt26vlp59hEH+u3nvP+yzIx+CoB3L1xSrflvw5c+Pk06dPh0ePHt14fWk/lT7jPe3f25gj mDrF+Litz5Ixcxx7Ow/Urk84t7179+76T8hR4M9cPlHy8pcfwPPH92RvB6HUqU808XOaW/bc43ve Z8GeCmar9ItUiJpL6XPm/uYrFPjvv//+xmOl/VT6jPf0+VPG+iiNga3zjwI/lr2dB2rWJ45NCvw8 CvyZyydKXiri1b74+J5vp9nbQSh16hNNXH5p2aEc5o/veZ9FNds2gpq5lD8nvX0mCieuJ0+eTMr/ 3H4qfcZ7+vwpY30sjYEt8++2PkvGzHHs7TywtD7p4xT4eRT4M5dPlKUCv+cJs7eDUOrUJ5r0Huq5 5YfP8vHjxzce2/M+O0fpOAhRBX1prITH13xOpc94T58/ZayPU4yB2/osGTPHsbfzQGl98r8VosDP o8CfuXyi1F6BV8U+vjadYGFy5RMuJE7I/Jf35g7C+Xqq56lJn7936cCkfpFwy4Esfc+4v2pONDXb OEetuyqHf/d3f3djmWqf5Z9t6z6b+/zz19a+Llgz/lL5Mm/7b5Ty91efcTpW8vUL2710+0xIui/V ZxzNPab2b8ixTpbpOt/GHJnbR2vGes3YWTMua9cpncf59qs5HtUez+bGwNz65dLnrfks1x5vt75P bm67lo5HqZp1XzMWUmv3y5KaOTM3Bpao8Ri2O79QFLWOyfTzzpN3l/xzVvP13FHgz1w+UZYmQX7C SCdkeO1vfvObG8+PyysdINJlqINLvC84TsC4rHxC5u8REt8/vbc434b4WLrt6TqVTpK59AATDszh YBYK19OnT7/+vGUb56Tblyf/TFP5PvvlL39ZVdzW7jP12cRllj6b/HX5wb52/AXxs4n7P1127Qnr GNJ1Dkn3bRwvf/AHf/D18XTdwnxUt8+U9tPWx4K4rmvmwJJecyTf1nA+S/8co8bC2rFTOy7zdZqb f+E9VPGMj6Va52a6vNJjwZbPcu36BVvHzJx8u+Jyg9LxaMu6146FLcteEpe5NGeWPmcljsd0ffN5 Eq3dttL65PMgPX5Ga+fruaLAn7l8oqQTLJ8o6WNROgn/6I/+6PBnf/Znh59++unrSSi+pjQh04Nz PvHTdUgneXzf9Gel9wgH/PTEGCd9/vP4mtI6zUnXNd1X+Xq1bGNJ+lmoqANXvm4h8QSZ7pd0e7bs s/x90m2a+2yC0mca1I6/uX2crrM6EZxCWhDy9Qnr+fLlyxvrle778POazzF9ztbH4uei3m+rnnMk f4+QsG2lsR5sGTu141KtU1xWPp9j6Tr13KwdH1s+yy3rt3XMlOSvTT/XfB3j57Fl3YOasZD+OaR2 2SVr5kzpc54zN/fC8a31M68ddyH53NsyX88VBf7M5RNFpXTgyE8ycWLEkhInXmlCliZy+ph6TXol YekglK5reiJQEzstWbUHznQ5+UEtfe+WbVySLkslX6/SPpvbX8Hafbbms1lzYqkdf+nz1D4OyffN qeTblH6+YX3CNqT7Mj4eXvfNN9/IsVDaT1sfC/ss7s9jKe3v9DM6xRzJtzUd0+l752N9y9hJXxMy Ny5L+1+NgSh979K+ap2bpcdqt791/ba+T0lpu4J0uel7rl33oHYsbFl2Sbo89bmlY2ppfyjpdqVz JhT2/BaatdtWWp+lAp+ul9rukHwcnSsK/JnLJ0p+8lpSewCtPRGky5j75h6oA8LSQWjufZT04FJT DkrrGhxrG2vky8yTvseWz2VOaZ+t+WzSMbj0uprxV1pGywmyRX5SD+uUnvjUOod1nZufpW1c+1gc P8c+yfWeI6X9MPfepdeUxs4xjoul+XRbc3Pusa2f5Zy59Tv2+0SlbQ7S5S6dE0v7NqgdC8rSsues nTNL+0NJl7PmddHWMVkq8KXXpe+39nMYFQX+zOUDvqXAl15bmlhzB+H8NXOJyyq9R1BzsM8PDiE1 B86t7712G9fID+IxtQW5Zn8FNfvsWPsnf13N+Csd8LeeIFvl6xTWPdwb++bNm+tnTLftT/7kT2bH QWk/rXksvwd77v22ONYYmMvSupbef+69t46dYxwXS8u/rbk591jpNcGx1u9Y75M7xnJr9m1QOxZS tcuek2/fXGo/T2Xu/LL0ObSOyfz16ZwsPdbrWN8TBf7M5ROl9gAT3WaBXzqoLD2/dFCOB6M4sddO 9q3vvXYb5/zt3/7t7L7PD2q17790Eluzz061f267wKfPT1Pz2pQ6+f3xH//xjWXk71V6j9J+WvNY eI/0F2jXblfJqcZArdJy5t5769jpXeCPNTfnHlv6TI61fq3vM6dluWvPFWsK/Nplz1navtza56fS 7YtR63qsMUmBr0eBP3P5RNlzgV/6K/2lg1D6Pum6ppM+vsfayR4PTvE1pfdu2cY5z549K65juo2l 96/5XIK1+2zrZ7P0uprxly8jPaiXtlFJtzHNlhNC+t4h+fqvGRul/bT2sfxnpXm9Ru85UtoPte9d O3Z6Fvhjzs25x7Z+lsGa9Wt5n5LSNgfpctPPb8u5onYsbFn2nHz7lubM0v5Ykq67es9jjsn8vdI5 mb+u5Vh/DijwZy4f8GtP1sc4UaXLKJ0I1QEsHATiJF06CKXLio/lJ4i4rC0HznT5+QGzdPBYs41z wjJK+z/dznTdSvtsbp237LM1n03t+gXp60rbnz5vbhvzz+zUlrZtbj8rpWVteSw/SR5r38x9zsGp 50hpP9S+99xr8m2pHZeldSrNp9uam6XHtnyWW9Zv65gpKW1XoN5zy7oHNWNh67JL0vdVrw3Lju+z tD9yYX3Vv/V+rP1WWp9SgQ/SdUhfV5qv54oCf+byiVI62Sg1B6cgn8RxAqWTOCQ/CJceDxM5/JN7 Ub4t6SRN3z9fRl5U8nWtPXCm65pvR+lEs2Yb58TPYe7AFPfNmgPl3Dpv2We1n01IekAurV9QO/7S dU6Xkb4+PxHchvj+c2Msfgb5mMmV9tPWx9LPP+QY+6fnHKnd1vy9t4yd2nFZWqd0m/Pxccq5WTs+ tnyWW9Zv65gpyber5ni0Zd2DmrGwddkla+ZM6XOeE7Yr3W9Bupy4jGOPyXx54bHws/j7Q+nj6etK 8/VcUeDPXD4Z1h4kak9UQXqwTfPdd999/f/qIJy+R5r8ufmkT7clHsyWDhTxOT/++OONn4XUTPp0 XePBIz+Q5o8Htds4J319/pr0YJlvQ+lAObfMLftMvUbtn9IJQT2ermPt+Ivbki473e7bFLd96cSe b3eutJ9Kj+Xzv/S6tceGOb3mSGk/lOZPsHbs1I7L0jql+yTf93PFNV9efO2auVk7doK1n+WW9Qu2 jpk5aj3Uckv7ImTtus+Nha3LXpK+d5p8jC99zkpcdrpN8XhyyjGZl/+QfHv2eKzvgQJ/pubKdJrS gUJNoprX5e8bnpv/LEzuvCjkB2t1IIyTNExQtX5zB8+5A3Y8QKn1Kcm3JywzP6AoNds45/nz51+X q05sall5eYsJ66sO/Ol+WLvP8gNy+Izy/ZQfWEvrt3X8qX1Tev6pxe2YO6nEx0vrWNpPWx6LY2Xu 5H+M/XXbc6RlrEc1Y2fNuCytU75/YsIyjjk3t46d1NrPcu2xI9o6ZpQtx6NgzbqvPUZt3S9L8nGb z5nazzkXzzn58tXr1mxbzfqkn9/cfsnXK+QYx66RUOABNFMnTADogeMRHFDgATTjhAlgLzgewQEF HkAzTpgA9oLjERxQ4AE0y0+YS/dXAsCpcDyCAwo8gCZzv5QU4vZLRQD64ngEFxR4AAAAYCAUeAAA AGAgFHgAAABgIBR4AAAAYCAUeAAAAGAgFHgAAABgIBR4AAAAYCAUeAA4kVevXsl/jzr+h2U+ffp0 +OGHHw5fvnw5vH37Vj43pOa/JDn3XiH5v39d+reyYx48eHD4/Pnz9Sv6uLy8PFxcXFztn5Ka7Umj /sM+pf0fcv/+/cOHDx+un/3zZ/fo0SP5XP7DQQBOjQIPAEeWl8G8QIdiGh/LC6oqo0slNv8vT4bk hXNOui4hNYX5NsRtqt2OIN936ZeQ/LG55ar9X/oClT6f4g7gtlDgAeCI0ivhpavYseTnhVmV8ZDS f0UyLOsP//APbxTP2iKeX7nfSwlN16t2nfJ9l+///IuV2kf5lfWlLxBhPffypQeADwo8ABxJXoaX /tPtqvyFEvrtt98e/vzP//zGskol9tmzZ4d//Md/PEqBr7ld59TyEl17O8/S62rK+ZoCH/72gqvu AHqgwAPAEeRXf2sKdHjN06dPZYH/9a9/XX3Lx5MnTw6/+c1vzqbAq/vRa9ZrbYEPyb9krSn5S1/Q AOBUKPAAcARbinAogvGXWKNY4H//+99PyqZaZnjf8PP83u1TFXh1j3hIfL/8i0zt1fNU+BuFH3/8 US6/ZKnA5+u25Qp82P5f/OIXs1flAeA2UOABoFFe+kK2Xp2NBT4Uz/xKtLqi/Pjx46uf3VaBD2re K9xesqW8h2WHv1H46aefVu/TpQKf7091+0upwIfX1+5XADglCjwANMoL7dztLjXSAp9fMQ5JS2wo lLGE3maBD9LXqe0NBX7Ll5iw3Pi6fN2W7jcvFfi8vM9t51yBT/+1ntp9BACnQoEHgEanKvBBqcSm Jfm2C3xedNP1CtuQ39tfI9/2/AvM0n7N10ll6W8FapYRsuXLCQAcCwUeABrl5bml4OUldu7LwdLz Tl3gg/S1abkOP99ylVq9Lr3yvbR+pSvwQb4s9RmpK/C//e1vJ6W+5UsaALSiwANAo/xKccixCnyg SmxednsU+Hy7w2tDAf7+++9Xl9u51y39HkBqqcDnj4fkn5Mq8PELU/4ZL13NB4BTocADQCNVDNcU 4ZQq8HmJDaXyu+++u1F2exT4IH19KLThn798+fLl9aP18m0sZe7L0VKBD/LtzffTXIEP1N+0LN2X DwCnQIEHgCPIC2htgc6pAq++IOTLXyrw6eNpSW8t8KrUbvnbh/R+/txS6Y5qCvzSFf1SgQ/UF42t X9YAYCsKPAAcwVLxU0JZ/7d/+7frP/1MFfggL7F52V0q8OltOOljS8utkS57y20lYd3DPx2pSnmQ 374yt29rCnzLFfgoX0aI2m/p87bsVwCYQ4EHgCPJi+bcleIgPjcvdnMFPl22KqZLBT4tk3NX4LeU 7yC9Kr3llpLwBWDpKnZemtX75Pt/6ep6SL7/a7+I5b+XEJIua81YAIC1KPAAcES1V4HnimEsw+qK bSyNqrzmt3bky4/rlf48X9etV4nVsmvFYr5U/GtuXcm/xJS2Vb0+qL0lSD0vJG4HBR7AKVHgAeAE VGGMUcVRFdSQtDyG0pj/Z/zzK9Mq6TLU+xyjXIblrlnO3P7Ji/zcfokJz58r03Op+QKkEvdj7T6P z9vyxQYASijwAIBmoawu3QYDADgOCjwAYJV4xTtecQ9X0x8/frzp/nkAwHoUeADAKuktJOFWkVDo t/zb7wCAbSjwAIBV8gL/7Nkz7vEGgFtEgQcArJL/Amr6S7IAgNOjwAMAAAADocADAAAAA6HAAwAA AAOhwAMAAAADocADAAAAA6HAAwAAAAOhwAMAAAADocADAAAAA6HAAwAAAAOhwAMAAAADocADAAAA A6HAAwAAAAOhwAMAAAADocADAAAAA6HAAwAAAAOhwAMAAAADocADAAAAA6HAAwAAAAOhwAMAAAAD ocADAAAAA6HAAwAAAAOhwAMAAAADocADAAAAA6HAAwAAAAOhwAMAAAADocADAAAAA6HAAwAAAAOh wAMAAAADocADAAAAA6HAAwAAAAOhwAMAAAADocADAAAAA6HAAwAAAAOhwAMAAAADocADAAAAA6HA AwAAAAOhwAMAAAADocADAAAAA6HAAwAAAAOhwAMAAAADocADAAAAA6HAAwAAAAOhwAMAAAADocAD AAAAA6HAAwAAAAOhwAMAAAADocADAAAAA6HAAwAAAAOhwAMAAAADocADAAAAA6HAAwAAAAOhwAMA AAADocADAAAAA6HAAwAAAAOhwAMAAAADocADAAAAA6HAAwAAAAOhwAMAAAADocADAAAAA6HAAwAA AAOhwAPASh8/fjzcu3fvcOfOna958ODB4fPnz4f3798fXr58efj06dPh0aNHN57z7t276yXMC6+/ e/fu19dcXFwcvnz5IpeXPr53l5eXxXWd2748L168uH7FfwvLzp93//79w4cPH64ef/Xq1exjADAi CjwArBDLYl4k01KfPpb+vKZsx7IZvxDkYtGde3yP4j6oKc6l7Yv7Ri0n/QKgvigtfYEAgJFQ4AFY +B//85+rUhLL++vXr69/clMskWmBz68sl67C15T92yjw/3J5UZVa6RXwuX0XLW1fXJbaP+HzUeX+ 7du3lHcAZ4UCD8CCKusqc0IJLBXrKNwC8+TJk6/PCYX0+++/P/z4449Xr1e3gEShnIbjcCjx51Lg 4/r+6le/Km5XtLR98RYj9bgq8JR3AOeIAg/AgirrKkoslaGAL93HHp77ww8/TAr8b3/726tlzN1G Ep73+PHjw+9+97uzKvDpF5q5K+Sppe0rfZHKl095B3CuKPAALKiyrqKsuYc7Fwt8eF28/UNdhQ9l M/w8vte5FPhQquNtM7F8l/4WorR96S/4zt3nHj+jsK8p7wDOFQUegAVV1lWUWBxbC/zcFwH1nHMo 8GFbvv3226/rWbr9JYrbF0q6SqmUxwL/9OnTq+fW/Ks/ADAiCjwAC6qsqyg1xXNOWs6DeBU+/WXO 9DaTcyrwYVvnfqF3rlyXti9ewQ9RV/FDgQ+Pfffdd1+fR4kHcI4o8AAsqLKuohzrCnwQC3paUEPx jEXzXAp8WtZV5m6jWdq++FmEZeTlPL2FJi37lHgA54YCD8CCKusqSlpG15bBvMAH8UpxuAofCnu4 5SOW9XMp8HO/QLr0txk12xf3X/4lIC3wASUewLmiwAOwoMq6ypzSL6Dmnj179rVEqgIfS2wouH/x F39x43aa2gI/9/gxqLKuUpL+rUIqrv9cqT5mgQ/SEr/0b9ADwCgo8AAsqLKuMictnqUiGIp+WkxV gQ9iCc2LqirwsYSG5cb1qPkisZUq6ypzwheUhw8fzhbwuD1qG5YKfNw/6nNQBT6gxAM4NxR4AKiU lkd1BTwUyLwgzhX4eBU+L7HxPdICG6/+h/f8r//6r8M333wzWd5e1HzBKN3HXirw6evy/R9fp5YZ UOIBnBMKPACslJbBNPmV91goY9JSmhd79fyQWNrjF4ctv0h7W9IvOHPrqvZdKPtz26+SF/T4txlp 0vdOi3+auav8ALB3FHgAAABgIBR4AAAAYCAUeAAAAGAgFHgAAABgIBR4AAAAYCAUeAAAAGAgFHgA AABgIBR4AAAAYCAUeAAAAGAgFHgAAABgIBR4AAAAYCAUeAAAAGAgFHgAAABgIBR4AAAAYCAUeAAA AGAgFHgAAABgIBR4AAAAYCAUeAAAAGAgFHgAAABgIBR4AAAAYCAUeAAAAGAgFPgjef/+/eHu3buH O3fuHO7fv3/48OHD9SN1Li8vr14b8+7du+tHbvr48ePh3r17X5/34MGDw+fPn68f1eKyX79+ff0T AAAAjIoCfwRv3769UdpjmZ8r4alPnz4dHj16dLi4uDh8+fLl6mdheapwh+U+fPjwa2GPZX6uxMfl xFDgAQAAxkeBbxRLdF6OX716VXV1fO554efpl4JQ9H/44YevJT+q+bIw94UAAAAA46HAN8qLdhSL dak0x/L/4sWL65/8t/h69ViKAg8AAOCFAt9A3f4Slcp5VCrppWWnwv3tSyWfAg8AAHA+KPANYklX JbumgNe8fu42nJovCBEFHgAA4HxQ4BvUXEEv3Qcfn6NuwZkr9/E1oZDHcAUeAADABwW+QWuBD2K5 zp8X7q1fKufxtUvlnAIPAABwPijwDUq3sZRuj8nFLwKxjId89913V/+79E9RxteWvihQ4AEAAM4H Bb5BvMquSvqae9RztVfvo/CLrBR4AAAADxT4RnP/jnu8Ml7zH3PKxdtnal8bnl+60k+BBwAAOB8U +EaxqOfleK7YL1lb3uPV+lI5p8ADAACcDwr8EYTSnf5LMrEwpyU8/ddjVJGOXwTUv0gTzN3rvubf gd9yOw8AAAD2hQJ/JLEkh6gr7/Ge+PTxtNSHlK6Q58+NKV2pj6U/fw1X4gEAAMZFge/g+fPnq2+t AQAAAAIK/C0LV8XfvHlz/ScAAABgHQr8LYm3wNT8u/AAAADAHAo8AAAAMBAKPAAAADAQCjwAAAAw EAo8AAAAMBAKPAAAADAQCjwAAAAwEAo8AAAAMBAKPAAAADAQCjwAAAAwEAo8AAAAMBAKPAAAADAQ CnyF//E//9kyAAAA2B8KfAVVbh0CAACA/aHAV1Dl1iEAAADYHwp8BVVuHQIAAID9ocBXUOXWIQAA ANgfCnwFVW4dAgAAgP2hwFdQ5dYhAAAA2B8KfAVVbh0CAACA/aHAV1Dl1iEAAADYHwp8BVVuHQIA AID9ocBXUOXWIQAAANgfCnwFVW4dAgAAgP2hwFdQ5dYhAAAA2B8KfAVVbh0CAACA/aHAV1Dl1iEA AADYHwp8BVVuHQIAAID9ocBXUOXWIQAAANgfCnwFVW4dAgAAxvL+/fvD3bt3D3fu3Dncv3//8OHD h+tHyj5+/Hi4d+/e1etUHjx4cPj8+fP1s6fPzx9PvX379say1qwXNAp8BVVuHQIAAMYRinJajmOZ f/fu3dWfS/KSnefFixfXz/x5uQ8fPvxa2GOZVyX+1atXN16bFv+a9YJGga+gyq1DAADAGGIxfv36 9fVPfhYKdOnqePTs2TN5VfzTp0+H77///utj4c8//PDD4cuXL1d/jtSXhbBO4YtBLj63Zr2gUeAr qHLrEAAA9ua2bhEZ7baPUNTVOsb9lRf7VHjOv/7rv17/6abw2JMnTyaFPRffp+aqevgS8OjRI26l aUCBr6DKrUMAANiT27pFZLTbPmIhvri4mBTtuO7p9qwR9kWp/EeXl5er3iM8nyvw21HgK6hy6xAA APbitm4RGfG2j7hvVIEvlfsl+b5RtnxBiOu09UsFKPBVVLl1CAAAe9H7FpFYOvd420fcB6oQx/Xe 8sWjtG/icuf+FqMkLDf9JVisR4GvoMqtQwAA2INYFnveIhLs9baPUxX42n2T3p5Ue7sN/wJNGwp8 BVVuHQIAwB70vEUkiu+zx9s+Sl9iSvuuZM2+CeKXiKUvCmu+MGEeBb6CKrcOAQBgD3rcIpLb820f pS8xW/+GYs2+iZb+hiJcqae8HwcFvoIqtw4BAGAPTlXg194+s+fbPsK2qH0Q993add9ypTy8Zu5K f1iPly9fXv8JrSjwFVS5dQgAAHvQ+xaREW77iEU9X8+5Yl+y9vaZIH6RUvspXHmf+9uBp0+frvrc 8DMKfAVVbh0CAMAe9LxFZKTbPkJZT/+VnPjLpenV97gvS79wWrpaHr8o5F8Kwt9QqM8g/QVXlVH2 7d5Q4CuocusQAAD2Yu5KciyUp7hFpFRk9yotzGp/xS88c48HpduF0i8AadTzwz7On5eG/xLrdhT4 CqrcOgQAgL2IRT0v3ae6RcThto/nz5+v2m/YDwp8BVVuHQIAwJ7cxi0igcNtH2EfvHnz5vpPGA0F voIqtw4BAGBvTn2LyLnf9lH6fQKMgwJfQZVbhwAAMDJuEcG5osBXUOXWIQAAjIpbRHDOKPAVVLl1 CAAAo+EWETigwFdQ5dYhAAAA2B8KfAVVbh0CAACA/aHAV1Dl1iEAAADYHwp8BVVuHQIAAID9ocBX UOXWIQAAANgfCnwFVW4dAgAAgP2hwFdQ5dYhAAAA2B8KfAVVbh0CAACA/aHAV1Dl1iEAAGA//uXy wjKYosBXUOXWIQAAYD9UuXUIpijwFVS5dQgAANgPVW4dgikKfAVVbh0CAMCxqfONS1qpcusQTFHg K6hJ6BAAAI5NnW9c0kqVW4dgigJfQU1ChwAAcGzqfOOSVqrcOgRTFPgKahI6BACAY1PnG5e0UuXW IZiiwFdQk9AhAAAcmzrfuKSVKrcOwRQFvoKahA4BAODY1PnGJa1UuXUIpijwFdQkdAgAAMemzjcu aaXKrUMwRYGvoCahQwAAODZ1vnFJK1VuHYIpCnwFNQkdAgDAsanzjUtaqXLrEExR4CuoSegQAACO TZ1vXNJKlVuHYIoCX0FNQocAAHBs6nzjklaq3DoEUxT4CmoSOgQAgGNT5xuXtFLl1iGYosBXUJPQ IQAAHJs637iklSq3DsEUBb6CmoQOAQDg2NT5xiWtVLl1CKYo8BXUJHQIAADHps43Lmmlyq1DMEWB r6AmoUMAADg2db5xSStVbh2CKQp8BTUJHQIA0fv37w9379493Llz53D//v3Dhw8frh+p8/Hjx8O9 e/euXh+jlvP27dvF50Rrnov9UOcbl7RS5dYhmKLAV1CT0CEAEISinJbjWObfvXt39ecar169ulG2 Q168eHH96M/Cc9KfpaU/f681z8W+qPONS1qpcusQTFHgK6hJ6BAAiMX49evX1z/5WSjQDx48OHz+ /Pn6J/PCMp4+fXr48uXL9U+mwnPCF4Vc/LKQvtea52J/1PnGJa1UuXUIpijwFdQkdAgAhKKubk2J ZTkv9srl5eXVlfEtt7h8+vTp8OjRo6rXrnku+lHnG5e0UuXWIZiiwFdQk9AhALzFQnxxcTG5eh6v zOe3weTSe+dj1PJKwheA2qvqa56LPtT5xiWtVLl1CKYo8BXUJHQIAG+xpKvCXSr3c9L74GtLdnyf pS8KwZrnoh91vnFJK1VuHYIpCnwFNQkdAsBbvHquCnEsy2uvdsfXhRJfU7TDOjx8+LDqPdY8F/2o 841LWqly6xBMUeArqEnoEADeTlHgg3hlv+a14ZaY2n9VZs1z0Y8637iklSq3DsEUBb6CmoQOAeCt dJ976faaGnO/HJsKz6n5JdlgzXPRlzrfuKSVKrcOwRQFvoKahA65LekvubX+6xHhJF66qhf/NYyY 2ntll5YLnKN4lb3ll1jnLN3uEv6ZyNpCvua56E+db1zSSpVbh2CKAl9BTUKH3IZj/AdiovhaVbRV ESmVk1RpucC5m/vy2jJXgzD35+ZeWPbLly+v/1S25rnYB3W+cUkrVW4dgikKfAU1CR1yavEKXn7l bMvV7riscFVdvTb/ohAtlZCl5QLnLs6RY8zT1LNnz+Tfts0V+zAX8/8Y1JrnYj/U+cYlrVS5dQim KPAV1CR0yKmFAlAq1Wv+SjzcGvPLX/5y9pfq5t4rFvS5Ar+0XMBBPn9CcQ5fatN5k/7rMuncDXMo L9lzv2walzuXdLlrnot9Uecbl7RS5dYhmKLAV1CT0CGndMx7a8OJPDw3LlMV7filIF/m3BW8oGa5 gIu0MKu5MPe3Vapoq/IeviTkz0uTfoFY81zsjzrfuKSVKrcOwRQFvoKahA45pXiyV+W59t70ICzn 22+/vSoLS0U7/gJrfDwUi7nnrlkugJueP3/OXMEsdb5xSStVbh2CKQp8BTUJHXJKc1fEgzWFOb2P tuZ1scSHlK7wr10ugJ+Fuf3mzZvrPwFT6nzjklaq3DoEUxT4CmoSOuSUjlHgw1+jp/e51rwuvm+p xG9ZLuAuzpOavzmDN3W+cUkrVW4dgikKfAU1CR1ySqX73Eu310ShiOf/dNxS0Q7FPC4zPjeU+PR9 tiwXAFBPnW9c0kqVW4dgigJfQU1Ch5xS6WpdqdxHS7/EFpIW7viLdPkvz8VbauIV97XLBQCso843 Lmmlyq1DMEWBr6AmoUNOLZRlVYbjbS5z/7TjnNKV8lDU1b9MEV9T+rLAFXgAOB51vnFJK1VuHYIp CnwFNQkdcmqxqOf/XvNcsV9SKtrxynr+pYACDwC3S51vXNJKlVuHYIoCX0FNQofchlCst/4HYnKl oh1vy8mvwtd8WaDAA8DxqPONS1qpcusQTFHgK6hJ6JDbsvU/EJNbKtrpF4GYmn8xgwIPAMejzjcu aaXKrUMwRYGvoCahQ/aI/0AMAIxNnW9c0kqVW4dgigJfQU1Ch+xNuGee/0AMAIxNnW9c0kqVW4dg igJfQU1Ch+xFvIWl5nYXAMC+qfONS1qpcusQTFHgK6hJ6BAAAI5NnW9c0kqVW4dgigJfQU1ChwAA cGzqfOOSVqrcOgRTFPgKahI6BIAHdcJ0CPpQ5xuXtFLj2CGYosBXUJPQIQA8qBOmQ9CHOt+4pJUa xw7BFAW+gpqEDgHgQZ0wHYI+1PnGJa3UOHYIpijwFdQkdAgAD+qE6RD0oc43LmmlxrFDMEWBr6Am oUMAeFAnTIegD3W+cUkrNY4dgikKfAU1CR0CwIM6YToEfajzjUtaqXHsEExR4CuoSegQAB7UCdMh 6EOdb1zSSo1jh2CKAl9BTUKHAPCgTpgOQR/qfOOSVmocOwRTFPgKahI6BIAHdcJ0CPpQ5xuXtFLj 2CGYosBXUJPQIa3UJHQJMBI1hh2CPtT5xiWt1Dh2CKYo8BXUJHRIKzUJXQKMRI1hh6APdb5xSSs1 jh2CKQp8BTUJHdJKTUKXACNRY9gh6EOdb1zSSo1jh2CKAl9BTUKHtFKT0CXASNQYdgj6UOcbl7RS 49ghmKLAV1CT0CGt1CR0CTASNYYdgj7U+cYlrdQ4dgimKPAV1CR0SCs1CV0CjESNYYegD3W+cUkr NY4dgikKfAU1CR3SSk1ClwAjUWPYIehDnW9c0kqNY4dgigJfQU1Ch7RSk9AlwEjUGHYI+lDnG5e0 UuPYIZiiwFdQk9AhrdQkdAkwEjWGHYI+1PnGJa3UOHYIpijwFdQkdEgrNQldAoxEjWGHoA91vnFJ KzWOHYIpCnwFNQkd0kpNQpcAI1Fj2CHoQ51vXNJKjWOHYIoCX0FNQoe0UpPQJcBI1Bh2CPpQ5xuX tFLj2CGYosBXUJPQIa3UJHQJMBI1hh2CPtT5xiWt1Dh2CKYo8BXUJHRIKzUJXQKMRI1hh6APdb5x SSs1jh2CKQp8BTUJHdJKTUKXACNRY9gh6EOdb1zSSo1jh2CKAl9BTUKHtFKT0CXASNQYdgj6UOcb l7RS49ghmKLAV1CT0CGt1CR0CTASNYYdgj7U+cYlrdQ4dgimKPAV1CR0SCs1CV0CjESNYYegD3W+ cUkrNY4dgikKfAU1CR3SSk1ClwAjUWPYIehDnW9c0kqNY4dgigJfQU1Ch7RSk9AlwEjUGHYI+lDn G5e0UuPYIZiiwFdQk9AhrdQkdAkwEjWGHYI+1PnGJa3UOHYIpijwFdQkdEgrNQldAoxEjWGHoA91 vnFJKzWOHYIpCnwFNQkd0kpNQpcAI1Fj2CHoQ51vXNJKjWOHYIoCX0FNQoe0UpPQJdiv9+/fH+7e vXu4c+fO4f79+4cPHz5cP7Ls7du3V6+LWXr9x48fD/fu3Vv1muDVq1dfn//ixYvrn56OGsMOQR/q fOOSVmocOwRTFPgKahI6pJWahC7BPoUCnhboWObfvXt39eeSUKrTMp2W87nXp0W8ppDHLwhrv1i0 UmPYIehDnW9c0kqNY4dgigJfQU1Ch7RSk9Al2J9YuF+/fn39k5+Fkv3gwYPD58+fr38yFV4bynUu fgFQrw+vefr06eHLly/XPymLZT9fv9ugxrBD0Ic637iklRrHDsEUBb6CmoQOaaUmoUuwP6Egqyvb sYRvKc6fPn06PHr0SC738vKy+mp6vPLeo7wHagw7BH2o841LWqlx7BBMUeArqEnokFZqEroE+xKL 9sXFxeSKeLwyv/Ve81DU8yvw6X32Meq9g/j+c4/fBjWGHYI+1PnGJa3UOHYIpijwFdQkdEgrNQld gn0pleRSuV8SX1sq/+l98OpWm/j4P/3TP10tq/TcU1Fj2CHoQ51vXNJKjWOHYIoCX0FNQoe0UpPQ JdiXeEVcFe1YwrcU5rDchw8fLr4uvkco5uk6pD9Xv1x7W7/MqsawQ9CHOt+4pJUaxw7BFAW+gpqE DmmlJqFLsC+nKvDh9pmaf8EmiH8LkL5P6W8G4pX5rbf2rKHGsEPQhzrfuKSVGscOwRQFvoKahA5p pSahS7Avpfvct96DHgr22l86zX+RtvTFQhX+U1Fj2CHoQ51vXNJKjWOHYIoCX0FNQoe0UpPQJdiX eJVdlfRSuZ8T/tWYLf9iTH7LTem9W/5mYC01hh2CPtT5xiWt1Dh2CKYo8BXUJHRIKzUJXYL9CVe/ VRmOV8Frb4UJz3/58uX1n9YJxT/9ElEq6aUvHcemxrBD0Ic637iklRrHDsEUBb6CmoQOaaUmoUuw P7Go51fO54q9khfwKFxJr/mPNj179mzyS6nx34DPv0Cs/WLRQo1hh6APdb5xSSs1jh2CKQp8BTUJ HdJKTUKXYJ/ye9BVeY5XvsPP07IfnzuX9Lnhl1vzol/6hdfwWLpeW27raaHGsEPQhzrfuKSVGscO wRQFvoKahA5ppSahS7BfaRFXV95jeU4fD8U/vkYl/+ceVdlfupKev8eWe+y3UmPYIehDnW9c0kqN Y4dgigJfQU1Ch7RSk9AlOA/Pnz+vurVmdGoMOwR9qPONS1qpcewQTFHgK6hJ6JBWahK6BOML96C/ efPm+k/nTY1hh6APdb5xSSs1jh2CKQp8BTUJHdJKTUKXYFy3+a+/7IUaww5BH+p845JWahw7BFMU +ApqEjqklZqELgFGosawQ9CHOt+4pJUaxw7BFAW+gpqEDmmlJqFLgJGoMewQ9KHONy5ppcaxQzBF ga+gJqFDWqlJ6BJgJGoMOwR9qPONS1qpcewQTFHgK6hJ6JBWahK6BBiJGsMOQR/qfOOSVmocOwRT FPgKahI6pJWahC4BRqLGsEPQhzrfuKSVGscOwRQFvoKahA5ppSahS4CRqDHsEPShzjcuaaXGsUMw RYGvoCahQ1qpSegSYCRqDDsEfajzjUtaqXHsEExR4CuoSeiQVmoSugQYiRrDDkEf6nzjklZqHDsE UxT4CmoSOqSVmoQuAUaixrBD0Ic637iklRrHDsEUBb6CmoQOaaUmoUuAkagx7BD0oc43LmmlxrFD MEWBr6AmoUNaqUnoEmAkagw7BH2o841LWqlx7BBMUeArqEnokFZqEroEfahx7JBWagw7BH2oMeyS VmocOwRTFPgKahI6pJWahC5BH2ocO6SVGsMOQR9qDLuklRrHDsEUBb6CmoQOaaUmoUvQhxrHDmml xrBD0Icawy5ppcaxQzBFga+gJqFDWqlJ6BL0ocaxQ1qpMewQ9KHGsEtaqXHsEExR4CuoSeiQVmoS ugR9qHHskFZqDDsEfagx7JJWahw7BFMU+ApqEjqklZqELkEfahw7pJUaww5BH2oMu6SVGscOwRQF voKahA5ppSahS9CHGscOaaXGsEPQhxrDLmmlxrFDMEWBr6AmoUNaqUnoEvShxrFDWqkx7BD0ocaw S1qpcewQTFHgK6hJ6JBWahK6BH2oceyQVmoMOwR9qDHsklZqHDsEUxT4CmoSOqSVmoQuQR9qHDuk lRrDDkEfagy7pJUaxw7BFAW+gpqEDmmlJqFL0Icaxw5ppcawQ9CHGsMuaaXGsUMwRYGvoCahQ1qp SegS9KHGsUNaqTHsEPShxrBLWqlx7BBMUeArqEnokFZqEroEfahx7JBWagw7BH2oMeySVmocOwRT FPgKahI6pJWahC5BH2ocO6SVGsMOQR9qDLuklRrHDsEUBb6CmoQOaaUmoUvQhxrHDmmlxrBD0Ica wy5ppcaxQzBFga+gJqFDWqlJ6BL0ocaxQ1qpMewQ9KHGsEtaqXHsEExR4CuoSeiQVmoSugR9qHHs kFZqDDsEfagx7JJWahw7BFMU+ApqEjqklZqELkEfahw7pJUaww5BH2oMu6SVGscOwRQFvoKahA5p pSahS9CHGscOaaXGsEPQhxrDLmmlxrFDMEWBr6AmoUNaqUnoEvShxrFDWqkx7BD0ocawS1qpcewQ TFHgK6hJ6JBWahK6BH2oceyQVmoMOwR9qDHsklZqHDsEUxT4CmoSOqSVmoQuQR9qHDuklRrDDkEf agy7pJUaxw7BFAW+gpqEDmmlJqFL0Icaxw5ppcawQ9CHGsMuaaXGsUMwRYGvoCahQ1qpSegS9KHG sUNaqTHsEPShxrBLWqlx7BBMUeArqEnokFZqEroEfahx7JBWagw7BH2oMeySVmocOwRTFPgKahI6 pJWahC5BH2ocO6SVGsMOQR9qDLuklRrHDsEUBb6CmoQOaaUmoUvQhxrHDmmlxrBD0Icawy5ppcax QzBFga+gJqFDWqlJ6BL0ocaxQ1qpMewQ9KHGsEtaqXHsEExR4CuoSeiQVmoSugR9qHHskFZqDDsE fagx7JJWahw7BFMU+ApqEjqklZqELkEfahw7pJUaww5BH2oMu6SVGscOwRQFvoKahA5ppSahS9CH GscOaaXGsEPQhxrDLmmlxrFDMEWBr6AmoUNaqUnoEvShxrFDWqkx7BD0ocawS1qpcewQTFHgK6hJ 6JBWahK6BH2oceyQVmoMOwR9qDHsklZqHDsEUxT4CmoSOqSVmoQuQR9qHDuklRrDDkEfagy7pJUa xw7BFAW+gpqEDmmlJqFL0Icaxw5ppcawQ9CHGsMuaaXGsUMwRYGvoCahQ1qpSegS9KHGsUNaqTHs EPShxrBLWqlx7BBMUeArqEnokFZqEroEfahx7JBWagw7BH2oMeySVmocOwRTFPgKahI6pJWahC5B H2ocO6SVGsMOQR9qDLuklRrHDsEUBb6CmoQOaaUmoUvQhxrHDmmlxrBD0Icawy5ppcaxQzBFga+g JqFDWqlJ6BL0ocaxQ1qpMewQ9KHGsEtaqXHsEExR4CuoSeiQVmoSugR9qHHskFZqDDsEfagx7JJW ahw7BFMU+ApqEjqklZqELkEfahw7pJUaww5BH2oMu6SVGscOwRQFvoKahA5ppSahS9CHGscOaaXG sEPQhxrDLmmlxrFDMEWBr6AmoUNaqUnoEvShxrFDWqkx7BD0ocawS1qpcewQTFHgK6hJ6JBWahK6 BH2oceyQVmoMOwR9qDHsklZqHDsEUxT4CmoSOqSVmoQuQR9qHDuklRrDDkEfagy7pJUaxw7BFAW+ gpqEDmmlJqFL0Icaxw5ppcawQ9CHGsMuaaXGsUMwRYGvoCahQ1qpSegS9KHGsUNaqTHsEPShxrBL Wqlx7BBMUeArqEnokFZqEroEfahx7JBWagw7BH2oMeySVmocOwRTFPgKahI6pJWahC5BH2ocO6SV GsMOQR9qDLuklRrHDsEUBb6CmoQOaaUmoUvQhxrHDmmlxrBD0Icawy5ppcaxQzBFga+gJqFDWqlJ 6BL0ocaxQ1qpMewQ9KHGsEtaqXHsEExR4CuoSeiQVmoSugR9qHHskFZqDDsEfagx7JJWahw7BFMU +ApqEjqklZqELkEfahw7pJUaww5BH2oMu6SVGscOwRQFvoKahA5ppSahS9CHGscOaaXGsEPQhxrD LmmlxrFDMEWBr6AmoUNaqUnoEvShxrFDWqkx7BD0ocawS1qpcewQTFHgK6hJ6JBWahK6BH2oceyQ VmoMOwR9qDHsklZqHDsEUxT4CmoSOqSVmoQuQR9qHDuklRrDDkEfagy7pJUaxw7B1K0U+H/4h3/4 +kaEEEIIIYQ4JHTgU4jL5wo8AAAAMAAKPAAAADAQCjwAAAAwEAo8AAAAMBAKPAAAADAQCjwAAAAw EAo8AAAAMBAKPAAAADAQCjwAAAAwEAo8AAAAMBAKPAAAADAQCjwAAAAwEAo8AAAAMBAKPAAAADAQ CjwAAAAwEAo8AACA8OnTp8OjR48ODx48OHz+/Pn6pze9ffv2cOfOnavcv3//8OHDh+tHxlGzndgX Cvxg4iSLBwuVi4uLw5cvX65fAeA2MDeBfamZkyGl0r1UbF+9enV48eLF1f+PRX7EEkyBHw8FfmCX l5eTA084mCwdkE7h/fv3hzdv3lz/6bhOuWzgFHrNzS1zhbmLc1cqp+nV87XlNYzvu3fvHt69e3f9 k5/nOSUYt4ECPzBVEoJYFG7zal9Yl9evX1//6bhOuWzgFHrNzS1zhbmLc7d0dTm9Ur9mbsbynxZ4 4LZQ4Ac2VxLiVYFTXulLxYPYKU7Up1w2cCo95uaWucLchYOa20M+fvx4uHfv3qoxG8c4BR49UOAH tqYkpCfT+P/Tg1l68AqpvQoRryimifcDBkvLTa98hPzqV786/OVf/uXVY0vLBvZqS4EPrymN9WPP FeYuXNQU+CCOW3VuTH8W53FpjC/Nn9ZzclzX8OUhXZ+5eba0PLWdQT7PS++B20WBH9hcSUgPQr// /e9vTL4//dM/Pbx8+fLqOfG1YfI/fPjw66SNB5N8giv/8R//ceNAlKpZbtiG9OpF+HM8OJSWDexZ zdzMT9TpSVGd0I89V5i7cFFb4GMRjnM3juEQ9dr4eH4FvjR/fvrpp6Zzcv76v/mbvzk8efLkal6W 1idsV/x5/HOcz3PbqfZb+sUBfVHgB6ZKQjoR0wmWHgDyUp6fiIPws9pJGpedn6iXlhuLS/qc8LN4 FS+YWzawZ2vmZniuKgfxRBlK8anmCnMXDmoLfBzXcZwHpdfGMa7mSmn+BPG1W8/J8fiQvj4W8/Ri QFz/9GdBWN5SWY8/S9+Deb0fFPiBxQmdR135m5t06QFLpWaSqmXXLDceHMKf84NVxMECI6qdm3Ge 5CfXID4WTqjp36Qdc64wd+FAlVMlHftxXJdeG8d4Ogdq5k8wNz/Wvl69d3o8ya++z6nZR/FLQ7oe 6IcCP7BQElRZV+YOFmFy/+IXvyguIx4A4sQNSd9XLbtmuUG+7PwgM7fewJ7Vzs04/lWBjyfUuJwt c4W5C9QX+Dim0zmytsDXzp+5+bH29el7qwKvnqfUbGdY7tx64/ZR4Ad2rAIfDlilyZ2fqENqSsDS clPpFUt18OFggZHUzs30xKio5ayZK8xdoL7Aq9tSthT4mvkzNz/Wvj59XqnAL83Due3Mj0HM6/2g wA+stiQEc5MuTnh1H154Tc1JXC27ZrnhgPHrX//6+qf//RoOFhhd7dyMJ2tVDtITariF5hRzhbkL B6USHsUxnI/Z0mvjGFcleumcOjc/1r5evXda4EvHmJTazvhavpjvEwV+YMco8HHShsfSA0Y4EHzz zTebl12z3PCcx48f3zio5AclDhYY0Zq5GZ6rxng8GYefn2quMHfhII7puRI7N+aD0mvzMR/UzJ9g bn6sff1SgU+Xl/48CMuIr1fbqdZxbr1x+yjwAztGgQ/it+zweJraCZp+Sw8Hgb//+7+/8fO55cYD RnqQCn+FOXcFIF12/KtODiLYozVzM550w3hOT8ZhGXFutMyVEuYuHMTxWirhIel4jkqvjWM5nbfB 0vwJWs/J8fVLBT5ItzFNur1qO+N6xJ+lx6rwHv/+7/9++M///M+r5+L2UeAHEydZPhFLZSEeZGLU QSqdmCFrT67xKmK+HqXlxpN6fG2IOkiqZVMCsDdb5makXnusubKEuYtzNTcn86hzYpDPgTiO85/H qDIdH0vHe+s5OZ13IaFM5yU9n4/5l4L0Pee2M0jXNSzzd7/73dfnzu033A4KPAAAADAQCjwAAAAw EAo8AAAAMBAKPAAAADAQCjwAAAAwEAo8AAAAMBAKPAAAADAQCjwAAAAwEAo8AAAAMBAKPAAAADAQ CjwAAAAwEAo8AAAAMBAKPAAAADAQCjwAAAAwEAo8AAAAMBAKPAAAADAQCjwAAAAwkEmBJ4QQQggh hOw/ocD/n/yHhBBCCCGEkP3lr/7qr/7v/wMev7C2zZDvuQAAAABJRU5ErkJggk== Se aplicó la prueba T-student para muestras independientes, debido a que el supuesto tanto de normalidad como de independencia si se tienen. Además, se consideró tanto las varianzas iguales como las varianzas distintas.En la Tabla 3, para el Grupo Pliometría se observa que la significancia del CMJ fue de 0.219 y del ABK de 0.128; el P-valor de la prueba (Sig. 2-tailed) es de 0.000 (tanto para igualdad de varianzas como para varianzas distintas), el cual es inferior al 0.05, lo cual indica que las diferencias si son significativas. En consecuencia, se puede concluir que el método de pliometría, desarrollado por los 8 jugadores de voleibol pertenecientes a la Universidad de las Ciencias Informáticas, en promedio es mejor que el método de sobrecargas aplicado a los otros 8 jugadores y evaluados a través de la altura promedio del salto CMJ.Tabla SEQ Tabla \* ARABIC 3. Prueba T-student, Significancia y 2-tailed de los test de CMJ y ABK para el Grupo Pliometría y Grupo Sobrecargas.DATOSSig.Sig. (2-tailed)CMJ 0.2190ABK0.1280Se deduce que las diferencias de los saltos CMJ y ABK mediante el método pliométrico (Grupo Pliometría) son mayores que sus correspondientes de los saltos CMJ y ABK del método de sobrecargas (Grupo Sobrecarga), lo que permite deducir que el método pliométrico es más eficiente que el método de sobrecargas. Esta afirmación se verificó mediante una prueba T-student para muestras independientes, determinando que las diferencias medias (promedio) entre los dos métodos son significativas.DISCUSIÓNTeniendo en cuenta los dos campos que se revisaron en el estudio, para el desarrollo de la fuerza explosiva, y los métodos de entrenamiento en los 16 jugadores de voleibol pertenecientes a la Universidad de las Ciencias Informáticas se realizaron las siguientes valoraciones.Para valorar la fuerza explosiva de tren inferior en el deporte del voleibol, encontramos diversos tipos de saltos en la literatura, entre los que los más utilizados por los entrenadores tenemos el salto vertical o sargento, el salto horizontal y los de la batería de contra movimiento (Bosco, C. & Riu, J.M.P. 1994), squat jump, drop jump y Abalakov, (Blasco, H., Ormazábal, V., Armijo, R., Pavez-Adasme, G., Fernandes Da Silva, S., Hernández-Mosqueira, C. & Arcay Montoya, R. 2017). Con relación a lo saltos utilizados en este estudio, (el contra movimiento y el Abalakov), encontramos a Luarte, C., González, M. & Aguayo, O. (2014), quienes con jóvenes españolas reportaron un salto similar, tanto en el CMJ como ABK, aunque en este último se realizó por posiciones de juego. Adicionalmente, Flores, A., Araya, S., Guzmán, R. & Montecinos, R. (2015), con jóvenes chilenas, registraron estos dos saltos muy similares a los del presente estudio.Por otra parte, estudios realizados con jóvenes brasileras, Levandoski, G. (2007) y con jóvenes chilenas, Flores, A., Araya, S., Guzmán, R. & Montecinos, R. (2015), reportaron saltos superiores a los de éste estudio, teniendo en cuenta que reportan las características de talla, peso y edad similares, lo cual puede deberse a los tiempos de entrenamiento, que fueron mayores a los de este estudio. Olmo Rubio, V.D. (2017), hace una relación de los métodos de entrenamiento para el desarrollo de la fuerza explosiva en tren inferior. Los más utilizados por los técnicos y preparadores físicos, según este autor, son los métodos pliométricos y multi saltos, electro estimulación, y ejercicios con cargas sub-máximas.Entre los estudios que utilizaron el método pliométrico, queremos destacar a (Flores, A., Araya, S., Guzmán, R. & Montecinos, R. 2015), quienes con jóvenes chilenas y luego de un entrenamiento de 7 semanas, lograron mejorar en aumento significativo en los saltos de squat jump, contra movimiento y Abalakov. Otro estudio de Velasco, J.M.I., Castan, J.C.R., Da Silva, L.O., López, L.M.M., Marcolin, E. & Campo, S.S. (2016), con jugadores jóvenes de deportes colectivos, combinaron el método pliométrico y la electro estimulación en dos meses de entrenamiento, logrando un aumento significativo con el entrenamiento pliométrico; sin embargo, produjo un estancamiento de los atletas. Por otra parte, García, L. (2005), con jóvenes argentinas combinó el método pliométrico con los multi saltos en 8 semanas de entrenamiento, incrementando de forma significativa la manifestación de fuerza potencia con el test de Abalakov y Squat jump. En la obra de Becerra, R. (2012), con jóvenes de hondureñas, también utilizó el método pliométrico durante 8 semanas en categoría juvenil, produciendo aumentos significativos en el mejoramiento de la saltabilidad del grupo, tanto en la prueba de Abalakov como en el CMJ.En el presente estudio, se utilizaron los métodos de pliometría y sobrecargas durante 8 semanas en los grupos estudiados, observando un aumento significativo de la fuerza del tren inferior con el método pliométrico, que no fue homogénea como en el método por sobrecargas. En cuanto al método por sobrecargas, aunque hubo aumento, este no fue significativo. Una de las probabilidades es por el nivel de entrenamiento previo que tenía el grupo, donde al parecer, la fase de acumulación en estos jugadores no fue asimilada adecuadamente, debido a una deficiente recuperación. Además, los ejercicios poseían muchas exigencias en relación al peso, por lo que en el entrenamiento no podían finalizar en algunas ocasiones de la manera más eficiente los mismos.Dentro de los estudios llevados a cabo con el método por sobrecargas, Floody, P.D., Poblete, A.O., Fuentes, R.M., & Mayorga, D.J. (2012) y Sixto, A.S., & Martín, P.F. (2017), evidencian a través del método por sobrecargas, la forma rápida de llevar a los deportistas a picos de preparación altos, debido a la cantidad de competencias y el tiempo que existe entre una y otra. Además, se evidenció que en uno de los meso ciclos de acumulación, fueron empleados los ejercicios de fuerza máxima como la base del programa de entrenamiento especializado, que mejoraron la fuerza explosiva y resistencia de fuerza. Por su parte, Verjoshansky, Y. (1979), aporta el modelo por sobrecargas, concebido en la idea de desarrollar un modelo cuya estructura permitiera desarrollar la fuerza de la mejor manera posible, especialmente en deportes de fuerza explosiva, lo cual se evidencia por Campos, R. (2003), de forma significativa con saltadores de salto triple. De igual manera, Forteza De la Rosa, A. (2000) y Forteza De la Rosa, A., & Farto, E.R. (2017), trabajan con deportistas de fútbol el método por sobrecargas, basado en el trabajo de fuerza, concentrado en un bloque de entrenamiento, aumentando significativamente la potencia de los jugadores.El método de pliometría, aplicado en los 16 jugadores de voleibol pertenecientes a la Universidad de las Ciencias Informáticas, en promedio es mejor que el método de sobrecargas, evaluado a través de la altura promedio del salto alto. Lo anterior se evidencia tanto en el salto CMJ como en el salto Abalakov, es decir, hubo mayor aumento promedio (ganancia) en la altura del salto en el entrenamiento.Con un nivel de significancia del 5%, se concluye que los métodos de entrenamiento con sobrecargas y pliométrico, desarrollados en los 16 jugadores de voleibol pertenecientes a la Universidad de las Ciencias Informáticas, si incrementan la fuerza explosiva. Se comprobó que el método pliométrico aplicado a los 16 jugadores de voleibol pertenecientes a la Universidad de las Ciencias Informáticas, incrementa más la fuerza explosiva del tren inferior, que el método con sobrecargas.REFERENCIAS BIBLIOGRÁFICASAcosta Rodríguez, E.R. (2013). Comparación del método pliométrico y el tirante muscular para el desarrollo de la capacidad de salto en mujeres voleibolistas de la ciudad de Bogotá. (Tesis doctoral no publicada) Universidad de Pamplona. Norte de Santander, Colombia.Becerra, R. (2012). Pliometría, más que una técnica de multisaltos. Lecturas, Educación Física y Deportes, 10(73).Blasco, H., Ormazábal, V., Armijo, R., Pavez-Adasme, G., Fernandes Da Silva, S., Hernández-Mosqueira, C. & Arcay Montoya, R (2017). Fuerza de Salto Vertical en jugadores de Voleibol Varones de distinto nivel Competitivo. Rev Horiz Cienc Act Fís, 1(8): 1-9.Bosco, C. (1996). El entrenamiento de la fuerza en voleibol. Revista de Entrenamiento Deportivo, 2(5-6): 57-62.Bosco, C. & Riu, J.M.P. (1994). La valoración de la fuerza con el test de Bosco. Barcelona: Paidotribo.Bosco, C., Komi, P.V., Tihanyi, J., Fekete, G., & Apor, P. (1983). Mechanical power test and fiber composition of human leg extensor muscles. European Journal of Applied Physiology and Occupational Physiology, 51(1): 129-135.Campos, R. (2003). Teoría y Planificación del Entrenamiento Deportivo. Barcelona: Paidotribo.Cujilema, A. & Patricio, F. (2017). La fuerza explosiva en el tren inferior en la técnica del saque en suspensión del voleibol en los estudiantes de segundo año de bachillerato de la Unidad Educativa Combatientes de Tapi en el periodo de marzo a agosto del 2016-2017. (Tesis de maestría no publicada). Universidad Nacional de Chimborazo. Ecuador.Flores, A., Araya, S., Guzmán, R. & Montecinos, R. (2015). Effect of a plyometric training program on jumping biomechanics in female youth volleyball players. Revista Ciencias de la Actividad Física UCM, 16(1): 37-44. Forteza De la Rosa, A. (2000). Direcciones del entrenamiento deportivo (IIª parte). Lecturas, Educación Física y Deportes, 5(27).Forteza De la Rosa, A., & Farto, E.R. (2017). Teoría, Metodología y Planificación del Entrenamiento: De lo ortodoxo a lo contemporáneo. España: Wuanceulen Editorial.Floody, P.D., Poblete, A.O., Fuentes, R.M., & Mayorga, D.J. (2012). Análisis del desarrollo de la fuerza reactiva y saltabilidad, en basquetbolistas que realizan un programa de entrenamiento polimétrico. Revista Motricidad y Persona, (10): 33-44.Gabbett, T., Georgieff, B., Anderson, S. & Cotton, B. (2006) Changes in skill and physical fitness following training in talent identified volleyball players. J Strength Cond Res; 20(1): 29-35.García, L. (2005). Análisis de las adaptaciones inducidas por cuatro semanas de entrenamiento pliométrico. Revista Internacional de Medicina y Ciencias de la Actividad Física y el Deporte, 5(17): 68- 76.Juárez, D., Navarro, F., Aceña, R.M., González, J.M., Arija, A. & Muñoz, V. (2008). Relación entre la fuerza máxima en squat y acciones de salto, sprint y golpeo de balón. Revista Internacional de Ciencias del Deporte, 10(4): 1-12. Levandoski, G. (2007). Característica de la composición corporal en jugadores de voleibol. Revista Digital de Educación Física (EmásF), 31(4):1198-1204.Luarte, C., González, M. & Aguayo, O. (2014). Evaluación de la fuerza de salto vertical en voleibol femenino en relación a la posición de juego. Revista de Ciencias de la Actividad Física UCM, 15(2): 43-52.Marín, V.L. & Melgarejo, V.M. (2016). Dos métodos de entrenamiento de la fuerza explosiva en tren inferior de voleibolistas. Estudio comparativo. Revista Salud, Historia y Sanidad On-Line, 11(2): 67-78.Velasco, J.M.I., Castan, J.C.R., Da Silva, L.O., López, L.M.M., Marcolin, E. & Campo, S.S. (2016). Efectos de dos tipos de entrenamiento complejo en fuerza máxima y potencia en jugadores jóvenes de deportes colectivos. Revista Brasileira de Prescrição e Fisiología do Exercício, 9(53): 290-302.Naclerio Ayllón, F. & Jiménez Gutiérrez, A. (2007). Entrenamiento de la fuerza contra resistencias: cómo determinar las zonas de entrenamiento. Journal of Human Sport and Exercise, 2(11): 42-52. Olmo Rubio, V.D. (2017). Revisión bibliográfica sobre el entrenamiento en circuito con sobrecargas. (Tesis de maestría publicada). Universidad de León. España. Disponible en: http://buleria.unileon.es/xmlui/bitstream/handle/10612/6961/2016-17%20%28SEP%29%20OLMO_RUBIO_VITOR_DEL.pdf?sequence=1Sánchez-Sánchez, J., Pérez, S., Yagüe, J.M., Royo, J.M. & Martín, J.L. (2015). Aplicación de un programa de entrenamiento de fuerza en futbolistas jóvenes. Revista Internacional de Medicina y Ciencias de la Actividad Física y del Deporte, 15(57): 45-59. Sixto, A.S., & Martín, P.F. (2017). Efecto del entrenamiento combinado de fuerza y pliometría en variables biomecánicas del salto vertical en jugadoras de baloncesto. Retos: nuevas tendencias en educación física, deporte y recreación, (31): 114-117.Verjoshansky, Y. (1979). Principios de la estructuración entrenamiento en las modalidades atléticas de fuerza explosiva. Liogkaja Atletika, (8).Entrenamiento de la… Yordan Portela-Pozo, Elizabeth Rodriguez-Stiven, Armando Pérez-Fuentes__________________________________________________________________