indice
Anuncio
.- , INDICE Introducción Capítulo 1. Minería , de datos: Conceptos, XVII ; 1 técnicas y sistemas .............................. Aproximación al concepto de minería de datos ............................................... El proceso de extracción del conocimiento ...................................................... Técnicas de minería de datos............................................................................ Sistemas de minería de datos ........................................................................... 1 3 8 10 Capítulo 2. Entorno 13 de trabajo de SPSS Clementine............................................. Introducción a Clementine ............................................................................... Usando el ratón............................................................................................. Ayuda en Clementine ,'....................................................... Panel de control en Clementine :..................................................... Ejemplo de trabajo con Clementine ;.................................................... Insertar un nodo fuente (origen) de datos en el área de trabajo.................... Enlazar un nodo con una fuente de datos ..................................................... Controlar la carga de datos con el nodo Tabla ............................................. Definir variables predictoras con el nodo Tipo ............................................ Utilizar un nodo de modelado ...................................................................... Ejecutar una ruta :.................. Interpretar un modelo ................................................................................... Predecir con un modelo ............................................................................... Guardar un modelo ...................................................................................... Nodos de orígenes de datos .............................................................................. Nodosde operacionesconregistros , 13 16 16 18 21 22 23 25 27 29 29 32 34 34 35 35 VIII MINERíA DE DATOS. TÉCNICAS Y HERRAMIENTAS Nodos Nodos Nodos Nodos 36 37 38 40 de operaciones con campos................................................................... para gráficos """""""""""""""""""""""""""'""""""""""""""""" para modelado ....................................................................................... de salida :......................................................................................... Miner..................................... 41 Introducción aSAS Enterprise Miner .............................................................. Comenzando con SAS Enterprise Miner...................................................... Inicio de un proyecto nuevo ,..................................................... 41 43 Capítulo 3. Entorno de trabajo de SAS Enterprise Menú principal de SAS Enterprise Miner Capítulo 4. Fase de selección en minería de datos................................................. . 58 63 65 67 73 73 74 77 78. 82 85 91 95 99 101 101 102 104 105 Capítulo 5. Fase de selección en SAS Enterprise 109 La fase de El nodo El nodo El nodo El nodo El nodo selección en Enterprise Miner......................................................... Fuente de Datos .............................................................................. Muestreo """""""""""""""""""""""""""""""""""""""""""'" de Partición de Datos ..................................................................... de Selección de Variables ,.................... de Series Temporales """"""""""""""""""""""""""""'"........... Técnicas de muestJ Diseños complej Creación de u Asistente de mn Asistente de mu; Preparación de 1 Creación de lJ Preparación de 1 Cálculos en mw tablas de eon1 Selección de casm Selección de ea: Selección de fe, Selección de un Semilla de alea1 58 Selección en el proceso de extracción del conocimiento ................................. Recopilación e integración de datos: Data Warehouse ................................ Data Warehouse y Data Mining .................................................................. Selección de datos mediante muestreo "................................ Muestreo aleatorio simple :.......................... Muestreo estratificado .................................................................................. Muestreo sistemático .................................................................................... Muestreo unietápico de conglomerados ....................................................... Muestreo bietápico de conglomerados ......................................................... Muestreo polietápico de conglomerados ...................................................... Diseños complejos: Bietápico con estratificación en primera etapa ............ Selección de números aleatorios: Método de Montecarlo................................ Selección de características relevantes............................................................. Análisis de correlaciones ,........ Miner y SPSS Clementine........ Capítulo 6. Fase d4 47 48 """""""""""""""""""""""""" Ejemplo de trabajo con SAS Enterprise MiIier ............................................... Leer ficheros y enlazarlos con Enterprise Miner mediante el nodo Input Data Source .................................................................................... Definir tipos de variables con el nodo Input Data Source ........................... Enlace de nodos de un diagrama. El nodo Data Partition ........................... Utilizar un nodo de modelado ...................................................................... La fase de selecciól Importación de d Importación de d Importación de d Importación de e! Selección de date Muestreo de dat Operadores para 1: Operadores arit Operadores rel< Operadores lóg Funciones de gen! Selección de lavaiJ Declarando I Seleccionandol Seleccionandol Seleccionando Seleccionando Operadores para J Operadores ar Operadores de Operadores ló Operadores MJ Orden de eval1 Funciones de ge Cálculos con fun 109 109 117 122 125 129 lo íNDICE "'" .................. 36 37 38 40 ......................... 41 ...................... ...................... ...................... ...................... ...................... nodo ..................... ..................... ..................... ..................... 41 43 47 48 58 58 63 65 67 ....................... 73 ....................... . , ,.................... ..................... .................... .................... .................... .................... .................... .................... .................... ,................... . ................... ................... 73 74 77 78 82 85 91 95 99 101 101 102 104 105 '11entine........ 109 tapa """""" ................... .................. .................. .................. .................. .................. .................. 109 109 117 122 125 129 La fase de selección en SPSS Clementine........................................................ Importación de datos ASCII......................................................................... Importación de datos de una fuente ODBC (Access, Excel, etc.) ............... Importación de datos de .SPSS..................................................................... Importación de datos de SAS ....................................................................... Selección de datos ........................................................................................ Muestreo de datos ........................................................................................ Capítulo 6. Fase de selección en SPSS Muestras Complejas y SAS Base ........... Técnicas de muestreo a través de SPSS ........................................................... Diseños complejos y el asistente de muestreo. Creación de un nuevo plan de muestreo................................................... Asistente de muestreo: modificar un plan existente ..................................... Asistente de muestreo: ejecutar un plan de muestreo dado .......................... Preparación de una muestra compleja para su análisis: Creación de un nuevo plan de análisis ..................................................... Preparación de una rimestra compleja para su análisis................................. Cálculos en muestras complejas: Frecuencias, descriptivos, tablas de contingencia y razones ,........................................... Selección de casos en SPSS ............................................................................. Selección de casos mediante criterios condicionales ................................... Selección de fechas, horas y filas ................................................................. Selección de una muestra aleatoria............................................................... Semilla de aleatorización.............................................................................. Operadores para la selección en SPSS ............................................................. Operadores aritméticos................................................................................. Operadores relacionales ............................................................................... Operadores lógicos ....................................................................................... Funciones de generación de números aleatorio s en SPSS................................ Selección de la información en SAS Base ....................................................... Declarando valores perdidos con la sentencia MISSING ............................ Seleccionando información por grupos: sentencia BY................................ Seleccionando variables de frecuencias: sentencia FREQ ........................... Seleccionando variables de pesos: sentencia WEIGTH............................... Seleccionando variables de identificación: Sentencia ID............................. Operadores para la selección en SAS ............................................................... Operadores aritméticos................................................................................. Operadores de comparación :;...................... Operadores lógicos o booleanos................................................................... Operadores MIN, MAX y .concatenación.................................................... Orden de evaluación de los operadores en las expresiones .......................... Funciones de generación de números aleatorio s en SAS ................................. Cálculos con funciones en SAS........................................................................ IX 139 140 140 143 145 148 149 151 151 152 161 164 164 168 168 174 174 175 175 176 176 176 177 177 177 180 180 180 182 183 184 184 185 185 186 187 188 189 191 x MINERíA DE DATOS. TÉCNICAS Y HERRAMIENTAS Capítulo 7. Fase de exploración en minería de datos ............................................ 193 Exploración en el proceso de extracción del conocimiento ............................. Análisis exploratorio : """""""""""""""', Herramientas de exploración .visual................................................................ Histograma de frecuencias ........................................................................... Diagrama de tallo y hojas ............................................................................. Gráfico de caja y bigotes .............................................................................. Gráfico múltiple de caja y bigotes................................................................. Gráfico de simetría ....................................................................................... Gráfico de dispersión ,................................................ Gráficos para variables cualitativas :.............................................. Herramientas de exploración formal................................................................ Contrastes de la bondad de ajuste a una distribución: Test de la Chi-cuadrado.... 193 194 194 195 196 198 199 201 203 205 207 208 Contraste de Kolmogorov-Smimov Lilliefors de la bondad de ajuste a una distribución ..................................................................................... Estadísticos robustos de centralización ........................................................ Estadísticos robustos de dispersión .............................................................. Estadísticos robustos de asimetría y curtosis................................................ Contrastesde aleatoriedad............................................................................ Transformaciones de las variables.................................................................... Supuestos subyacentes en las técnicas de minería de datos ............................. Normalidad................................................................................................... Heteroscedasticidad. ....................... Multicolinealidad ,.................... Autocorrelación ............................................................................................ Linealidad..................................................................................................... Un ejemplo ....................................................................................................... 209 211 212 214 216 220 221 221 225 227 227 228 230 Capítulo 8. Fase de exploración en SAS Enterprise Miner y SPSS Clementine 239 ,.................... La fase de exploración en Enterprise Miner..................................................... El nodo Explorador de .distribuciones......................................................... El nodo Multigráficos................................................................................... El nodo de exploración de patrones La fase de El nodo El nodo El nodo El nodo El nodo El nodo El nodo """""""""""""""""""""""""""""'" exploración en SPSS Clementine.................................................... Gráfico """"""""""""""""""""""""""'"..................................... Distribución .................................................................................... Histograma ..................................................................................... Malla ............................................................................................... Malla Direccional........................................................................... Gráfico Múltiple ............................................................................. Recolectar """"""""""""""'" Capítulo 9. Fase de e: Análisis exploratorio ( Gráficos de análisis e) Tipos de gráficos ... Histogramas........... Gráficos de normal Gráficos de caja y t Gráficos de dispers Gráficos interactivos ~ Creación interactiv: Gráficos interactiv( Histogramas interal Diagramas interact Análisis exploratorio Contraste de aleato Contraste de ajuste Prueba de Kolm Análisis exploratorio e Gráficos de análisis e Gráficos exploratoJ Gráficos explorato Gráficos explorato Capítulo 10. Fases d Limpieza y transfom del conocimiento. Valores atípicos (OU Información faltante Soluciones para lo de información Transformación de d Transponer, fusior Ponderar casos y e Pareamiento o ma¡ Transformación de d Componentes prin Análisis factoria!.. 239 239 243 250 266 267 270 271 273 274 275 276 L- ~ íNDICE .............. 193 193 194 194 195 196 198 199 201 203 205 207 drado.... 208 e 209 211 212 214 216 220 221 221 225 227 227 228 230 Capítulo 9. Fase de exploración en SPSS y SAS............................................ 277 Análisis exp1oratorio de datos con SPSS. Procedimiento Explorar................. Gráficos de análisis exploratorio con SPSS ..................................................... Tipos de gráficos .......................................................................................... Histogramas.................................................................................................. Gráficos de normalidad ................................................................................ Gráficos de caja y bigotes ............................................................................ Gráficos de dispersión .................................................................................. Gráficos interactivos dinámicos de análisis exploratorio con SPSS ................ Creación interactiva de gráficos a partir de tablas........................................ Gráficos interactivos de caja y bigotes......................................................... 277 282 282 283 283 286 288 290 297 298 299 301 303 303 Histogramas interactivos """""""""""""""""""""""""""........................ Diagramas interactivos de dispersión........................................................... Análisisexploratorio formal con SPSS 239 ,.......... 239 t......... 243 250 266 267 270 271 273 274 275 276 """""""""""""""""""""""""""""" Contraste de aleatoriedad. Procedimiento Prueba de rachas ...................... Contraste de ajuste a una distribución de frecuencias. Procedimiento Prueba de Kolmogorov-Smirnov.............................................................. Análisis exploratorio de los datos con SAS Base. Procedimiento Univariate ...... Gráficos de análisis exploratorio con SAS ....................................................... Gráficos exploratorios de alta resolución. Procedimiento GCHART........... Gráficos exploratorios de mapas: Procedimiento GMAP ............................ Gráficos exploratorios de caja y bigotes: Procedimiento BOXPLOT .......... Capítulo 10. Fases de limpieza y transformación de datos ............................ 304 305 318 318 322 328 333 Limpieza y transformación de datos en el proceso de extracción delconocimiento 239 XI """""""""""""""""" Valores atípicos (Outliers) ............................................................................... Información faltante (Datos missing) :..................................................... Soluciones para los datos ausentes: Supres~ón de datos e imputación de información faltante ~,................................................ Transformación de datos .................................................................................. Transponer, fusionar, agregar, segmentar y ordenar atchivos...................... Ponderar casos y categorizar y numerizar variables..................................... Pareamiento o matching ............................................................................... Transformación de datos mediante técnicas de reducción de la dimensión ..... , Componentes principales ............................................................................. Análisis factorial """""""""""""""""""""'" 333 333 337 343 346 346 347 348 349 350 357 XII MINERíA DE DATOS. TÉCNICAS Y HERRAMIENTAS Capítulo 11. Las fases de limpieza y transformación de datos en SASEnterprise Miner y SPSS Clementine................................................. El nodo Transformación de variables .......................................................... El nodo Asignación de atributos "..................... Tratamiento de los datos atípicos con el nodo Filtro de Outliers ................ El nodo Imputación de datos .missing.......................................................... El nodo Exploración de patrones para Componentes Principales ............... Lasa fases de limpieza y transformación de datos en Clementine ................... El nodo Seleccionar...................................................................................... El nodo Muestra para procesos de muestreo................................................ El nodo Combinar para procesos de matching ,. El nodo Equilibrar........................................................................................ El nodo Ordenar........................................................................................... El nodo Agregar para calcular estadísticos por subgrupos .......................... El nodo Distinguir ".................................. El nodo Añadir para concatenación de archivos .......................................... El nodo Filtrar.............................................................................................. El nodo Derivar para transformación de variables....................................... El nodo Tipo para asignar atributos a variables............................................ El nodo Rellenar para imputación de datos missing .................................... El nodo Factor/PCA para Análisis Factorial y Componentes Principales... 365 365 371 378 384 393 400 402 404 405 407 408 409 411 411 412 413 415 416 417 Capítulo 12. Fases de limpieza y transformación 427 Las fasesde limpiezay transformaciónde datosen EnterpriseMiner Componentes prinl Procedimiento 1 Análisis factorial e Transformación de d: Operaciones con ti Actualizando ficht Añadir informació Tipificación de da' 365 ~. de datos en SPSS y SAS.. Técnicas de reducción de la dimensión en SPSS Base..................................... Componentes principales con SPSS............................................................. Análisis factorial con SPSS .......................................................................... Transformación de datos en SPSS Base........................................................... Transformación de valores de datos ............................................................. Remodificación de variables ".............. Ordenar casos ............................................................................................... Transponer, fusionar, agregar y segmentar archivos. Matching .................. Ponderar casos "........... Categorizar variables: Categorizador visuaL................................................ Asignar rangos a casos y tipificar variables ................................................. SPSS y el análisis de datos missing. Imputación.............................................. Reemplazar valores perdidos........................................................................ Detección de valores atípico s en SPSS ............................................................ Detección de casos atípico s mediante gráficos de control........................... Detección de casos atípicos mediante gráficos de caja y bigotes................. Técnicas de reducción de la dimensión en SAS STAT .................................... Capítulo 13. Fase de Técnicas de minena Técnicas predictivas Modelo de regresión Estimación del mI Estimación del mi del cálculo mat Análisis de la var Predicciones........ Análisis de los re: Técnicas de selec Modelos de elecciól Modelos de elecc regresión logís Modelos de elecc Modelo lineal genel Clasificación ad ho, Hipótesis en el ID Estimación del ID Clasificación me, 427 428 439 447 447 449 451 451 458 459 462 463 469 470 470 472 475 Capítulo 14. Técni. SAS Enterprise j Técnicas predictiva El nodo Regress¡ El nodo Regressi El nodo Regressí Técnicas predictiva El nodo RegresÜ El nodo RegresÜ ~ ríNDICE tos en """"""""""""'" ¡seMiner . """""" ............................ """"""""""""" lutliers """""""" ........................... lcipales ............... 1tine """"""""'" ........................... """"""""""""'" ........................... ........................... """"""""""""'" """"""""""""" ........................... """"""""""""'" ........................... ........................... """"""""""""'" """"""""""""'" tes Principales... ~nSPSSySAS.. """"""""""""'" """"""""""""'" ........................... """"""""""""'" ........................... """"""""""""" ........................... ~ing """"""""" """"""""""""" """"""""""""', """"""""""""" .......................... """"""""""""" """"""""""""" """"""""""""" gotes................. """"""""""""" . 365 365 365 , 371 378 384 393 400 402 404 405 407 408 409 411 411 412 413 415 416 417 427 427 428 439 447 447 449 451 451 458 459 462 463 469 470 470 472 475 Componentes principales en SAS. Procedimiento PRlNCOMP y Procedimiento FACTOR .......................................................................... Análisis factorial en SAS. Procedimiento FACTOR .................................... Transformación de datos en SAS Base ............................................................ Operaciones con ficheros: Concatenación y Matching ................................ Actualizando ficheros de datos SAS 475 482 487 487 489 491 494 """""""""""""""""""""""""""""" Añadir información. Procedimiento APPEND............................................. Tipificación de datos: Procedimiento STANDARD...................................... Capítulo 13. Fase de minería de datos. Técnicas predictivas de modelización ... Técnicas de minería de datos propiamente dichas ........................................... Técnicas predictivas para la modelización....................................................... Modelo de regresión múltiple........................................................................... Estimación del modelo lineal de regresión múltiple XIII """""""""""""""""" Estimación del modelo, contrastes e intervalos de confianza a través del cálculo matricial ................................................................................. Análisis de la varianza en el modelo de regresión múltiple ......................... Predicciones.................................................................................................. Análisis de los residuos ................................................................................ Técnicas de selección en el modelo de regresión......................................... Modelos de elección discreta ........................................................................... Modelos de elección discreta binaria: Modelo lineal de probabilidad y regresión logística binaria ........................................................................ Modelos de elección múltiple: Modelo Logit Multinomial ......................... Modelo lineal general de regresión múltiple (GLM) ....................................... 497 497 498 504 505 506 507 510 511 512 513 Clasificación mediante el modelo discriminante.......................................... 514 519 521 521 522 523 525 Capítulo 14. Técnicas predictivas tie modelización con SAS Enterprise Miner y SPSS Clementine................................................. 529 Técnicas predictivas de modelización con SAS Enterprise Miner................... El nodo Regression: Modelo de regresión múltiple ..................................... El nodo Regression: Modelo lineal general GLM........................................ El nodo Regression: Modelo de elección discreta Logit y Probit ................ Técnicas predictivas de modelización con SPSS Clementine.......................... El nodo Regresión Lineal: Modelo de regresión múltiple............................ El nodo Regresión Logística: Modelos de elección discreta ....................... 529 530 538 551 554 555 561 Clasificaciónad hoc: Análisis discriminante """"""""""""""""""""""""'" Hipótesis en el modelo discriminante........................................................... Estimación del modelo discriminante """"""""""""""""""""""""""""" XIV MINERíA DE DATOS. TÉCNICAS Y HERRAMIENTAS Capítulo 15. Técnicas predictivas de modelización con SAS y SPSS """""" El modelo lineal general con SAS. Procedimiento GLM................................. Modelos del análisis deJa varianza y la covarianza con SAS.......................... Modelo de elección discreta en SAS : Modelo Logit: Procedimiento LOGISTIC.................................................... Modelo Probit: Procedimiento PROBIT ...................................................... SAS y el análisis discriminante: Procedimiento DISCRIM ............................. El modelo lineal general con SPSS. Procedi¡niento MLG Multivariante ........ Modelo de elección discreta en SPSS """""",""""""""""""""""""""""""" Modelo Logit: Procedimiento LOGISTICA MULTINOMIAL...................... Modelo Probit: Procedimiento PROBIT :.............................................. SPSS y el análisis discriminante....................................................................... 565 Capítulo 18. Clusters 565 571 574 574 579 581 585 593 593 599 601 SPSS y el análisis c/u SPSS y el análisis c/u SAS y el análisis clus Procedimiento A O Procedimiento CLI Procedimiento TRl SAS y el análisis c1us Árboles de decisión ( Creación de un árb Métodos CR T y Q Capítulo 19. Redesn Capítulo 16. Técnicas descriptivas y predictivas de clasificación. C/usters y árboles de decisión ..................................................................... 11 El análisis cluster como técnica descriptiva de clasificación ........................... Medidas de similitud """"""""""""""""""""""""""""............................ Técnicas en el análisis cluster ...................................................................... Clusters jerárquicos, secuenciales, aglomerativos y exclusivos (S.A.H.N.) ..... El dendograma en el análisis cluster jerárquico ........................................... Análisis cluster no jerárquico ....................................................................... Los árboles de decisión como técnica predictiva de clasificación ................... Características de los árboles de decisión .................................................... Herramientas para el trabajo con árboles de decisión :..................... Árboles CHAID............................................................................................ Árboles CART.............................................................................................. Árboles QUEST """""""""""""""""""""""""""'".................................. Análisis de conglomerados y árboles de decisión como métodos de segmentación ........................................................................................... 609 609 610 614 616 617 617 621 622 626 627 628 630 Capítulo 20. Redes I y SPSS ClementÍl Redes neuronales ca Optimización y aj Análisis en comp< Nodo Princoml Predicción y análi Nodo Two Sta! Análisis cluster C Redes neuronales cc Nodo Entrenar re Nodo Entrenar K, Nodo Entrenar K 631 Capítulo 17. Clusters y árboles de decisión con SAS Enterprise Miner y SPSS Clementine ...................................................................................... 633 Análisis cluster con Enterprise Miner. El nodo Clustering.............................. Árboles de decisión con Enterprise Miner. El nodo Tree ................................ Entrenamiento interactivo (Interactive Training) ........................................ Análisis cluster con SPSS Clementine ............................................................. El nodo Entrenar K-medias: Cluster no jerárquico...................................... El nodo Cluster Bietápico: Cluster jerárquico Árboles de decisión con SPSS Clementine ...................................................... El nodo Crear C5.0 ...................................................................................... El nodo Arbol C&R """"""""""""""""""""",""""""""............................ 633 641 652 656 656 661 662 662 664 """""""""""""""""""""'" Descripción de una fI Definición............ Función de salida: Redes neuronales y a Aprendizaje en las re Funcionamiento de u El algoritmo de apre] Análisis discriminan Análisis de series ter Análisis de compone Clustering mediante Índice ~ alfabético ..., ... íNDICE XV IS............ 565 Capítulo 18. Clusters y árboles de decisión con SAS y SPSS ........................ 665 """"""'" ............... ............... 565 571 574 SPSS y el análisis cluster jerárquico ................................................................ """"""'" 574 """"""'" Procedimiento CLUSTER............................................................................. Procedimiento TREE """"""""""""""""""""""""""""".......................... SAS y el análisis cluster no jerárquico ............................................................. Árboles de decisión (o clasificación) con SPSS............................................... Creación de un árbol de decisión: Método CHAID ..................................... Métodos CRT y QUEST. Poda de árboles """"""""""""""""""""""""'" 665 671 675 675 677 678 681 687 689 695 Capítulo 19. Redes neuronales........................................................................ 699 Descripción de una red neuronal...................................................................... Definición..................................................................................................... Función de salida y funciones de transferencia o activación ....................... Redes neuronales y ajuste de modelos de regresión......................................... Aprendizaje en las redes neuronales................................................................. Análisis de componentes principales con redes neuronales ............................. Clustering mediante redes neuronales.............................................................. 699 699 701 703 704 707 708 709 713 715 717 Capítulo 20. Redes neuronales con SAS Enterprise Miner y SPSS Clementine ...................................................................................... 721 """"""'" 579 581 'lnte """" 585 ............... 593 593 599 601 """"""'" ............... """"""'" ............... 609 """"""'" 609 610 ............... """"""'" H.N.)..... ............... "............. "............. 614 616 617 617 621 .............. 622 626 627 628 630 """"""" 631 iner .............. 633 1............. .............. .............. 633 641 652 """"""" 656 656 661 662 662 664 """"""" .............. .............. """"""" """"""" .............. .............. ............. ............. SPSSy el análisis cluster no jerárquico SASy el análisis cluster jerárquico :......................................................... """"""""""""""""""""""""""""'" ProcedimientoACECLUS Funcionamientode una red neuronal """"""""""" """"""""""""""""""""""""""""""'" El algoritmo de aprendizaje Retropropagación (Back-Propagation)............... Análisis discriminante a través del Perceptrón................................................. Análisisde series temporales mediante redes neuronales """""""""""""""" Redes neuronales con SAS Enterprise Miner................................................... Optimización y ajuste de modelos con redes: Nodo Neural Network .......... Análisis en componentes principales a través de redes neuronales: Nodo Princomp/Dmneural ,................................................... Predicción y análisis discriminante a través de redes neuronales: Nodo Two Stage Model............................................................................ Análisis cluster con redes neuronales: Nodo SOM/Kohonen ....................... Redes neuronales con SPSS Clementine.......................................................... Nodo Entrenar red ,................... Nodo Entrenar Kohonen .............................................................................. Nodo Entrenar K-medias.............................................................................. Índice alfabético .............................................................................................. 721 722 745 751 756 765 765 769 771 775
