Está en la página 1de 22

ndice

INTRODUCCIN
SERIES DE TIEMPO...........................................................................3
1. MODELO CLSICO DE SERIES DE TIEMPO......................................6
2. ANLISIS DE FLUCTUACIONES......................................................8
3. ANLISIS DE TENDENCIA............................................................11
4. PRONSTICOS BASADOS EN FACTORES DE TENDENCIA Y
ESTACIONALES...............................................................................14
5. PROBLEMAS RESUELTOS............................................................16
-ANLISIS DE TENDENCIA.........................................................................16
-PRONSTICOS BASADOS EN FACTORES DE TENDENCIA Y ESTACIONALES............18
6. RESULTADOS CON MINITAB........................................................20
BIBLIOGRAFA................................................................................22

Introduccin
Definicin de serie de tiempo: Es una secuencia ordenada de valores de una
variable en intervalos de tiempo peridicos y consecutivos.
Aplicacin: la aplicacin de estos mtodos tiene dos propsitos: comprender las
fuerzas de influencia en los datos y descubrir la estructura que produjo los datos
observados. Ajustar el modelo y proceder a realizar pronsticos, monitoreo,
retroalimentacin y control en avance.

SERIES DE TIEMPO
Toda institucin, ya sea la familia, la empresa o el gobierno, tienen que hacer
planes para el futuro si ha de sobrevivir y progresar. Hoy en da diversas
instituciones requieren conocer el comportamiento futuro de ciertos fenmenos
con el fin de planificar, prever o prevenir.
Debido a que las condiciones econmicas y comerciales varan en el
tiempo, los lderes de los negocios deben encontrar formas de mantenerse al da
respecto a los efectos que esos cambios tendrn en sus operaciones. Una tcnica
que pueden usar los lderes de negocios como ayuda en la planeacin de las
necesidades operativas en lo futuro es el pronstico. Aunque se han desarrollado
numerosos mtodos para pronosticar, todos tienen un objetivo comn, predecir los
eventos futuros de manera quelas proyecciones se puedan incorporar en el
proceso de toma de decisiones.
Suponga que necesitamos hacer pronsticos trimestrales para el volumen
de ventas de determinado producto durante el prximo ao. Los programas de
produccin, las compras de materias primas, las polticas de inventarios y las
cuotas de venta sern afectados, todos, por esos pronsticos. Entonces, los malos
pronsticos darn como resultado una mala planeacin y, en consecuencia,
aumentarn los costos de la empresa. Cmo se hace para elaborar los
pronsticos trimestrales del volumen de ventas?
Desde luego que se deben considerar los datos reales de ventas del
producto en periodos pasados. Con tales datos histricos podemos identificar el
nivel general de ventas y cualquier tendencia, como aumento o disminucin en el
volumen a travs del tiempo. Por ejemplo, un examen ms detallado de los datos
puede revelar un comportamiento estacional, como el de los picos que se
presentan en el tercer trimestre de cada ao y los mnimos durante el primer
trimestre. Al repasar los datos histricos se puede, con frecuencia, adquirir una
mejor comprensin de la tendencia de las ventas en el pasado para poder
pronosticar las ventas del producto en el futuro de una mejor manera.
Las ventas histricas forman una serie de tiempo que es un conjunto de
observaciones de una variable medida en puntos o periodos sucesivos en el
tiempo.
En esencia, existen dos enfoques de pronsticos: cualitativo y cuantitativo.
Los mtodos de pronstico cualitativos son importantes en especial cuando
no se dispone de datos histricos, como sera el caso de un departamento de
finanzas que desea pronosticar los ingresos de una compaa nueva. Los mtodos
3

de pronstico cualitativos se consideran altamente subjetivos o basados en la


opinin. Incluyen el mtodo de elaboracin de escenarios, la opinin de expertos y
la tcnica Delphi.
Mtodo Delphi. El mtodo dlfico, desarrollado en principio por un grupo de
investigacin de la Rand Corporation. Trata de determinar pronsticos mediante
consenso de grupo. En forma normal, a los miembros de un equipo de expertos,
todos ellos separados fsicamente y desconocidos entre s, se les pide contestar
una serie de cuestionarios. Se tabulan las respuestas del primer cuestionario y
stas se usan para preparar un segundo cuestionario que contiene la informacin
y las opiniones de todo el grupo. A continuacin se pide a cada encuestado
reconsiderar y, posiblemente, corregir sus respuestas anteriores a la vista de la
informacin obtenida con el grupo.
Este proceso continua hasta que el coordinador siente que ha alcanzado
cierto nivel de consenso. El objetivo del mtodo dlfico no es llegar al resultado de
una sola respuesta, sino producir un conjunto compacto de opiniones dentro del
cual est la mayora de los expertos.
Opinin de expertos. Con frecuencia, los pronsticos se basan en el juicio de
un solo experto, o representan el consenso de un grupo de expertos. Por ejemplo,
cada ao se rene un grupo de expertos en Merrill Lynch con el fin de pronosticar
el nivel del promedio industrial Dow Jones y la tasa prima para el siguiente ao. Al
hacerlo, los expertos se basan, de manera individual en informacin que cree que
influye en el mercado accionario y las tasas de inters, a continuacin combinan
sus conclusiones en forma de un pronstico. No se usa modelo formal alguno, y
es improbable que dos expertos cualesquiera visualicen de la misma forma la
misma observacin.
La opinin de expertos es un mtodo de pronstico que se recomienda
normalmente cuando es probable que las condiciones en el pasado no rijan en el
futuro. Aunque no se usa modelo cuantitativo formal, el juicio experto ha producido
buenos pronsticos en muchos casos.
Elaboracin de escenarios. Este mtodo consiste en desarrollar un escenario
conceptual del futuro, basado en un conjunto bien definido de supuestos. Los
distintos conjuntos de supuestos producen diferentes escenarios. La tarea de
quien toma decisiones es decidir lo probable que es cada escenario y, a
continuacin, tomar las decisiones pertinentes.
Por otro lado, los mtodos de pronstico cuantitativo utilizan los datos
histricos. La meta es estudiar lo que ocurri en el pasado para entender mejor la
estructura fundamental de los datos y proporcionar los medios necesarios para
predecirlos sucesos futuros.
Los mtodos de pronstico cuantitativos se dividen en dos tipos: series de
tiempo y causales.
4

Los mtodos de pronstico de series de tiempo implican la proyeccin de los


valores futuros de una variable basada por completo en las observaciones
pasadas y presentes de esa variable.
Series de tiempo. Una serie de tiempo es un conjunto de valores numricos
obtenidos en periodos iguales en el tiempo.
Los mtodos de pronstico causales comprenden la determinacin de factores
relacionados con la variable que se predice, e incluyen anlisis con variables
retrasadas, modelado economtrico, anlisis de indicador lder, ndice de difusin
y otros medidores econmicos.
Clasificacin de los mtodos de pronstico.

1. MODELO CLSICO DE SERIES DE TIEMPO


Una serie de tiempo es un conjunto de valores observados, tales como datos de
produccin o ventas, para series ordenadas secuencialmente de periodos de
tiempo. Algunos ejemplos de estos datos son las ventas de un producto
determinado para un conjunto de meses, y el numero de trabajadores que laboran
en una industria determinada durante varios aos. Las series de tiempo se ilustran
mediante grficas de lneas, y los periodos de tiempo se representan sobre el eje
horizontal, mientras que en el vertical se representa la serie de valores.
Ejemplo: En la siguiente imagen, se presenta una grfica de lneas que
ilustra las ventas anuales de una compaa que comenz a operar en 1980. Como
se puede observar, se alcanz una cumbre, en las ventas anuales en 1987, la cual
fue de nuevo seguida por niveles crecientes de ventas durante los ltimos tres
aos de las serie de tiempo que se reporta.

El anlisis de series de tiempo es le procedimiento mediante el cual se


identifican y separan los factores relacionados con el tiempo que influyen sobre los
valores observados de la serie. Una vez que se identifican esos valores, se les
puede utilizar para mejorar la interpretacin de los valores histricos de las series
de tiempo y para pronosticas valores futuros. El enfoque clsico al anlisis de
series de tiempo identifica cuatro de esos efectos o componentes:
1) Tendencia (T): el movimiento global a largo plazo de los valores de la serie
de tiempo (Y) durante un numero prolongado de aos.
6

2) Fluctuaciones cclicas (C): movimientos recurrentes hacia arriba y hacia


abajo con respecto a la tendencia y que tiene duracin de vario aos.
3) Variaciones estacionales (E): movimientos hacia arriba y hacia abajo con
respecto a la tendencia y que no duran mas de una ao y que, adems, se
presentan todos los aos. Es comn que se identifiquen esas variaciones
con base en datos mensuales o trimestrales.
4) Variaciones irregulares (I): las variaciones errticas con respecto a la
tendencia, que no pueden adjuntarse a efectos estacionales o cclicos.
El modelo en el que se basa el anlisis clsico de series de tiempo se
apoya en la suposicin de que, para cualquier periodo de la serie de tiempo, e
valor de la variable esta determinado por el efecto de los cuatro componentes que
se definieron antes y, adems, que los componentes tiene una relacin
multiplicativa. Por ellos, Y representa el valor observado de la serie de tiempo,
Y=TxCxExI
El modelo que se representa mediante la formula antes mencionada se
utiliza como base para representar los efectos de los diversos componentes que
influyen sobre los valores de la serie de tiempo.

2. ANLISIS DE FLUCTUACIONES
El primer paso en un anlisis de series de tiempo, consiste en graficar los datos y
observar sus tendencias en el tiempo. Primero debe determinarse si parece haber
un movimiento hacia arriba o hacia abajo a largo plazo en la serie (una tendencia)
o si la serie parece oscilar alrededor de una recta horizontal en el tiempo. En este
caso, es decir, no hay tendencia positiva o negativa a largo plazo, puede
emplearse el mtodo de promedios mviles o el de suavizacin exponencial para
emparejar la serie y proporcionar un panorama global a largo plazo. Por otro
lado, si de hecho existe una tendencia, se pueden aplicar varios mtodos de
pronstico de series de tiempo al manejar datos anuales, y otro mtodo para los
datos de series de tiempo mensual o trimestral.
El patrn o comportamiento de los datos en una serie de tiempo tiene
diversos componentes. El supuesto usual es que se combinan cuatro
componentes separados: la tendencia, el cclico, el estacional y el irregular para
definir valores especficos de la serie de tiempo. Examinaremos cada uno de estos
componentes.
El grfico de la serie permitir:
a) Detectar Outlier: se refiere a puntos de la serie que se escapan de lo
normal. Un outliers es una observacin de la serie que corresponde a un
comportamiento anormal del fenmeno (sin incidencias futuras) o a un error
de medicin. Se debe determinar desde fuera si un punto dado es outlier o
no. Si se concluye que lo es, se debe omitir o reemplazar por otro valor
antes de analizar la serie.
Por ejemplo, en un estudio de la produccin diaria en una fbrica se present
la siguiente situacin

Los dos puntos enmarcados en una flecha parecen corresponder a un


comportamiento anormal de la serie. Al investigar estos dos puntos se vio que
correspondan a dos das de paro, lo que naturalmente afect la produccin en
esos das. El problema fue solucionado eliminando las observaciones e
interpolando
b) Permite detectar tendencia: la tendencia representa el comportamiento
predominante de la serie. Esta puede ser definida vagamente como el
cambio de la media a lo largo de un periodo.
c) Variacin estacional: la variacin estacional representa un movimiento
peridico dela serie de tiempo. La duracin de la unidad del periodo es
generalmente menor que un ao. Puede ser un trimestre, un mes o un dia.
Matemticamente, podemos decir que la serie representa variacin estacional
si existe un nmero s tal que x(t)=x(t + k . s).
Las principales fuerzas que causan una variacin estacional son las
condiciones del tiempo, como por ejemplo:
1) en invierno las ventas de helado
2) en verano la venta de lana
3) exportacin de fruta en marzo.
Todos estos fenmenos presentan un comportamiento estacional (anual,
semanal, etc.)
d) Variaciones irregulares (componente aleatoria): los movimientos irregulares
(a lazar) representan todos los tipos de movimientos de una serie de tiempo
que no sea tendencia, variaciones estacionales y fluctuaciones cclicas.
Un modelo clsico para una serie de tiempo, supone que una serie x(1), ...,
x(n) puede ser expresada como suma o producto de tres componentes: tendencia,
estacionalidad y un trmino de error aleatorio.
Existen tres modelos de series de tiempos, que generalmente se aceptan como
buenas aproximaciones a las verdaderas relaciones, entre los componentes de los
datos observados. Estos son:
1. Aditivo: X(t) = T(t) + E(t) + A(t)
2. Multiplicativo: X(t) = T(t) E(t) A(t)
3. Mixto: X(t) = T(t) E(t) + A(t)
donde:
X(t) serie observada en instante t
T(t) componente de tendencia
E(t) componente estacional
9

A(t) componente aleatoria (accidental)


Una suposicin usual es que A(t) sea una componente aleatoria o ruido
blanco con media cero y varianza constante.
Un modelo aditivo (1), es adecuado, por ejemplo, cuando E(t) no depende de
otras componentes, como T(t), s por el contrario la estacionalidad vara con la
tendencia, el modelo ms adecuado es un modelo multiplicativo (2). Es claro que
el modelo 2 puede ser transformado en aditivo, tomando logaritmos. El problema
que se presenta, es modelar adecuadamente las componentes de la serie.

10

3. ANLISIS DE TENDENCIA
Como el anlisis de tendencia se ocupa de la direccin del movimiento de la serie
de tiempo a largo plazo, es comn que esos anlisis se lleven a cabo analizando
datos anuales. Por lo general, se deben utilizar datos de cuando menos 15 o 20
aos, para no incluir como seal de la tendencia global de la serie de tiempo los
movimientos cclicos que implican pocos aos de duracin.
El modelos de mnimos cuadrados es la base mas comn que se utiliza
para identificar el componente de tendencia de las serie de tiempos, determinando
la ecuacin que mejor se ajuste a la lnea de tendencia. Debe observarse que, en
trminos estadsticos, una lnea de tendencia no es una lnea de regresin porque
la variable dependiente Y no es una variable aleatoria si no que, mas bien, es un
valor histrico acumulado. Adems , sol puede haber un valor histrico para
cualquier periodo de tiempo determinado y los valores asociados con un periodo
de tiempo adyacente son dependientes. No obstante, el mtodo de mnimo
cuadrados es una base conveniente para determinar el componente de la
tendencia de una serie de tiempo. Cuando parece que el aumento o la disminucin
a largo plazo sigue una tendencia lineal, la ecuacin para los valores de la lnea de
tendencia, utilizando X para representa el ao, es

YT b0 b1 X
El componente b0 de la formula antes mencionada representa el punto de

interseccin de la lnea de tendencia con el eje Y, mientras que b1 representa la


pendiente de la lnea de tendencia. Utilizando X para representar el ao Y como el
valor observado de la serie de tiempo, las formulas para determinar los valores de

b0 y b1 para la ecuacin de la lnea de tendencia son:


b1

XY nXY
X2 nX

b0 Y b1 X
Ejemplo:

11

En esta grafica puede observase el calculo de la ecuacin de tendencia


lineal.
En el caso de la tendencia no lineal, con frecuencia se utilizan dos tipos de
curvas de tendencia para realizar el anlisis: la curva de tendencia exponencial y
la curva de tendencia parablica. Una curva de tendencia exponencial tpica es
aquella que refleja una tasa constante de crecimiento durante un periodo de aos,
y que podra aplicarse a las ventas de computadoras personales durante 1980. A
las curvas exponenciales se les denomina de esa manera porque la variable
independiente X es el exponente de b1 en la ecuacin general:

YT b0 b1 x

Al aplicar el algoritmo en ambos lados de nuestra ecuacin YT b0 b1


se obtiene una ecuacin lineal de tendencia algortmica,

logYT log b0 X log b1


La ventaja de la transformacin en algoritmos es que la ecuacin lineal
para el anlisis de tendencia puede aplicarse a los algoritmos de los valores
cuando la serie de tiempo sigue una curva exponencial. Despus , es posible

convertir los valores pronosticados en logaritmos de YT , a sus unidades originales


de medicin, sacando el antilogaritmo de los valores.

12

Puede observarse que muchas series de tiempo que representan las ventas
de productos presentan tres etapas: una etapa introductora de crecimiento lento
en las ventas, una etapa interna de rpidos aumentos en las ventas y una etapa
final de crecimiento lento al saturarse el mercado. Este conjunto de tres etapas
puede abarcar muchos aos para algunos productos, tales como el acero
estructural. Para otro productos, tales como radios de banda civil, la etapa de
saturacin puede alcanzarse con relativa rapidez. La curva de tendencia
especifica que incluye las tres etapas que es acaban de describir es la curva de
Gompertz. La ecuacin de la cruva de tendencia de Gompertz es:

YT b0 b1 (b

)x

Los valores de b0 , b1, b2 se determinan obteniendo en primer lugar el


algoritmo de ambos lados de la ecuacin, de la siguiente manera:

logYT logb0 (logb1 )bx

Finalmente los valores de la curva de tendencia se calculan obteniendo los


antilogaritmos de los valores calculados mediante la formula anterior.

13

4. PRONSTICOS BASADOS EN FACTORES DE TENDENCIA Y


ESTACIONALES
La ecuacin de la lnea de tendencia ofrece un punto de partida para realizar
pronsticos a largo plazo sobre valores anuales. Sin embargo, una consideracin
de particular importancia en los pronsticos a largo plazo es el componente cclico
de la serie de tiempo. No existe mtodo estndar para pronosticar el componente
cclico con base nicamente en los valores histricos de la serie de tiempo, pero
existen diversos indicadores econmicos que son muy tiles para anticipar puntos
cclicos de cambio.
Para los pronsticos a corto plazo, el punto de partida es el valor de
tendencia que se proyecta y que despus se ajusta en su componente estacional.
Debido a que, por lo general, la ecuacin de la lnea de tendencia se basa en el
anlisis de valores anuales, el primer paso que se requiere es simplificar esa
ecuacin para que quede expresada en trminos de meses o trimestres. Se
modifica una ecuacin de tendencia, con fechas anuales, para obtener valores
proyectados mensuales, de la siguiente manera:

YT

b0 b1 X b0 b1


12 12 12 12 144

Para obtener valores trimestrales proyectados, se modifica una ecuacin de


tendencia con datos anuales, de la siguiente manera:

YT

b0 b1 X b0 b1
X
4 4 4
4 16

La base de las modificaciones anteriores no resulta evidente si se pasa por


alto el hecho de que los valores de tendencia no estn asociados con puntos en el
tiempo, sino ms bien, con periodos de tiempo. Debido a esta consideracin, es

necesario separar los tres elementos de la ecuacin de la tendencia anual ( b0 , b1 y


X).
Despus de la transformacin para los datos mensuales de esta formula
b b X b0 b1
YT 0 1
X

12 12 12 12 144 , el punto base del ao que antes se identificaba
como X=0, se encontrara a mediados del ao, o sea el primero de julio. Como se
necesita que el punto base se encuentre a la mitad de l primer mes del ao base,

15 de enero, se modifica la ordenada al origen b0 /12 , en la ecuacin modificada,


y despus se reduce en, 5.5 veces la pendiente modificada.se lleva a cabo un
ajuste similar para los datos trimestrales. Por ello, una ecuacin de tendencia
14

modificada para obtener valores mensuales y con X=0 teniendo el 15 de enero


como ao base, es:

YT

b b
b0
1.5 1 1 X
16 16
4

De manera similar, una ecuacin de tendencia. Despus de que se determinan los


valores mensuales o trimestrales de la tendencia, puede multiplicarse cada uno de
esos valores por el ndice estacional apropiado para establecer un punto inicial
que permita realizar pronsticos a corto plazo.

15

5. PROBLEMAS RESUELTOS
Anlisis de Tendencia
Se presentan los datos de ventas para un periodo de 11 aos de una compaa,
que empez a operar en 1980. Los datos de esta serie de tiempo se ilustran
mediante la siguiente grfica de lnea. Tambin se incluyen los clculos necesarios
para determinar la ecuacin para determinar la ecuacin de la tendencia lineal.

Ao
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
Totales:

Ao
Codificad
o (X)
0
1
2
3
4
5
6
7
8
9
10
55

Ventas en
miles de
millones (Y)
$0.2
$0.4
$0.5
$0.9
$1.1
$1.5
$1.3
$1.1
$1.7
$1.9
$2.3
$12.9

XY

X2

0
0.4
1.0
2.7
4.4
7.5
7.8
7.7
13.6
17.1
23.0
85.2

0
1
4
9
16
25
36
49
64
81
100
385

Determine:
a) La ecuacin de tendencia lineal para estos datos mediante el mtodo de
mnimos cuadrados, codificando 1980 como 0, y llevando todos los valores
con dos cifras decimales.
b) Dibuje la lnea de tendencia sobre la grafica de lnea de la grfica antes
mencionada.

16

a)

YT b0 b1 X
X 55

5.00
n 11
Y 12.9
Y

1.17
n
11
XY nXY 85.2 11 5.00 1.17 20.85
b1

0.19
2
110
385 11 5.00
X 2 nX 2
X

b0 Y b1 X 1.17 0.19 5.00 0.22


YT =0.22+0.19X (con X=0 en 1980)
Puede usarse esta ecuacin como punto de partida para los pronsticos.
La pendiente de 0.19 indica que los 11 aos de existencia de la compaa, ha
habido un aumento promedio en ventas de 0.19 miles de millones de pesos
($190,000,000) anuales.
b)

17

Pronsticos basados en factores de tendencia y estacionales

Simplifique la ecuacin de tendencia que se elaboro en el problema pasado


para que quede expresada en trminos de trimestre y no de aos. Tambin,
ajuste la ecuacin para que los valores de la tendencia queden en millones
de pesos y no en miles de millones. Trabaje los valores finales con una cifra
decimal.

b b
b0
1.5 1 1 X
16 16
4
0.19 0.19
0.22

1.5

X
16 16
4
0.0550 0.0178 0.0119X

YT (trimestral)

0.0372 0.0119
La ecuacin trimestral de tendencia, en unidades de millones de pesos, es:

YT (trimestral)= 1,000(0.0372+0.0119X)= 37.2 + 11.9X


Para la primer ecuacin anterior, X = 0 en el primer trimestre de 1980.

Pronostique el nivel de las ventas trimestrales para cada uno de los


trimestres de 1991, con base en la ecuacin de tendencia trimestral que se
determino en el problema anterior, y con los ndices estacionales calculados
en la siguiente tabla.

Trimestre

1985

1986

1987

1988

1989

1990

1
2
3

136.6
76.2
50.0

146.7
86.2
58.8

122.2
85.3
70.0

134.8
87.9

67.8

126.3
103.7
64.0

110.3

106.7

116.4

127.5

111.6

Media
modificada
132.6
86.5
63.5
112.8
395.4

ndice
estacional:
Media x
1.0116*
134.1
87.5
64.2
114.1
399.9

Los valores con base en la ecuacin trimestral de tendencia, y despus ajustados


con los ndices estacionales trimestrales, son:
Primer trimestre, 1991 = [37.2 + 11.9(44)] x 134.1/100 = 752
Segundo trimestre, 1991 = [37.2 + 11.9(45)] x 87.5/100 = 501.1
18

Tercer trimestre, 1991 = [37.2 + 11.9(46)] x 64.2/100 = 365.3


Cuarto trimestre, 1991 = [37.2 + 11.9(47)] = x 114.1/100 = 680.6

19

6. RESULTADOS CON MINITAB

Obtenga la ecuacin de tendencia lineal para los datos de ventas anuales


de la siguiente tabla.

Ao
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
Totales:

Ao
Codificado
(X)
0
1
2
3
4
5
6
7
8
9
10
55

Ventas en
miles de
millones (Y)
$0.2
$0.4
$0.5
$0.9
$1.1
$1.5
$1.3
$1.1
$1.7
$1.9
$2.3
$12.9

XY

X2

0
0.4
1.0
2.7
4.4
7.5
7.8
7.7
13.6
17.1
23.0
85.2

0
1
4
9
16
25
36
49
64
81
100
385

20

Determina los ndices estacionales con base a los datos trimestrales de la


siguiente tabla y tambin haga el ajuste estacional de los datos.
Ventas trimestrales, en millones de pesos
Trimestre
1985
1986
1987
1988
1989
1990
1
500
450
350
550
550
750
2
350
350
200
350
400
500
3
250
200
150
250
350
400
4
400
300
400
550
600
650

21

Bibliografa

LEONARD KAZMIER/ALFREDO DIAZ MATA. Estadstica Aplicada


Administracin y a la Economa. Segunda edicin. McGRAW-HILL.

la

MONTGOMERY, C.D. Diseo y Anlisis de Experimentos. Segunda edicin.


LIMUSA WILEY.

22