Resumen del plan de pruebas (Summary of test Plan) 19




descargar 78.79 Kb.
títuloResumen del plan de pruebas (Summary of test Plan) 19
fecha de publicación17.01.2016
tamaño78.79 Kb.
tipoResumen
med.se-todo.com > Derecho > Resumen




Índice

Proyecto “Ahorro Temprano” – Datos reales 4

Objetivos de negocio 4

Objetivos de explotación de información 5

Metodología CRISP-DM 7

Antecedentes (Background) 7

Objetivos empresariales (Business objectives) 8

Criterio de éxito (Business success criteria) 9

Inventario de los recursos (Inventory of resources) 9

Requisitos, supuestos y limitaciones (Requirements, assumptions and constraints) 9

Los riesgos y contingencias (Risks and contingencies) 10

Terminología(Terminology) 10

Construir un análisis costo-beneficio (Construct a Costs and benefits) 11

Metas de la minería (Data mining goals) 11

Criterio de éxito en la minería (Data mining success criteria) 11

Plan de proyecto (Project plan) 12

Evaluación inicial de herramientas y técnicas (Initial assessment of tools and techniques) 12

Reporte de obtención inicial de datos (Initial data collection report) 12

Reporte de descripción de datos (Data description report) 13

Reporte de exploración de datos (Data exploration report) 13

Reporte de calidad de datos (Data quality report) 13

Reporte descriptivo del conjunto de datos (Dataset description report) 14

Antecedentes y plan de pre-procesamiento (Background including broad goals and plan for pre-processing) 14

Justificación de la inclusión / exclusión de los conjuntos de datos (Rationale for inclusion/exclusion of datasets) 14

Descripción del pre-procesamiento, incluyendo las acciones que se necesarios para abordar los problemas de calidad de datos (Description of the pre-processing, including the actions that were necessary to address any data quality issues) 15

Descripción detallada del conjunto de datos resultante, tabla por tabla y campo por campo (Detailed description of the resultant dataset, table by table and field by field) 16

Descubrimientos durante el pre-procesamiento y otras implicaciones del trabajo futuro (Discoveries made during pre-processing and any implications for further work) 17

Modelado (Modeling) 17

Descripción del tipo de modelo y los datos de entrenamiento para ser utilizado (Broad description of the type of model and the training data to be used)
17

Explicación de cómo el modelo se pondrá a prueba o evaluación (Explanation of how the model will be tested or assessed) 18

Descripción de los datos necesarios para la prueba (Description of any data required for testing) 18

Descripción de los exámenes previstos por los expertos de los modelos de dominio o de datos (Description of any planned examination of models by domain or data experts) 18

Resumen del plan de pruebas (Summary of test Plan) 19

Descripción del Modelo (Model description) 19

Tipo de modelo y relación con los objetivos de minería de datos (Type of model and relation to data mining goals) 19

Configuración de los parámetros utilizados para producir el modelo (Parameter settings used to produce the model) 20

Modelo de evaluación (Model assessment) 20

Resumen de la evaluación del modelo (Summary assessment of model) 20

Proyecto “Ahorro Temprano” – Datos reales

Objetivos de negocio


Una ART es una empresa cuya misión principal es prevenir accidentes laborales y/o enfermedades profesionales y en cado de que uno de ellos ocurra, brindar la asistencia necesaria a los asegurados.


En 1996, con la implementación de la ley 24.557 de riesgos de trabajo, se inicio un nuevo sistema en materia de cobertura de accidentes laborales.
Esta Ley establece, para todas aquellas Empresas e Instituciones con personal en relación de dependencia, la obligatoriedad de suscribir la cobertura de Riesgos del Trabajo.


Este sistema tiene como finalidad contribuir a reducir la siniestralidad (minimizando los accidentes y enfermedades profesionales), mejorar la calidad de vida de los trabajadores y a la vez hacer previsibles los costos laborales de las Empresas. Cada empleador puede elegir libremente la ART o auto asegurarse.


La tarifa varía en función al riesgo de la actividad y el salario promedio (572 actividades).
La cobranza se realiza por el Sistema Único de Seguridad Social (SUSS), vía AFIP.
La vigencia del contrato es Anual, con renovación automática.

La cobertura abarca a los trabajadores en relación de dependencia por eventos producidos por Accidente de Trabajo (en el lugar de trabajo y/o “in itinere”: en el trayecto entre su domicilio y el trabajo o viceversa) y manifestación de Enfermedades Profesionales.

Las prestaciones básicas de las ART son

  • Prestación Médica de por vida.

  • Prestación dineraria (salario caído a partir del 10° día y categorías de incapacidad).

  • Rehabilitación.

  • Recalificación Laboral.


Prestaciones en especie (cobertura integral):

  • Prestadores.

  • Diagnóstico por imágenes (alta complejidad).

  • Traslados (ambulancias, avión sanitario, taxis, etc.).

  • Medicamentos (al 100%).

  • Prótesis y órtesis, rehabilitación y recalificación (contención para facilitar el reintegro al trabajo).

  • Atención hasta la curación completa o mientras subsista la incapacidad.


Cada ART tiene la obligación de realizar exámenes médicos periódicos.
Las ART deben fiscalizar los niveles de Higiene y Seguridad mediante planes de mejora, visitas y control.
Que el sistema de Riesgos de Trabajo funcione significa que 7 millones de trabajadores y 650 mil empresas tienen una cobertura cierta y efectiva.
Desde la puesta en práctica de la Ley de Riesgos de Trabajo, la mortalidad en los lugares de trabajo cayó casi un 50%.

Más de 500 mil trabajadores por año reciben una atención integral

Objetivos de explotación de información


Una Importante ART del mercado, está analizando la manera de reducir los costos de traslado de asegurados en tratamiento de un nosocomio a otro. Estos traslados se realizan desde la casa del asegurado hasta el prestador y en determinadas circunstancias se realizan en vehículos especialmente equipados, lo que encarece aun más los traslados.

El objetivo es determinar si existe una relación entre las prestaciones que se tienen que brindar a un asegurado y las tareas que se desarrollan en su empleador con la finalidad de firmar contratos de servicio con prestadores en la zona que realicen estas prestaciones médicas en una misma locación, optimizando los traslados.

Metodología CRISP-DM


Determine business objectives

Antecedentes (Background)


Una ART es una empresa cuya misión principal es prevenir accidentes laborales y/o enfermedades profesionales y en cado de que uno de ellos ocurra, brindar la asistencia necesaria a los asegurados.


En 1996, con la implementación de la ley 24.557 de riesgos de trabajo, se inicio un nuevo sistema en materia de cobertura de accidentes laborales.
Esta Ley establece, para todas aquellas Empresas e Instituciones con personal en relación de dependencia, la obligatoriedad de suscribir la cobertura de Riesgos del Trabajo.


Este sistema tiene como finalidad contribuir a reducir la siniestralidad (minimizando los accidentes y enfermedades profesionales), mejorar la calidad de vida de los trabajadores y a la vez hacer previsibles los costos laborales de las Empresas. Cada empleador puede elegir libremente la ART o auto asegurarse.


La tarifa varía en función al riesgo de la actividad y el salario promedio (572 actividades).
La cobranza se realiza por el Sistema Único de Seguridad Social (SUSS), vía AFIP.
La vigencia del contrato es Anual, con renovación automática.

La cobertura abarca a los trabajadores en relación de dependencia por eventos producidos por Accidente de Trabajo (en el lugar de trabajo y/o “in itinere”: en el trayecto entre su domicilio y el trabajo o viceversa) y manifestación de Enfermedades Profesionales.

Las prestaciones básicas de las ART son

  • Prestación Médica de por vida.

  • Prestación dineraria (salario caído a partir del 10° día y categorías de incapacidad).

  • Rehabilitación.

  • Recalificación Laboral.


Prestaciones en especie (cobertura integral):

  • Prestadores.

  • Diagnóstico por imágenes (alta complejidad).

  • Traslados (ambulancias, avión sanitario, taxis, etc.).

  • Medicamentos (al 100%).

  • Prótesis y órtesis, rehabilitación y recalificación (contención para facilitar el reintegro al trabajo).

  • Atención hasta la curación completa o mientras subsista la incapacidad.


Cada ART tiene la obligación de realizar exámenes médicos periódicos.
Las ART deben fiscalizar los niveles de Higiene y Seguridad mediante planes de mejora, visitas y control.
Que el sistema de Riesgos de Trabajo funcione significa que 7 millones de trabajadores y 650 mil empresas tienen una cobertura cierta y efectiva.
Desde la puesta en práctica de la Ley de Riesgos de Trabajo, la mortalidad en los lugares de trabajo cayó casi un 50%.

Más de 500 mil trabajadores por año reciben una atención integral

Objetivos empresariales (Business objectives)


Se espera determinar si existe una relación entre las prestaciones que se tienen que brindar a un asegurado y las tareas que se desarrollan en su empleador

Criterio de éxito (Business success criteria)


Descubrir la relación entre las prestaciones médicas recibidas por los asegurados y los rubros que se desarrollan en su empleador.

Inventario de los recursos (Inventory of resources)


Para este proyecto contaremos con el apoyo de un experto del negocio que nos brindará detalles de los circuitos de la compañía, un soporte técnico que nos dará información del soporte de estos circuitos en los sistemas y tres recursos dedicados al proceso de minería de datos.
Así mismo contaremos con el acceso a las bases de datos de Test de los sistemas de la compañía siempre manteniendo el anonimato de la Cia y de clientes y asegurados. Cabe aclarara que la información a la que tenemos accesos tiene una importante similitud con la real por lo que no se ve afectado el proceso de minería.
Para el proceso de minería de datos contaremos con una PC equipada con un procesador Pentium 4, 2 Gb de memoria RAM en que montamos un sistema Operativo Windos XP professional (32 bits). El software con el que realizaremos el proceso de minería es TANAGRA.
Tanto el sofware de Base de datos, las herramientas en las que están desarrollada la aplicación que soporta los circuitos de la Cia y el hardware involucrado, se mantiene anónimos, pero son suficientes para las tareas que vamos a emprender.

Requisitos, supuestos y limitaciones (Requirements, assumptions and constraints)


El proyecto se hace en el marco de la materia “Tecnologías para la explotación de la información” dictada en la Universidad Tecnológica Nacional regional Buenos Aires, teniendo finalidad y alcance netamente académico. La información obtenida del proceso de explotación de información y la fuente de datos utilizada para el mismo solo debe utilizarse dentro del marco del presente trabajo práctico.

El proyecto ser realizará desde el jueves 2 de Junio de 2011 al jueves 23 de Junio de 2010.
El proyecto se basa en la suposición de que el especialista de negocio va a informarnos de manera precisa y confiable el detalle de los circuitos de la compañía y que el soporte técnico va a poder dar respuesta de manera adecuada a nuestras solicitudes de fuente de datos.
El especialista de negocio va a estar disponible a responder nuestras dudas y las del especialista técnico cuando se lo requiera. El especialista técnico nos generará la información necesaria en un soporte que pueda ser convertido luego a una planilla Excel.

Los riesgos y contingencias (Risks and contingencies)


Riesgo TANAGRA no sirve como herramienta para
explotar información que atienda la tarea que nos
encomiendan.

Plan de acción Obtener una herramienta acorde a la tarea
encomendada.
Riesgo No arribar a los objetivos planteados por la Cia.

Plan de acción Mantener una reunión con el responsable de
negocio para buscar alternativas que nos puedan
llevar a cumplir con el mandato.

Terminología(Terminology)


  • Cliente: Empresa o individuo que contrata los servicios de la ART

  • Asegurado: Individuo que está en relación de dependencia con un cliente

  • Siniestro: Hecho que provoca la asistencia a un asegurado

  • Prestación: Servicio o atención medico asistencial a un Asegurado

  • Prestador: Individuo o empresa que brinda un servicio medico asistencial.



Construir un análisis costo-beneficio (Construct a Costs and benefits)



En el año 2009 se destinaron cerca de $4.000.000 al transporte de asegurados desde su domicilio a los diferentes prestadores con la finalidad de recibir las prestaciones indicadas por los médicos. Una reducción aproximada del 5%, cubriría ampliamente los costos del proceso de minería de datos y generaría un beneficio a largo plazo a la compañía.
Vale destacar que en promedio, un asegurado una vez siniestrado es trasladado en promedio 16 veces para recibir las prestaciones médicas necesarias para su tratamiento y el 80% de las prestaciones recibidas, son prestaciones combinadas, que implica el traslado de un prestador a otro para cumplimentarse.

Metas de la minería (Data mining goals)


Establecer la relación entre las prestaciones recibidas por los asegurados dependiendo de la actividad de su empleador.

Criterio de éxito en la minería (Data mining success criteria)


El criterio de éxito en la minería lo va a establecer uno de los expertos en minería de datos sobre los datos obtenidos de TANGRA luego de aplicar los pasos establecidos en la metodología CRISP-DM

Plan de proyecto (Project plan)


A continuación detallamos el plan de proyecto.

Evaluación inicial de herramientas y técnicas (Initial assessment of tools and techniques)


Las herramientas necesarias para el proyecto y TANAGRA responden a los requerimientos del proyecto de minería de datos propuestos.

Reporte de obtención inicial de datos (Initial data collection report)


Los datos se obtuvieron directamente desde de la base da tos y mediante el uso de una herramienta se formateo la salida para ser leída desde Excel. El único inconveniente que tuvimos fue el de ajustar algunas máscaras del motor de base de datos para que los datos se lean desde el Excel sin inconvenientes

Reporte de descripción de datos (Data description report)





Columna

Descripción

Tipo Dato

Variación

1

Identificador de Cliente

Numérico

1083/64571

2

Identificador de actividad

Numérico

457/64571

3

Descripción de actividad

Alfanumérico

457/64571

4

Identificador de siniestro

Numérico

5442/64571

5

Descripción de la prestación

Alfanumérico

798/64571

6

Cantidad de unidades de la prestación

Numérico

24/64571



Reporte de exploración de datos (Data exploration report)


Se identificó una variación importante de prestaciones recibidas por asegurados cuyo empleador se desempeña en el rubro “ACABADO DE PRODUCTOS TEXTILES” , hay 514 prestaciones diferentes sobre 798 posibles, algo similar ocurrió con ADMINISTRACION PUBLICA Y DEFENSA hay 322 prestaciones diferentes sobre 798 posibles y ABASTECIMIENTO DE CARNES Y DERIVADO tiene 243 prestaciones diferentes sobre 798 posibles. El resto se ubica dentro del rango de menos de 100 prestaciones.

Reporte de calidad de datos (Data quality report)


  • Se verificó que los tipos de datos por columna, son correctos

  • Se verificó que los Join de las tablas identificadas por el soporte técnico esté bien realizado y no generen producto cartesiano.

  • Se verificó que la cantidad de registros obtenidos es la correcta.

  • Se verificó que la cantidad de registros obtenidos se condice con los levantados en el Excel.


Reporte descriptivo del conjunto de datos (Dataset description report)

Antecedentes y plan de pre-procesamiento (Background including broad goals and plan for pre-processing)


Como se expuso anteriormente, los datos fueron sacados de 2 (dos) consultas distintas.

Debido a que la herramienta que decidimos utilizar para el modelado de datos, es “tanagra”, estamos obligados a consumar los datos en una única tabla.

Estos Excel, a su vez son consultas sql a distintas tablas, por lo que, para consumar los datos se decidió cargar dichos excels a una base de datos pivot, con el objetivo de que el filtrado y formateo sea más rápido y fácil.

Justificación de la inclusión / exclusión de los conjuntos de datos (Rationale for inclusion/exclusion of datasets)


Justificación Excel “Clientes”, campos:
c_clie: este campo se incluye para identificar al cliente unívocamente, para posteriores consultas.
q_pers: Este campo indica la cantidad de personas que sufrieron el mismo accidente, debido al objetivo del estudio, no es relevante por lo que se decide excluirlo.
c_acti: Este es un código interno de actividad asociado al cliente, no es relevante para el estudio. Sin embargo, se incluye para una mejor lectura del reporte final.
d_actividad: Contiene la descripción de la actividad del cliente, se incluye para una mayor velocidad y compresión en la lectura del análisis, sin embargo no es relevante para el estudio.
Justificación Excel “Prestaciones”, campos:

n_caso: contiene el identificador del siniestro, se incluye dentro del estudio, ya que este campo agrupa las prestaciones percibidas por siniestro.
c_clie: Para este Excel se excluye, para evitar redundancia de datos, debido a que ya se incluyó en el Excel “clientes”.
c_event: Contiene el identificador de la prestación, se incluye en el estudio.
d_event: posee una descripción de la prestación otorgada, se incluye para facilitar la lectura del reporte final, sin embargo no es relevante para el estudio.
q_cant: contiene las unidades otorgadas de la prestación, se excluye el campo, debido a que las cantidades no son importantes, con que aparezca solo una vez la prestación ya es suficiente.

Descripción del pre-procesamiento, incluyendo las acciones que se necesarios para abordar los problemas de calidad de datos (Description of the pre-processing, including the actions that were necessary to address any data quality issues)


Para consumar los datos en una única tabla, se utilizó una base de datos Oracle a modo “pivot”.

Esto facilitó realizar el “join” entre los datos y además el motor de base de datos se encargó de filtrar datos basura, esto es, controlar que los datos de tipo numérico contengan caracteres no numéricos, y que los id de clientes y de prestaciones sean únicos para mantener así la consistencia de los datos.
Para realizar la carga de datos a la base Oracle, se ejecutó los siguientes comandos:
Excel “Clientes”:
sqlldr / control=clie.ctl log=clie.log

archivo “clie.ctl”

LOAD DATA

INFILE Clie.csv

APPEND INTO TABLE work.clie

FIELDS TERMINATED BY '|'

(c_clie,q_pers,c_ciiu,d_actividad)
Excel “Prestaciones”

sqlldr / control=prestaciones.ctl log= prestaciones.log

archivo “prestaciones.ctl”

LOAD DATA

INFILE BrutoPrestaciones.csv

APPEND INTO TABLE work.brutoprestaciones

FIELDS TERMINATED BY '|'

(n_caso,c_clie,d_even,q_cant)

Descripción detallada del conjunto de datos resultante, tabla por tabla y campo por campo (Detailed description of the resultant dataset, table by table and field by field)



Una vez que los datos estuvieron cargados dentro de la base de datos, ejecutamos la siguiente consulta:
select b.c_clie,b.c_acti, b.d_actividad,a.c_even, a.d_even from brutoprestaciones a, clie b

where a.c_clie=b.c_clie

order by b.c_clie, a.n_caso
A continuación se muestra el resultado (parcial) de esta consulta:

Siendo

C_clie: identificador del cliente (numérico).

C_acti: código de actividad del cliente (numérico).

D_actividad: descripción de la actividad (alfanumérico).

C_event: código de la prestación médica otorgada (alfanumérico).

D_event: descripción de la prestación médica otorgada (alfanumérico).

Descubrimientos durante el pre-procesamiento y otras implicaciones del trabajo futuro (Discoveries made during pre-processing and any implications for further work)



Durante la fase de pre-procesamiento se descubrió algunas inconsistencias en los datos, como por ejemplo que algunas prestaciones no poseían id. La solución a esto fue no considerar los casos que contuvieran prestaciones sin identificador.
Otra implicación que quizás pueda afectar el trabajo futuro, es que el identificador del evento es de tipo alfanumérico, por ende no estamos seguros si “tanagra” (la herramienta elegida para el estudio de este caso) soporta estos tipos de identificadores.


Modelado (Modeling)

Descripción del tipo de modelo y los datos de entrenamiento para ser utilizado (Broad description of the type of model and the training data to be used)



El tipo de modelo elegido para resolver este caso, es “Ponderación de Interdependencia de Atributos”.

Poseemos una cantidad importante de registros (más de mil), todos ya pre-procesados y listos para analizar, por lo que para realizar el entrenamiento utilizaremos solo un 10% de las prestaciones utilizadas.

Explicación de cómo el modelo se pondrá a prueba o evaluación (Explanation of how the model will be tested or assessed)



Para poner a prueba el modelo elegiremos 10 prestaciones (en total son unos 300 prestaciones tipificadas), con los respectivos clientes, que requirieron de dicha prestación.

Para ello utilizamos la siguiente consulta:
select * from work.consolidado

where c_even in ('B00-0171','CM0-0103','N25-0001','N34-1102', 'S40-0101','Z18-0115','Z18-0125','Z43-4001','N34-0106','M30-0323');
Dando como resultado 515 registros. Con esta cantidad de datos filtrados, estamos en condiciones de probar el modelo “Ponderación de Interdependencia de Atributos”.

Descripción de los datos necesarios para la prueba (Description of any data required for testing)



La consulta para generar el conjunto de datos de prueba generó la misma salida que se detalló anteriormente en la sección “Descripción detallada del conjunto de datos resultante, tabla por tabla y campo por campo”.

Descripción de los exámenes previstos por los expertos de los modelos de dominio o de datos (Description of any planned examination of models by domain or data experts)


La elección de las 10 prestaciones, se basó en la cardinalidad de los clientes que registran dichas prestaciones, es decir, nosotros como expertos en el modelo de domino, poseemos una posible interdependencia de prestaciones, basada en la experiencia de los trabajadores de la ART.

Las pruebas se realizarán, aplicando el modelo seleccionado, mediante la herramienta “Tanagra” y comparándolo con la posible interdependencia. En caso de que los resultados sean distintos, se replanteará el modelo seleccionado.

Resumen del plan de pruebas (Summary of test Plan)


Las pruebas realizadas sobre el pequeño conjunto de datos fue satisfactoria. Dichas pruebas se detallaran en profundidad la sección donde se describe de modo detallada la implementación del modelo.

Descripción del Modelo (Model description)

Tipo de modelo y relación con los objetivos de minería de datos (Type of model and relation to data mining goals)


Ponderación de Interdependencia de Atributos.

El proceso de ponderación de interdependencia de atributos aplica cuando se requiere identificar cuáles son los factores con mayor incidencia (o frecuencia de ocurrencia) sobre un determinado resultado del problema.
Es decir, las ART deben ofrecer asistencia en caso de que haya un accidente. Las asistencias, generalmente se basan en “prestaciones médicas”, por lo que las ART contratan distintos prestadores, distribuidos de forma geográfica para cubrir a las distintas empresas. El problema es que algunos accidentes necesitan de prestaciones que están contratadas en diferentes sitios geográficos, por lo que el traslado del “paciente” es a cargo de la ART.

Dicho traslado está haciendo que el presupuesto este saliéndose de control.

El objetivo de este estudio es, a partir del tipo de empresa (química, metalúrgica, servicios, etc), determinar las prestaciones más solicitadas, para elegir proveedores de prestaciones que puedan cubrir la mayor cantidad en base a las que se requieran, con el fin de evitar traslados innecesarios.

En pocas palabras el objetivo de aplicar este modelo, es “relacionar” los tipos actividades que poseen las empresas, con las prestaciones más solicitadas por dicho tipo de actividad.

Configuración de los parámetros utilizados para producir el modelo (Parameter settings used to produce the model)


El modelo “Ponderación de Interdependencia de Atributos” se basa en la aplicación de redes bayesianas sobre el atributo clase identificado.
En base a los datos que poseemos, el atributo clase elegido es la columna “c_even”, la cual contiene la tipificación de prestaciones.

La aplicación de redes bayesianas, mediante tanagra, exige que el atributo clase sea del tipo “discreto”. Como el identificador “c_even” es alfanumérico, es considerado discreto por la mencionada herramienta tanagra. Sin embargo además de un atributo input, también es requerida un atributo target, a su vez, debe ser “discreto”.

El incidente es que el atributo target seleccionado es “c_clie” y “c_acti”, los cuales son de tipo “contínuo”, para solucionar esto, decidimos aplicar KOHONEN-SOM sobre este atributo para generar una nueva columna de tipo discreto que agrupe los códigos de actividades. Y aplicar SOM sobre este nuevo atributo.

Modelo de evaluación (Model assessment)

Resumen de la evaluación del modelo (Summary assessment of model)



Luego de varias iteraciones sobre el modelo elegido, donde fuimos modificando los distintos parámetros de entrada, tanto del algoritmo kohonen-som (verificamos que el mejor agrupamiento para nuestro caso se da cuando utilizamos la matriz de 6x6) y con las reyes bayesianas fuimos modificando los parámetros de input.

En base a los resultados de las iteraciones en el modelo “Ponderación de interdependencia de atributos”, podemos definir que este modelo se adapta a la problemática definida.


similar:

Resumen del plan de pruebas (Summary of test Plan) 19 iconPlan de estudios I. Objetivos generales del plan

Resumen del plan de pruebas (Summary of test Plan) 19 iconPlan de aula- plan de clase- plan de unidad

Resumen del plan de pruebas (Summary of test Plan) 19 iconPlan de aula- plan de clase- plan de unidad

Resumen del plan de pruebas (Summary of test Plan) 19 iconVíctimas del futuro De plan de rescate en plan del rescate hacia...

Resumen del plan de pruebas (Summary of test Plan) 19 iconAcuerdo de 27 de marzo de 2001, del Consejo de Gobierno, por el que...
«Plan para la Recuperación y Ordenación de la Red de Vías Pecuarias de la Comunidad Autónoma de Andalucía». En cumplimiento de la...

Resumen del plan de pruebas (Summary of test Plan) 19 iconPlan y Programas Indicativos Escuela Nacional Preparatoria mapa curricular año plan 1996

Resumen del plan de pruebas (Summary of test Plan) 19 iconPlan de estudios 11. Cumplimiento temático del plan de estudios

Resumen del plan de pruebas (Summary of test Plan) 19 iconResumen: profesor le enviamos por ahora un “bosquejo” del plan de...

Resumen del plan de pruebas (Summary of test Plan) 19 iconResumen el presente Estudio se realiza a solicitud del Instituto...

Resumen del plan de pruebas (Summary of test Plan) 19 iconResumen Summary


Medicina



Todos los derechos reservados. Copyright © 2015
contactos
med.se-todo.com