ADMINISTRACIÓN DE LA

CALIDAD Y LA TECNOLOGIA

Julio César Quezada Gómez

Master en Administración de Empresas

Managua, julio 2017

“Sin estrategia, la organización es
como un barco sin timón, que se
mueve en círculos.”

Joel Ross
y Michael Kami
Objetivos
1. Identificar las variables críticas para mejorar la
productividad.

2. Entender las estrategias operacionales relacionadas a la

misión y visión.
Donde estamos?
1er trimestre:

2do trimestre:

3er trimestre:
Introducción

1. Operaciones y Productividad.

2. Estrategia de Operaciones.

3. Administración de Proyectos.
Introducción: Operaciones y Productividad

¿Qué es la Administración de Operaciones?

Producción es la creación de bienes y servicios.

Administración de operaciones es el conjunto de actividades que

crean valor en formar de bienes y servicios al transformar los
insumos en productos terminados.
Introducción: Operaciones y Productividad

Organización para producción de bienes y servicios.

1. Logística y comercialización.
2. Producción y operaciones.
3. Finanzas y contabilidad.

¿Cómo se organiza su empresa?

Introducción: Operaciones y Productividad

Figura 1.3 Eventos significativos en la Administración de operaciones

Fuente: Principios de Administración de operaciones, 7ma edición, 2009.
Introducción: Operaciones y Productividad

Operaciones en el sector de servicios

1. Definición de servicio.
2. Crecimiento de los servicios.
3. Diferencias entre servicio y bienes.
Característica de los bienes
 Producto tangible
 Definición
consistente con el
producto
 Usualmente la
producción se
separa del consumo
 Se puede inventariar
 Baja interacción con
el cliente
Característica de los servicios
 Producto intangible
 Se produce y consume al
mismo tiempo
 A menudo único
 Alta interacción con el
cliente
 Definición de producto
inconsistente
 Basado en conocimiento
Introducción: Operaciones y Productividad

El reto de la productividad
 Definición: . . . . . . . . . . . .
 Mejorar la productividad significa mejorar la eficiencia.
 Medición
 Un sólo factor A/B
 Múltiples factores A/(B+C+D)
Introducción: Operaciones y Productividad

Ejemplo
A continuación se muestra resumen de rendimiento
agrícola (TCH) antes y después de la puesta en marcha de
un proyecto de inversión en riego por parte de TICSA en
2011. Identificar si se incremento la rentabilidad al incurrir
en $ 367 adicionales en operación de riego con un
incremento en rendimiento de 14 TCH cuyo precio es de
29.00 $/TM.
Introducción: Operaciones y Productividad

Variables de la productividad
 Mano de obra: afectado por educación básica, alimentación y
gasto social, impacta en 10 a 20%.
 Capital: la inversión de capital proporciona herramientas,
contribuye en un 38%, pensamiento determinista a largo plazo.
 Administración: responsable del uso efectivo de la mano de obra
y capital para aumentar productividad, contribuye en un 52%
basado en tecnología y conocimiento.
Introducción: Estrategia de Operaciones

Afectación directa de la Globalización

1. Crecimiento comercio mundial.

2. Mercados de capital globales.
3. Movimiento internacional de personas.

¿Qué tan sostenible será el modelo en nuestra industria con

mercados protegidos?
Los componentes del entorno macro de la empresa
ENTORNO MACRO
La economía
en su conjunto

Proveedores Sustitutos

EMPRESA
Firmas rivales Compradores

Nuevos
participantes

INDUSTRIA INMEDIATA Y
ENTORNO COMPETITIVO
Modelo de cinco fuerzas de la competencia
Productos sustitutos
(de empresas en
otros sectores)

Proveedore Rivalidad
s de entre
Compradores
insumos vendedores
estratégicos competidores

Nuevos
participantes
potenciales
Introducción: Estrategia de Operaciones
Conflictos

 Más capacidad
 Variedad de productos
 Costos
 Metas inflexibles e inalcanzables
 Mejores pronósticos de ventas
 Operaciones eficientes en costo
 Mejora de la calidad
Introducción: Estrategia de Operaciones
Rol de la estrategia

Ventas
R&D

Finzanzas

Plan Estratégico

Administración Operaciones
(Tecnología y Calidad)
Introducción: Estrategia de Operaciones

Visión global de las operaciones

1. Mejora de la cadena de suministro. Razones

2. Aprender a mejorar las operaciones. tangibles
3. Reducción de costos.
4. Entender los mercados.
5. Atraer y retener el talento global. Razones
6. Proporcionar mejores bienes y servicios. intangibles
Introducción: Estrategia de Operaciones
Desarrollo de Misión y Estrategia
Misión
 Propósito o razón de ser de una empresa.
 Cada área funcional establece misión de
apoyo.

Estrategia
 Plan de acción para lograr misión y metas
(FODA).
 Mecanismo conceptual: diferenciación, costo
y respuesta.
Introducción: Estrategia de Operaciones
Ventaja competitiva mediante las operaciones
 Diferenciación
 Unicidad en valor agregado y experimentación
del cliente con el producto o servicio.
 Costo
 Obtención del máximo valor según lo percibe el
cliente.
 Respuesta
 Valores relacionados con el desempeño flexible,
confiable y rápida.
 Introducción: Estrategia de Operaciones
10 Decisiones operativas que contribuyen a la
Estrategia

1. Producto (diseño) 6. Recursos Humanos (medir)

2. Calidad (política y sistema) 7. Cadena de Suministro
3. Proceso (diseño) (administración)
4. Localización (selección) 8. Inventario
Diferenciación
5. Distribución (diseño) (Mejor) 9. Programación
10. Mantenimiento
Respuesta
(Rápido)
Liderazgo Costo
(Competitividad)
Introducción: Estrategia de Operaciones
Process Design
High Proceso enfocado Personalización
Trabajos en taller masiva
Variedad de productos

Enfoque repetitive
Linea de ensamblaje

Moderate
Producto enfocado
Conitnuo

Low

Low Moderate High

Volumen
Introducción: Estrategia de Operaciones

Aspectos de la estrategia de Operaciones

1. Investigación de la efectividad de estrategias

implementadas y su ROI.
2. Condiciones previas para el desarrollo de una estrategia
efectiva.
3. Dinámica, por los cambios ocurridos dentro de la
organización y en el entorno.
Introducción: Estrategia de Operaciones
Ciclo de Vida del Producto
efectivo
Introducción Crecimiento Madurez Declinación
Estado Costo de desarrollo y producción
Ingreso por ventas
y Flujo /de

Utilidad neta
compañia

Flujo
Costos

de CD-ROMs
Motor de búsqueda -
efectivo
d ela

Google TVs Analogos

Flujo 3D
de & LED TVs Computadoras
Sventas,

efectivo Pérdida
Estrategia

negativo
Venta iPods
s
Introducción Crecimiento Madurez Declinación
Xbox 360 Figure 5.1
Introducción: Estrategia de Operaciones
Análisis FODA
MISIÓN

Fortalezas Oportunidades
Internas Externas

Análisis

Debilidades Amenazas
Internas Externas

Estrategia
Introducción: Estrategia de Operaciones
Mapa de Actividades

Ventaja competitiva:
1.
2.
3.
Introducción: Estrategia de Operaciones
Consideracones de reducción de costos Alto
Estrategia Global Estrategia Transnacional
Texas Instruments Coca-Cola
Caterpillar Nestlé
Otis Elevator

Estrategia Internacional Estrategia Multidoméstica

Heinz
The Body Shop
Harley Davidson McDonald’s

Bajo
Bajo Alto
Consideraciones de respuesta local
 Asignación en clases

 Haga un resumen ejecutivo (Microsoft Powerpoint) de la lectura “Las

cinco fuerzas competitivas que le dan forma a la estrategia por Michael
Porter”, la lectura la descarga de la carpeta en DROPBOX: Las cinco
fuerzas competitivas – Porter.pdf

 Tiene 45 minutos.
 Introducción: Administración de proyectos

Definiendo proyecto.
 Conjunto de actividades planificadas para alcanzar un objetivo
definido por presupuesto, especificaciones y horizonte de tiempo.

Características
 Trabajo único
 Muchas actividades relacionadas
 Temporal pero crucial
 Tareas complejas que requieren habilidades especiales.
 Introducción: Administración de proyectos

Fases en al administración de Proyectos.

 Planeación: definición de la idea o perfil del proyecto, objetivos,
metas y organización del equipo de trabajo.
 Programación y ejecución: definición de plan de acción operativo,
pre-factibilidad, aprobación de anteproyecto y puesta en práctica de
plan de acción.
 Seguimiento y control:, supervisión de los recursos empleados y
ajuste a planificación original para cumplir con los requerimientos de
tiempo y costos asignados.
 Evaluación: valoración de lo planeado vs ejecutado , así como los
resultados con base en los objetivos iniciales.
Introducción: Administración de proyectos
 Introducción: Administración de proyectos

Planeación del Proyecto

1. Definir idea.
2. Establecer objetivos.
3. Crear estructura de trabajo.
4. Determinar recursos.
5. Definir organización de
personas.
Introducción: Administración de proyectos

Programación y Ejecución del Proyecto

1. Identificar actividades.
2. Identificar tiempos y costos por
actividad.
3. Estimar requerimientos de personal y
materiales.
4. Implementar las actividades según
avance de las fases de proyecto y
predecesores ejecutados.
Introducción: Administración de proyectos

Seguimiento y Control del Proyecto

1. Detalle de costos por actividad y

resumen.
2. Pronósticos de materias primas y
gastos.
3. Informes de tiempos de ejecución por
actividad y su varianza.
4. Informes de la calidad y de las
actividades.
5. Ajustes al plan original.
Introducción: Administración de proyectos

Evaluación del Proyecto

1. Identificar indicadores de
evaluación.
2. Seleccionar tipos y
herramientas de
evaluación.
3. Crear mapa o registro de
evaluación.
 Introducción: Administración de proyectos

Técnicas de Administración de Proyectos.

1. Gráficas Gantt.
2. PERT – Program Evaluation and Review Technique.
3. CPM – Critical Path Method
 Bibliografía
 George, Michael. 2005. The lean six sigma pocket
toolbook. McGraw-Hill.

 Cabtree, Ron. 2010. Driving Operational Excellence.

MetaOps Publushing LCC.

 Render Barry & Heyzer Jay. 2009. Adminsitración de

operaciones. 7ma edición. Pearson Education.
Métodos Cuantitativos

Suplemento de Pronósticos:
Series de tiempo y regresión
Objetivos
1. Aplicar y entender el uso de MT en situaciones reales.

2. Utilizar la simulación aleatoria para entender los posibles

escenarios.
Introducción al análisis cuantitativo

Herramientas matemáticas han sido

utilizadas desde hace mucho tiempo.

Los métodos cuantitativos pueden ser

aplicados a un gran número de problemas.

Se debe tener presente la aplicación

especifica, limitaciones y supuestos de cada
herramienta.
Introducción al análisis cuantitativo

Conceptos

Análisis cuantitativo
Es una aproximación científica para la toma de decisiones basado en datos
con información significativa.
Factores cualitativos
Datos e Información complicada en cuantificar, pero que puede afectar el
proceso de toma de decisiones, animo laboral, paradigmas, etc.
Análisis Información
Datos Cuantitativo Significativa
Introducción al análisis cuantitativo
Definir
el problema
Desarrollar
un modelo
Recolectar
datos (X,Y)
Desarrollar
una solución
Probar
la solución
Analizar
los resultados

Implementar
Introducción al análisis cuantitativo

Definir el problema
Claro y conciso enunciado que facilite dirección y enfoque a las
etapas del MT, así como el desarrollo de objetivos específicos y
medibles.
Desarrollo del modelo
Enunciado matemático solido y entendible que muestre la
relación entre variables.
Introducción al análisis cuantitativo
Recolección de datos
Calidad y claridad de datos permitirán hacer los
correctos análisis. Verificar los sistemas de
medición por la amplia fuente de origen de datos.
Garbage In = Garbage Out
Propuesta de solución
Realizada mediante el estudio de las variables,
determinación de su impacto sobre la variabilidad
asignable e inherente.
Desarrollo de enunciados, algoritmos y enfoques
(prueba y error).
Introducción al análisis cuantitativo
Probando modelos
Validación de los datos multifuentes y modelo
para determinar consistencia y sensibilidad.
Análisis de resultados
Entender las acciones que implica la propuesta
de solución así como su sensibilidad ante el
cambio de las variables.
El análisis de sensibilidad permite responder los
posibles eventos.
Introducción al análisis cuantitativo
Implementación
Incorporación de la propuesta y su plan de acción
con el consistente monitoreo y seguimiento para
ajustar y cumplir los objetivos planeados.
Pronósticos
Modelo Cualitativo: Métodos Serie tiempo: Métodos Causal :
incluye factores incluye data histórica en incluye una variedad
subjetivos el tiempo de factores

Métodos Promedio Análisis de

Delphi móvil Regresión

Juicio de Suavización Regresión

Expertos exponencial Múltiple

Proyecciones
Fuerza de de tendencia
ventas
Descomposición
Encuestas al
consumidor
Pronósticos
¿Qué es pronóstico?

Proceso de predecir un futuro evento.

Base general para toma de decisiones en:
 Producción
 Inventarios
 Personal
 Capacidades

Influenciado por horizonte de

tiempo y ciclo de vida del bien.
 Pronósticos
Pasos para uso de Pronósticos.

1. Determinar uso de pronóstico.

2. Seleccionar las variables.
3. Determinar el horizonte de tiempo.
4. Seleccionar el modelo de pronóstico.
5. Recolectar datos.
6. Ejecutar modelo.
7. Validar e implementar resultados.
Series de Tiempo
Antes de emocionarnos e iniciar con proyecciones,
debemos tener presente el error del pronóstico o de los
modelos.
Error = Valor Actual – Valor pronosticado.
=  |forecast errors|  Mean Absolute Deviation (MAD)
n

 (errors)
2
=  Mean Squared Error (MSE)
n


error
= actual
100%  Mean Absolute Percent Error (MAPE)
n
Series de Tiempo
Componentes de una serie de tiempo

 Tendencia, desplazamiento de la línea ajustada a hacia

arriba o hacia abajo.
 Estacionalidad, fluctuación periódica en las series de
tiempo dentro de un periodo determinado.
 Ciclos, desviaciones largas con respecto a la tendencia
debido a factores diferentes a la estacionalidad.
 Movimiento irregular, ruido aleatorio o error en una serie
de tiempo.
Series de Tiempo
Series de Tiempo
650 Tendencia
550
450
350
Demand

250
Ciclico
150
50 Aleatorio
-50
-150
0 1 2 3 4 5

Time (Years)
 Análisis de Tendencia
Se utilizada para:
1. Detectar tendencias de los datos en el tiempo.
2. Detectar estacionalidad de los datos.
3. Comparar tendencias a través de grupos.

Si los datos no están ordenados cronológicamente se puede utilizar una

gráfica de dispersión.

La gráfica consta de:

1. Escala de tiempo, eje X
2. Escala de datos, eje Y
3. Líneas que muestran cada serie de tiempo
Análisis de Tendencia
Análisis de tendencia:
 Facilita el ajuste de un modelo de tendencia general a las series
de tiempo (lineal, cuadrática, exponencial o curva S) y proveer
pronósticos.
 Se utiliza cuando los datos tienen tendencia constante, sin patrón
de estación y se desea un pronóstico de largo alcance.

Valores ajustados y coeficientes:

 Yt – representa el valor de la variable que se mide en tiempo t.
 t – representa las unidades de tiempo (t**2 = t2 )
 Coeficientes – son constantes utilizadas para expresar la variable
bajo consideración como una función de tiempo (x, x + x2 , x2 , S)
Análisis de Tendencia
2.A 3.B
1

3.B
2.B
5.B

4.B
Análisis de Tendencia
Data Equipment
Length 60
NMissing 0

Fitted Trend Equation

Yt = 324.29 + 0.383*t + 0.01136*t**2

Accuracy Measures
MAPE 2.0252
MAD 7.0948
MSD 79.6361

Time Equipment Trend Detrend

1 322 324.687 -2.6871
2 318 325.105 -7.1047
3 329 325.545 3.4551

Forecasts
Period Forecast
61 389.967
62 391.748
63 393.552
Descomposición
Se utiliza para separar las series de tiempo en los
componentes de tendencia lineal y estacional, así como de
error y proveer pronósticos.

Modelo Multiplicativo y Aditivo

Ajusta estacionalmente los datos y una línea de tendencia

de la serie ajustada, de tal forma elimina tendencia.
Descomposición
2

3
Descomposición
Promedio Móvil
Suaviza los datos en una serie de tiempo y provee
pronósticos a corto plazo.

 Muestran valores ajustados según suavización de valores consecutivos.

 Se corre riesgo que los componentes de tendencia o estacionalidad sean excluidos con
esta técnica.

Recordemos MAPE, MAD, MSD para identificar o sugerir la

mejor técnica según situación o datos.
Promedio Móvil
Pronóstico
Promedio Móvil
30 –
28 –
Actual
26 –
24 –
mm lluvia día

22 –
20 –
18 –
16 –
14 –
12 –
10 –
| | | | | | | | | | | |
E F M A M J J A S O N D
Promedio Móvil
2

4
3
Promedio móvil
Promedio Móvil Ponderado
Introduce el uso de pesos para dar mayor énfasis a los periodos recientes.

Los pesos están basados en experiencia e intuición.

Se acostumbra mayor uso cuando se identifica tendencia.
Introducción Promedio móvil
Mes de variedades ponderado 3 meses

January 10
February 12
March 13
April 16 [(3 x 13) + (2 x 12) + (10)]/6 = 121/6
May 19 [(3 x 16) + (2 x 13) + (12)]/6 = 141/3
June 23 [(3 x 19) + (2 x 16) + (13)]/6 = 17
July 26 [(3 x 23) + (2 x 19) + (16)]/6 = 201/2
Promedio Móvil y Ponderado
Problemas potenciales

1. El incremento de la suavización disminuye la sensibilidad a los cambios.

2. No se pronostica muy bien las tendencias.
3. Se requiere amplios datos históricos.
Suavización Exponencial Simple
Se utiliza para suavizar los datos en una serie de tiempo y
proveer pronósticos de corto plazo.

Se sugiere su uso cuando:

 Los datos no tengan tendencia o esta evolucione lento.
 No se tenga un patrón estacional.
 No se tengan datos faltantes.
 Se requiera pronóstico a corto plazo.

Ft = Ft-1 + (Yt-1 - Ft-1)

Ft = nuevo pronóstico
Ft-1 = previo pronóstico
 = constante suavización
Yt-1 = periodo actual previo
Suavización Exponencial Simple
No. Tonelada por Pronóstico usando  =0.10*
viaje
1 180 175

2 168 176= 175.00+0.10(180-175)

3 159 175 =175.50+0.10(168-175.50)
4 175 173 =174.75+0.10(159-174.75)
5 190 173 =173.18+0.10(175-173.18)
6 205 175 =173.36+0.10(190-173.36)
7 180 178 =175.02+0.10(205-175.02)
8 182 178 =178.02+0.10(180-178.02)

9 ? 179= 178.22+0.10(182-178.22)
Suavización Exponencial Simple
225 –

Comportamiento  = .5
 Se escogen valores de 
Actualaltos
200 –
Ton / viaje

cuando el promedio es muy

probable que cambie.
 Se– escogen valores bajos de 
175
cuando el promedio es muy  = .1
estable
| | | | | | | | |
150 –
1 2 3 4 5 6 7 8 9
Número de viaje
Suavización Exponencial Doble
Este procedimiento trabaja muy bien cuando se tiene
presente tendencia, también como un método de
suavización general.

Provee pronósticos a corto plazo.

Perfil del pronóstico, línea recta según estimado de

tendencia previa.
Suavización Exponencial Doble

2
1
Suavización Exponencial Doble
Double Exponential Smoothing for Equipment

Data Equipment
Length 60

Smoothing Constants
Alpha (level) 0.941450
Gamma (trend) 0.043964

Accuracy Measures
MAPE 2.169
MAD 7.543
MSD 110.998

Forecasts
Period Forecast Lower Upper
61 398.564 380.084 417.045
62 400.393 373.237 427.549
63 402.221 365.894 438.549
Modelos de Regresión y Pronóstico
Modelo Cualitativo: Métodos Serie tiempo: Métodos Causal :
incluye factores incluye data histórica en incluye una variedad
subjetivos el tiempo de factores

Métodos Promedio Análisis de

Delphi móvil Regresión

Juicio de Suavización Regresión

Expertos exponencial Múltiple

Proyecciones
Fuerza de de tendencia
ventas
Descomposición
Encuestas al
consumidor
Modelos de Regresión y Pronóstico

Error de predicción
1. Mean Absolute Deviation (MAD)
∑ |forecast error |/n
2. Mean Square Error (MSE)
∑ |forecast error ^2|/n
3. Mean Absolute Percent Error (MAPE)
∑ |forecast error / real obs |/n
Modelos de Regresión y Pronóstico

Las series de tiempo pueden ser descompuestas en

1. Tendencia
2. Estacionalidad
3. Ciclos
4. Variación aleatoria
Modelos de Regresión y Pronóstico

El análisis de regresión es una herramienta muy útil en la actual

gestión administrativa.

Permite entender la relación entre variables y predecir el valor

si una o más cambian.

Los modelos de estimación de costos y producción son buen

ejemplo.
Modelos de Regresión y Pronóstico

Un modelo de regresión está compuesto por una variable

dependiente (respuesta) y una variable independiente
(predictiva).

Y = f(X)
Modelos de Regresión y Pronóstico
1. Plan de recolección de datos
 Definición de variables (respuesta y predictivas).
2. Desarrollar modelo para eliminar “trivials many”
 Eliminar variables con bajo efecto en la respuesta (gráficos y
estadísticos).
 Combinación de factores.
3. Seleccionar y refinar modelo
 “Vitals few”; 2 ó 3 factores que aportan el 80/20.
4. Validar modelo
 Residuales y datos actuales.

¿Qué tipos de datos usar?

Modelos de Regresión y Pronóstico

Coeficiente de correlación de Pearson mide hasta que punto dos

variables continuas están linealmente relacionadas.

Escala (-1,+1 ); indica pendiente y grado de asociación.

Observaciones
1. Medición de relaciones lineales
2. Inapropiado concluir relación causal, se amerita DOE.
3. Alta sensibilidad a valores extremos.
Modelos de Regresión y Pronóstico
Valor de P,
a) P > α; Afirmación que no existe relación lineal.
b) P < α; Afirmación que existe relación lineal.
c) Niveles; 0.05 y 0.10

Resultado,
Relaciones lineales positivas y negativas.
Relaciones no lineales.
Hipótesis nula
Decisión Verdadera Falsa
No rechazar Ho Decisión correcta Error tipo 1
Rechazar Ho Error tipo 2 Decisión correcta
Modelos de Regresión y Pronóstico
Modelos de Regresión y Pronóstico
Uso de gráficas de dispersión:
 Examinar la relación entre dos
variables.
 Verificar si hay valores
atípicos.
 Crear una gráfica de serie de
tiempo con datos irregulares
que dependen del tiempo.

Gráfica X,Y
 X es la variable independiente,
factor o predictiva.
 Y es la variable dependiente,
estudio o respuesta.
Modelos de Regresión y Pronóstico

Uso de gráficas de matriz:

 Evaluar las relaciones entre varios pares de variables al mismo tiempo Examinar
la relación entre dos variables.
 Arreglo de varias gráficas de dispersión.

Normalmente las gráficas de matriz contienen los siguientes elementos:

 Una matriz de gráficas de dispersión
 Filas y columnas de la matriz, cada una de las cuales representa una variable
separada
 Una escala interna de eje X y eje Y para cada gráfica de dispersión
Modelos de Regresión y Pronóstico
Modelos de Regresión y Pronóstico
Uso de gráficas marginales:
 Ilustrar la relación entre dos variables.
 Evaluar las distribuciones de las dos variables.
 Verificar si hay valores atípicos.

Normalmente las gráficas marginales contienen los

siguientes elementos:
 Una gráfica de dispersión.
 Bien sea un histograma, una gráfica de caja o una gráfica de
puntos en los márgenes de los ejes X y Y.

Al combinar una gráfica de dispersión con una de estas

gráficas adicionales, las gráficas marginales proveen más
información que una gráfica individual.
1.2.8 Modelos de Regresión y Pronóstico
Modelos de Regresión y Pronóstico
Respuesta= Intercepto +∑(Constante*Predictor)n + E
Y= B0+ (B1*X1) + E
Para entender que tan bien predice el modelo, se evalúa:

1. La variabilidad con SST (media), SSE (regresión) y SSR

(variación explicada).
2. Coeficiente determinación (r^2), proporción de la variación
explicada por el modelo.
3. Coeficiente de correlación (r Pearson), relación entre las
variables.
Modelos de Regresión y Pronóstico
Ejemplo
El cuerpo de técnicos de agronomía recolecto datos
de productividad de 206 lotes BA y sus respectivas
variables de kg N en fertilización mecánica, número
de riegos de 50 mm y % trash, todos en corte
manual con menos de 36 hrs de quema. Validar el
grado de asociación de las variables, pesos y
fórmula de regresión.
Ver datos en Excel “Datos ejercicios”.
Modelos de Regresión y Pronóstico

1. Tener una hipótesis, caso contrario la prueba estadística

podría ser no válida.
2. Correlación no significa causalidad.
3. Predicciones más allá del rango de las variables
recolectadas puede ser errado.
4. Una relación de significancia estadística no siempre es
un valor practico.
5. Se puede incluir variables binarias (0,1).
 Bibliografía
1. Barry, Render. 2006. Quantitive Analysis for Management. 9e. Pearson Education.

2. George, Michael. 2005. The lean six sigma pocket toolbook. McGraw-Hill.

3. Pérez, Felipe. 2009. Notas de Métodos Cuantitativos. INCAE Business School.

4. Statguide. 2012. Mejoramiento y procesos de calidad, Herramientas de

planificación de la calidad.

5. T.P. Ryan.1989. Statistical Methods for Quality Improvement. John Wiley & Sons.

6. Tutorials. 2012. Herramientas de planificación de la calidad. MINITAB 16.