Modelo de Regresión en La Estimación de Rendimientos en Procesos de Construcción, Comparación Con PERT

UNIVERSIDAD DEL BIO-BIO
FACULTAD DE INGENIERA
DEPARTAMENTO DE INGENIERA INDUSTRIAL

TESIS PARA OPTAR AL GRADO MAGISTER EN INGENIERA
INDUSTRIAL

TEMA

APLICACION DE MODELOS DE REGRESION EN LA ESTIMACION DE
RENDIMIENTOS DE PROCESOS DE CONSTRUCCION, COMPARACION
CON METODOLOGIA PERT.

ALUMNO : LUIS ANTONIO MOLINA CAMPOS
Constructor Civil Universidad del Bo-Bo
RUT : 08.177.319-K
PROF. GUIA : SR. MILTON RAMIREZ MONARDEZ
Ingeniero Matemtico
Magster en Estadstica

CONCEPCION, 2009
Tesis Magister en Ingeniera Industrial
Aplicacin de modelos de regresin en la estimacin de rendimientos de procesos de construccin,
comparacin con metodologa PERT
____________________________________________________________________
Luis Antonio Molina Campos
1

Dedicatoria

Para quien ha marcado mi ayer, mi hoy, y sin duda mis
maanas, quien con su ternura ha sabido arroparme en
sus brazos en mis momentos de tristeza y con su gran
energa y amor me ha ayudado a levantarme en mis
cadas, dedicada quien me ha acompaado y
compartido caminos desde vidas pasadas, a quien
comparte mis caminos en esta vida, para mi esposa Isis,
con mi amor y agradecimiento infinito.
Dedicada tambin a mis dos luces, luces que regocijan
mi alma y marcan mi destino, para mis hijos Ignacio y
Cristbal.
Dedicada tambin a mi madre, quien en esta vida no
pudo ver este logro, madre soy tu simiente.
Dedicada a mi padre, quien me dio la dicha de estar
con el en sus ltimos das, padre soy tu simiente.

____________________________________________________________________
2

Agradecimiento

Principalmente agradezco a mi profesor
gua Milton Ramrez, colega y amigo que sin
su encauce por la senda correcta, me habra
perdido en un camino lleno de curvas y
baches.
Agradezco a todas las personas, amigos,
colegas que de una u otra manera ayudaron a
que esta tesis tuviera un fin, sin esas ayudas,
sin esas palmadas en la espalda, sin esos
cariosos empujones esta tesis no habra
visto la conclusin final.
____________________________________________________________________
3
RESUMEN
En la presente investigacin se realiza un estudio comparativo de la estimacin de
Rendimientos esperados en partidas de construccin, mediante la metodologa PERT
y un modelo de Regresin multivariable seleccionado de acuerdo al comportamiento
de los datos estadsticos disponibles.
Ambos sistemas se comparan con datos estadsticos de rendimientos reales de
actividades de construccin obtenidos de tesis de alumnos de construccin de la
Universidad del Bo-Bo, estos datos fueron medidos considerando y tabulando
factores incidentes en el Rendimiento.
Se realiza un anlisis comparativo de los valores obtenidos con ambas metodologas,
para de esta manera poder obtener ventajas y desventajas de ambos y mostrar que el
mtodo de prediccin seleccionado entrega valores ms reales que el PERT, por lo
que su uso se sugiere de gran utilidad.
En el caso de la metodologa PERT la mayora de los Rendimientos esperados
tendieron a la media aritmtica, lo que indica que luego del anlisis estadstico de los
factores y consideraciones probabilsticas de la metodologa, el valor calculado de
todas maneras tiende a una media y no muestra exactamente la variabilidad de stos,
ni la influencia de los factores incidentes.
En los resultados entregados por el modelo de regresin se muestra una tendencia de
acuerdo a los factores incidentes en el Rendimiento esperado, lo que indica que vara
de acuerdo a la influencia de estos parmetros.
El modelo de regresin presenta varias ventajas comparativas con respecto al PERT,
como por ejemplo; que el valor del Rendimiento esperado (variable dependiente)
obtenido por el modelo no siempre se acercaba a la media, esto quiere decir que no es
un sistema que solo considere este supuesto, es decir presenta variabilidad en su
comportamiento, y esta variabilidad es obviamente atribuible a los factores que lo
afectan (variables independientes).
____________________________________________________________________
4
Es posible con las ecuaciones obtenidas por el mtodo de regresin considerar
cualquier escenario de factores.
En la investigacin se muestra que es ms til y beneficioso el modelo de regresin
que la metodologa PERT de acuerdo a los datos disponibles.
Sin embargo se debe dejar en claro que fue una investigacin inicial con datos
medidos por alumnos de pregrado, en virtud del tiempo disponible y de la
profundidad requerida, es necesario realizar un estudio ms acabado del
comportamiento del modelo de regresin. Sin duda esto da pie para investigaciones
futuras en esta rea de la industria de la construccin, abriendo caminos de
perfeccionamiento de la metodologa de estimacin de Rendimientos esperados.

Palabras Claves: Rendimiento, Actividades de Construccin, Procesos, Modelos de
Pronsticos, Modelo de Regresin, PERT, Variables Ficticias.

____________________________________________________________________
5
ABSTRACT
In the present investigation a comparative study of the estimation of Yields waited for
in construction games is made, by means of methodology PERT and a selected model
of multi-variate Regression according to the behavior of the statistical data available.
Both systems are compared with statistical data of real yields of obtained activities of
construction of thesis of students of construction of the University of Bo-Bo, these
data were measured considering incident factors in the Yield.
A comparative analysis of the values obtained with both methodologies is made, for
this way being able to obtain advantages and disadvantages of both and to show that
the selected method of prediction deliver more real values than PERT, reason why its
use is suggested very useful.
In the case of methodology PERT most of the awaited Yields they tended to the
average Arithmetic, which indicates that after the statistical analysis of the factors and
probabilistic considerations of the methodology, the calculated value of all ways
tends to an average and it does not show exactly the variability of these, nor the
influence of the incident factors.
In the given results by the regression model is a tendency according to the incident
factors in the waited for Yield, which indicates the variation according to the
influence of these parameters.
The regression model presents several comparative advantages with respect to the
PERT, like for example; that the value of the awaited Yield (variable employee)
obtained by the model not always approached the average, this means that it is not a
system that single considers this assumption, that is to say, presents variability in its
behavior, and this variability is obvious attributable to the factors that affect it
(variable independent).
It is possible with the equations obtained by the regression method to consider any
scene of factors.
In the investigation sample is more useful and beneficial the Regression Model than
PERT methodology according to the available data.
Nevertheless one is due to leave in clear that it was an initial investigation with
measured data by predegree students, in virtue of the available time and of the
required depth, is necessary to make a finished study of the behavior of the regression
model. Without a doubt this give the finish step for future investigations in this area
of the construction industry, opening ways of improvement in the methodology of
estimation of awaited Yields.
Key words: Yield, Activities of Construction, Processes, Models of Prognoses,
Model of Regression, PERT, Fictitious Variables.

____________________________________________________________________
6
INDICE
Resumen 3
Introduccin 7
Planteamiento del problema 10
Hiptesis 13
Objetivos generales 13
Objetivos especficos 13
1.- Modelos de estimacin usados actualmente en la construccin. 14
1.1 Etapas de la estimacin en el rea de la construccin 14
1.2 Procedimiento General de Estudio de Proyecto 19
1.3 Pasos para el estudio de presupuesto en un sistema computacional 25
1.4 Anlisis crtico del mtodo actual 29
1.5 Modelo de estimacin PERT 34
1.5.1 Definicin de PERT 35
1.5.2 Estimacin de duracin en PERT 37
1.5.3 Mtodos de estimacin de los rendimientos Ro,Rm,Rp,Re 39
2.- Factores que afectan los Rendimientos 43
2.1 Factores que afectan el rendimiento segn otros autores 44
2.2 Determinacin de factores incidentes, encuesta 45
2.2.1 Agrupacin por afinidad de factores 52
2.2.2 Determinacin de factores principales 53
2.3 Determinacin de los pesos de los factores 58
2.3.1 Valorizacin de los factores 58
3.- Presentacin de las metodologas 61
3.1 Metodologa PERT adaptada a la estimacin de costos y tiempos 61
3.2 Estimacin de rendimientos mediante modelo de regresin 66
4.- Modelos de pronsticos 68
4.1 Historia de los pronsticos 68
4.2 Tipos de pronsticos 68
4.2.1 Caractersticas de los pronsticos 69
4.2.2 Clasificacin de los modelos de pronsticos 70
4.2.2.1 Identificacin del mtodo 70
4.2.2.2 Pronsticos cualitativos 72
4.2.2.3 Pronsticos series de tiempo 73
4.2.2.4 Pronsticos causales con regresin 76
5.- Eleccin de un modelo de estimacin 81
____________________________________________________________________
7
5.1 Procedimiento de pronstico 81
5.2 Eleccin de modelo 83
5.2.1 Hiptesis del modelo 84
5.3 Seleccin del modelo de regresin a utilizar 85
5.4.- Tablas estadsticas de rendimientos 86
5.4.1. Tablas estadsticas de rendimientos para obra gruesa 86
6.- Programas computacionales para el anlisis estadstico 88
6.1. Programas computacionales 88
6.1.1.- Infostat 89
6.1.2.- Minitab, Statistical software 99
6.1.1. Excel 92
6.2. Seleccin del Programa a utilizar 92
7.- Validacin del Modelo 93
7.1.- Anlisis de Regresin Mltiple con variables ficticias 93
7.1.1.- Modelo de Regresin para actividad: Excavacin en Zanja 96
7.1.2.- Modelo de Regresin para actividad: Prefabricacin de Moldaje 99
7.1.3.- Modelo de Regresin para actividad: Hormign con acarreo horizontal y
vertical 103
7.1.4.- Modelo de Regresin para actividad: Albailera de soga 107
7.2.- Estimacin del escenario del proyecto 115
7.3. Estimacin de rendimiento esperado (Re) por Modelo de Regresin 117
7.3.1. Resmenes de Ecuaciones 118
7.3.2. Estimacin de rendimiento esperado Re 118
7.4. Estimacin de rendimientos esperados (Re), con metodologa PERT 120
7.4.1. Resumen de rendimientos obtenidos por metodologa PERT 126
8.- Comparacin de Resultados 127
8.1.- Anlisis y comparacin de resultados 128
8.1.1.- Comportamiento de los modelos para el escenario considerado 128
8.1.2.- Comparacin de los modelos con el Rendimiento medio (Rm) 129
8.1.3.- Comparacin de los modelos con distintos escenarios 131
Conclusiones 133
Bibliografa 136
Anexos
Anexo 1: Encuesta 140
Anexo 2: Procedimiento de seleccin de modelo de regresin a utilizar 142
Anexo 3: Tablas estadsticas de rendimientos de obra gruesa 160
Anexo 4: Tabla de Distribucin Normal 177
____________________________________________________________________
8
INTRODUCCIN

Sin duda la Construccin es una gran industria, pero se debe aceptar que en muchas
reas presenta una capacidad incipiente de modernizacin, comparada con otras
reas. Se construyen grandes edificios inteligentes, con tecnologas constructivas de
ltima generacin, pero el estudio de presupuestos, que incluye la estimacin de
rendimientos se sigue realizando como hace dcadas atrs, salvo algunas mejoras
computacionales, pero no en la metodologa en s, de esta manera se siguen utilizando
manuales determinsticos, escasas tablas de experiencia (generalmente de
presupuesto pero no de rendimientos). En esta lnea como muchas otras es necesaria
una modernizacin en los mtodos, de esta manera se propone en esta investigacin
la utilizacin de modelos de prediccin (ampliamente utilizados en industrias
manufactureras y afines) en la estimacin de Rendimientos esperados en reemplazo
de la estimacin PERT.
El procedimiento seguido fue primero realizar un anlisis de la metodologa utilizada
en la estimacin de rendimientos en el rea de la construccin, en el entendido que
los rendimientos es la clave para tiempos, costos vale decir presupuesto y
programacin de una obra. Principalmente se analiza el sistema de estimacin de
rendimientos por medio del mtodo PERT pero no desde el punto de vista de
programacin de obra, sino como un mtodo en estimacin de rendimientos teniendo
como base datos estadsticos.
Un punto importante en esta investigacin es la estimacin de factores incidentes en
el resultado final del rendimiento estimado, para la obtencin de estos se siguieron
encuestas a profesionales y tesis de alumnos de pregrado dirigidas por el autor de esta
tesis de magster.
Para la prueba de ambas metodologas se usaron datos de mediciones estadsticas
tomadas por alumnos tesistas de la carrera de Ingeniera en Construccin de la
Universidad del Bo-Bo.
____________________________________________________________________
9
Luego, con estos datos se realizan estimaciones de rendimientos con ambas
metodologas, para la obtencin del Rendimiento esperado se consideraron cuatro
actividades, principalmente por ser las que tenan ms datos medidos en terreno.
Si bien es cierto, fueron pocas actividades y solo con 20 datos cada una, los
resultados obtenidos permiten una comparacin entre ambas metodologa y probar
que es mejor una estimacin de rendimiento esperado mediante modelo de regresin
que el mtodo PERT.

____________________________________________________________________
10
PLANTEAMIENTO DEL PROBLEMA

Sin duda la Construccin es una gran industria, pero se debe aceptar que en muchas
reas presenta una capacidad incipiente de modernizacin, comparada con otras reas
productivas. Se construyen grandes edificios inteligentes, con tecnologas de ltima
generacin, pero, el estudio de programacin y presupuestos, que incluyen la
estimacin de rendimientos se sigue realizando como hace dcadas atrs, salvo
algunas mejoras computacionales, pero no en la metodologa en s, de esta manera se
siguen utilizando manuales determinsticos, escasas tablas de experiencia
(generalmente de presupuesto pero no de rendimientos). En esta lnea como muchas
otras es necesaria una modernizacin en los mtodos, de esta manera se propone en
esta investigacin la utilizacin de modelos de regresin (ampliamente utilizados en
industrias manufactureras y afines) en la estimacin de Rendimientos esperados en
reemplazo de la estimacin PERT, en lo que respecta a su estimacin de rendimientos
no en la programacin en si.
Para entender la problemtica se explicar, de forma general, el procedimiento de
estimacin para el rea de la construccin. (La metodologa actual de estimacin del
rea de la construccin se ver en extenso en el Captulo 1)
El hombre desde siempre se ha preocupado del tiempo, del pasado, presente, y
principalmente del futuro, en todo mbito de situaciones, en la vida personal y
profesional, as tambin las empresas deben preocuparse de estos parmetros. De esta
manera se debe considerar el pasado (la experiencia), para poder aprender de ste, de
los errores y de los aciertos, y as poder mejorar los procesos. En prcticamente todas
la empresas es un factor primordial el futuro, pues de cmo est preparada para ste
depender su permanencia en el mercado, ejemplo de esto es que se deben
pronosticar demandas para ajustar la produccin, estimar inventarios, estimar
rendimientos, entre otros, en resumen se deben presupuestar ciertos parmetros
futuros para regir el actuar de la compaa.
____________________________________________________________________
11
Los principales parmetros estimados en la empresa constructora son el costo y la
duracin, pero estos dependen del rendimiento de la actividad y la cantidad de obra a
ejecutar, de acuerdo a la siguiente frmula: [Arriagada 1988]
recurso iento ren
obra de cantidad
duracin
_ dim
_ _
= (1)
Costo =costo fijo + costo variable (2)
El costo variable est dado por la duracin de la actividad y el costo de los recursos
mano de obra y/o maquinarias (recursos que dependen del tiempo). El costo fijo
corresponde al costo de los materiales (recursos que no dependen del tiempo)
El procedimiento, que no ha sufrido cambios desde hace muchas dcadas, considera
como una premisa primordial que el rea de la construccin es determinstica, bajo
esta consideracin no hay factores que influyan en el valor del rendimiento, y, por lo
tanto el valor estimado para duracin y costo debera ser el final obtenido. Dicho
supuesto (rendimiento estimado) dista bastante de la realidad (rendimiento real), pues
un bajo porcentaje de obras se ajusta a los valores presupuestados [Vivallos,
Alejandra 2002], teniendo importantes diferencias en los presupuestos y
programacin (tiempo y costos).
Si se analiza la ecuacin (1), el rendimiento del recurso corresponde al recurso
incidente, es decir, mano de obra y maquinaria, pero dicha ecuacin no considera
ningn factor incidente en la variabilidad del rendimiento, es ms ni siquiera se
considera variabilidad (rendimiento determinstico).
Para estimar el rendimiento de cualquier actividad se consideran tablas o manuales
comerciales, que entregan un rendimiento para cada actividad, (manual ONDAC
Chile, Manual PUC, Cmara chilena de la construccin, y otros). Actualmente se
prepara un manual estadstico desarrollado a travs de tesis de investigacin de
alumnos de la Escuela de Construccin de la Universidad del Bo-Bo.
Se podra decir que una dificultad en la estimacin de rendimientos es la falta de
informacin, datos estadsticos, pero no es obligacin de toda empresa medirse a si
____________________________________________________________________
12
misma?, medir sus procesos?, es ms an es este tiempo que se habla con tanta
propiedad de calidad, de que la empresas constructoras se estn acreditando, entonces
por qu las empresas constructoras no tienen mediciones de rendimientos?, o si los
tienen, cmo los usan?, o saben usarlos?.
En resumen el problema es que la empresa constructora considera rendimientos
determinsticos y no considera tablas estadsticas de rendimientos reales, y, al tener
dichas tablas no considera factores incidentes en la variabilidad de los rendimientos
de las actividades.
Considerado los datos estadsticos obtenidos en tesis de los alumnos de la Escuela de
Ingeniera en Construccin, en la presente investigacin se propone utilizar un
modelo de regresin para la estimacin de rendimientos para el rea de la
construccin.
____________________________________________________________________
13
HIPOTESIS

Se pueden estimar rendimientos esperados con un modelo de regresin mltiple de
manera ms ptima que la metodologa PERT considerando factores incidentes y
tablas estadsticas.

OBJETIVOS GENERALES

Analizar y demostrar que los rendimientos esperados obtenidos por medio de la
utilizacin de un modelo de regresin son mucho ms exactos que los obtenidos a
travs de la metodologa PERT.

OBJETIVOS ESPECIFICOS

Realizar un estudio de la metodologa PERT
Realizar un estudio de los distintos modelos de pronsticos
Eleccin del modelo de pronstico ms adecuado
Aplicacin de los dos mtodos en el rea de la construccin
Realizar una comparacin de los dos mtodos

____________________________________________________________________
14
CAPTULO I: MODELOS DE ESTIMACION USADOS ACTUALMENTE EN
LA CONSTRUCCIN
Sin duda alguna no se podra concluir que el actual sistema de estudio de
presupuestos presenta un problema, o por lo menos no un gran problema visto desde
cierto punto de vista, sino que a) no se realizan todos los pasos para el tiempo que se
vive; de alta competencia, bajos porcentajes de utilidades, rotacin de mano de obra,
calidad de la misma, entre otros; o b) que los pasos realizados no son ptimos y esto
tiene como consecuencia un estudio mal ejecutado o muchos factores no
considerados.
Pero tambin, si la Empresa Constructora sigue efectuando el estudio siempre de la
misma manera, o si sigue y seguir- esta alta competencia, si contina perdiendo
propuestas, o ganando pero con un margen de utilidades cada vez ms pequeo, o si
continan las diferencias entre lo estudiado y lo real, entonces quizs no se podra
concluir que se est ante un problema?, en el siguiente captulo se mostrar cmo la
empresa constructora realiza actualmente su estudio de presupuestos, sus ventajas, y
sus desventajas.
Con el estudio del procedimiento que se utiliza actualmente, sus pasos, sus falencias
se pretende modelar el problema actual, al cual se enfrenta la empresa constructora.
Para destacar la importancia de la investigacin se hace un resumen de cmo la
empresa constructora est realizando el estudio de presupuestos; la metodologa
seguida por un sistema computacional (Punto 2.2), se muestran las ventajas y
desventajas de este procedimiento, luego en el punto 2.3 se hace un anlisis de los
inconvenientes del problema actual.

1.1.- Etapas de la estimacin en el rea de la construccin
Para el hombre el tiempo se ha transformado en un valor muy importante ya que para
cualquier actividad que desee realizar, ya sea, en la vida personal o profesional ste
estar presente. El tiempo puede ser segmentado en pasado, presente y futuro siendo
____________________________________________________________________
15
el futuro el valor mas desconocido debido a la variabilidad de circunstancias que lo
pueden afectar.
Para el caso de las empresas constructoras el tiempo es un valor esencial ya que no
solo se considera como una medida de longitud sino tambin como la indicacin de
una meta y deben preocuparse de ste. [Sipper, 1998]
El tiempo de entrega es el periodo necesario para entregar un producto desde que se
orden hasta que lo recibe un cliente. La fecha de entrega es una meta, que representa
ya sea la fecha en que el producto se necesita o la fecha en que se prometi
entregarlo, de esto, se deduce que es necesario informar al cliente una fecha confiable
de entrega.
La empresa constructora considera el factor tiempo en todas sus etapas, de hecho
presupuesta y realiza la programacin para una obra futura, pero, no siempre avalados
por datos pasados o de experiencias pasadas.
Sin embargo, en la Construccin se debe considerar el pasado (la experiencia) para
poder aprender de ste, de los errores y de los aciertos, y as poder mejorar los
procesos. En prcticamente todas las empresas el futuro es un factor primordial, pues
dependiendo de cmo estn preparadas para enfrentarlo depender su permanencia en
el mercado, ejemplo de esto es que se debe pronosticar demandas para ajustar la
produccin, inventarios, entre otros, se deben presupuestar ciertos parmetros futuros
para regir el actuar de la compaa.
Las etapas o hitos importantes a considerar en la estimacin de costos y tiempos se
pueden resumir en el siguiente esquema.
____________________________________________________________________
16

Diagrama N1.1 Etapas de la empresa constructora [Molina, 2003]

La estimacin de costos se realiza en base a un Anlisis de Precios Unitario, pero
stos dependen principalmente del rendimiento de la actividad y la cantidad de esta a
ejecutar. La duracin se obtiene de acuerdo con la siguiente expresin: [Arriagada,
1988]

Recurso del o Rendimient
Obra de Cantidad
Duracin = (1.1)

a.- Cantidades de obra
Estas son muy importantes ya que son utilizadas para la generacin del presupuesto
oficial del proyecto y la planificacin del mismo. Estas provienen de las cubicaciones
cuya labor se realiza con los planos y especificaciones tcnicas del proyecto. El orden
seguido para la cuantificacin de materiales es, por lo general, el que aparece en el
itemizado oficial que entrega el mandante para la presentacin de la propuesta,
pudiendo aparecer nuevas tareas no consideradas en el itemizado oficial. [Pradenas,
2005]
b.- Rendimientos
Fecha Estudio
Presupuesto.
Programacin
Fecha Inicio Obra
Fecha Trmino Obra

Estimacin de:
Costos
Tiempos
(Rendimientos)
Control: Toma de datos para obras futuras y reajuste
de la actual.
Datos Previstos
Estimacin de datos, Tiempos y
Costos

Datos Previstos-Datos reales
____________________________________________________________________
17
Los rendimientos son la cuantificacin de la capacidad de produccin de un recurso
determinado, sea ste mano de obra o maquinaria y por lo general, constituyen una
informacin propia de cada empresa o rea de actividad y dependen de muchos
factores.
En esta etapa se analizarn ms en extenso los rendimientos variables (mano de obra
y maquinarias), de otra manera tambin son considerados en el anlisis de costos
unitarios los rendimientos de los materiales, pero como estos no tienen variabilidad se
puede considerar como un valor fijo en el estudio.
En esta etapa surge la pregunta, Cmo obtiene el evaluador el rendimiento de la
actividad?, en esta investigacin se har un anlisis de las maneras actuales de
obtener los rendimientos y se har hincapi de lo que debera hacer una empresa
constructora para obtener sus rendimientos.
Por consiguiente la empresa, obtiene sus rendimientos de las siguientes maneras:
a) De tablas comerciales determinsticas, que consideran un solo rendimiento y que
no consideran variabilidad ni tablas estadsticas. Aqu se puede citar Manual
ONDAC, Tabla de rendimientos PUC, Tabla de Rendimientos Cmara Chilena
de la Construccin. Es necesario dejar en claro que estos manuales no consideran
factores incidentes en los rendimientos, como clima, calidad mano de obra entre
otros, ni es posible considerar variabilidad en estos rendimientos, como
rendimientos pesimista, u optimista.
b) De la experiencia, que puede ser:
b.1. De evaluador
b.2. De la empresa
Son pocas las empresas que actualmente tienen mediciones de los rendimientos
reales de sus procesos (actividades), muchas guardan los presupuestos pasados,
con costos reales algunas, pero pocas mantienen tablas de rendimientos reales y
menos an mantienen factores incidentes en el valor de rendimiento. [Vivallos
Alejandra, 2002]
____________________________________________________________________
18
c) De tablas estadsticas de rendimientos. Actualmente no hay tablas comerciales
que tengan ms de un rendimiento para cada actividad de la construccin.
Existen investigaciones de alumnos de la Carrera de Ingeniera en Construccin
de la Universidad del Bo-Bo que han realizado tablas estadsticas, se pueden
citar las siguientes:
c.1. Anlisis de rendimientos en obra gruesa de una vivienda de albailera
reforzada con factores incidentes en su duracin aplicados en la ciudad de
concepcin, Vergara N., Cristin y Molina C. Luis Antonio, Tesis para optar
al grado de licenciado en ciencias de la construccin, Universidad del Bo-
Bo, 2003 [Vergara, Cristin 2003]
c.2. Proposicin de un estudio de rendimientos probabilsticos considerando
factores incidentes en terminacin en obras de edificacin, Ziga Z., Carlos
y Molina C. Luis Antonio, Tesis para optar al grado de licenciado en
ciencias de la construccin, Universidad del Bo-Bo, 2004 [Ziga, Carlos
2003]
c.3. Anlisis probabilstico de rendimiento de mano de obra aplicado a obras
sanitarias, Pradenas A., Alex y Molina C. Luis Antonio, Tesis para optar al
grado de licenciado en ciencias de la construccin, Universidad del Bo-Bo,
2005 [Pradenas Alex, 2005].
Con estas investigaciones se prepara un manual estadstico que se espera ofrecer
a las empresas constructoras, y en esta investigacin se usarn como base
para el estudio de regresin.
____________________________________________________________________
19
1.2.- Procedimiento General de Estudio de Proyecto
Para entender el procedimiento general de estudio de proyecto de construccin se ha
generado el diagrama N1.2, en el que se muestra todo el proceso desde el momento
que concibe el proyecto el mandante, hasta la adjudicacin. El objetivo del estudio es
del momento de la generacin de presupuesto hasta la adjudicacin, ejecucin y
control de la obra, como se ver en los siguientes diagramas.

Diagrama N 1.2, Estructura general de paso para un estudio de proyecto de construccin.

En la actualidad el ciclo de estudio de un proyecto es el detallado en el diagrama
N1.2 [Prida, Jos 1997],

interesan para el estudio dos etapas que debe realizar la
MANDANTE
EMPRESA
CONSTRUCTORA
Antecedentes de la obra o proyecto
(Planos, Esp. tcnicas
Estudio
Presupuesto
Programacin.
Otros

Presentacin a Mandante
Mandante
Adjudica?
Empresa constructora
Ejecuta la Obra.
Si
No
Empresa constructora
Revisin y archivo.
Etapa 1
Etapa 2
Etapa 3
____________________________________________________________________
20
empresa constructora, como estructura general, la que se seguirn en forma ms
detallada en los siguientes prrafos.
Etapa 1, Estudio de presupuesto por la empresa constructora.
Del diagrama general de estudio de proyecto, la primera etapa importante es la que
debe seguir la empresa constructora para presentarse a la propuesta, en general los
pasos son los estipulados aqu, pudiendo variar de una empresa a otra, o de un autor a
otro, no se pretende aqu hacer una comparacin terica de pasos ni mtodos, sino un
anlisis a la metodologa de estudio de presupuesto actual.

Diagrama 1.3. Diagrama de pasos para la generacin de un presupuesto de construccin

Para el diagrama N1.3, como primer paso, el mandante entrega los antecedentes de
la Obra o proyecto a la Empresa Constructora, estos antecedentes pueden ser planos,
especificaciones tcnicas, bases administrativas, planes de calidad, entre otros.
Una vez recepcionados los antecedentes, la empresa constructora sigue los pasos
descritos desde el punto a) al g), (estos pasos son los que se siguen generalmente,
obviamente pueden variar dependiendo de la empresa o de las caractersticas de la
obra.)
PASOS
a) Estudio Preliminar
b) Listado de tareas
c) Cubicacin
d) Generacin Presupuesto
d.1.Anlisis de costos
d.1.1. Manejo de recursos
i. Rendimientos
ii. Costos Unitarios
e) Programacin del
proyecto
f) Revisin Final
g) Presentacin al
Mandante
MANDANTE
EMPRESA
CONSTRUCTORA
Antecedentes de la obra o proyecto
(Planos, Esp. tcnicas
____________________________________________________________________
21
a. El primer paso generalmente es un estudio preliminar sin efectuar ningn listado
de actividades, ni presupuesto, para el entendimiento general del proceso
constructivo y lineamientos generales a seguir.
b. Listado de tareas: en este paso se genera el primer listado de actividades o tareas,
las que pueden formar parte del presupuesto (o subproyecto). No necesariamente
una tarea de una programacin forma parte de un tem del presupuesto, es decir
puede ser un subitem de un presupuesto y su costo estar reflejado en este tem
general. Es importante considerar aqu que es comn en la empresa constructora
generar el presupuesto sin considerar la programacin de la obra.
c. La cubicacin, etapa importante y primordial necesaria para la creacin del
presupuesto y programacin, se realiza con los planos y especificaciones tcnicas.
Es comn seguir aqu el orden ya preestablecido por el listado de tareas, pudiendo
aparecer tambin una tarea nueva no considerada anteriormente.
d. Generacin de presupuesto: Una vez culminados los pasos anteriores, se procede
a la realizacin de presupuesto propiamente tal, aqu se distinguen los siguientes
pasos:
d.1. Anlisis de costos, se realiza aqu el anlisis de costos para cada partida,
considerando todos los recursos, sus cantidades y unidades que son
consumidos en sta (Como grupo de recursos se tiene: mano de obra,
materiales, y mquinas /herramientas como grupos generales).
El estudio de costos se realiza de alguna de las siguientes maneras:
1. Considerar el ltimo anlisis de costo de esta partida realizado por
lo general el de la ltima obra.
2. Considerar un promedio de los ltimos anlisis de costos de las
ltimas obras.
3. Considerar el costo unitario que tiene la base de datos del sistema
computacional utilizado.
____________________________________________________________________
22
d.1.1. Si bien es cierto, en el anlisis de costos se consideran las cantidades
de recursos para la partida, es comn y necesario poseer una base de
datos de recursos, y que stos a su vez tengan asociados sus
rendimientos, costos unitarios y unidades.
i. Rendimientos, cada recurso tiene asociado un rendimiento para la
partida en la que se considera. Hay rendimientos que inciden en la
duracin de la partida como la mano de obra y/ o maquinaria y son
estos los que se deben considerar en la programacin de la obra, por
ejemplo: La duracin de la actividad Confeccin de Moldajes de
Sobrecimientos tiene un rendimiento de 10 m2/da, en este caso el
rendimiento de la partida es el rendimiento de la cuadrilla (mano de
obra) que realiza esta partida.
ii. Para el anlisis de costos es importante considerar el costo unitario de
cada recurso, este debe ser considerado por unidad de consumo o de
pago, por ejemplo mano de obra por unidad de tiempo (da, hora,
mes); trato por unidad de produccin (m2, m3, etc.); maquinarias
generalmente por unidad de tiempo (da, hora, mes).
Para el anlisis anteriormente descrito es comn utilizar el formato del
diagrama N1.4, y este estructura los grupos de recursos antes mencionados;
Materiales, Mquinas / Herramientas y mano de obra. Se considera tambin la
Unidad, la cantidad y el precio unitario de cada recurso, la suma de los costos
unitarios de cada grupo de recursos es el costo unitario de la partida.
____________________________________________________________________
23
ANALISIS DE COSTOS TIPO
OBRA:
PARTIDA:
Cantidad de Obra: Unidad:
A. Materiales
Recurso Unidad Cantidad Unitario Total

Total A
Unitario A
B. Mquinas y Herramientas

Total B
Unitario B
C. Mano de Obra

Sub. Total C
% Leyes Sociales
Total C
Unitario C
D Total Costo Directo (A+B+C)
Total Costo Unitario Directo
D. __% Gastos Generales
E. __% Gastos Financieros
F. __% Utilidades
G. __% Impuestos IVA
Total Precio Partida
Total Precio Unitario partida

Diagrama N 1.4, Formato de Anlisis de Costo Unitario
e) Programacin del proyecto, Esta es sin duda una etapa importante en el estudio,
que las empresas pocas veces consideran como tal, en esta es posible efectuar
desde una carta Gantt, una programacin CPM o una PERT, no es el objetivo de
esta tesis analizar cual es la mejor o analizar alguna metodologa en particular.
____________________________________________________________________
24
f) Revisin Final, aqu se revisan los documentos, presupuesto, programacin ante de
entregar al Mandante la propuesta.
g) Presentacin al mandante, se entregan todos los documentos al mandante para
que este de su aceptacin o rechazo, si es asignado la propuesta la empresa
constructora debe realizar el proyecto, es decir se contina con la ejecucin y
control de la obra.
Etapa 2, Ciclo posterior a la adjudicacin del proyecto.
El siguiente diagrama es el que idealmente debera ser seguido por toda empresa
constructora, esto es posterior a la adjudicacin del presupuesto, para efectos de este
anlisis se han considerado el paso inicial de estudio de presupuesto (1), paso
fundamental que no puede ser extrado del ciclo total pues formar parte de los
estudios futuros y debe ser cada vez enriquecido con las obras ejecutadas.

(1)Estudio Presupuesto (2) (3)
Cubicacin Generacin
Presupuesto
Adjudicacin Ejecucin

(6) Etapa Generacin Bases
de datos
(5) (4)
Base de Datos
APUs Reales
Base de Datos
rendimientos
Estudio de
Datos
Control

Diagrama 1.5, Ciclo posterior a la adjudicacin del proyecto.
En este ciclo el primer paso es (1) Estudio del Presupuesto, se detall mas en
extenso en los prrafos anteriores (ver diagrama N1.3). Es importante considerar
este paso en esta etapa, pues debe ser enriquecido con la ejecucin del proyecto. Paso
(2) Adjudicacin es considerado el punto en el cual se adjudica la propuesta y
permite el paso a la ejecucin de la obra; Paso (3) Ejecucin, este es ya el paso ms
importante donde se ejecuta la obra y cada partida presupuestada con los recursos
destinados para esta. En este paso tericamente se debe gastar lo considerado en el
tiempo estimado; En el paso (4), Control se ha considerado paralelo a al de ejecucin
____________________________________________________________________
25
pues el ideal de toda obra es que estos sean paralelos, asumiendo que cada actividad
ejecutada debera controlarse en tiempos y costos para poder realizar cambios si fuera
necesario y poder revertir problemas a futuro de suceder estos, haciendo de esta
manera una obra proactiva y no reactiva, en resumen no se debe controlar al final el
proyecto, no es objetivo de esta investigacin analizar el control aunque en virtud del
modelo propuesto se relaciona con ste y el buen uso de tablas y la necesidad de
generar bases de datos de rendimientos reales por partida. El paso (5) Estudio de
datos no es otro que un buen filtro de los datos antes de la generacin de las bases
propiamente tal; (6) Generacin de Bases de datos (Generacin del histrico), es sin
duda el mas importante, sin restarle importancia a los otros, pero sin este paso o al
estructurase en estado deficiente ser tambin deficiente la generacin de
presupuestos futuros y redundar en malos presupuestos, pocas utilidades y otros
factores que influirn en la etapas de ambos ciclos. Ahora respecto a este mismo
paso, es importante tambin la informacin que se controla y como se ocupar a
futuro.

1.3.- Pasos para el estudio de presupuesto en un sistema computacional.
Es importante para esta investigacin detallar el ciclo de estudio de presupuesto en un
sistema computacional, en el siguiente captulo se seguir el ciclo de estudio comn
en toda empresa constructora (ver diagrama N1.6a y 1.6b). Para este se ha
considerado que la empresa posee un sistema computacional de estudio de
presupuestos.
El procedimiento se seguir paso a paso, para un mejor entendimiento del estudio
actual, y de la informacin de la empresa y como sta se modifica da a da.
Esta es la estructura base comn de todo sistema computacional, los presupuestos
nuevos se crean a partir de la Base de datos de anlisis de costos unitarios la cual
se relaciona con la de recursos.
____________________________________________________________________
26

Diagrama N 1.6a, Creacin del primer presupuesto de una empresa
Para crear el primer presupuesto, asumiendo que la empresa ha creado la base de
datos de recursos y de actividades (Base de datos de precio unitarios, APU), se sigue
el siguiente procedimiento:
1.- Para cada partida del presupuesto, se selecciona de la base de datos el costo
unitario, si no existe se crea con los recursos de la base de datos respectiva,
2.- Se ingresa la cantidad de obra, para esta partida,
3.- Se contina con las siguientes partidas hasta tener todo el presupuesto,
4.- Una vez terminado, ste pasa a formar parte de la base de datos de presupuestos.
tipo de
recurso
costo x
unidad
unidad
HD
recurso
Carpintero 1ra Mano obra
Estructura base de datos de recursos
rendimiento
recurso
recursO costo unit.
actividad
costo
recurso
unidad actividad
Estructura base de datos de costos unitarios
costo
unitario
costo total
cantidad
unidad
partida/
Estructura base de datos presupuestos
____________________________________________________________________
27
Diagrama N1.6 b, Creacin de presupuesto nuevo, considerando bases de datos de
recursos, actividades y presupuestos pasados.

Considerando el diagrama N1.6b, que supone la creacin de un segundo y
posteriores presupuestos: El procedimiento a seguir es similar al anterior, pero ahora,
se tiene adems de la base de datos de actividades, la base de datos de presupuestos
pasados.
Las posibilidades para crear un nuevo presupuesto son:
a) Crear el presupuesto nuevo con las bases existentes (recursos y partidas), es decir
extraer las partidas de las bases de datos, varindolas o no, dependiendo del caso,

COSTO
UNITARIO
COSTO
TOTAL
CANTID
AD
UNIDA
D
PARTIDA/
ESTRUCTURA BASE DE DATOS PRESUPUESTOS
COSTO
UNITARIO
COSTO
TOTAL
CANTID
AD
UNIDA
D
PARTIDA/
ESTRUCTURA BASE DE DATOS PRESUPUESTOS
COSTO
UNITARIO
COSTO
TOTAL
CANTIDA
D
UNIDAD PARTIDA
BASE DE DATOS PRESUPUESTOS PASADOS
(Actualizados y no actualizados)
COSTO
UNITARIO
COSTO
TOTAL
CANTIDAD
UNIDAD
PARTIDA
NUEVO PRESUPUESTO
RENDIMIEN
TO
RECURSO
RECURS
O
COSTO
UNIT.
ACTIVIDA
D
COSTO
RECURS
O
UNIDAD ACTIVIDAD
ESTRUCTURA BASE DE DATOS DE PRECIOS UNITARIOS
TIPO DE
RECURSO
COSTO X
UNIDAD
UNIDAD RECURSO
ESTRUCTURA BASE DE DATOS DE
RECURSOS

____________________________________________________________________
28
para adaptarlas al nuevo presupuesto, b) Copiar un presupuesto de la base de datos de
presupuestos pasados, si son similares, para en un paso posterior modificarlo.
Si una partida en particular no existe, se puede crear, y esta puede pasar a formar
parte de la base de datos de partidas. Si la partida est y se necesita modificarla para
el nuevo presupuesto, existe la posibilidad en los sistemas computacionales, que esta
actividad modificada pase a formar parte de la base de datos de actividades,
reemplazando la anterior, o con un nuevo cdigo.
El presupuesto una vez creado, es solo una estimacin presupuestaria del proyecto
que se ejecutar a futuro. Una vez que este proyecto est en ejecucin, debera
controlarse (ingresar situacin real versus la situacin inicial programada), control
que en muchos casos se ejecuta una vez que ste ha terminado, es obvio reconocer el
inconveniente de esto ltimo, la finalidad de la investigacin no es poner de
manifiesto esta situacin que la empresa debe tener lo suficientemente clara.
El control, que en la mayora de las situaciones se sigue, es el siguiente:
Una vez que la actividad se ha ejecutado, se debe ingresar la cantidad real
obtenida y el costo real obtenido para dicha partida. Se tiene de esta manera
valores presupuestados versus valores reales (para los tem indicados).
Se contina con las siguientes partidas, hasta completar el presupuesto. Al
trmino del proceso se tendr el presupuesto debidamente controlado.
Se debe tener presente que estos presupuestos controlados subsisten en la misma base
de datos de los presupuestos no controlados y programados, es ms se asume que el
ideal para los sistemas computacionales es que estos puedan tener herramientas de
control a nivel de actividades y recursos (rendimientos reales), las estructuras de
control, ms comunes son:
____________________________________________________________________
29
PRECIO
UNITARIO
CANTID.
COSTO
TOTAL
REAL
CANTIDAD
REAL
COSTO
TOTAL
UNIDAD
ACTIVIDAD
ESTRUCTURA BASE DE DATOS DE PRESUPUESTOS

Diagrama 1.7a, estructura de presupuestos, para control presupuestario.

TOTALES
Presupuestado. Real
CANTIDAD
PRESUP. GASTADA
SALDOS

ACTIVIDAD (en las
que se consume)
RECURSO:_(nombre recurso a controlar)_

Diagrama 1.7b, estructura de control a nivel de recursos.
En el diagrama 1.7b (sistema de control utilizado por sistemas computacionales de
uso en la construccin), se puede efectuar un buen control a nivel de recursos, este
tiene dos inconvenientes, se ingresa solo la cantidad real (no se puede ingresar el
rendimiento real, aunque se podra calcular en virtud de estos datos), lo ideal es que
este control se haga a nivel de partida, permitiendo ingresar cantidades y/o
rendimientos reales para cada recurso considerado en la partida.

1.4.- Anlisis critico del mtodo actual.
En la etapa de control, se encuentra uno de los primeros inconvenientes del mtodo, y
de los sistemas computacionales actuales, esto es que no permiten ingresar otro tipo
de control. Por ejemplo al analizar la siguiente situacin de una actividad cualquiera
que se denomina Actividad control, para dicha actividad a controlar solo se puede
ingresar la cantidad real y el costo total obtenido, dnde se ingresa la cantidad real
de recursos presupuestados?, dnde se ingresan los rendimientos reales, para estos
recursos?, dnde se ingresan los factores a los que estuvo sometida la actividad,
como tiempo, calidad de la mano de obra, maquinara y/o herramientas y otros datos
____________________________________________________________________
30
necesarios para proyectos futuros?, cmo se almacena el conocimiento aprendido?,
cmo se puede usar este conocimiento en proyectos futuros?. En virtud de lo
cambiante de las situaciones y de las diferencias entre los presupuestos (real y
programado), como se puede presupuestar a futuro, considerando el conocimiento y
lo variable de las situaciones (entindase anlisis probabilstico)?.
En esta parte se debe notar, pues es uno de los puntos importantes en los que se basa
esta tesis, que el estudio de costos realizado por la empresa constructora, no
considera realmente la experiencia de esta en obras pasadas, es decir, no cuenta con
un histrico de su informacin, y que la informacin que posee no es til para estimar
presupuestos futuros.
Para un mejor entendimiento de la actual metodologa de estudio se analizan las
distintas bases de datos y sus falencias (Como no guardan bien el conocimiento o
experiencia de la Empresa):
A.- La base de datos de recursos.
La base de datos de recursos, considerando que esta solo posee datos de nombres y
tipos de recursos, unidades y costos por unidad, y, considerando que este costo es de
fcil actualizacin dicha base de datos puede ser utilizada en su forma actual.
B.- La base de datos de actividades (partidas).
La base de datos de actividades (partidas), en su forma general est bien, pero no
posee una buena actualizacin para el control, ni facilita la incorporacin del
conocimiento, esto es debido a que no es posible incorporar el rendimiento real
obtenido para los distintos recursos que intervienen en dicha actividad, tenindose de
esta manera para un mismo recurso datos de rendimientos presupuestados (o
programados) y rendimientos reales. Tampoco es posible la incorporacin de los
factores (o condiciones) que hicieron que variara este rendimiento, condiciones
como: el clima, la demanda y/o calidad de la mano de obra, la calidad de las
herramientas y/o maquinaras y otras condiciones relevantes que afectaron a ste y el
grado de influencia de estos factores.
____________________________________________________________________
31
Este es uno de los puntos ms desfavorable de la metodologa actual, en el cual se
basa la presente investigacin.
Se debera tener un histrico que tenga los distintos rendimientos para cada actividad
y los factores que determinaron este rendimiento, y que se relacione directamente con
la base de datos de costos unitarios. Esta premisa es primordial para estimar
rendimientos en base a un modelo de regresin.
Aunque de alguna manera, en la actualidad, es posible tener en distintas bases, los
datos de distintos presupuestos y por consiguiente de distintas actividades, (con sus
distintos resultados finales), no es factible tener toda esta informacin de una misma
actividad, para poder hacer una anlisis de la variabilidad de los distintos
rendimientos de los recursos, variabilidad de los procesos de la empresa.
C.- La base de datos de presupuestos.
Esta base de datos, es realmente varias bases independientes, si se considera un
presupuesto cualquiera, este relaciona a su vez su base de datos de recursos, de
actividades y partidas (o paquetes de obra). Es decir el inconveniente de esta base de
datos es consecuencia de las anteriores bases (recursos y costos unitarios).
Es decir no considera la incorporacin de rendimientos reales, ni los factores con los
cuales se ejecut cada partida.
Para esta base de datos, y an considerando que se efecten los presupuestos en un
sistema computacional, en los sistemas utilizados actualmente en el rea de la
construccin no se encuentra una opcin en la cual se puedan promediar los
rendimientos de la misma partida en los distintos presupuestos y obtener la media,
(Informacin histrica) [Reyes, Javier, 1997]
Para el mismo caso existe un porcentaje de empresas constructoras que, segn ellas,
si utilizan un promedio en los rendimientos de obras pasadas [Prida, Jos 1997],

[Reyes, Javier, 1997], se tienen lo siguientes datos:
____________________________________________________________________
32
En esta investigacin se analizaron las Empresas Constructoras de la regin
metropolitana que estn inscritas en el MINVU segn la siguiente tabla (vlidas para
el ao 1997) [Prida, 1997]
Categora Inscritos A encuestar Encuestados
1 85 60 30
2 65 50 11
3 58 30 8
4 621 110 20
TOTAL 829 250 71
Tabla N 1.1,Seleccin estadstica de Empresas de SERVIU, Santiago de Chile 1997.
Al consultar en la Encuesta realizada sobre Si tiene tiempos (rendimientos)
promedios para las partidas el resultado fue el siguiente:
Categoras 1ra y 2da dan como resultado un 22,86 % que si tiene rendimientos
promedios y un 77,14% no tiene rendimientos promedios.
Para las categoras 2da y 3ra se tiene un 66,70 % que si tiene rendimientos promedios
y un 33,30% no tiene rendimientos promedios.
Ahora, considerando los resultados de todas las categoras se tiene que un 37,74% si
utiliza rendimientos promedios para su anlisis y un 62,26% no los utiliza.
Sin duda esto deja mucho que desear, de la forma como se efecta el anlisis de
presupuestos y si se suma a esto que este promedio efectuado no relaciona las
caractersticas de la obra (factores climticos, calidad de la mano de obra, calidad de
los materiales y maquinaras, disponibilidad de los recursos, entre otros), para poder
as agrupar obras relacionadas entre si con caractersticas comunes y poder asimilar
estos factores con supuestos en los que se desarrollar la obra a futuro, considerando
estas falencias es aun ms problemtica la situacin actual.
La deficiencia de la actual metodologa radica en que no se considera suficiente
informacin (tablas estadsticas de rendimientos), no se analizan todas la situaciones
y se calculan de una manera determinstica, es decir el presupuesto se determina a
partir de una sola informacin, en base a un procedimiento matemtico fijo.
____________________________________________________________________
33
Por ejemplo si se considera un anlisis unitario para la actividad Ad1, la que est
compuesta por dos recursos (Rd1 y Rd2), con rendimientos fijos (Rn1 y Rn2), con
costos por unidad de (Cr1 y Cr2), respectivamente, el costo unitario de esta actividad
es:
Actividad Ad1:
Actividad Ad1 Cantidad: 1 Unidad:

Recurso
Unidad Cantidad Costo por unidad Costo Total recurso
Recurso Rd1 Ur1 Rn1 Cr1 Rn1*Cr1
Recurso Rd2 Ur2 Rn2 Cr2 Rn2*Cr2
Total
=1
*
i
n
Cri Rni
Tabla N 1.2, Clculo del costo de una partida.
Nota: Como la cantidad Rni se considera para la unidad, es entonces, el rendimiento
del recurso.
El costo total de la actividad resulta de la suma de los costos parciales de los recursos
o grupos de recursos (Materiales, mano de obra, mquinas y herramientas), la suma
de todas estas actividades da como resultado el costo directo estimado del
presupuesto.
Si se usa este anlisis en un presupuesto, se podra considerar que el precio del
recurso (costo estimado) no cambiar, o, que se ha considerado un cierto porcentaje
por inflacin, que la unidad es nica y no cambiar, y que el costo total es el producto
antes mencionado. Pero la cantidad (o rendimiento del recurso por unidad de la
actividad), sin duda se mover dentro de un rango, ms fcil o ms difcil de precisar
dependiendo de la informacin que se tenga, es ms el rendimiento real diferir sin
duda del presupuestado.
Sin duda que, como se coment anteriormente, existen deficiencias en el estudio o
metodologa actualmente usada, hay pasos que no se dan correctamente y factores
que no se consideran, la metodologa actual, llamada en este estudio determinstica,
____________________________________________________________________
34
puede ser utilizada -y es utilizada- para proyectos (obras) en los cuales no influyan
eventos inciertos como el clima, calidad de la mano de obra, calidad de la maquinaria
y otros; pero, Existen proyectos a los cuales no le influyan los factores antes
mencionados?, Los factores son controlables?, Se considera la experiencia de la
Empresa en el clculo de presupuestos de proyectos futuros?, Se consideran
rendimientos optimistas, pesimistas, medios y/o esperados en el clculo?,
seguramente la respuesta a la mayora de las preguntas es NO, si a esta respuesta se
agrega el poco margen de utilidades que actualmente se obtienen en los presupuestos
esto justifica el uso de otra metodologa que considere estos factores en la generacin
de presupuestos de obras de construccin, que efecte un anlisis probabilstico en el
clculo de rendimientos, es tiempo entonces de adoptar otra metodologa de clculo
de presupuestos.

1.5.- Modelo de estimacin PERT
Los proyectos en gran escala por una sola vez han existido desde tiempos antiguos;
este hecho lo atestigua la construccin de las pirmides de Egipto y los acueductos de
Roma. Pero slo desde hace poco tiempo se han analizado por parte de los
investigadores operacionales los problemas gerenciales asociados con dichos
proyectos.
El problema de la administracin de proyectos surgi con el proyecto de armamentos
del Polaris, empezando 1958. Con tantas componentes y subcomponentes juntos
producidos por diversos fabricantes, se necesitaba una nueva herramienta para
programar y controlar el proyecto. [Wagner, 1979]
El PERT (evaluacin de programa y tcnica de revisin) fue realizado por cientficos
de la oficina Naval de Proyectos Especiales. Booz, Allen y Hamilton y la Divisin de
Sistemas de Armamentos de la Corporacin Lockheed Aircraft. La tcnica demostr
tanta utilidad que ha ganado amplia aceptacin tanto en el gobierno como en el sector
privado. [Gerhard, 1979]
____________________________________________________________________
35
1.5.1.- Definicin PERT
El PERT es una tcnica para el planeamiento y control; su fundamento lo constituye
el grfico de redes, que representa el trabajo necesario para alcanzar su objetivo.
Este sistema podra decirse que es una evolucin del sistema CPM, pero su aparicin
en el tiempo los hace contemporneos, casi paralelos. La diferencia radical con el
CPM es que aqu se agrega una incertidumbre al tiempo de desarrollo o duracin de
cada actividad. [Molina, 2000]
Es un poco complicado hablar de las caractersticas del sistema PERT sin definir
algunos conceptos en forma anticipada.
Certidumbre
Cuando existe la seguridad, de que un fenmeno se realizar de acuerdo con su
previsin, se dice que se est en un universo cierto con todos sus factores controlados.
[Vergara, 2003]
Aleatoriedad
Cuando se dice que el fenmeno variar pero se conocen los valores posibles con sus
probabilidades, (probabilidad de realizacin), se dice que se est en un universo
aleatorio.
Incertidumbre
Cuando no se sabe con exactitud, el riesgo de lo que pueda pasar, y en todos los casos
no es posible evaluar las probabilidades, de las diferentes eventualidades; se dice que
se est en un universo incierto.
Rendimiento Determinstico
El trmino determinstico quiere decir, fijar los trminos de una cosa, de acuerdo a
esto y para el desarrollo de esta investigacin, se llamar rendimiento determinstico a
cuyo rendimiento no considera en su evaluacin factores incidentes, ni experiencia
pasada, no efecta un anlisis probabilstica en condiciones de incertidumbre, por
ende es el rendimiento de una actividad que mantiene fijos los factores que inciden en
su duracin. [Vergara, 2003]
____________________________________________________________________
36
Rendimiento Probabilstico
El trmino probabilstico quiere decir, que se encuentra en calidad de probable, que
algo puede suceder, de acuerdo a esto y para el desarrollo de esta investigacin, se
llamar rendimiento probabilstico a cuyo rendimiento agrega una incertidumbre al
tiempo de desarrollo o duracin de una actividad.
El mtodo tradicional utilizado en la construccin es el CPM, el cual estima una sola
duracin para cada actividad del proyecto lo que lo hace determinstico, sin embargo,
usualmente la estimacin de una sola duracin para una actividad es poco razonable,
por lo tanto, se hace necesario el sistema PERT. Este sistema toma en cuenta la
incertidumbre en la duracin y supone una variable aleatoria que sigue alguna
distribucin. En lugar de dar una fecha de terminacin del proyecto, se especifica una
fecha esperada de terminacin del proyecto o la probabilidad de que el proyecto
termine en cierta fecha. Desafortunadamente el PERT requiere ciertas suposiciones
que no siempre se cumplen. [Martin, 1972]
Por lo general cuando se enfrenta a un proyecto se pueden realizar estimaciones de
tiempo sobre la realizacin de las actividades basados en la experiencia, logrando
aproximaciones tiles y bastante certeras, siempre que las condiciones para realizar el
trabajo no varen. [Martin, 1972]
El problema se produce cuando se deben estudiar proyectos totalmente nuevos donde
la experiencia (o inexperiencia) solo entrega una gran incertidumbre.
La incertidumbre de un proyecto en este caso se transforma en muchas
incertidumbres relativas a la actividad particular que se realiza. Esto presenta grandes
problemas para establecer los tiempos y los costos asociados. [Molina, 2000]
Anteriormente fueron definidos tres universos distintos, certidumbre, aleatoriedad e
incertidumbre, sin embargo, las situaciones reales son por lo general intermedias
entre estas definiciones y es imposible afirmar que se est en alguno de estos
universos en forma pura.
____________________________________________________________________
37
La realidad es compleja y no sucede completamente de acuerdo con la previsin, por
esto no se est en un universo cierto. Tampoco se est en un universo aleatorio,
porque es difcil que se tenga una experiencia estadstica, precisa de un fenmeno ya
ocurrido o por ocurrir. [Molina, 2000]
No obstante, no es cierto, ya que a lo menos se tiene alguna idea de experiencias
pasadas; directas o por analoga, de que puede pasar y del riesgo de que ocurra.
Como variable aleatoria, la duracin o el rendimiento en este caso sigue alguna
distribucin de probabilidad que tiene ciertos parmetros. Los parmetros usados en
los clculos del PERT son la media y la varianza o desviacin estndar. En general,
tanto la distribucin como los parmetros se desconocen, pero es posible que se
puedan estimar. [Sipper, 1998]
6
m 4 b a
2
m ) ( b a
E(u) Media
+ +
=
+ +
+ + +
= =

(1.1)
2
2
2
2
2 . 3
a b
) 2 )( 3 (
) 1 )( 1 ( a) (b
Varianza |
\
|
=
+ + + +
+ +
= =

(1.2)
2 , 3
a b
Varianza estndar Desviacin

= = (1.3)

1.5.2- Estimacin de duraciones en PERT
Uno de los aspectos fundamentales y base del estudio, es la duracin de las
actividades, que tienen una relacin directa con los rendimientos de la mano de obra.
Estos son datos fundamentales, que toda empresa debe tener si desea realizar algn
tipo de planeamiento, que permita alcanzar con xito los objetivos preestablecidos.
Los programas luego de ser construidos, entregan fundamentalmente fechas de inicio
o trmino de las actividades. Para que esto sea posible, es necesario conocer la
duracin asociada a cada actividad y sta se obtiene a partir de las cantidades de obra
por realizar y los rendimientos del recurso que producir la obra correspondiente.
Es importante destacar que generalmente las duraciones de las actividades se obtienen
teniendo los valores del rendimiento y la cantidad de obra para luego aplicar una
____________________________________________________________________
38
expresin matemtica que otorgar la duracin de la actividad, aunque existe otra
modalidad muy frecuente en que se asigna una duracin y por medio de la misma
expresin quedara como incgnita el rendimiento el que es ajustado va los recursos
o los mtodos de trabajo a emplear.
De cualquier forma y para el objetivo de esta investigacin el valor ms importante es
el rendimiento ya que de ste depende completamente la duracin de la actividad y es
el valor que interesa comparar.
2

Como se mencion anteriormente la determinacin de un rendimiento para una
posterior evaluacin, es una decisin altamente compleja, debido a que las situaciones
reales que fijan el valor final de ste, no se encuentran en un universo cierto, pero
tampoco en un universo incierto ya que a lo menos se tiene alguna idea de
experiencias pasadas, directas o por analogas, de que puede pasar y del riesgo de que
ocurran.
Existen muchas razones por lo que es mejor no especificar una sola duracin para una
actividad, es comn que los proyectos tengan actividades no repetitivas, puede ser
que nunca se haya realizado la actividad y quizs no exista seguridad sobre cuanto
tiempo tardar.
Los valores de rendimiento de la mano de obra, dependen no slo del ser humano,
quien es quizs, el elemento ms importante en una obra, ya que slo con la
participacin de ste es posible llevar a cabo la ejecucin de los trabajos y como tal,
diariamente se ve enfrentado a un sin nmero de factores propios y del entorno como
lo es el clima, la calidad entre otros, y que de una u otra forma afecten en su
comportamiento y por ende en su rendimiento.
Como ejemplo en proyectos de construccin, el clima siempre incierto es un factor
preponderante en la duracin de actividades. Como resultado an cuando se pueda

2
Para el caso de esta investigacin solo se abordar el hecho de cmo el sistema PERT realiza la estimacin de rendimientos
esperados para cada actividad que es el valor que interesa comparar y no se introducir en el tema de la representacin grfica.

____________________________________________________________________
39
realizar la actividad varias veces, el tiempo que dura puede variar cada vez, as las
duraciones pueden considerarse aleatorias. [Sipper, 1998]
Para el caso de esta investigacin se ha establecido como base, el clculo de
rendimientos que contempla el sistema de programacin PERT, el que se basa en tres
estimaciones de rendimiento de una actividad cualquiera y a partir de las cuales se
obtiene una duracin esperada.
En resumen se obtendrn tres estimaciones de rendimientos con los que se obtendr
un cuarto que ser el rendimiento esperado.
Rendimiento optimista (Ro):
Corresponde al valor del rendimiento mximo en su unidad de cantidad producida por
unidad de tiempo (m/da) o bien al valor mnimo en su unidad de tiempo empleado
por unidad de produccin (hm). Valor obtenido durante el cual se puede ejecutar una
actividad, suponiendo circunstancias o factores incidentes favorables, pero
excluyendo acontecimientos excepcionales.
Rendimiento pesimista (Rp):
Corresponde al valor del rendimiento mnimo en su unidad de cantidad producida por
unidad de tiempo (m/da) o bien el valor mximo en su unidad de tiempo empleado
por unidad de produccin (hm). Valor obtenido durante el cual se puede ejecutar una
actividad, considerando las circunstancias ms desfavorables, se presentan
dificultades inhabituales y complicaciones imprevistas.
Rendimiento medio o ms probable (Rm):
Corresponde al valor del rendimiento que es ms probable para la realizacin de la
actividad. Esta estimacin debe tener en cuenta las circunstancias normales,
considerando algunos retrasos debido a imprevistos y debe estar basada en la mejor
informacin de que pueda disponerse.

1.5.3.- Mtodos de estimacin de los rendimientos Ro, Rm, Rp.
Para estimar estos tres rendimientos (Ro, Rm, Rp), se siguen varios mtodos:
____________________________________________________________________
40
Si no se posee informacin histrica de los procesos se puede utilizar consultar a
profesionales y/o expertos acerca de las posibles rendimientos a obtener,
considerando factores ptimos (rendimiento optimista) y factores desfavorables
o pesimistas (rendimiento pesimista), la media es el rendimiento que ms se
repite, o considerando factores medios.
Sin embargo, este mtodo de estimacin es impreciso, depende de la experiencia del
evaluador o tal vez inexperiencia, indudablemente esta se pone en manos de uno o
varios evaluadores y depende de estos el actuar de la empresa.
Una mejor manera es considerar la experiencia de la empresa en los anteriores
procesos, es decir tablas estadsticas de los rendimientos de las actividades
realizadas en obras u proyectos pasados. Este mtodo es indudablemente mejor
que el anterior, pero no siempre se tiene informacin histrica de los
rendimientos y ms difcil an en la construccin.
Si se tiene una tabla estadstica se procede de la siguiente manera:
Actividad:
N Rendimiento Recurso
1 R1 Rec1, Rec2, RecN

n Rn Rec1, Rec2, RecN
Tabla N 1.3, Tabla estadstica de Rendimientos
Rendimiento optimista (Ro) es igual al mayor (mejor) rendimiento obtenido de la
tabla, Rendimiento pesimista (Rp) es igual al menor (peor) rendimiento obtenido de
la tabla, Rendimiento medio (Rm) es igual a la media matemtica de la tabla de datos.
Obviamente es necesario hacer un estudio previo de la validez de los datos y rango
error de estos.
Sin embargo, sea cual sea la metodologa para estimar los rendimientos, el PERT
calcula un cuarto rendimiento basado en los tres rendimientos mencionados
____________________________________________________________________
41
anteriormente, PERT considera que los datos (duraciones) tienen una distribucin
Normal, de acuerdo a esta consideracin genera las frmulas que se vern a
continuacin.
El cuarto rendimiento es el valor que ms interesa en esta investigacin ya que para
optimizar la planificacin en el rea de la construccin se necesita que este valor sea
el ms cercano a lo que realmente va a suceder.
Rendimiento medio esperado (Re)
Con los tres rendimientos sealados en el punto 1.5.2.- (Ro, Rp, Rm) se deduce el
Rendimiento Medio Esperado (Re), el cual sirve de base a los clculos posteriores, y
es el que analiza el grado de variabilidad de los datos y nivel de confianza del
resultado final.
Luego de todo este anlisis y para el caso de esta investigacin se puede definir el
Rendimiento Medio Esperado como:
6
Rp Rm 4 Ro
Re
+ +
=
(1.4)
La misma frmula considerando las duraciones queda de la siguiente manera:
6
p m 4 o
e
d d d
d
+ +
=
(1.5)
Donde:
do= duracin optimista
dm= duracin medio o ms probable
dp= duracin pesimista

Desviacin estndar
Es una medida de fluctuacin o variabilidad de los datos respecto a la media
aritmtica, es mucho ms adecuada para interpretar dicha variabilidad que la
varianza, ya que esta est expresada en unidades al cuadrado, mientras que la
desviacin estndar tiene igual unidad de medida que los datos iniciales.
____________________________________________________________________
42
La frmula considerando las duraciones queda de la siguiente manera: [Serpell, 2000]
2 . 3
o) p (
estndar Desviacin
d d
= = (1.6)
Donde:
dp es la duracin pesimista, calculada con el rendimiento pesimista.
do es la duracin optimista, calculado con el rendimiento optimista.
El sistema de estimacin PERT es utilizado en programacin de proyectos, es decir se
realiza la malla de procesos o diagrama de red de la obra y los clculos de tiempos de
las actividades se efectan por PERT. Para esta investigacin se ha considerado
adems esta metodologa en la estimacin de costos, considerando las frmulas
anteriores de de, y teniendo como base las investigaciones anteriores descritas en
[Molina, 1999], [Molina, 2000]. La adaptacin y uso de esta metodologa se
describir ms en extenso en el captulo 3.

____________________________________________________________________
43
CAPTULO II: Factores que afectan los rendimientos

En este captulo se estudia la clasificacin que se le realiza a los factores que afectan
los rendimientos de la mano de obra en el rea de la construccin para de esta forma
poder entender como influye cada uno de ellos en la estimacin de rendimientos.
Considerando la ecuacin (1) [Arriagada, 1988], dicha frmula no considera los
factores incidentes en la variabilidad del rendimiento del recurso, se puede entonces
complementar dicha frmula de la siguiente manera:

=
Fn F F F Factores
recurso iento ren
obra de catidad
duracin
, 3 , 2 , 1
_ dim
_ _
(2.1)
De la misma manera la tabla estadstica 1.3, no considera los factores incidentes, de
tal manera esta queda de la siguiente manera:

Actividad:
Factores N Rendimiento Recurso
F1 F2 Fn

Tabla 2.1. Tabla Estadstica de Rendimientos con Factores Incidentes
De acuerdo a lo anterior, se concluye que los rendimientos deben ser considerados de
tablas estadsticas, no de manuales determinsticos, y que deben considerar factores
incidentes en su variabilidad, la determinacin y eleccin de estos factores se ver en
este captulo, primero desde el punto de vista de algunos autores, luego por medio de
un anlisis estadstico por medio de una encuesta realizada a un grupo de
profesionales de la construccin.

____________________________________________________________________
44
2.1.- Factores que afectan el rendimiento segn otros autores.
Segn el autor Gerardo Larenas [Larenas, 1999] los rendimientos son la
cuantificacin de la capacidad de produccin de un recurso determinado, sea ste
mano de obra o maquinaria y por lo general, constituyen una informacin propia de
cada empresa o rea de actividad y dependen de muchos factores.
Estos factores no son considerados por la empresa constructora, que generalmente
utiliza siempre los mismos rendimientos para programar, entonces, la utilizacin de
una base de datos de rendimientos asociados a los factores que los determinan va a
influir directamente en la duracin de la actividad.
Existen una gran variedad de factores que afectan la productividad en la construccin.
[Larenas, 1999].
Sobretiempo programado y/o fatiga.
Errores u omisiones de planos y E.T.
Modificaciones durante la ejecucin.
Diseos incompletos, demasiado complejos o a destiempo.
Agrupamiento de trabajadores en espacio reducido.
Falta de supervisin.
Materiales inapropiados o defectuosos.
Temperatura o clima adverso.
Escasa iluminacin.
Ausentismo.
Equipos inadecuados o defectuosos.
Exceso de tiempo en la toma de decisiones.
Exigencias excesivas en el control de calidad.
Poca disponibilidad de mano de obra calificada.
Interrupciones no controladas, etc.
Otro autor opina que el rendimiento est influenciado por los siguientes factores.
[Salgado, 2002]
____________________________________________________________________
45
Experiencia Laboral.
Situacin familiar de los trabajadores, es decir, aquellos con
responsabilidad familiar y aquellos que no la tienen.
Aspectos fisiolgicos, es decir, si es capaz o no de ejecutar
determinada labor.
Mtodos de trabajo.
Jornadas de trabajo.
Sistema de pago, al da, por trato o un sistema mixto.
Grado de repeticin de la actividad.
Condiciones climticas.
Luz artificial o natural.
Tipo de edificacin: horizontal o vertical.

2.2.- Determinacin de Factores Incidentes, Encuesta.
La encuesta fue elaborada principalmente para consultar por los factores que segn
ellos afectan el rendimientos de los partidas, y que deben ser considerados en el
estudio de presupuesto.
En dicha encuesta se dej libre los tipos de factores que el autor de esta tesis haba
considerado en trabajos anteriores [Molina, 1999] para no influir en los encuestados
para que de esta manera estuviera abierta a otros tipos de factores posibles, de hecho
se obtuvieron 40 distintos factores para los 29 profesionales.
Luego de obtener los factores se procedi tabularlos, sacar porcentajes de
importancia para obtener los ms relevantes o recurrentes segn los profesionales
encuestados, (Ver tabla N2.2), para la misma tabla se tiene el grfico ordenado de
mayor a menor, en este se puede ver claramente la importancia de los 5 primeros
factores respecto a los otros.
En el paso siguiente se procede a reagruparlos por afinidad, teniendo en cuenta que
muchos de estos factores son similares o dependiendo de la percepcin del
____________________________________________________________________
46
encuestado este toma el factor desde otro punto de vista, como se ver en el anlisis
respectivo al punto.
A la tabla de reagrupacin por afinidad (Tabla N2.3), se le incorpor un porcentaje
de acumulacin, con esto se puede apreciar que el 80% de los factores est en los 5
primeros tems, se consideran estos como los factores incidentes.

RESULTADO DE ENCUESTAS A PROFESIONALES
PARA FACTORES INFLUYENTES EN EL RENDIMIENTO

PROFESION Constructor Ingeniero Arquitecto Ingeniero Otro Total
Civil civil Constructor
28 1 (15)(*) 29
96,55% 3,45%
AOS EXPERIENCIA 1 2 3 4 5
Cantidad de Profesionales 3 4 7 4 3
Porcentaje 10,34% 13,79% 24,14% 13,79%10,34%
Porcentaje 6,90% 3,45% 0,00% 3,45% 0,00%
Porcentaje 3,45% 3,45% 0,00% 0,00% 3,45%
AOS EXPERIENCIA 30
Cantidad de Profesionales 1 29
Porcentaje 3,45% 100%
AREA EXPERIENCIA Construccin directa 2482,76%
Asesora construccin 1034,48%
Ingeniera 310,34%
Arquitectura 1 3,45%
Docencia en el rea 0,00%
Otra rea 517,24%

Profesionales Encuestados 29
(*) Realizan cursos de especializacin para obtener nuevo titulo, estn incluidos en los C. Civiles
Tabla N 2.2. Tipos de profesionales y rea de experiencia

De esta tabla se puede concluir que si bien es cierto un 96,55% de los profesionales
encuestados son Constructores Civiles, estos estn en su gran mayora en
construccin directa (82,76%) y es en esta rea donde se deben ver o apreciar los
____________________________________________________________________
47
factores que en definitiva influyen en los rendimientos de cada actividad
independiente de la profesin.
Esta encuesta se realiz en la Ciudad de Concepcin, las obras en que participan
actualmente los profesionales son Diversas obras de Concepcin, Edificacin y el
tramo de la autopista 5, tramo Cabrero, pero en la encuesta se han recogido sus
experiencias en toda su vida profesional. Los datos obtenidos pueden ser extrapolados
a otras regiones pues los factores son independientes de las regiones o rea del pas,
estos podran cambiar en su grado de incidencia, por ejemplo en el sur el clima
debera tener ms incidencia por su variabilidad que en el norte del pas.
Respecto a los aos de experiencia de los profesionales esta es variada, se tiene entre
3 y 6 aos un 55,17%, es decir ms de la mitad corresponde a profesionales
jvenes, situacin que no hace invlida la encuesta solo muestra que la encuesta se
basa en distintas experiencias, que hace tener una visin distinta de acuerdo a la
experiencia de cada uno.
De los datos anteriores se puede apreciar que el 82,76% de los profesionales se
dedican a la construccin directa es decir en terreno bsicamente y un 34,5 % a
asesora en construccin. En confeccin de propuestas, asesora en planificacin,
cubicaciones y otras. Sin duda la situacin ms importante para la determinacin de
los factores es la construccin directa, pues es en esta donde se les puede apreciar
realmente, aunque algunos factores influyentes son fciles de visualizar por su grado
de influencia e importancia como por ejemplo, el clima.
En la siguiente tabla se muestran los resultados de las encuestas y los factores que
segn los profesionales afectan el rendimiento en la estimacin de presupuestos, para
la tabla N2.3 se tiene:
Frec: Es la frecuencia con que se ha repetido un mismo factor por los distintos
encuestados, por ejemplo para el caso del clima Frec = 27 indica que del total de 29
profesionales encuestados 27 coincidieron en que el clima es un factor incidente en el
rendimiento de la actividad y por consiguiente en el costo final del presupuesto.
____________________________________________________________________
48
% Sobre P.: Porcentajes de ocurrencia de los factores con respecto al nmero de
profesionales, esto mide la cantidad de profesionales que consideran un mismo factor.
% Sobre T.F.:Porcentaje respecto al total de factores, mide la cantidad del factor
respecto al total, para medir la importancia de un factor respecto a los otros factores.

N FACTOR Frec(1)% sobre P. (2) % Sobre T.F.
1CLIMA 27 93,10% 21,77%
2CALIDAD MANO OBRA 18 62,07% 14,52%
3CALIDAD MATERIALES 9 31,03% 7,26%
4CALIDAD MAQ, Y EQUIPOS 8 27,59% 6,45%
5DISPONIBILIDAD RECURSOS 7 24,14% 5,65%
6UBICACIN GEOGRFICA 4 13,79% 3,23%
7ACCESOS VIALES 3 10,34% 2,42%
8MAL SUMINISTRO MATERIALES 3 10,34% 2,42%
9INCENTIVOS ECONOMICOS 3 10,34% 2,42%
10HORARIO DE TRABAJO 3 10,34% 2,42%
11STOCK MATERIALES 2 6,90% 1,61%
12LUGAR FISICO DE LA OBRA 2 6,90% 1,61%
13PROGRAMACION DEFICIENTE 2 6,90% 1,61%
14TIPO DE OBRA 2 6,90% 1,61%
15BAJO CONTROL 2 6,90% 1,61%
16EXIGENCIAS SEGURIDAD 2 6,90% 1,61%
17NIVEL REMUNERACIONES 2 6,90% 1,61%
18MALOS PROCEDIMIENTOS 2 6,90% 1,61%
19APOYO TECNOLOGICO 2 6,90% 1,61%
20ESTABILIDAD ECONOMICA 1 3,45% 0,81%
21DIAS FESTIVOS 1 3,45% 0,81%
22MAL ESTUDIO PROPUESTA 1 3,45% 0,81%
23TIPO MATERIALES 1 3,45% 0,81%
24CALIDAD PROYECTOS 1 3,45% 0,81%
25CUMPLIMIENTO ESTADOS DE PAGO 1 3,45% 0,81%
26SERIEDAD PROVEEDORES 1 3,45% 0,81%
27BUEN ESTUDIO PRELIMINAR 1 3,45% 0,81%
28CAPACITACION 1 3,45% 0,81%
29RECURSOS TECNICOS 1 3,45% 0,81%
30DESCONOCIMIENTO MATERIALES 1 3,45% 0,81%
31ESPACIOS DE TRABAJO 1 3,45% 0,81%
32CALIDAD TRABAJO REALIZADO 1 3,45% 0,81%
33SELECCIN MANO DE OBRA 1 3,45% 0,81%
34SEGUIMIENTO DE INSTRUCCIN 1 3,45% 0,81%
35DISP. RECURSOS FINANCIEROS 1 3,45% 0,81%
____________________________________________________________________
49
36INTERFERENCIAS DE TERCEROS 1 3,45% 0,81%
37PERPESCTIVAS LABORALES 1 3,45% 0,81%
38TIEMPOS MUERTOS POR ESPERA 1 3,45% 0,81%
39MALAS NEGOCIACIONES PERSONAL 1 3,45% 0,81%
40FALTA DE ORGANIZACIN EN OBRA 1 3,45% 0,81%
TOTAL 124
Tabla N2.3 Factores ordenados por grado de importancia.

FACTORES
0
5
10
15
20
25
30
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

Grfico N 2.1 Factores incidentes
El grfico muestra de manera visual la incidencia de cada factor con respecto a los
otros sin considerar en esta primera instancia una agrupamiento por afinidad o
factores que se refieren a un mismo punto expresado de manera distinta como por
ejemplo calidad mano de obra y capacitacin ambos se refieren al mismo factor, la
capacitacin sin duda tiene un efecto en la calidad de la mano de obra.
De acuerdo a la tabla N2.3 se pueden concluir los siguientes puntos:
a) Que el 93,1% de los profesionales (27/29) coinciden en que el clima es uno de
los factores que influyen en el rendimiento, esto no quiere decir que sea el mas
importante o el mas incidente, sino que hay ms coincidencia entre los
encuestados.
____________________________________________________________________
50
b) Este mismo factor presenta un 21,77% de incidencia (27/124) respecto al total de
los factores, el mayor porcentaje de todos los factores.
c) Los siguientes 4 factores, Calidad de la Mano de Obra, Calidad de los Materiales,
calidad de Mquinas - Equipos y Disponibilidad de Recursos presentan las
mayores coincidencias, la mayor parte de los profesionales coinciden en que
estos son los factores que afectan los rendimientos.
d) Respecto al la incidencia de estos factores (incluido el clima) respecto al total de
los factores esta es de un 55,7%, sin considerar afinidad de factores, como se
ver en la tabla N 5.3.
e) La tabla N2.3 est ordenada en primera instancia de mayor a menor, sin
considerar afinidad ni anlisis de los distintos factores, pues no todos son factores
incidentes en el rendimiento, si bien es cierto estos pueden influir de alguna
manera en el resultado del proyecto.
En la siguiente tabla (N2.4) se han agrupado los factores segn su afinidad, o
factores que se refieren a lo mismo expresado de distinta manera por los distintos
encuestados, como por ejemplo, Calidad de la mano de obra y Capacitacin
En esta tabla tambin se han eliminado la cantidad de ocurrencias de algunos factores
en la encuesta, por no referirse exactamente a lo solicitado o su aparicin en la obra
no tiene que ver con factores netamente constructivos, como por ejemplo Incentivos
econmicos que tiene una frecuencia de 3 esta se cambia a cero, pues un incentivo
econmico no es un factor que afecte al rendimiento o no debera ser por lo menos
asumiendo que a cada trabajador se le paga lo justo, es mas sin un incentivo
econmico cambia el rendimiento de una actividad, y lo puede cambiar, solo puede
ser considerado como un imprevisto y no asimilarlo a los anlisis de costos
posteriores.
Para la seleccin de factores incidentes se ha tomado como base que la programacin
es correcta, que se tiene la capacidad de gestin para tener todos los elementos para
que el maestro trabaje sin contratiempos en la ejecucin de su actividad. Ahora si a
____________________________________________________________________
51
este control hay factores externos no controlados o que son difciles de controlar que
baja o disminuye su rendimiento por la aparicin de los mismos, estos son los
importantes y los que se buscan tabular y considerar en la estimacin de proyectos
futuros.
Bajo esta premisa se han eliminado las ocurrencias de los siguientes factores:
a) Programacin deficiente, esto es sin duda un factor que afecta el total del
proyecto, pero no directamente el rendimiento de una actividad en particular, se
entiende que debe existir una buena programacin de la obra, ahora porque no
existe una buena programacin es posible tambin determinarla con la aparicin
de factores, es decir es parte de la finalidad del estudio, buscar factores que
influyan en esta.
b) Tipo de Obra, similar al punto anterior, es la finalidad determinar factores que
afectan las distintas obras y sus incidencias en cada una pero a nivel de
presupuesto, y estos deben ser de distinto peso o grado de incidencia
dependiendo de cada obra.
c) Bajo Control, se podra considerar que un bajo control influye en el rendimiento
de los trabajadores pero el estudio parte de la premisa de que el trabajador hace
su trabajo sin necesidades de control, conociendo su trabajo de acuerdo a su
calidad y especializacin, adems el bajo control tambin est relacionado con la
programacin buena o deficiente de la obra, recordando que programacin y
control debe ser considerado como un todo. Este control no es el control
efectuado a la actividad del presupuesto este se refiere al realizado al trabajador.
d) Exigencias de seguridad, una mala seguridad puede afectar el buen trmino de
una obra o de una actividad, pero una exigencia de seguridad debe ser
considerada como resuelta, no que pueda afectar el rendimiento, para todo efecto
una obra debe estar resuelta desde el punto de vista de seguridad.
e) Nivel de remuneraciones, un sueldo mejor o peor no debe influir en el
rendimiento, se asume que el pago es el justo para la labor ejecutada.
____________________________________________________________________
52
2.2.1.- Agrupacin por afinidad de factores
En la tabla 2.3, existen muchos factores que significan lo mismo o que se refieren al
mismo factor, o que son similares o afines, como clima y ubicacin geogrfica
(considerando que el clima depende en parte de la ubicacin geogrfica), de esta
manera se hace necesario agrupar algunos factores por afinidad, y reestructuracin de
estos se obtiene con esto los nuevos factores y grupos resumidos en la tabla N 2.4.

No Factores Afines N
% Sobre
T.F.
%
Acumulado
1 Clima+ubicacin geogrfica+lugar fsico de la obra+accesos viales 36 32,43% 32,43%
2
Calidad mano obra + capacitacin + seguimiento instruccin +
seleccin mano obra 21 18,92% 51,35%
3 calidad materiales + tipo materiales + desconocimiento materiales 11 9,91% 61,26%
4 Calidad mquinas. y equipos +apoyo tecnolgico 10 9,01% 70,27%
5 Disp. recursos + mal suministro materiales + stock materiales 12 10,81% 81,08%
6 Incentivos econmicos 0 0,00%
7 Horario de trabajo 3 2,70%
8 Programacin deficiente 0 0,00%
9 Tipo de obra 0 0,00%
10 Bajo control 0 0,00%
11 Exigencias seguridad 0 0,00%
12 Nivel remuneraciones 0 0,00%
13 Malos procedimientos 2 1,80%
14 Estabilidad econmica 1 0,90%
15 Das festivos 1 0,90%
16 Mal estudio propuesta 1 0,90%
17 Calidad proyectos 1 0,90%
18 Cumplimiento estados de pago 1 0,90%
19 Seriedad proveedores 1 0,90%
20 Buen estudio preliminar 1 0,90%
21 Recursos tcnicos 1 0,90%
22 Espacios de trabajo 1 0,90%
23 Calidad trabajo realizado 1 0,90%
24 Disponibilidad Recursos financieros 1 0,90%
25 Interferencias de terceros 1 0,90%
26 Perspectivas laborales 1 0,90%
27 Tiempos muertos por espera 1 0,90%
28 Malas negociaciones personal 1 0,90%
29 Falta de organizacin en obra 1 0,90%
Total de factores 111
Tabla N2.4 Factores reagrupados por afinidad..
____________________________________________________________________
53
Para cada nuevo grupo global se han sumado las ocurrencias de cada factor
independiente para obtener el porcentaje total del grupo, con respecto al nuevo total
de 111 factores.

2.2.2.- Determinacin de factores principales:
Con la tabla anterior en la que se han agrupado los factores por afinidades procede a
seleccionar los factores principales, esto son:
Grupo 1: En el primer grupo se tienen los siguientes factores: Clima, Ubicacin
geogrfica, lugar fsico de la obra y accesos viales, este grupo tiene en total 36
ocurrencias, del total de factores representa un 32,43%.
A este nuevo grupo se le ha denominado CLIMA UBICACIN GEOFRAFICA,
considerando que el lugar fsico de la obra y los accesos viales podran estn
incluidos en los anteriores.
Grupo 2: En el segundo grupo se tienen los siguientes factores: Calidad de la mano
de Obra, capacitacin, seguimiento de la Instruccin, y seleccin mano de obra, sin
duda estn todos referidos al mismo factor y este es CALIDAD DE LA MANO DE
OBRA, este grupo tiene en total 21 ocurrencias, del total de factores representa un
18,92%.
Grupo 3: En este grupo estn: Calidad de los materiales, tipo de materiales,
desconocimiento materiales, tambin aqu sin mucho anlisis se aprecia que el factor
que engloba a todos estos es CALIDAD DE MATERIALES, este tiene 11
ocurrencias y representa un 9,91 % del total de factores reagrupados.
Grupo 4: En el grupo cuatro se tienen: Calidad de las Mquinas y equipos, y Apoyo
tecnolgico, considerando que el aplicar tecnologa o apoyo tecnolgico implica
aumentar la calidad de las mquinas y equipos, entonces este factor ser CALIDAD
MQUINAS EQUIPOS, este factor tiene 10 ocurrencias y representa un 9.01% del
total de 111 factores.
____________________________________________________________________
54
Grupo 5: Se tienen aqu: Disponibilidad de recursos, mal suministro materiales,
stock materiales, como se mencion son distintas acepciones para el mismo factor,
entonces este factor ser DISPONIBILIDAD DE RECURSOS, tiene 12 ocurrencias y
representa un 10,81% del total de factores.
En esta misma tabla se ha incorporado una columna que considera el porcentaje
acumulado de los factores para obtener de esta manera la importancia de cada uno,
con esto se puede ver que los primeros 5 factores son un 81,08% del total, con esto se
concluye que son estos los que necesitan ser considerados en el estudio y base de
datos histricas por ser los mas incidentes en el resultado de la duracin de la
actividad.
De acuerdo al anterior anlisis bastar considerar un sexto factor OTROS que
considerar el 20% restante de los factores incidentes.
En resumen se tienen 6 factores:
Factor 1: CLIMA / UBICACIN GEOGRAFICA
Factor 2: CALIDAD MANO DE OBRA
Factor 3: CALIDAD MATERIALES
Factor 4: CALIDAD MQUINAS Y EQUIPOS
Factor 5: DISPONIBILIAD RECURSOS
Factor 6: OTROS FACTORES
____________________________________________________________________
55

N FACTOR Ocurrencias. % % Acum.
1 (A) CLIMA Y UBICACIN GEOGRFICA 37 33,64% 33,64%
2 (B) CALIDAD DE MANO DE OBRA 20 18,18% 51,82%
3 (C) DISPONIBILIDAD RECURSOS 12 10,91% 62,73%
4 (D) CALIDAD DE LOS MATERIALES 11 10,00% 72,73%
5 (E) CALIDAD MQUINAS Y EQUIPOS 9 8,18% 80,91%
6 (F) OTROS FACTORES 21 19,09% 100,00%
TOTAL FACTORES 110 100,00%
Tabla N 2.5, Resumen de factores incidentes
0
5
10
15
20
25
30
35
40
1 2 3 4 5 6

Grfico N 2.2 Importancia de los factores seleccionados
Un punto importante a considerar es que los factores que se han seleccionado son
solo los que afectan de una u otra manera a los recursos que influyen en la duracin
de la actividad (mano de obra, maquinaras), y son estos los que causan variaciones
en los costos de los presupuestos, en resumen se puede decir que estos recursos tienen
costos variables, pues su costo final depende del tiempo, y esta variabilidad es la que
no est considerada en los estudios actuales de presupuesto, por lo menos no como se
considera en esta investigacin.
A.- Grupo 1: Clima y ubicacin geogrfica.
En su trabajo cotidiano, el trabajador de la construccin debe ejecutar labores bajo
techo o la intemperie, estando sometido a los diversos cambios climticos que existan
en el lugar en donde se desarrolla la obra. A veces el solo hecho de cambiar de
____________________________________________________________________
56
recinto de trabajo le producir cambios de temperatura y humedad a los cuales no est
acostumbrado.
Existirn ocasiones en que deber ejecutar trabajos con excesivo calor, en otras
oportunidades tendr que desarrollar actividades en zonas de baja temperatura o
simplemente no podr trabajar porque las condiciones y de la faena no lo permiten.
Es importante destacar que se debera considerar a futuro una investigacin ms
extensa respecto a la ubicacin geogrfica y su relacin con el clima, pues no es igual
considerar invierno en un sector del norte del pas a invierno si se construye en el sur.
Para efectos de esta investigacin solo se considera el clima y no la influencia del
sector, solo como simplificacin de los clculos, y en virtud del objetivo de esta tesis
que dice relacin con estimacin de modelos de regresin considerando los factores
determinados en la encuesta aplicada.
B.- Grupo 2: Calidad de la mano de obra
Este factor es muy importante ya que determina la duracin de las partidas y adems
esta estrechamente relacionado con la disponibilidad del recurso mano de obra,
debido a que a menor disponibilidad de mano de obra, menor calidad de la misma. En
tanto una actividad realizada con mano de obra de baja calidad tendr una mayor
probabilidad de durar ms de lo presupuestado. [Ziga, 2004]
Los rendimientos de mano de obra son variables para una misma actividad de una
empresa a otra por su organizacin, mtodos de trabajo, capacitacin, experiencia,
etc. Dentro de una misma empresa estos rendimientos varan segn la calidad tcnica
de la obra que se esta construyendo y de la dedicacin del mismo trabajador de una
jornada a otra, es decir, este rendimiento variar de acuerdo a factores propios y del
entorno en que se encuentre el trabajador. [Vergara, 2003]
C.- Grupo 3: Calidad de los materiales
La calidad de los materiales es otro de los factores importantes en el momento de
cuantificar una obra, ya que para un mismo material se tienen diferentes fabricantes y
____________________________________________________________________
57
proveedores, por lo que se tendrn diferentes cualidades de un producto para un
mismo uso e influyendo directamente en la mano de obra.
La empresa constructora en su afn de abaratar costos opta por un material de inferior
calidad y no toma en cuenta la incidencia directa que puede tener ste en los
rendimientos de la actividad y el aumento de los costos directos de mano de obra y
maquinaria e indirectos de gastos generales.[Vergara, 2003]
D.- Grupo 4: Calidad de las mquinas y equipos
La calidad de las mquinas y herramientas influye directamente en la duracin de una
actividad y por ende en la variacin de costo de una partida. [Vergara, 2003]
Las mquinas y equipos, en una actividad, pueden generar retrasos debido a las fallas
o paros producidos por los aos de servicio que estas puedan tener o bien por las
mantenciones deficientes que les son realizadas. [Vergara, 2003].
E.- Grupo 5: Disponibilidad de los recursos
La demanda de los recursos o los distintos grados de accesibilidad que se tenga en
un determinado proyecto involucra directamente a la calidad y duracin final de la
partida. As pues la disponibilidad de recursos afecta a la mano de obra, materiales y
mquinas y herramientas [Vergara, 2003]
Este factor tiene una influencia principalmente con la disponibilidad de la mano de
obra, y no con la disponibilidad de materiales, debido a que es imposible saber en el
futuro ese fenmeno. [Ziga, 2004]
Luego de este contraste de opiniones esta investigacin considerar las palabras de el
segundo autor debido a la justificacin que este otorga.
Ziga dice que en los meses de alta demanda en la construccin, la disponibilidad de
mano de obra es baja, lo que se traducira en disponer de mano de obra de menor
calidad o menos calificada, arrojando menores rendimientos en la produccin
producto de la inexperiencia. En el caso contrario al anterior, los rendimientos seran
mayores. Existe otro fenmeno, que en casos puntuales podra afectar los
rendimientos de una partida, por ejemplo en el caso de alta demanda de mano de obra
____________________________________________________________________
58
y que adems se requiera que sea especializada podra ocurrir que en esta partida
haya un retraso significativo al no encontrar la mano de obra calificada para la
actividad.
F.- Grupo 6: Otros factores
Este tem se considera debido a que siempre puede existir un factor que incida en la
determinacin del rendimiento de una actividad y que no est contemplado dentro de
los factores definidos con anterioridad.
Para efecto de esta investigacin, en el modelo de regresin no se considerar el
factor Otros, aunque este presenta un 20% de incidencia, resulta muy difcil de
tabular y considerar en un modelo de regresin por el grado de variabilidad de este
factor, pues considera 26 distintos factores.

2.3.- Determinacin de los pesos de los factores
Basado en los factores estudiados en el punto 2.2. del presente captulo se realiza una
clasificacin donde se le otorga una caracterstica a cada factor segn las condiciones
que este presente otorgndole un peso o valor.

2.3.1.- Valorizacin de los factores
Para cualquier tabla de medicin de rendimiento existente considerando factores es
necesario evaluar los grupos que inciden en el rendimiento en el momento de
controlar la actividad, para ello es necesario establecer parmetros que analicen su
grado de incidencia, es decir, si su presencia influye mucho, poco o nada en la
determinacin final del rendimiento de la actividad.
Sin duda alguna es difcil establecer una evaluacin de dichos rangos de incidencia,
ya que es necesario establecer valores o conceptos que se puedan adaptar a cualquier
actividad que se necesite medir y posteriormente considerar a futuro.
Al analizar los factores Clima, Calidad Mano Obra, Calidad de los Materiales,
Calidad de Mquinas y equipos, y Disponibilidad de recursos; todos tienen en comn
____________________________________________________________________
59
que no presentan una valorizacin numrica sino ms bien nominal, de esta manera se
han considerado los conceptos detallados en la tabla 2.6.
Para el caso del clima se han considerado las diferentes estaciones del ao, es decir
verano, otoo, invierno y primavera, pues es importante diferenciar un rendimiento
que se realiza en verano es distinto a uno que se ha considerado en invierno, si
haciendo la salvedad del sector del pas que se trate.
Para el caso del los factores relacionados con la calidad de mano de obra, materiales y
maquinarias se han considerado los tres conceptos ms importantes para diferenciar
dicha calidad es decir: Mala, Mediana o Buena. Tambin puede ser tema de discusin
y anlisis ms en extenso de que pueden, y existen, distintas calidades de la mano de
obra o referida a su especialidad, o aos de uso y mantencin de la maquinaria, pero
la finalidad de todo modelo es simplificar y no complicarlo en demasa hasta hacerlo
inoperante.
El factor Disponibilidad de los recursos, se relaciona principalmente a la mano de
obra, y esta disponibilidad influye de manera directa en el rendimiento. La
disponibilidad esta relacionada tambin con las pocas de mayor o menos
construccin, en el verano por el clima hay ms construcciones y por consiguiente
ms demanda de recursos (menor disponibilidad), al contrario en invierno es menor la
cantidad de construcciones y por ende la demanda de recursos es menor (mayor
disponibilidad).
____________________________________________________________________
60
Los factores se clasificarn como sigue:
Factor
Peso Significado
0 No influye
1 Invierno
2 Otoo
1. Clima
CLI
3 Verano - Primavera
0 No influye
1 Mala
2 Mediana
2. Calidad de mano de
obra
CMO
3 Buena
0 No influye
1 Mala
2 Mediana
3. Calidad de
materiales
CMT
3 Buena
0 No influye
1 Mala
2 Mediana
4. Calidad de
mquinas y equipos
CMQ
3 Buena - Alta
0 No influye
1 Baja: verano
2 Mediana: otoo, primavera
5. Disponibilidad de
recursos
DRE
3 Alta: invierno
Tabla N 2.6. Clasificacin y peso de los factores.

____________________________________________________________________
61
CAPTULO III: P
PPr
rre
ees
sse
een
nnt
tta
aac
cci
ii
n
nn d
dde
ee l
lla
aas
ss M
MMe
eet
tto
ood
ddo
ool
llo
oog
gg
a
aas
ss

En este captulo se describirn las dos metodologas a comparar: Metodologa PERT
y la metodologa propuesta de estimacin de rendimientos por modelo de regresin.
En el captulo 2 se describi PERT desde un punto de vista bibliogrfico y de su uso
comn en el rea de la construccin en la programacin de proyectos mediante red
grfica y estimacin de duraciones, en el presente captulo se describir tal como se
propone en [Molina, 1999], [Molina, 2000].
La metodologa propuesta de estimacin de rendimientos por modelo de regresin se
describir en este captulo con el fin de entender su procedimiento y pasos a seguir
para en el siguiente captulo realizar los clculos y correspondiente comparacin con
PERT.

3.1.- Metodologa PERT adaptada a la estimacin de costos y tiempos.
Es comn utilizar PERT en redes de programacin, es decir en la estimacin de
duraciones, y si se considera lo expuesto en los captulos anteriores que dice relacin
con los rendimientos variables (mano de obra y maquinarias) y que estos son base
primordial para estimar duraciones, estos tambin relacionan el costo variable del
precio unitario, y del costo total de la partida, considerando que el costo de los
materiales es fijo.
De acuerdo a los captulos anteriores se puede resumir el procedimiento propuesto en
[Molina, 1999], [Molina, 2000], con el que comparar la metodologa de estimacin
de rendimientos mediante modelos de regresin propuesta en esta tesis, se puede
resumir la obtencin del rendimiento esperado en el siguiente esquema:

____________________________________________________________________
62

Tabla estadstica de Rendimientos
Actividad: A1
F1 F2 Fn

Diagrama N3.1. Procedimiento de estimacin de rendimiento mediante PERT.
De la tabla estadstica el mejor rendimiento es el rendimiento optimista (Ro), el peor
rendimiento es el rendimiento pesimista (Rp), el rendimiento medio (Rm) es la media
matemtica de los rendimientos.
n
Ri
Rm
n
i
=
=
1
(3.1)
Ro= Rendimiento optimista= Mejor rendimiento
Rp= Rendimiento pesimista= Peor rendimiento

De

De

De

Actividad A1

De
Re
Obra de Cantidad
De =
6
Rp Rm 4 Ro
Re
+ +
=

____________________________________________________________________
63
Luego de obtenidos, de la tabla, los rendimientos Ro, Rm y Rp se determinan las
duraciones reemplazando el rendimiento correspondiente en la frmula, de esta
manera se tiene:
Re
Obra de Cantidad
De = ;
6
Rp Rm 4 Ro
Re
+ +
=
(3.2)
o
o
R
Obra de Cantidad
D =
p
p
R
Obra de Cantidad
D =
m
m
R
Obra de Cantidad
D =
Empleando la varianza, se evala el riesgo o probabilidad de cumplir una fecha
especfica programada.
Este ltimo punto es uno de los grandes aportes del sistema PERT, pues permite
ajustar la programacin para garantizar un nivel de riesgo o confiabilidad aceptable
para la administracin, pudiendo hacer un intento de garantizar una confiabilidad
cercana al 100% tomando acciones apropiadas [Reyes, 1997].
Este riesgo se define en trminos de probabilidades de acuerdo a la siguiente frmula,
que puede aplicarse a cualquier acontecimiento, para determinar la probabilidad de
una fecha especfica programada (Sj):
j T
TEj Sj
Rj
x
= (3.3)
Donde:
Sj = Tiempo de terminacin impuesto programado de la actividad (j).
TEj= Tiempo ms temprano de trmino de la actividad (j).
T
x
j= Desviacin tpica del tiempo ms temprano de trmino de la actividad(j).
Considerando para cada actividad de la malla PERT la siguiente denominacin de
tiempos.
____________________________________________________________________
64
CEj TEj
Actividad j
CLj Duracin TLj
Donde:
CEj es el comienzo ms temprano de la actividad(j).
TEj es el trmino ms temprano de la actividad(j).
CLj es el comienzo ms tardo de la actividad(j).
TLj es el trmino ms tardo de la actividad(j).
Determinado el valor del riesgo (Rj), se emplea una tabla de valores de la curva
normal, para determinar la probabilidad de cumplir con el tiempo de terminacin
impuesto programado (Sj). (Anexo 4)
Considerando la frmula de riesgo y teniendo en cuenta que De se determina para una
probabilidad del 50%, es posible calcular probabilidades de terminar la obra en fechas
impuestas, o determinar la fecha de termino de la obra para una probabilidad dada.
Al considerar el anlisis de precios de la partida, es posible visualizar un anlisis de
costos probabilstico con la estimacin de los rendimientos optimo, medio, pesimista
y esperado (Ro, Rm, Rp y Re).
Considerando la tabla N1.2, se puede complementar dicha tabla con los nuevos
rendimientos, de esta manera se tiene ya no solo un costo, sino los resultantes con
cada rendimiento considerado, es decir costo optimista, medio, pesimista y esperado,
esto sin duda nos presenta herramientas de decisin al momento de presupuestar.
____________________________________________________________________
65


Recurso Unidad Cantidad (Ro) Costo por unidad Costo optimista
Recurso Rd1 Ur1 Rno1 Cr1 Rno1*Cr1
Recurso Rd2 Ur2 Rno2 Cr2 Rno2*Cr2
Total
=1
*
i
n
Cri Rnoi
Tabla N3.1, Clculo de costo optimista de una partida.

Recurso
Unidad Cantidad (Rm) Costo por unidad Costo medio
Recurso Rd1 Ur1 Rnm1 Cr1 Rnm1*Cr1
Recurso Rd2 Ur2 Rnm2 Cr2 Rnm2*Cr2
Total
=1
*
i
n
Cri Rnmi
Tabla N3.2, Clculo de costo medio de una partida.

Recurso
Unidad Cantidad (Rp) Costo por unidad Costo pesimista
Recurso Rd1 Ur1 Rnp1 Cr1 Rnp1*Cr1
Recurso Rd2 Ur2 Rnp2 Cr2 Rnm2*Cr2
Total
=1
*
i
n
Cri Rnpi
Tabla N3.3, Clculo de costo pesimista de una partida.

Recurso
Unidad Cantidad (Re) Costo por unidad Costo esperado
Recurso Rd1 Ur1 Rne1 Cr1 Rne1*Cr1
Recurso Rd2 Ur2 Rne2 Cr2 Rne2*Cr2
Total
=1
*
i
n
Cri Rnei
Tabla N3.4, Clculo de costo esperado de una partida.
____________________________________________________________________
66
Para cada tabla en particular se tiene:
Rno =Rendimiento optimista
Rnp =Rendimiento pesimista
Rnm =Rendimiento medio
Rne =Rendimiento esperado
El costo est dado por los costos parciales de cada recurso.
Para el caso de estudio de esta tesis, interesa principalmente la estimacin del
rendimiento esperado (Re), principalmente en el entendido que este interviene en el
clculo de la duracin esperada (De) y del Costo esperado. Adems si se considera la
frmula (3.3), se puede adems realizar anlisis de riesgo para el proyecto,
respondiendo a preguntas tales como: Cul seria el costo o la duracin para una
probabilidad cualquiera?, o Cul el probabilidad de ocurrencia de un costo o una
duracin cualquiera?.
Esto sin duda induce a optar por un buen sistema de estimacin para poder responder
a estas preguntas con un buen grado de certeza, el rea de la construccin y sus
profesionales, tienen la obligacin de utilizar las mejores herramientas que tiene a su
alcance, y una de las funciones de esta tesis es presentar una buena y fcil manera de
utilizar la metodologa de modelos de regresin en la estimacin de rendimientos
esperados en procesos de construccin.

3.2.- Estimacin de rendimientos mediante modelo de regresin.
Considerando lo anteriormente expuesto y considerando las bases de datos de
rendimientos con la inclusin de factores del captulo 2, es posible visualizar la
incorporacin de modelos de regresin en la obtencin de la duracin esperada
(Rendimiento esperado).
El modelo propuesto se puede resumir en el siguiente diagrama:

____________________________________________________________________
67

Diagrama N3.2. Procedimiento de estimacin de rendimiento esperado mediante Modelo de
Regresin.
Respecto a la estimacin de costos, optimista, medio, pesimista y esperado es similar
al anterior descrito, las tablas utilizadas son las mismas, solo cambia la metodologa
de estimacin de rendimiento esperado (Re).
El sistema propuesto de estimacin de rendimiento por modelo de regresin se
diferencia del modelo PERT en la manera de estimar el rendimiento esperado (Re),
PERT utiliza la frmula (3.2), el modelo propuesto en cambio utiliza la metodologa
de regresin estadstica considerando la tabla estadstica y la influencia de los
factores incidentes en el valor de rendimiento. En el siguiente captulo se definirn
los modelos de pronsticos ms usados.
Tablas estadsticas de Rendimientos
Actividad: A1, A2, A3, An
F1 F2 Fn

A2

F: F12, Fn De
An

Fs: F1n, Fnn De

A3

F: F13, Fn De

Actividad A1

Factores: F11, F1n De
Re
Obra de Cantidad
De =
Modelo de regresin
Obtencin de Ecuaciones y de Re
Para los Factores estimados F1 a Fn
____________________________________________________________________
68
CAPITULO IV: Modelos de Pronsticos.

En el presente captulo se definirn los sistemas de pronsticos ms usados, haciendo
un anlisis de su factibilidad de uso en la investigacin, con la finalidad de que quede
ms claro para el lector las caractersticas de cada mtodo y del por qu se utilizar
uno en especial en la investigacin.

4.1.- Historia de los pronsticos.
Muchas de las tcnicas de pronstico que se utilizan actualmente y que se exponen en
esta investigacin se desarrollaron en el siglo XIX; un ejemplo de ello son los anlisis
de regresin. Con el desarrollo de tcnicas de pronstico ms complejas, junto con el
advenimiento de las computadoras, los pronsticos recibieron ms atencin durante
los aos recientes. Este desarrollo es en especial cierto desde la proliferacin de la
pequea computadora personal. Ahora todos los administradores posen la capacidad
de utilizar tcnicas de anlisis de datos muy complejas para fines de pronstico, y una
comprensin de dichas tcnicas es esencial hoy en da para los Administradores de
Empresas.
Al crecer la preocupacin de los Administradores por el proceso de pronstico, se
continan desarrollando nuevas tcnicas de pronstico. Esta atencin se enfoca de
manera particular en los errores, que son parte inherente de cualquier procedimiento
de pronstico. Es raro que los pronsticos coincidan al pie de la letra con el futuro,
una vez llegado este, quienes pronostican solo pueden intentar que los inevitables
errores sean tan pequeos como sea posible.

4.2.- Tipos de Pronsticos
Determinar que pasar con el futuro con el fin de tomar decisiones adecuadas es un
problema que se presenta con frecuencia. Este hecho es cierto no slo en la vida
personal, sino tambin en el mundo de los negocios. Se usa el trmino pronosticar
____________________________________________________________________
69
para hacer referencia a un mtodo especfico en lugar de la simple adivinanza, para
predecir eventos futuros. [Sipper, 1998]
Las tcnicas de pronsticos disminuyen la incertidumbre sobre el futuro, permitiendo
estructurar planes y acciones congruentes con los objetivos de la organizacin y
permiten tomar acciones correctivas apropiadas a tiempo cuando ocurren situaciones
fuera de lo pronosticado.
En los sistemas de produccin controlados por el mercado de la actualidad, los
pronsticos son ms importantes que nunca. Tanto la recompensa por un buen
pronstico como la penalizacin por uno malo pueden ser bastante altas. [Sipper,
1998].

4.2.1.- Caractersticas de los pronsticos
Todas las situaciones en que se requiere un pronstico, tratan con el futuro y el
tiempo esta directamente involucrado. As, debe pronosticarse para un punto
especfico en el tiempo y el cambio de ese punto generalmente altera el pronstico.
Otro elemento siempre presente en situaciones de pronsticos es la incertidumbre. Si
el administrador tuviera certeza sobre las circunstancias que existen en un tiempo
dado, la preparacin de un pronstico sera trivial.
El tercer elemento, presente en grado variable en todas las situaciones descritas es la
confianza de la persona que hace el pronstico sobre la informacin contenida en
datos histricos.

____________________________________________________________________
70
4.2.2.- Clasificacin de los modelos de pronsticos
Se definen tres tipos de mtodos de pronsticos de acuerdo al siguiente esquema:

Diagrama N4.1. Clasificacin de los modelos de pronsticos

4.2.2.1.- Identificacin del mtodo
Para identificar el mtodo a utilizar es necesario comprender e identificar algunas
caractersticas relacionadas con lo que se desea pronosticar.
Identificacin del problema
Los pronsticos proporcionan informacin para tomar mejores decisiones. El primer
paso es identificar la decisin. Si la decisin no se afecta por el pronstico, el
Mtodos de
Pronsticos

Pronsticos
Cualitativos

Pronsticos
Series de
Tiempo

Modelo
Constante

Modelo de
Tendencia

Modelo
Estacional
Regresin
Lineal
Simple
Pronsticos
Causales

Regresin
Lineal
Mltiple

____________________________________________________________________
71
pronstico es innecesario. La decisin determina que pronosticar, el nivel de detalle
necesario y con que frecuencia se har el pronstico. [Sipper, 1998]
Comprensin del problema
La clave para entender los problemas de pronsticos es comprender el proceso.
Nunca se puede comprender por completo el proceso, por lo que slo se puede
esperar conocerlo cada vez mejor y hacer las suposiciones necesarias para crear
pronsticos. Para hacer esto, se examinan las caractersticas del problema y se
analizan los datos, si existen. Tambin se establece una meta para el pronstico.
[Sipper, 1998]
En el rea de la construccin, si bien es cierto se pueden comparar los procesos
constructivos con un proceso productivo industrial, se debe reconocer que los
constructivos dictan mucho de estar controlados, hay muchos factores menos
controlados o ms variados, o ms difcil de controlar, como el clima, calidad de la
mano de obra y materiales entre otros.
El problema actual es que no se sigue un buen mtodo de estimacin de duraciones,
pues en general se desconoce informacin histrica respecto a los rendimientos que
rigen el actuar de los procesos de construccin, con esta informacin histrica se
pueden usar mtodos de pronsticos ms completos y que consideren todos los
factores incidentes.
Caractersticas del problema
Las principales caractersticas de un problema de pronsticos son el marco de tiempo,
el nivel de detalle, la exactitud necesaria y el nmero de aspectos a pronosticar. De
esta manera se tienen decisiones a largo, mediano y corto plazo.
Datos
Cuando se tienen los datos es importante examinarlos, esto puede proporcionar una
gran visin. Los datos pueden venir de los registros de la empresa o de fuentes
comerciales o gubernamentales.
____________________________________________________________________
72
Si no existen datos, se deben recolectar o se puede usar un enfoque de pronsticos
que no los requiera. Si no se dispone de datos o recolectarlos es demasiado costoso,
se elige un enfoque cualitativo. Hay factores ya sean internos o externos que afectan
los datos, los factores externos estn fuera de ser controlados pero se puede influir en
los factores internos. [Sipper, 1998]

4.2.2.2.- Pronsticos Cualitativos.
Los procedimientos de pronsticos pueden tambin clasificarse de acuerdo a su
tendencia a ser ms cuantitativos o cualitativos. En uno de los extremos, una tcnica
puramente cualitativa es aquella que no requiere de una abierta manipulacin de
datos, slo se utiliza el "juicio" de quin pronostica. Desde luego, incluso aqu, el
"juicio" del pronosticador es en realidad el resultado de la manipulacin mental de
datos histricos pasados.
Los mtodos cualitativos de pronsticos utilizan el juicio de los evaluadores, su
experiencia, los datos relevantes y un modelo matemtico implcito. Como el modelo
es implcito, si dos evaluadores distintos utilizan los mtodos cualitativos, es
frecuente que lleguen a pronsticos con variaciones importantes.
Los mtodos cualitativos casi siempre se utilizan para pronsticos a mediano y largo
plazo que involucren situaciones como diseo del proceso o capacidad de las
instalaciones. En el caso de estas decisiones, los datos del pasado casi nunca estn
disponibles o, cuando as es, pueden indicar un patrn poco estable.
1
3

Los pronsticos cualitativos deben utilizarse cuando los datos del pasado no
resulten confiables como indicadores de las condiciones del futuro. Cuando ocurre lo
anterior, los datos del pasado deben compensarse mediante un juicio antes de poder
desarrollar un pronstico. Tambin debe utilizarse el pronstico cualitativo para la

1
En una obra de construccin generalmente las decisiones son a corto plazo, an si se considera que se debe estimar los costos y
tiempos antes de empezar la obra, el tiempo total sigue siendo de no mas de un par de meses, dependiendo claro de la naturaleza
de la obra. Adems para esta investigacin se va a contar con datos del pasado disponibles, por lo que no ser necesario solo el
juicio del evaluador.
____________________________________________________________________
73
introduccin de nuevos productos y cuando no se posee de una base de datos
histricos.
En esta investigacin se necesita pronosticar el valor del rendimiento esperado que es
un valor netamente numrico, que no implica cualidad, por lo tanto, el mtodo de
pronsticos cualitativos no posee los requisitos para poder estimar este rendimiento

4.2.2.3.- Pronsticos Series de Tiempo.
Con frecuencia se realizan observaciones de datos a travs del tiempo. Cualquier
variable que conste de datos reunidos, registrados u observados sobre incrementos
sucesivos de tiempo se denomina serie de tiempo.
Para pronsticos a corto plazo, se usan mucho los mtodos de series de tiempo. Una
serie de tiempo es como se mencion anteriormente, simplemente una lista
cronolgica de datos histricos, para la que la suposicin esencial es que la historia
predice el futuro de manera razonable. Existen varios modelos y mtodos de series de
tiempo entre los cuales elegir, y que incluyen distintos modelos o patrones que tratan
de explicar el comportamiento de las series. [Sipper., 1998]
Patrones de una serie de tiempo
a) Proceso Constante
b) Proceso de Tendencia
c) Proceso Estacional
Para cada modelo, se cuenta con varios modelos o mtodos que tratan de encontrar el
patrn de los datos para proyectarlos al futuro y son:
Promedios
Promedios Mviles
Suavizamiento Exponencial
Regresin
Combinaciones anteriores
____________________________________________________________________
74
a) Proceso Constante
Si los datos tienen un comportamiento constante en el tiempo con algunas
desviaciones aleatorias, se especula que el proceso es constante.
Para el caso de esta investigacin interesa pronosticar el rendimiento, por lo tanto, el
rendimiento esperado en el periodo t estara dado por:
t t
a R + =
(4.1)
Donde a representa la constante fundamental del proceso y
t
es el ruido aleatorio,
que se supone que sigue una distribucin normal con media cero y varianza .
Para lo procesos constantes se pueden usar los siguientes mtodos, el uso del ltimo
dato, un promedio de todos los datos, un promedio de los datos mas recientes y los
promedios que toman en cuenta todos los datos, pero que dan ms peso a los datos
recientes.
b) Proceso con Tendencia
La tendencia de una serie de tiempo es el componente de largo plazo que representa
el crecimiento o disminucin en la serie sobre un periodo amplio. Las fuerzas bsicas
que ayudan a explicar la tendencia de una serie son el crecimiento de la poblacin, la
inflacin de precios, el cambio tecnolgico, etc.
Si los datos no son constantes y se muestra un aumento de los valores en forma
estable, se considera entonces que es un proceso con tendencia lineal, el modelo
matemtico para el caso del rendimiento esperado en el periodo t en esta
investigacin sera:
t t t
b a R + + =
(4.2)
En donde b es la pendiente de la tendencia, a representa la constante fundamental
del proceso y
t
es el ruido aleatorio. Si b es positivo indica un proceso que crece a
travs del tiempo, y una b negativa implica que decrece.
____________________________________________________________________
75
Para hacer un pronstico cuando existe una tendencia, es necesario estimar la
constante y la pendiente; hay muchas formas de hacerlo, incluyendo regresin y
variaciones a promedios mviles y suavizamiento exponencial. [Sipper, 1998]
c) Proceso Estacional
Si los datos recolectados, presentan marcadas tendencias de acuerdo a ciertas
estaciones, como las estaciones del ao, se habla entonces de procesos con tendencia
estacional. Otros procesos pueden tener una estacin que no este basada en aos, pero
debe su estacionalidad a algn otro factor. Un buen modelo debe considerar la
porcin constante, la tendencia y la estacionalidad.
Varios mtodos consideran los tres factores, uno de estos es el modelo multiplicativo
propuesto por Winters (1960), el modelo adaptado a la estimacin de rendimientos
para esta investigacin sera:

( )
t t t t
c b a R + + =
(4.3)

Donde
a= porcin constante
b=pendiente de la componente de tendencia
c=factor estacional para el periodo t
=aleatoriedad no controlable
En el rea de la construccin, si bien se tiene factores estacionales, como el clima,
demanda de la mano de obra que dependen de ciertos meses del ao, no son factores
incidentes ni tan marcados en el valor final del rendimiento.
La tabla de rendimientos que se analizar en esta investigacin obtendr rendimientos
considerando diversos factores por lo que sera absurdo realizar las mediciones cada
cierto periodo de tiempo y sin caer en un completo desorden cronolgico debido a
que el investigador solo le preocupar medir rendimientos de manera de abarcar la
____________________________________________________________________
76
mayor combinacin de factores posibles y no le interesar cada cuanto tiempo lo
haga.

4.2.2.4.- Pronsticos Causales con Regresin.
Si se desea pronosticar una variable dependiente, como ejemplo para el caso de esta
investigacin:
El rendimiento de una partida de construccin
El valor de la variable dependiente est relacionado a un valor observable de una o
ms variables independientes, como por ejemplo:
Clima al momento de realizar la actividad
Esto se llama procesos de pronstico causal, porque el valor de la variable
dependiente est causado, o al menos tiene una correlacin alta con el valor de la(s)
variable(s) independientes. Sin embargo no siempre la relacin entre las variables
dependiente e independiente es clara. Para estimar la relacin entre estas, con
frecuencias son tiles las tcnicas de regresin.
a.- Regresin Lineal Simple
En el caso de una regresin lineal simple hay una sola variable de regresin
independiente y una sola variable aleatoria dependiente, y el modelo matemtico es el
siguiente:
n ,... 2 , 1 t bh a R
t t t
= + + =
(4.4)
Donde:
t
R = valor de rendimiento de la actividad en el tiempo t
t
h = estado del clima en el momento t que se realiza la actividad, (se puede
considerar una valoracin numrica para el estado del clima o considerar un modelo
de regresin cualitativo)
t
= error aleatorio en el modelo
a = ordenada en la recta que relaciona
t
R y
t
h
____________________________________________________________________
77
b = pendiente de la recta
n = nmero de mediciones realizadas en cada actividad

b.- Modelo de Regresin Lineal Mltiple
El anlisis de regresin mltiple es una tcnica estadstica que puede utilizarse para
analizar la relacin entre una nica variable (criterio) y varias variables
independientes (predictores). El objetivo del anlisis de regresin mltiple es usar las
variables independientes cuyos valores son conocidos para predecir la nica variable
criterio seleccionada por el investigador (Rendimiento Esperado). Cada variable
predictor es ponderada, de forma que las ponderaciones indican su contribucin
relativa a la prediccin conjunta. [Walpole et. al, 1992]
Al calcular las ponderaciones o coeficientes, el procedimiento del anlisis de
regresin asegura la mxima prediccin a partir del conjunto de variables
independientes. Estas ponderaciones facilitan tambin la interpretacin de la
influencia de cada variable en la realizacin de la prediccin, aunque la correlacin
entre las variables independientes complica el proceso de interpretacin. El conjunto
de variables independientes ponderadas es conocido tambin como valor terico de la
regresin, una combinacin lineal de las variables independientes que predice mejor
la variable criterio o dependiente.
La ecuacin de regresin, tambin denominada como el valor terico de la
regresin, es el ejemplo de valor terico ms ampliamente reconocido entre todas las
tcnicas multivariantes. [Hair, 1999]
En resumen, al aplicar el anlisis de regresin mltiple:
Los datos deben ser mtricos o apropiadamente transformados.
Antes de derivar la ecuacin de regresin, el investigador debe decidir qu
variable va a ser dependiente y cul de las restantes variables ser independiente.
____________________________________________________________________
78
En los modelos pueden haber varias variables independientes que afecten la variable
dependiente. Si se tienen n observaciones de la variable dependiente y m
independientes, un modelo lineal con ruido sera:
n ... 2 , 1 t h b ... h b h b b d
t mt m t 2 2 t 1 1 0 t
= + + + + + =
(4.5)

Se pueden estimar los valores de los parmetros
m 2 1 0
b ,... b , b , b usando un enfoque
de mnimos cuadrados. Incluso si la relacin funcional entre una variable dependiente
y las variables independientes es no lineal, el modelo lineal para estimar los
coeficientes es adecuado puesto que se usan valores de las variables independientes y
no su forma.
Para el caso de este ejemplo y su adaptacin en la construccin se analizar el modelo
matemtico solo con 3 factores influyentes, clima, calidad de mano de obra y calidad
de los materiales para obtener lo siguiente:
t t 3 3 t 2 2 t 1 1 0 t
y b y b y b b R + + + + =
(4.6)
Donde:
t
R = valor de rendimiento de la actividad en el tiempo t
t 1
y = estado del clima en el momento t
t 2
y = la calidad de la mano de obra en el momento t
t 3
y = la calidad de los materiales en el momento t
t
= error aleatorio en el modelo
0
b = la porcin constante del proceso
1
b = puede ser considerado el porcentaje de rendimiento obtenido y que es afectado
por el clima al momento de realizar la actividad.
2
b = depende de la calidad de la mano de obra, a mayor calidad mayor valor de b y
viceversa.
____________________________________________________________________
79
3
b = su magnitud depende del valor de la calidad de los materiales, a mayor calidad
mayor ser el resultado del rendimiento.
De acuerdo al anlisis anterior el modelo de regresin multivariable es una buena
herramienta para poder pronosticar el rendimiento esperado debido a que hace posible
la incorporacin de factores y al ser un modelo de causa y efecto cumple de manera
ptima el echo de cmo influye cada uno de los factores en el rendimiento esperado.
4

El anlisis de regresin mltiple es una tcnica de dependencia. Por tanto, al
utilizarla, se deben dividir las variables entre independientes y dependientes. El
anlisis de regresin es tambin una herramienta estadstica que debera utilizarse
slo cuando tanto las variables dependientes como las independientes son mtricas.
Sin embargo, bajo ciertas circunstancias, es posible incluir datos no mtricos para las
variables independientes (transformando los datos ordinales o los nominales en
variables ficticias) o la variable criterio o dependiente (mediante el uso de una medida
binaria en la tcnica especial de la regresin logstica).

c.-Modelo de Regresin Mltiple con variables ficticias
Las variables ficticias recogen los efectos diferenciales que se producen en el
comportamiento de los agentes econmicos debido a diferentes causas como las
siguientes:
De tipo temporal: Para recoger efectos diferentes en funcin del tiempo en que
se producen las observaciones de las variables.
De carcter espacial: Para tener en cuenta la pertenencia o no de la observacin
a una determinada zona.
De tipo cualitativo: Para recoger los efectos de variables cualitativas como el
gnero, el estado civil, tener o no cargas familiares, nivel de educacin, etc.

4
De acuerdo a la investigacin se puede concluir que el modelo a utilizar es un modelo de regresin con mltiples variables, en
el captulo siguiente se comprobar esta situacin, para luego construir el modelo.
____________________________________________________________________
80
Si se requiere en el modelo utilizar variables nominales, se utiliza el procedimiento
denominado Regresin mltiple de variable ficticia (RMVF). RMVF convierte las
variables nominales en una serie de variables binarias que se codifican 0-1. En
general una variable nominal de k categoras se convierte en k-1 variables ficticias,
puesto que una vez que se conoce si las primeras k-1 categoras son 0 1, la k-sima
categora se determina automticamente con 0 1. Crear una k-sima variable ficticia
sera redundante, y de hecho invalidara toda la regresin. La eleccin de la categora
que tendr los ceros es arbitraria.

____________________________________________________________________
81
CAPITULO V: Eleccin de un modelo de estimacin.

En virtud de que existen varios modelos de regresin, es este captulo se elegir el
mejor modelo de acuerdo a un anlisis paso a paso y en virtud de los datos de que se
disponen.
Para la eleccin del modelo ideal se realizarn ejemplos considerando factores
determinados en investigaciones anteriores, con el fin de simplificar el modelo final,
y de estos ejercicios sirvan para comprender el proceso de desarrollo de variables
ficticias o dummy.

5.1.-Procedimiento de Pronstico.
Todos los procedimientos formales de pronstico comprenden la extensin de las
experiencias del pasado al futuro incierto. De ah la suposicin de que las condiciones
que generaron los datos anteriores son indistinguibles de las condiciones futuras, con
excepcin de aquellas variables reconocidas de manera explcita por el modelo de
pronstico. Por ejemplo, si se est pronosticando el ndice de desempeo de los
empleados en el trabajo, usando slo como pronstico la calificacin del examen de
admisin, se asume que el ndice de desempeo en el trabajo de cada persona se
afecta slo por dicho examen. Considerando que la suposicin de pasado y futuro
indistinguibles no se cumple, resultarn pronsticos imprecisos, a menos que se
modifiquen a juicio de quien se pronostica.
La aceptacin de que las tcnicas de pronsticos funcionan sobre datos generados en
sucesos histricos pasados conduce a la identificacin de cuatro pasos en el proceso
de pronstico:
Recopilacin de los datos
Reduccin o condensacin de los datos
Construccin del modelo
Extrapolacin del modelo
____________________________________________________________________
82
El paso 1 sugiere la importancia de obtener datos adecuados y asegurarse que son
correctos. Con frecuencia este paso es el mayor reto de todo el proceso de pronstico
y el ms difcil de controlar, ya que los pasos siguientes se efectan sobre los datos,
sean o no relevantes para el problema en cuestin. Siempre que se hace necesario
obtener datos pertinentes en una organizacin, abundan los problemas de recopilacin
y control de calidad.
El paso 2, la reduccin de datos con frecuencia es necesaria ya que en proceso de
pronstico es posible tener muchos o muy pocos datos. Algunos datos pueden no ser
pertinentes al problema, por lo que reduciran la precisin del pronstico. Otros datos
pueden ser los adecuados, pero slo en ciertos periodos histricos. Por ejemplo, en el
pronstico de ventas de automviles compactos podra desearse emplear slo datos de
ventas de automviles a partir del embargo petrolero de la dcada de 1970, en vez de
datos de los ltimos 50 aos.
El paso 3, la construccin del modelo, implica ajustar los datos reunidos en un
modelo de pronstico que sea el adecuado para minimizar el error del pronstico.
Entre ms sencillo sea el modelo, ser mejor para lograr la aceptacin del proceso por
parte de los administradores que toman las decisiones en la empresa. Con frecuencia
se debe establecer un balance entre un enfoque de pronstico complejo que ofrezca
ligeramente ms precisin y un enfoque sencillo que sea fcil de entender y ganar el
apoyo de quienes toman las decisiones, de manera que lo utilicen efectivamente. Es
obvio que los elementos de juicio forman parte de este proceso de seleccin.
El paso 4. consiste en la extrapolacin en s del modelo de pronstico, lo cual ocurre
una vez que se recolectaron y tal vez redujeron, los datos adecuados y que se
seleccion un modelo de pronstico apropiado. Es comn que quien realiz el
pronstico revise la precisin del proceso mediante el pronstico de periodos
recientes de los que se conocen los valores histricos reales. Es entonces cuando se
observan los errores de pronstico y se resumen de algn modo. Ciertos
procedimientos de pronsticos, suman los valores absolutos de los errores y pueden
____________________________________________________________________
83
reportar esta suma, o dividirla entre el nmero de intentos de pronstico para obtener
el error de pronstico promedio. Otros procedimientos obtienen la suma de cuadrados
de los errores, que se compara luego con cifras similares de mtodos de pronstico
alternativos. Algunos procedimientos tambin rastrean y reportan la magnitud de los
trminos de error sobre el periodo de pronstico. El examen de los patrones de error
conduce con frecuencia al analista a la modificacin del procedimiento de pronstico,
el cual genera despus pronsticos ms precisos.

5.2.- Eleccin del Modelo.
Si se considera lo descrito en el captulo anterior un modelo tentativo es un modelo de
regresin, sin embargo, para poder aseverar esta situacin y poder comprender mejor
la eleccin se presenta el siguiente esquema donde se indica el recorrido realizado en
la investigacin para estimar esta decisin.

____________________________________________________________________
84

Diagrama N5.1. Eleccin del modelo

5.2.1.- Hiptesis del modelo
Los modelos de regresin se basan en hacer unas determinadas suposiciones sobre los
datos que son conocidas como hiptesis bsicas del modelo.
1) Linealidad
La linealidad establece que Y crece linealmente con X (el incremento no depende de
X). Si esta hiptesis no se verifica, los estimadores mnimos cuadrados de los
coeficientes son sesgados.
La deteccin de la no linealidad se puede realizar mediante:
El grfico de dispersin de Y y X.
El grfico de los residuos frente a las predicciones.
Necesidad del pronstico
s

Necesidad del pronstico
Datos disponibles?
Anlisis de datos
Cuantitativos?
Factores causales?
Enfoque causal
Modelo de Regresin
Enfoque de
Series de
Tiempo
Recolectar
datos?
Enfoque
cualitativo
SI
SI
SI
NO
NO
NO
NO
SI
____________________________________________________________________
85
Las dos principales razones de no linealidad son:
No linealidad intrnseca: y=f(x) donde f es no lineal. (puede existir un valor
elevado al cuadrado, etc.).
Presencia de datos atpicos.
2) Homocedasticidad
Si la dispersin de los valores de las desviaciones vara mucho segn los valores de
X, entonces se tiene heterocedasticidad (varianza no constante). Si la
homocedasticidad no se verifica, la expresin de la varianza de los estimadores de los
coeficientes es errnea.
La deteccin de la heterocedasticidad se realiza con los mismos grficos que para la
no linealidad.
3) Normalidad
La normalidad postula que las desviaciones aleatorias
i
son normalmente
distribuidas. Si esta hiptesis es cierta, los residuos del modelo
i
e deberan ser
tambin normales.
La deteccin de normalidad se puede efectuar a travs de un histograma de los
residuos.
4) Independencia
La independencia establece que los datos son independientes entre s. Si los datos
provienen de una poblacin, esta hiptesis suele ser correcta. Bajo esta hiptesis, la
reparticin de los puntos en la nube del grfico de los residuos versus predicciones
debera ser uniforme.

5.3.- Seleccin del Modelo de regresin a utilizar.
Con fines acadmicos se ha considerado la seleccin del modelo de regresin paso a
paso, considerndolo sin y con variables ficticias, para dicho efecto se ha
considerado una actividad de las disponibles.
____________________________________________________________________
86
Dado que la finalidad de esta tesis, es probar que la metodologa de estimacin de
rendimiento por medio de regresin es ms ptima que el modelo PERT y que no son
los pasos seguidos en la seleccin lo ms importante se ha optado por anexar el
procedimiento en el Anexo 2.

5.4.- T
TTa
aab
bbl
lla
aas
ss e
ees
sst
tta
aad
dd
s
sst
tti
iic
cca
aas
ss d
dde
ee r
rre
een
nnd
ddi
ii m
mmi
iie
een
nnt
tto
oos
ss
Para poder estudiar este modelo de regresin es necesario contar con bases de datos
de rendimientos, sin embargo, hasta el momento las bases de datos de las empresas
no poseen una buena actualizacin ni mucho menos facilitan el aporte de factores que
afectarn los rendimientos como lo son: el clima, la calidad de la mano de obra,
calidad de los materiales, etc. Es por esta razn que para esta investigacin se
considerarn tablas de datos obtenidas de tesis de alumnos seminaristas de la carrera
de Ingeniera en Construccin de la Universidad del Bo-Bo los que han desarrollado
recoleccin de datos de rendimientos para distintas partidas con la inclusin de
factores. En todas las investigaciones anteriormente consideradas el autor de esta
investigacin a participado como profesor gua de los alumnos.
En esta tesis no se utilizaron todas las tablas presentadas aqu, pero se ha estimado
conveniente anexarlas para uso posterior de otros investigadores. Todos los datos
medidos son vlidos para la Ciudad de Concepcin.

5.4.1.- Tablas estadsticas de rendimientos para obra gruesa.
Las tablas estadsticas se han obtenido de:
Anlisis de rendimientos en Obra Gruesa con factores incidentes en su
duracin aplicados en la ciudad de Concepcin [Vergara, Cristin 2003]
Tesis para optar al Grado de Licenciado en Ciencias de la Construccin.
Autor: Vergara Navarrete Cristin Andrs
Profesor Gua: Luis Antonio Molina Campos
Escuela de Ingeniera en Construccin
____________________________________________________________________
87
Universidad del Bo-Bo
Las tablas estadsticas obtenidas aqu son las siguientes (Anexo 3):
1.- Actividad: Excavacin terreno semi - duro y autosoportante
2.- Actividad: Relleno Estructural Con Grava
3.- actividad: Relleno estructural con arena
4.- actividad: Fabricacin de moldaje
5.- Actividad: Colocacin de moldaje prefabricado
8.- Actividad: Descimbre de moldaje prefabricados
10,- Actividad: Preparacin de enfierradura (A 44 -28 h), dimetro 6 y 8 mm.
11.- Actividad: Preparacin de enfierradura (A44-28 h), dimetro 10 y 12 mm.
12.- Actividad: Colocacin de enfierradura (a 44 -28 h), Dimetro 6 y 8 mm.
13.- Actividad: Colocacin de enfierradura (A 44 -28 h), Dimetro 10 y 12 mm.
14.- Actividad: Elaboracin de hormign
15.- Actividad: Hormign con acarreo horizontal
16.- Actividad: Hormign con acarreo horizontal y vertical
17.- Actividad: Hormigonado con cinta transportadora desde camin mixer
18.- Actividad: Albailera de soga, ladrillo de dimensiones 29 x 14 x 14 cm.
19.- Actividad: Estuco 2.5 cm. De Espesor
20.- Actividad: Estuco 2.5 cm. de espesor
21.- Actividad: Entramado de cielo
22.- Actividad: Estructura de cielo en tijerales
23.- Actividad: Transporte de material en carretilla, distancia 20 mt.
24.- Actividad: Transporte de material en carretilla, distancia 40 mt.

____________________________________________________________________
88
CAPITULO VI Programas computacionales para anlisis estadsticos.

El modelo propuesto en el capitulo anterior para la actividad Excavacin en Zanja
ha sido realizado manualmente contando tan solo con una calculadora y el criterio del
investigador, esto con el objetivo de probar que un modelo de regresin es posible de
ser realizado con elementos bsicos y de realizar una secuencia pedaggica de
seleccin de modelo de regresin mltiple con variables ficticias. Este sistema a
requerido un tiempo considerable debido a que se han digitado gran cantidad de datos
lo que ha significado no poder considerar todos los decimales perdiendo exactitud,
lentitud en el ingreso, alto grado de error, adems. Para poder decir que el modelo es
optimo es necesario comprobar que se cumplan ciertas hiptesis estudiadas en el
capitulo V, sin embargo, realizar esto en forma manual es muy engorroso.
En el presente capitulo se analizarn por medio de la utilizacin de software
estadsticos tablas de datos para diferentes partidas de construccin, con ellas se
llegar a concluir la respectiva ecuacin de regresin y se validarn las hiptesis
propias del modelo.

6.1.- Programas computacionales.
Se han desarrollado cientos de paquetes estadsticos y de pronsticos tanto para
macro como para microcomputadoras. Los administradores con PC sobre sus
escritorios y el conocimiento de tcnicas de pronstico, ya no dependen de un equipo
de trabajo para realizar sus pronsticos. Los administradores modernos estn
aprovechando la ventaja de la facilidad y disponibilidad de mtodos complejos de
pronstico que proporcionan las computadoras personales.
En este subcapitulo se mencionan algunos de los paquetes de cmputo estadsticos y
de pronstico ms utilizados. Con frecuencia se utilizan paquetes estadsticos que
funcionan en microcomputadoras, e incluyen partes que tratan directamente varios
mtodos de pronstico. Algunos los softwares ms populares son:
____________________________________________________________________
89
Infostat
Minitab
Excel

6.1.1- Infostat
InfoStat es un software estadstico desarrollado por el Grupo InfoStat, un equipo de
trabajo conformado por profesionales de la Estadstica con sede en la Universidad
Nacional de Crdoba, Facultad de Ciencias Agropecuarias. InfoStat, como proyecto
de investigacin y desarrollo representa una sntesis de la experiencia aculada desde
1982 en la Unidad de Procesamiento Electrnico de Datos y en las Ctedras de
Estadstica y de Diseo de Experimentos, labor enriquecida por la tarea docente de
grado y postgrado, la consultora estadstica y la formacin de recursos humanos en
Estadstica.
InfoStat se formaliza como proyecto de investigacin y desarrollo en 1995 y alcanza
su primera versin en 1998. Tiene un alto nivel de aceptacin en el mbito
universitario, en centros de investigacin y tecnologa y en empresas de produccin
de bienes y servicios.
Caractersticas generales
InfoStat es un programa estadstico desarrollado en el ambiente Windows que ofrece
una interfase avanzada para el manejo de datos basada en el difundido concepto de
planilla electrnica. Permite importar y exportar bases de datos en formato Paradox,
texto o dbase. Posee rpido acceso a herramientas para el manejo de datos como por
ejemplo editar frmulas, transformar, clasificar y categorizar variables y generar
variables aleatorias mediante el uso de la simulacin. Las capacidades de copia y
pegado permiten trasladar fcilmente tablas, resultados y grficos a otras aplicaciones
Windows.

____________________________________________________________________
90
Ventajas
InfoStat permite crear de manera sencilla grficos de distintos tipos (histogramas,
diagramas de barras, tortas, dispersin, puntos, lneas, densidades, etc.). En una
misma imagen se incluyen varias series grficas, pudindose editar virtualmente
todos sus atributos. La herramienta cuenta con un algoritmo de copia y
suscripcin de formato que facilita la creacin de series grandes de grficos con
idnticas caractersticas.
La documentacin, manual del usuario, incluye todos los procedimientos
disponibles en el programa y contiene ejemplos ilustrativos mostrando cmo se
obtienen los resultados y sugerencias sobre la interpretacin de los mismos. Los
datos usados en los ejemplos son incluidos en la computadora personal cuando se
instala el programa. El usuario dispone de una versin electrnica del manual y de
ayuda en lnea.
Posee un entorno amigable de trabajo y adems existe una versin del programa
en espaol.
Actualmente estn disponibles dos versiones del programa: Versin Profesional y
Versin Estudiantil.

6.1.2.- Minitab Statistical Software
MINITAB Statistical Software es un paquete de programas informticos para el
anlisis exhaustivo de datos estadsticos y grficos. Minitab es reconocido por los
mejores profesionales y educadores de todo el mundo por su facilidad de uso,
fiabilidad y por ser un paquete de productos completo. MINITAB Statistical Software
es el paquete ideal para proyectos Six Sigma y otros proyectos de mejora de la
calidad.
Minitab Statistical Software incluye las siguientes funciones y utilidades:
Estadstica bsica y avanzada
Regresin y ANOVA
____________________________________________________________________
91
Series temporales
Nuevos grficos mejorados para presentaciones de gran calidad
Simulaciones y distribuciones
Importacin, exportacin y gestin flexible de datos
Control estadstico de procesos (CEP)
Diseo de experimentos (DOE)
Anlisis de fiabilidad
Anlisis multivariado
Tamao de muestra y clculos de potencia
Actualmente estn disponibles las siguientes versiones:
Minitab Versin 14 para Windows (en ingls).
Minitab Versin 13 en francs.
Minitab Versin 13 en japons/ingls.
Minitab Versin 13 en coreano/ingls.
Ventajas
Sin duda este programa posee muchas ventajas, sin embargo, presenta facilidad de
uso y una interfaz amigable.
Una de las mayores ventajas es que es posible utilizar los comandos copiar y
pegar desde una planilla Excel a la planilla de datos del Minitab. Esto sin duda
facilita el uso, pues en la mayora de los datos estn en planilla de clculo.

____________________________________________________________________
92
6.1.3.- Excel.
La conocida planilla de clculo Excel nos ofrece una herramienta de complemento
para realizar anlisis de regresin de manera fcil y al alcance de todos los usuarios
de esta planilla.
Ventajas
La ventaja es que est alcance de todos los usuarios de Ms. Excel y que no se necesita
complemento extra, solo se debe instalar desde el CD del programa principal para que
sea una funcin permanente.

6.2.- Seleccin de programa a utilizar.
De los programas analizados ambos presentan similares ventajas y herramientas, sin
duda lo que est a alcance de la gran mayora es Excel, pero no tiene todas las
herramientas y funciones de validacin de hiptesis.
De los dos programas analizados, Minitab es ms amigable en su ingreso de datos y
la realizacin de los clculos, en virtud de esta facilidad se selecciona este software
para realizar los modelos de regresin de las actividades.

____________________________________________________________________
93
CAPITULO VII Validacin del Modelo.

Para la validacin de este modelo se efectuar primero un anlisis de regresin a 4 de
las actividades del anexo 3, estas actividades se han seleccionado porque son las que
ms datos poseen en virtud de la exactitud de los resultados.
Respecto a los datos, se puede apreciar que la cantidad de datos tomados no es una
cantidad optima, ni se ha hecho un anlisis exhaustivo de la veracidad de la toma de
datos, pero si presentan tendencias de acuerdo al orden y valor de los factores, la
finalidad de la investigacin es probar que un modelo de regresin es mejor que un
modelo PERT en la estimacin de rendimiento esperado y su posterior uso, de hecho
el modelo de regresin y sus herramientas validarn tambin los datos.
En primer lugar se realizarn los modelos de regresin con actividades ficticias para
las actividades seleccionadas, para obtener la ecuacin de cada actividad, luego para
estas mismas actividades se estimar el rendimiento esperado por el modelo PERT,
luego con estos datos se realizar un supuesto de factores, procedimiento a seguir en
el estudio de proyecto de construccin, con este supuesto se compararn ambos
modelos.
La estimacin de los factores que afectarn a cada actividad y su obtencin del
rendimiento esperado para este supuesto es suficiente para validar el modelo, no se
requiere realizar un presupuesto o una programacin para este efecto como se ver
ms adelante.

7.1.- Anlisis de Regresin Mltiple con variables ficticias.
Se seleccionaron 4 partidas de todas las disponibles (Anexo 3) en virtud de la
exactitud de los resultados, debido a que estas son las que tienen mayor cantidad de
datos.
Actividad 1: Excavacin en zanja.
Actividad 4: Prefabricacin de moldajes.
Actividad 16: Hormign con acarreo horizontal y vertical.
Actividad 18: Albailera de soga, ladrillo de dimensiones 29 x 14 x 7 cm.
____________________________________________________________________
94

Para las actividades 1,4 y 16 se construirn actividades ficticias resumidas en la tabla
N7.1, considerando el carcter nominal de los factores, para esto se considerarn la
tablas (2.6 y A.1), esta tabla se ha ordenado de manera que la variable ms
desfavorable sea considerada cero, aunque como se coment anteriormente esto es
arbitrario.
La actividad 18 esta influenciada por ms factores, entonces se construir un nuevo
modelo considerando las variables ficticias resultantes de estos factores, ver tabla
N7.2.
La intencin de seleccionar la actividad 18, adems de su cantidad de datos medidos
en terreno, es que se midieron otros factores, se utilizar el modelo de regresin para
medir el grado de influencia de los factores, y probar que es tambin una herramienta
valida para este efecto, es decir poder decidir que factores son importantes al
momento de medir en terreno considerando que el tiempo de control (medicin en
terreno) es importante y tiene un costo, entonces mientras menos datos superfluos
midamos, menor ser el tiempo y costo involucrados.
Se tienen que crear k-1 variables ficticias. En este caso todos los factores tienen 3
categoras o estados, por lo que se debe crear 3-1=2 variables ficticias, para mejor
comprensin del mtodo se considerar el nombre de la variable ficticia similar al
factor considerado.
En las tablas 7.1 y 7.2, se generan las variables ficticias para cada actividad de
acuerdo a los factores considerados en cada una y de acuerdo a la clasificacin de
factores realizada en el Captulo 2, ver tabla 2.6.

____________________________________________________________________
95
CLI1 CLI2
Buen clima - Verano/Primavera (3) 1 0
Clima mediano- Otoo (2) 0 1
Mal clima - Invierno (1) 0 0
Factor Estado del factor CMO1 CMO2
Buena calidad, experiencia (3) 1 0
Mediana Calidad, experiencia (2) 0 1
Mala calidad, experiencia (1) 0 0
Factor Estado del factor CMT1 CMT2
Buena calidad (3) 1 0
Mediana calidad (2) 0 1
Mala calidad (1) 0 0
Variables Ficticias
CLIMA (CLI)
CALIDAD MANO
DE OBRA
(CMO)
CALIDAD
MATERIALES
(CMT)
Factor Estado del factor

Tabla N7.1 Tabla clasificacin de los factores incorporando variables ficticias para
actividades 1,4 y 16

CLI1 CLI2
Buen clima - Verano/Primavera 1 0
Clima mediano- Otoo 0 1
Mal clima - Invierno 0 0
Buena calidad, experiencia 1 0
Mediana Calidad, experiencia 0 1
Mala calidad, experiencia 0 0
Buena calidad 1 0
Mediana calidad 0 1
Mala calidad 0 0
Factor Estado del factor CMQ1 CMQ2
Buena - Buena/Alta Mantencin 1 0
Mediana - Mediana Mantencin 0 1
Mala - Mala Mantencin 0 0
Factor Estado del factor DRE1 DRE2
Alta - Invierno 1 0
Mediana - Otoo/Primavera 0 1
Baja - Verano 0 0
CALIDAD
MAQUINAS (CMQ)
DISPONIBILIDAD
RECURSOS
(DRE)
Variables Ficticias
CLIMA (CLI)
CALIDAD MANO
DE OBRA (CMO)
CALIDAD
MATERIALES
(CMT)
Factor Estado del factor

Tabla N7.2 Tabla clasificacin de los factores incorporando variables ficticias para
actividad 18

____________________________________________________________________
96
7.1.1.- Modelo de Regresin para Actividad: Excavacin en zanja
A continuacin se muestra la entrada de datos con variables ficticias para la actividad
Excavacin en Zanja (Anexo 3), y los valores entregados por el software Minitab.

N M3/DIA CLI1 CLI2 CMO1 CMO2 CMT1 CMT2 Coef. Predic. Resid.
1 3,63 1 0 1 0 0 1 2,52 3,53724 0,092757
2 3,2 0 1 1 0 0 0 0,449 3,19961 0,00039
3 2,81 0 1 0 0 0 0 0,332 2,85234 -0,042341
4 3,72 0 1 1 0 1 0 0,347 3,72 0
5 3,27 1 0 0 1 0 1 0,029 3,21932 0,050682
6 2,69 0 0 0 0 0 1 0,52 2,74049 -0,050492
7 2,84 0 0 0 1 0 1 0,22 2,76984 0,070164
8 3,08 0 1 0 0 0 1 3,07251 0,007489
9 3,14 1 0 0 0 0 0 2,9698 0,170196
10 3,08 0 1 0 0 0 1 3,07251 0,007489
11 3,48 1 0 1 0 0 1 3,53724 -0,057243
12 3,08 0 1 1 0 0 0 3,19961 -0,11961
13 2,76 0 1 0 0 0 0 2,85234 -0,092341
14 3,64 0 1 1 0 0 0 3,19961 0,44039
15 3,2 1 0 0 1 0 1 3,21932 -0,019318
16 2,71 0 0 0 1 0 1 2,76984 -0,059836
17 2,81 0 0 0 1 0 1 2,76984 0,040164
18 3,08 0 1 1 0 0 0 3,19961 -0,11961
19 3,08 1 0 1 0 0 0 3,31707 -0,237073
20 3,02 0 1 0 1 0 1 3,10186 -0,081855

Tabla N7.3. Datos y resultados con variables ficticias entregados por Minitab para la
actividad Excavacin en Zanja.

Regression Analysis:

The regression equation is

M3/DIA=2,52+0,449CLI1+0,332CLI2+0,347CMO1+0,029CMO2+0,520CMT1+0,22CMT2

Predictor Coef SE Coef T P
Constant 2,5203 0,1377 18,31 0,000
CLI1 0,4495 0,1172 3,84 0,002
CLI2 0,3320 0,1223 2,71 0,018
CMO1 0,34727 0,09754 3,56 0,003
CMO2 0,0293 0,1115 0,26 0,797
CMT1 0,5204 0,1811 2,87 0,013
CMT2 0,2202 0,1025 2,15 0,051

S = 0,164632 R-Sq = 80,7% R-Sq(adj) = 71,8%

Analysis of Variance

____________________________________________________________________
97
Source DF SS MS F P
Regression 6 1,47433 0,24572 9,07 0,001
Residual Error 13 0,35235 0,02710
Total 19 1,82668

Source DF Seq SS
CLI1 1 0,29019
CLI2 1 0,42240
CMO1 1 0,40641
CMO2 1 0,03561
CMT1 1 0,19467
CMT2 1 0,12505

Unusual Observations

Obs CLI1 M3/DIA Fit SE Fit Residual St Resid
4 0,00 3,7200 3,7200 0,1646 -0,0000 * X
14 0,00 3,6400 3,1996 0,0754 0,4404 3,01R

R denotes an observation with a large standardized residual.
X denotes an observation whose X value gives it large influence.

Tabla N7.3.1. Datos y resultados con variables ficticias entregados por Minitab para la
actividad Excavacin en Zanja.
Se puede observar en los datos entregados por el software que el coeficiente de
determinacin R tiene un valor de explicacin de 80,7% lo que es excelente y se
analiza el coeficiente de determinacin ajustado que es el usado en los casos donde
se cuenta con varias variables independientes, se tiene un valor de 71,8% lo que sigue
siendo excelente.
Los valores p son todos menores a 0,1 lo que implica un gran grado de significancia
de los factores salvo para la CM02 donde se tiene un valor p de 0,797 lo que quiere
decir que se podra prescindir de este factor ya que no tiene tanta importancia en el
modelo, esto en el supuesto que no sea parte de una actividad ficticia. Esto en el
entendido de que CM02 es parte de una variable nica, CLIMA, compuesta por dos
variables ficticias CM01 y CM02.
____________________________________________________________________
98
Verificacin de los supuestos
1. Normalidad
Residual
P
e
r
c
e
n
t
0,5 0,4 0,3 0,2 0,1 0,0 -0,1 -0,2 -0,3 -0,4
99
95
90
80
70
60
50
40
30
20
10
5
1
Normal Probability Plot of the Residuals
(response is M3/DIA)

Grfico N7.1 Grfico Normalidad, Actividad N1

Las distribuciones de los residuos siguen una lnea recta de 45, es decir, no se
observan desviaciones severas de la normalidad salvo por un dato que escapa a la
regularidad. Debido a que todos los dems datos tienen un comportamiento
marcadamente normal se valida la hiptesis de normalidad.

2. Homogeneidad

Fitted Value
R
e
s
i
d
u
a
l
3,8 3,6 3,4 3,2 3,0 2,8 2,6
0,5
0,4
0,3
0,2
0,1
0,0
-0,1
-0,2
-0,3
Residuals Versus the Fitted Values

Grfico N7.2 Grfico Homogeneidad, Actividad N1

Se observa que los datos estn distribuidos aleatoriamente y que no existe una
tendencia marcada que pueda invalidar el modelo. Existe una sola medicin que
escapa de la media residual existente, sin embargo, puede tratarse de un dato mal
____________________________________________________________________
99
medido que no provocar mayor problema al objetivo de la investigacin, por lo que,
se valida el supuesto.
3. Independencia

Observation Order
R
e
s
i
d
u
a
l
20 18 16 14 12 10 8 6 4 2
0,5
0,4
0,3
0,2
0,1
0,0
-0,1
-0,2
-0,3
Residuals Versus the Order of the Data

Grfico N7.3 Grfico Independencia, Actividad N1

No existe presencia de residuos agrupados que puedan indicar la presencia de
correlacin, se mantiene la tendencia a la normalidad salvo por el caso que intervino
en los otros grficos y que corresponde a la observacin numero 14, dato que tiene
una alta probabilidad de estar mal medido. Se validad la hiptesis de independencia.

7.1.2.- Modelo de Regresin para Actividad: Prefabricacin de Moldajes
Los datos entregados por el software Minitab para la Actividad N4: Prefabricacin
de Moldajes (Anexo 3) son:

____________________________________________________________________
100
N M2/DIA CLI1 CLI2 CMO1 CMO2 CMT1 CMT2 Coef. Predic. Resid.
1 21,05 0 0 0 1 1 0 18,18 20,9892 0,06079
2 21,62 1 0 1 0 1 0 2,134 23,5521 -1,93207
3 22,22 0 1 1 0 0 1 1,265 21,7109 0,5091
4 23,53 1 0 0 1 1 0 0,549 23,1229 0,40707
5 24,24 0 1 1 0 1 0 0,12 22,6837 1,55632
6 21,05 0 0 1 0 1 0 2,689 21,4184 -0,36835
7 20,51 0 0 0 1 1 0 1,716 20,9892 -0,47921
8 20 0 0 0 1 0 1 20,0164 -0,01644
9 18,18 0 0 0 0 0 0 18,18 0
10 22,22 0 1 0 1 1 0 22,2545 -0,03454
11 22,3 0 0 0 1 1 0 20,9892 1,31079
12 21,5 0 0 1 0 1 0 21,4184 0,08165
13 22,5 0 1 1 0 0 1 21,7109 0,7891
14 23,6 1 0 0 1 1 0 23,1229 0,47707
15 24,6 1 0 1 0 1 0 23,5521 1,04793
16 21 0 1 1 0 1 0 22,6837 -1,68368
17 20,4 0 0 0 1 1 0 20,9892 -0,58921
18 20 0 1 0 1 0 1 21,2818 -1,28176
19 18,3 0 0 0 1 0 0 18,3 0
20 22,4 0 1 0 1 1 0 22,2545 0,14546

Tabla N7.4. Datos y resultados con variables ficticias entregados por Minitab para
la Actividad N4: Prefabricacin de moldajes

Regression Analysis: M2/DIA versus CLI1; CLI2; CMO1; CMO2; CMT1; CMT2


M2/DIA =18,2+2,13CLI1+1,27CLI2+0,55CMO1+0,12CMO2+2,69CMT1+1,72CMT2

Predictor Coef SE Coef T P
Constant 18,180 1,091 16,67 0,000
CLI1 2,1337 0,7001 3,05 0,009
CLI2 1,2653 0,6334 2,00 0,067
CMO1 0,549 1,633 0,34 0,742
CMO2 0,120 1,543 0,08 0,939
CMT1 2,689 1,180 2,28 0,040
CMT2 1,716 1,313 1,31 0,214

S = 1,09086 R-Sq = 73,2% R-Sq(adj) = 60,8%


Source DF SS MS F P
Regression 6 42,213 7,036 5,91 0,004
Residual Error 13 15,470 1,190
Total 19 57,683

Source DF Seq SS
____________________________________________________________________
101
CLI1 1 15,780
CLI2 1 11,612
CMO1 1 2,097
CMO2 1 4,696
CMT1 1 5,993
CMT2 1 2,034


Obs CLI1 M2/DIA Fit SE Fit Residual St Resid
2 1,00 21,620 23,552 0,608 -1,932 -2,13R
9 0,00 18,180 18,180 1,091 -0,000 * X
19 0,00 18,300 18,300 1,091 -0,000 * X

R denotes an observation with a large standardized residual.

Actividad N4: Prefabricacin de moldajes
Se puede observar que el valor para el coeficiente de determinacin R es inferior a
la actividad analizada anteriormente y tiene un valor de explicacin de 73,2% lo que
es excelente, si se analiza el coeficiente de determinacin ajustado que es el utilizado
en este tipo de casos, tiene un valor de 60,8% lo que quiere decir que el modelo
realiza una buena aproximacin.
Los valores p actan de muy buena forma otorgando gran significancia a factores
como el Clima y Calidad de los materiales, sin embargo, la Calidad de la mano de
obra tiene un valor p muy alto, lo que implica que este factor no tiene influencia en
la actividad, sin embargo, si se piensa objetivamente, en una actividad de este tipo la
CMO es muy decisiva en el momento de adquirir rendimiento por lo que no se quitar
del modelo, esto quizs indique o datos mal medidos, o que la toma de datos se
realiz solo con algunos de los estados de este factor (Anexo 3), lo que radica en no
poder medir toda la variabilidad, sera importante tomar ms datos y en distintas
calidades de mano de obra para investigaciones posteriores.

____________________________________________________________________
102
Verificacin de supuestos

1. Normalidad

Residual
P
e
r
c
e
n
t
2 1 0 -1 -2
99
95
90
80
70
60
50
40
30
20
10
5
1


Se valida la hiptesis de normalidad debido a que los residuos tienen un
comportamiento normal y se cien a una recta de 45. Se logra visualizar algunas
desviaciones, sin embargo, estas no son severas y no ocasionan dao al modelo.
2. Homogeneidad

Fitted Value
R
e
s
i
d
u
a
l
24 23 22 21 20 19 18
2
1
0
-1
-2


En el grfico se aprecia un patrn marcado que presenta un crecimiento de los
residuos a medida que aumentan los valores predichos, esto otorga una forma de cono
a la nube de datos, lo que invalidara el supuesto, sin embargo, se seguir adelante
____________________________________________________________________
103
con el modelo debido a que de todas formas y aunque se trate de datos atpicos el
modelo entregar una solucin.

3. Independencia

Observation Order
R
e
s
i
d
u
a
l
20 18 16 14 12 10 8 6 4 2
2
1
0
-1
-2


Los valores residuales se mantienen dentro de un mismo margen y aunque se ven
algunas desviaciones existe aleatoridad en la distribucin de datos y no existen
residuos agrupados que indiquen la presencia de correlacin e invaliden la hiptesis.

7.1.3.- Modelo de Regresin para Actividad: Hormign con Acarreo horizontal y
vertical.
Los datos entregados por el software Minitab para la Actividad N16: Hormigonado
con acarreo horizontal y vertical se entregan en la tabla 7.5:
N M2/DIA CLI1 CLI2 CMO1 CMO2 CMT1 CMT2
COEF1 FITS1 RESI1
1 3,04 0 0 0 1 1 0
2,2428 3,1364 -0,09641
2 3,2 0 1 0 0 1 0
0,2965 3,188 0,012039
3 3,27 0 1 0 1 0 1
0,3593 3,175 0,095
4 2,84 0 1 0 0 1 0
0,3168 3,188 -0,34796
5 3,46 1 0 0 1 1 0
0,3077 3,4329 0,027066
6 3,72 0 1 0 1 1 0
0,5859 3,4957 0,224339
7 2,93 0 0 0 0 1 0
0,2652 2,8287 0,101295
8 3,56 1 0 1 0 1 0
3,4421 0,117934
9 3,77 0 1 1 0 1 1
3,77 0
10 3,16 0 0 1 0 1 0
3,1455 0,014463
____________________________________________________________________
104
11 2,96 0 0 0 1 1 0
3,1364 -0,17641
12 3,2 0 1 0 0 1 0
3,188 0,012039
13 3,08 0 1 0 1 0 1
3,175 -0,095
14 2,86 0 0 0 0 1 0
2,8287 0,031295
15 3,33 1 0 0 1 1 0
3,4329 -0,10293
16 3,62 0 1 0 1 1 0
3,4957 0,124339
17 3,02 0 0 0 0 1 0
2,8287 0,191295
18 3,4 1 0 1 0 1 0
3,4421 -0,04207
19 3,48 0 1 1 0 1 0
3,5048 -0,02479
20 3,08 0 0 1 0 1 0
3,1455 -0,06554
Actividad N16: Hormigonado con acarreo vertical y horizontal.

Regression Analysis


M3/DIA=2,24+0,297CLI1+0,359CLI2+0,317CMO1+0,308CMO2+0,586CMT1+0,265CMT2

Predictor Coef StDev T P
Constant 2,2428 0,2285 9,82 0,000
CLI1 0,2965 0,1062 2,79 0,015
CLI2 0,35926 0,08869 4,05 0,001
CMO1 0,3168 0,1044 3,03 0,010
CMO2 0,30770 0,09722 3,16 0,007
CMT1 0,5859 0,2165 2,71 0,018
CMT2 0,2652 0,1865 1,42 0,179

S = 0,1583 R-Sq = 78,7% R-Sq(adj) = 68,8%


Source DF SS MS F P
Regression 6 1,19960 0,19993 7,98 0,001
Residual Error 13 0,32558 0,02504
Total 19 1,52518

Source DF Seq SS
CLI1 1 0,17766
CLI2 1 0,47190
CMO1 1 0,18308
CMO2 1 0,15862
CMT1 1 0,15769
CMT2 1 0,05066

Obs CLI1 M2/DIA Fit StDev Fit Residual St
Resid
____________________________________________________________________
105
4 0,00 2,8400 3,1880 0,0784 -0,3480 -
2,53R
9 0,00 3,7700 3,7700 0,1583 -0,0000
* X

R denotes an observation with a large standardized residual
Actividad N16: Hormigonado con acarreo vertical y horizontal.

Se observa que el valor para el coeficiente de determinacin R es de 78,7% lo que
indica que el modelo es muy bueno, si se analiza el coeficiente de determinacin
ajustado que es el utilizado en este tipo de casos, tiene un valor de 68,8% lo que
quiere decir que el modelo realiza una buena aproximacin.
Al analizar los valores p se puede apreciar que todos los factores influyen en un
buen grado en la variabilidad del rendimiento, lo que indica la importancia de estos
en este modelo y modelos futuros. Al respecto resultara interesante medir tambin la
influencia de la calidad de las mquinas herramientas, para esta actividad se elimin
pues todas las mediciones fueron realizadas con un solo tipo de maquinaria
(betonera), ver Anexo 3, actividad N16.

1. Normalidad
-0,4 -0,3 -0,2 -0,1 0,0 0,1 0,2
-2
-1
0
1
2
N
o
r
m
a
l

S
c
o
r
e
Residual

comportamiento normal y se cien a una recta de 45.
____________________________________________________________________
106
2. Homogeneidad

3,8 3,7 3,6 3,5 3,4 3,3 3,2 3,1 3,0 2,9 2,8
0,2
0,1
0,0
-0,1
-0,2
-0,3
-0,4
Fitted Value
R
e
s
i
d
u
a
l


En el grfico se aprecia una buena distribucin de los residuos a ambos lados de la
recta, Existen pequeas agrupaciones de datos debido a que se han medido datos con
poca variacin de factores, en mediciones futuras es conveniente medir en todos los
estados de los factores que afectan a la actividad.
3. Independencia

2 4 6 8 10 12 14 16 18 20
-0,4
-0,3
-0,2
-0,1
0,0
0,1
0,2
Observation Order
R
e
s
i
d
u
a
l


Los valores residuales se mantienen dentro de un mismo margen y aunque se ven
algunas desviaciones (medicin N4), existe aleatoridad en la distribucin de datos y
____________________________________________________________________
107
no existen residuos agrupados que indiquen la presencia de correlacin e invaliden la
hiptesis.

7.1.4.- Modelo de Regresin para Actividad: Albailera de soga.
Esta actividad se seleccion adems por tener bastantes mediciones, por tener
mediciones de otros factores como Calidad de las Mquinas Herramientas (CMH), y
Disponibilidad de los Recursos (DRE), es esta actividad se ve paso a paso el
procedimiento de seleccin de factores incidentes y de cmo deben considerarse los
datos en virtud de su carcter nominal.

N M
2
/D CLI CMO CMT CMH DRE 0TR N M
2
/D CLI CMO CMT CMH DRE 0TR
1
12,5 2 3 2 2 2 0
11
13 2 3 2 2 2 0
2
14,81 2 3 2 2 2 0
12
15,1 2 3 2 2 2 0
3
11,94 1 1 1 2 1 0
13
11,6 1 1 1 2 1 0
4
18,18 2 3 3 3 2 0
14
18,7 2 3 3 3 2 0
5
22,86 3 3 3 2 3 0
15
12,1 2 3 2 2 2 0
6
11,27 1 2 2 1 1 0
16
11,85 1 2 2 1 1 0
7
11,11 1 2 1 1 1 0
17
11,23 1 2 1 1 1 0
8
21,62 2 3 3 3 2 0
18
22 2 3 3 3 2 0
9
19,51 3 3 3 3 3 0
19
20,01 3 3 3 3 3 0
10
19,05 2 2 2 2 2 0
20
22,3 3 2 3 2 3 0
Tabla N7.6. Datos Actividad N18: Albailera de Soga (Anexo 3)

Los datos fueron medidos considerando los factores de acuerdo a un peso dado por el
autor [Vergara, 2003], Tabla N2.6, se consider un peso de acuerdo al grado de
incidencia del factor, por ejemplo el clima (CLI), se consider 1 para el mal clima o
invierno este factor influye negativamente en el rendimiento, 2 para clima mediano u
otoo con mediana influencia en el rendimiento, y se consider 3 para el clima que
influye positivamente en el rendimiento o verano. Si bien es cierto resulta muy difcil
____________________________________________________________________
108
medir el grado de influencia de estos factores tanto con el rendimiento final y el grado
de influencia entre si, esta valorizacin inicial puede ser utilizada para determinar que
tan influyentes son estos factores en el rendimiento o si existe correlacin entre ellos,
pero un modelo final y definitivo debe ser sin duda un modelo de regresin mltiple
con variables ficticias.
Si se ingresa al Minitab la tabla de datos valorizada con los pesos antes mencionados
se tienen los siguientes resultados:
Regression Analysis

* DRE is highly correlated with other X variables
* DRE has been removed from the equation

M2/DIA = 6,47 + 2,14 CLI - 2,13 CMO + 3,99 CMT + 0,974 CMH

Constant 6,470 1,775 3,64 0,002
CLI 2,142 1,074 2,00 0,064
CMO -2,1276 0,9282 -2,29 0,037
CMT 3,986 1,186 3,36 0,004
CMH 0,9740 0,9173 1,06 0,305
S = 1,960 R-Sq = 84,2% R-Sq(adj) = 80,0%


Source DF SS MS F P
Regression 4 307,204 76,801 19,99 0,000
Total 19 364,842

Source DF Seq SS
CLI 1 232,698
CMO 1 1,427
CMT 1 68,746
CMH 1 4,332
Tabla N7.6.1. Resultados del Anlisis en Minitab para Actividad N18: Albailera de Soga
Al realizar un anlisis de regresin, los resultados indican que el factor
Disponibilidad de los Recursos (DRE) est altamente correlacionado con otra
variable X, y esto es con el Clima (CLI) debido a que la demanda de trabajadores se
relaciona tambin con la estacin del ao, en verano (CLI=3) hay una baja
____________________________________________________________________
109
disponibilidad de los recursos (DRE=3) pues esta se produce precisamente en la
estacin donde hay ms trabajo y mejor clima esto es el verano, lo contrario pasa
cuando la estacin es invierno (CLI=3), la disponibilidad de los recursos es alta
(DRE=3). De acuerdo a lo anterior el factor DRE se eliminar del modelo, y se
sugiere eliminar este factor en mediciones futuras de datos o por lo menos cambiar la
correlacin con la estacin del ao, quizs considerar esta Disponibilidad de los
Recursos con todos los recursos involucrados en el anlisis de costos y no solo con la
mano de obra. De la misma manera debera sacarse del modelo la variable CMH,
pero para este caso se dejar para probar si el modelo de regresin con variables
mltiples nos indica si debe permanecer o ser sacada.
Una vez realizado este primer paso, se estructura una nueva tabla de datos (tabla
N7.7.), considerando ahora las variables ficticias de acuerdo a la tabla N7.2.

N M2/DIA CLI1 CLI2 CMO1 CMO2 CMT1 CMT2 CMH1 CMH2
1 12,5 0 1 1 0 0 1 0 1
2 14,81 0 1 1 0 0 1 0 1
3 11,94 0 0 0 0 0 0 0 1
4 18,18 0 1 1 0 1 0 1 0
5 22,86 1 0 1 0 1 0 0 1
6 11,27 0 0 0 1 0 1 0 0
7 11,11 0 0 0 1 0 0 0 0
8 21,62 0 1 1 0 1 0 1 0
9 19,51 1 0 1 0 1 0 1 0
10 19,05 0 1 0 1 0 1 1 0
11 13 0 1 1 0 0 1 0 1
12 15,1 0 1 1 0 0 1 0 1
13 11,6 0 0 0 0 0 0 0 1
14 18,7 0 1 1 0 1 0 1 0
____________________________________________________________________
110
15 12,1 0 1 1 0 0 1 0 1
16 11,85 0 0 0 1 0 1 0 0
17 11,23 0 0 0 1 0 0 0 0
18 22 0 1 1 0 1 0 1 0
19 20,01 1 0 1 0 1 0 1 0
20 22,3 1 0 0 1 1 0 0 1

Tabla N7.7. Datos considerando Actividades Ficticias para Actividad N18: Albailera de
Soga
Los resultados entregados por Minitab son los siguientes:

Regression Analysis

* CMH2 is highly correlated with other X variables
* CMH2 has been removed from the equation

M2/DIA=11,8+6,10CLI1+5,78CLI2-4,16CMO1-0,60CMO2+6,40CMT1+0,39CMT2+0,34CMH1

Constant 11,770 1,156 10,18 0,000
CLI1 6,102 1,939 3,15 0,008
CLI2 5,780 1,769 3,27 0,007
CMO1 -4,163 2,104 -1,98 0,071
CMO2 -0,600 1,635 -0,37 0,720
CMT1 6,402 2,230 2,87 0,014
CMT2 0,390 1,635 0,24 0,815
CMH1 0,336 1,231 0,27 0,790

S = 1,635 R-Sq = 91,2% R-Sq(adj) = 86,1%


Source DF SS MS F P
Regression 7 332,778 47,540 17,79 0,000
Total 19 364,842

Source DF Seq SS
CLI1 1 131,738
CLI2 1 101,634
CMO1 1 7,314
CMO2 1 0,219
CMT1 1 91,522
CMT2 1 0,152
____________________________________________________________________
111
CMH1 1 0,199

Obs CLI1 M3/DIA Fit StDev Fit Residual St Resid
5 1,00 22,860 20,111 1,038 2,749 2,18R
10 0,00 19,050 17,676 1,508 1,374 2,18R
20 1,00 22,300 23,674 1,508 -1,374 -2,18R

R denotes an observation with a large standardized residual
Tabla N7.7.1. Resultados del Anlisis considerando Actividades Ficticias en Minitab para
Actividad N18: Albailera de Soga

Al igual que el anlisis anterior los resultados indican que una variable tiene una alta
correlacin con otra variable X, para este caso la variable corresponde al Factor
CMH2, el sistema elimin esta variable. Tratndose de una variable ficticia no es
posible eliminar del modelo una parte de esta, debido a que CMH2 explica solo una
parte del valor nominal de este factor no se puede eliminar y dejar el valor de CMH1.
Si se analiza la actividad en particular Albailera de Soga, en esta no influyen las
herramientas pues toda la labor la ejecuta principalmente el albail (Mano de Obra) y
no la maquinara aunque se fabrique el mortero en betonera, en la labor de colocacin
de ladrillos solo interviene el trabajador, por lo tanto no presentar problema eliminar
todo el factor (CMH) para los modelos futuros.
Los datos considerando solo CLI, CMO y CMT con variables ficticias y resultados
entregados por Minitab son los siguientes:
N M2/DIA CLI1 CLI2 CMO1 CMO2 CMT1 CMT2 COEF1 FITS1 RESI1
1 12,5 0 1 1 0 0 1 11,77 13,8211 -1,32105
2 14,81 0 1 1 0 0 1 6,0313 13,8211 0,98895
3 11,94 0 0 0 0 0 0 5,8947 11,77 0,17
4 18,18 0 1 1 0 1 0 -4,2337 20,125 -1,945
5 22,86 1 0 1 0 1 0 -0,6 20,2616 2,59842
6 11,27 0 0 0 1 0 1 6,6939 11,56 -0,29
7 11,11 0 0 0 1 0 0 0,39 11,17 -0,06
8 21,62 0 1 1 0 1 0 20,125 1,495
____________________________________________________________________
112
9 19,51 1 0 1 0 1 0 20,2616 -0,75158
10 19,05 0 1 0 1 0 1 17,4547 1,59526
11 13 0 1 1 0 0 1 13,8211 -0,82105
12 15,1 0 1 1 0 0 1 13,8211 1,27895
13 11,6 0 0 0 0 0 0 11,77 -0,17
14 18,7 0 1 1 0 1 0 20,125 -1,425
15 12,1 0 1 1 0 0 1 13,8211 -1,72105
16 11,85 0 0 0 1 0 1 11,56 0,29
17 11,23 0 0 0 1 0 0 11,17 0,06
18 22 0 1 1 0 1 0 20,125 1,875
19 20,01 1 0 1 0 1 0 20,2616 -0,25158
20 22,3 1 0 0 1 1 0 23,8953 -1,59526
Actividad N18: Albailera de Soga.

Regression Analysis

M2/DIA=11,8+6,03CLI1+5,89CLI2-4,23CMO1-0,60CMO2+6,69CMT1+0,39CMT2

Constant 11,770 1,114 10,57 0,000
CLI1 6,031 1,852 3,26 0,006
CLI2 5,895 1,656 3,56 0,003
CMO1 -4,234 2,012 -2,10 0,055
CMO2 -0,600 1,575 -0,38 0,709
CMT1 6,694 1,887 3,55 0,004
CMT2 0,390 1,575 0,25 0,808

S = 1,575 R-Sq = 91,2% R-Sq(adj) = 87,1%


Source DF SS MS F P
Regression 6 332,580 55,430 22,34 0,000
Total 19 364,842

Source DF Seq SS
CLI1 1 131,738
____________________________________________________________________
113
CLI2 1 101,634
CMO1 1 7,314
CMO2 1 0,219
CMT1 1 91,522
CMT2 1 0,152
Actividad N18: Albailera de Soga.

En los anlisis anteriores los resultados indicaban que una variable tiene una alta
correlacin con otra variable X, para este nuevo modelo no se indica correlacin
puesto que la variable CMH (Calidad de las Maquinas Herramientas) se eliminaron
ambas ficticias.
Las variables CMO2 y CMH2 tienen un valor de p mayor a 0,1 lo que indicara que
debe ser retiradas del modelo, pero la igual que los anlisis anteriores no es posible
retirarlas porque son parte de una variable nica CMO (Calidad de la Mano de Obra)
y CMH (Calidad de las Maquinas y Herramientas) respectivamente.
Ahora respecto a que las variables CMO1 y CMO2 tengan un valor de coeficiente
negativo no indica que influyan negativamente es decir a mayor Calidad de Mano de
Obra menor Rendimiento (esto puede ser corroborado por los datos y por la
experiencia en terreno), eso se explica bajo en contexto del modelo general que es un
modelo satisfactorio (R-Sq=91,2%) y que este explica correctamente la variable
(rendimiento), CMO atena el valor general de la ecuacin, y se debe entender
tambin en el alto valor del coeficiente de las otras variables.


1. Normalidad
3 2 1 0 -1 -2
2
1
0
-1
-2
N
o
r
m
a
l

S
c
o
r
e
Residual


comportamiento normal y se cien a una recta de 45.

____________________________________________________________________
114
2. Homogeneidad

25 20 15 10
3
2
1
0
-1
-2
Fitted Value
R
e
s
i
d
u
a
l


En el grfico se aprecia una buena distribucin de los residuos a ambos lados de la
recta, existen algunas tendencias de agrupamiento pero leves.

3. Independencia

20 18 16 14 12 10 8 6 4 2
3
2
1
0
-1
-2
Observation Order
R
e
s
i
d
u
a
l


Los valores residuales se mantienen dentro de un mismo margen, existe aleatoriedad
en la distribucin de datos y no existen residuos agrupados que indiquen la presencia
de correlacin que invaliden la hiptesis.

____________________________________________________________________
115
7.2.- Estimacin del escenario del proyecto.
Para poder obtener los Rendimientos esperados es necesario establecer un escenario
estimado para la obra en cuestin y los factores que incidirn en las actividades del
presupuesto.
Considerando los diagramas N1.1, N3.1 y N3.2 donde se ejemplifica el
procedimiento de estimacin de rendimientos esperados y se estiman para estos los
factores que le afectan, se puede concluir que cada actividad est influenciada por un
grupo de factores (Clima, Calidad de la Mano de Obra, Calidad de los Materiales,
Calidad de las Maquinaras). Estos factores estimados pueden ser comunes para toda
la obra (y las actividades) y particulares para cada actividad, esto es el factor Clima
(CLI) puede ser comn para toda la obra, o cambiante y particular para cada actividad
dependiendo del tiempo en que se realice la obra y la actividad en estudio.
La estimacin de los factores implica considerar los trminos, supuestos, en los
cuales se realizar la obra y cada actividad, no se debe olvidar que no es ms que una
estimacin del futuro, pero si hay factores que en toda obra se deben considerar o
debe saber con cierta seguridad los aspectos bajo los cuales se efectuar la actividad.
Un buen administrador de obra debe saber o estudiar el clima o los climas bajo los
cuales se realizar la obra y las actividades, quizs no con certeza pero si posee la
herramientas para realizar este supuesto.
De la misma manera debe considerar de antemano la calidad de la mano de obra con
la que realizar la actividad, sea esta de la empresa o a subcontratar, debe saber o
determinar si se contar con mano de obra de buena calidad, mediana o baja calidad
en el momento de programar o realizar el presupuesto, esto no debe ser una
determinacin que se deba tomar en el momento de realizar la obra.
Igual anlisis debe realizar con el resto de los factores incidentes, obviamente estando
en un mundo mas bien aleatorio que determinista no se tiene certeza de que se
produzcan estos factores al momento de realizar la obra u actividad, pero es mejor
____________________________________________________________________
116
tener una estimacin de factores a no tener nada, y si al considerarlos y estudiarlos
aumentan las probabilidades de que los estimados sean los reales.
Los factores estimados se pueden resumir en el diagrama N8.1

Diagrama N7.1 Estimacin de Factores para las actividades

Para cada actividad i se tiene factores estimados j , donde j tiene el rango de 1
hasta n, dependiendo de los factores que incidan en la actividad i. El valor de i
depender de las actividades en las cuales se realice el anlisis.
El procedimiento de estimacin de factores, como se coment anteriormente, puede
ser:
1.- Individual para cada actividad.
2.- General para la obra en este caso todas las actividades estaran afectas por los
mismos factores.
3.- Por perodo de la obra, es posible seleccionar periodos de la obra, donde
coincidiran para las actividades del perodo los mismos factores.
4.- Grupo de factores generales para la obra y grupo de factores individuales para
cada actividad, esto puede ser para toda la obra o por perodo de esta. Por ejemplo
el clima CLI, puede ser considerado igual para toda la obra o para un perodo en
particular dependiendo de la duracin de esta, de la misma manera la Calidad de la
Mano de obra puede ser considerada particular para cada actividad.
A2

F: F12, Fn De
An

Fs: F1n, Fnn De

A3

F: F13, Fn De

Actividad A1

Factores: F11, F1n De
Re
Obra de Cantidad
De =
Modelo de regresin
Obtencin de Ecuaciones y de Re
Para los Factores estimados Fi1 a Fin
____________________________________________________________________
117
5.- Grupo de factores dependiendo de las particularidades comunes de las actividades,
por ejemplo para las confecciones de moldajes se considera un mismo factor de
calidad de la mano de obra.
Al considerar las posibilidades de estimacin, resulta difcil decir cual de ellas es la
mejor, todo depender sin duda de las particularidades de la obra al momento de
decidir como se realizar la estimacin, es ms teniendo en cuenta todas estas
posibilidades quizs se decida por un hibrido de todas, considerando parte de una
para una situacin en particular y otra para otra situacin.
De todas maneras es importante que un administrador de obra tome conciencia de la
importancia de la estimacin de los factores que incidirn en el rendimiento antes de
que se realice la obra, en el momento de presupuestar, a que espere a que el problema
se produzca.
Para el caso de esta investigacin, como el fin es probar que un modelo de regresin
es ms ptimo que un modelo de estimacin PERT, se considera un grupo de factores
comn para todo el proyecto (las 4 actividades consideradas), esto podra asemejarse
con un grupo de actividades de la obra que tienen factores comunes para todas ellas.
Para este efecto se considera que los siguientes factores estimados afectarn el grupo
de actividades a analizar:
CLI=2
Clima Mediano u
Otoo
CMO=3
Buena Calidad de Mano
de obra o Experiencia
CMT=1
Mala calidad de los
materiales
Tabla N7.9 Factores estimados para clculo de Re

7.3.- Estimacin de Rendimiento esperado (Re) por Modelo de Regresin.
Para estimar el rendimiento esperado Re, mediante un modelo de regresin es
necesario obtener las ecuaciones de las tablas estadsticas (ver punto 7.1), y el
escenario bajo el cual se estimarn estos rendimientos (ver punto 7.2).
____________________________________________________________________
118
Esta estimacin se realizar para las 4 actividades seleccionadas cuyas ecuaciones se
resumen en 7.3.1. Para el caso de los factores estimados (Tabla N7.9) es necesario
realizar las variables ficticias de estos, las cuales estn dadas en la tabla N7.9.1
CLI=2
Clima Mediano u
Otoo
CMO=3
Buena Calidad de Mano
de obra o Experiencia
CMT=1
Mala calidad de los
materiales
CLI1=0
CLI2=1
CMO1=1
CMO2=0
CMT1=0
CMT2=0
Tabla N7.9.1 Factores estimados para clculo de Re, Con variables ficticias
para Modelo de Regresin.

7.3.1.- Resumen de Ecuaciones
Las ecuaciones obtenidas en los pasos anteriores se resumen en este punto para poder
obtener el Rendimiento esperado (Re) para las actividades seleccionadas.

Actividad N 1: Excavacin en Zanja
M3/DIA=2,52+0,449CLI1+0,332CLI2+0,347CMO1+0,029CMO2+0,520CMT1+0,220CMT2 (7.1)

Actividad N 4: Prefabricacin de moldajes

Actividad N 16: Hormigonado con acarreo vertical y horizontal

Actividad N 18: Albailera de Soga
M2/DIA=11,8+6,03CLI1+5,89CLI2-4,23CMO1-0,60CMO2+6,69CMT1+0,39CMT2 (7.4)

7.3.2.- Estimacin de Rendimiento esperado Re
1.- Actividad N 1: Excavacin en Zanja
2 220 , 0 1 520 , 0 2 029 , 0 1 347 , 0 2 332 , 0 1 449 , 0 52 , 2 Re CMT CMT CMO CMO CLI CLI + + + + + + =
Escenario CLI=2 CMO=3 CMT=1
Ficticias CLI1=0 CLI2=1 CMO1=1 CMO2=0 CMT1=0 CMT2=0
Desarrollo:
____________________________________________________________________
119
347 , 0 332 , 0 52 , 2 Re
0 * 220 , 0 0 * 520 , 0 0 * 029 , 0 1 * 347 , 0 1 * 032 , 0 0 * 449 , 0 52 , 2 Re
+ + =
+ + + + + + =

Re=3,199 m/da

2.- Actividad N 4: Prefabricacin de moldajes


Desarrollo:
55 , 0 27 , 1 2 , 18 Re
0 * 72 , 1 0 * 69 , 2 0 * 12 , 0 1 * 55 , 0 1 * 27 , 1 0 * 13 , 2 2 , 18 Re
+ + =
+ + + + + + =

Re=20,02 m
2
/da

3.- Actividad N 16: Hormigonado con acarreo vertical y horizontal


Desarrollo:
317 , 0 359 , 0 24 , 2 Re
0 * 265 , 0 0 * 586 , 0 0 * 308 , 0 1 * 317 , 0 1 * 359 , 0 0 * 297 , 0 24 , 2 Re
+ + =
+ + + + + + =

Re=2,916 m
3
/da

4.- Actividad N 18: Albailera de Soga

2 39 , 0 1 69 , 6 2 60 , 0 1 23 , 4 2 89 , 5 1 03 , 6 8 , 11 Re CMT CMT CMO CMO CLI CLI + + + + =
____________________________________________________________________
120
Desarrollo:
23 , 4 89 , 5 8 , 11 Re
0 * 39 , 0 0 * 69 , 6 0 * 60 , 0 1 * 23 , 4 1 * 89 , 5 0 * 03 , 6 8 , 11 Re
+ =
+ + + + =

Re=13,46 m
2
/da

7.4.- Estimacin de Rendimientos Esperados Re, con metodologa PERT
Para el caso PERT es necesario obtener los Rendimientos Optimista, pesimista y
medio para determinar el rendimiento esperado Re, para esto se considerarn las
tablas estadsticas correspondientes a las cuatros actividades seleccionadas, para esto
es posible utilizar los siguientes mtodos:
1.- Primero sin considerar factores. De la tabla estadstica se obtienen el Ro, Rp y Rm
sin considerar los factores para tener ms datos disponibles, esto sin duda aumenta la
variabilidad del resultado.
2.- Considerando un escenario supuesto de factores incidentes en el rendimiento, esto
puede ser para un grupo de actividades, toda la obra, o un perodo en particular de
esta.
Para esta investigacin se estima el escenario supuesto en el modelo de regresin,
(ver tabla N7.9)
Para la metodologa PERT, se consideran los siguientes pasos:
a) De la tabla se considerar el Rendimiento expresado en Unidades Producidas en
un da de trabajo (m/da; m/da)
b) De la tabla estadstica, el menor valor se considerar el Rendimiento pesimista
(Rp)
c) El mayor valor de la tabla, se considerar el Rendimiento optimista (Ro)
d) El promedio matemtico de los rendimientos se considerar como el rendimiento
medio (Rm)
e) El rendimiento esperado (Re) esta dado por la siguiente frmula:
____________________________________________________________________
121
4
Re
6
Ro Rm Rp + +
= (7.5)
Con los factores estimados (escenario) se extraen de la tabla todos los rendimientos
que cumplan con estas condiciones y se proceder a obtener el Ro, Rm, y Rp, de
acuerdo al criterio de los puntos b), c) y d), y con estos valores se calcular el
Rendimiento esperado de acuerdo a la frmula.
1.- Actividad: Excavacin en Zanja
Clculo de Re considerando los factores incidentes de acuerdo al escenario supuesto.
Para este nuevo escenario se tiene la siguiente tabla estadstica, (solo mediciones que
coinciden con los factores del escenario supuesto):
Actividad N 1: Excavacin terreno semi - duro y autosoportante
Ancho excavacin de 40-60 cm
Profundidad de excavacin 60-1m

N
N
Med
Actividad RENDIMIENTO RECUR. FACTORES INCIDENTES

H / M
3
D/M
3
M
3
1
2 excavacin en zanja 2,5 0,313 3,20 Jornal 2 3 1 0 0 0
2
4 excavacin en zanja 2,15 0,269 3,72 Jornal 2 3 1 0 0 0
3
12 excavacin en zanja
0,4 2,597
3,08
Jornal
2 3 1 0 0 0
4
0,5 2,198
3,64
Jornal
2 3 1 0 0 0
5
0,4 2,597
3,08
Jornal
2 3 1 0 0 0
Tabla N8.10 Rendimientos segn Factores estimados

De acuerdo a b), c) y d) los nuevos rendimientos son:
Ro=3,72 m/da Rm=3,34 m/da Rp=3,08 m/da

6
4
Re
Rp Rm Ro + +
=
6
08 , 3 34 , 3 * 4 72 , 3
Re
+ +
=
da
m
3
36 , 3 Re =

____________________________________________________________________
122
2.- Actividad: Prefabricacin de Moldajes
Al analizar las mediciones en terreno de la actividad (Tabla 4, Anexo 2), no hay
coincidencia de factores, es decir ninguna medicin coincide con el escenario
estimado.
Esto dificulta la comparacin con el modelo de regresin efectuado para esta
actividad y presenta un problema del sistema de seleccin de datos considerado en
PERT.
Para solucionar este problema se estima otro escenario para obtener los datos para
PERT y poder comparar con el modelo de regresin.
Este nuevo escenario (escenario 2) es: CLI=1, CMO=2, CMT=3, este nuevo
escenario se ha elegido en forma arbitraria, no requiere de anlisis extenso solo es un
supuesto de factores para efecto de comparacin.
Para el caso de los factores CLI=2, CMO=3, CMT=1 (Escenario 1), no se tienen
mediciones que cumplan con estos factores supuestos.
Para el segundo CLI=1, CMO=2, CMT=3, se tiene la siguiente tabla de rendimientos
(solo datos que coinciden con el 2do escenario)
Actividad N4: Fabricacin de moldaje
Prefabricacin de moldajes, mdulos menor a 0,8 m2
Incluye: cortes con sierra, confeccin de bastidor y colocacin de placa

N
N
Med
ACTIV. RENDIMIENTO RECUR. FACTORES INCIDENTES
H / M
2
D/M
2
M
2
1 1 moldaje
0,38 0,048 21,05 C2 +1A 1 2 3 0 0 0
2 7 moldaje
0,39 0,049 20,51 C2 +1A 1 2 3 0 0 0
3 11 moldaje
0,38 0,048 22,30 C2 +1A 1 2 3 0 0 0
4 17 moldaje
0,39 0,049 20,40 C2 +1A 1 2 3 0 0 0
Tabla N7.11 Rendimientos segn Factores estimados(2do Escenario)
____________________________________________________________________
123
Los rendimientos para la metodologa PERT son:
Ro=22,30 m/da Rm=21,07 m/da Rp=20,40 m/da

6
4
Re
Rp Rm Ro + +
=
6
40 , 20 07 , 21 * 4 30 , 22
Re
+ +
=
da
m
2
16 , 21 Re =

3.- Actividad: Hormign con acarreo horizontal y vertical.

coincidencia de factores.
Esto dificulta la comparacin con el modelo de regresin efectuado para esta
actividad y presenta un problema del sistema de seleccin de datos considerado en
PERT.
Para solucionar este problema se selecciona el escenario dos, utilizado en la actividad
anterior, para obtener los datos para PERT y poder comparar con el modelo de
regresin.
Este nuevo escenario (escenario 2) es: CLI=1, CMO=2, CMT=3.
Para el segundo CLI=1, CMO=2, CMT=3, se tiene la siguiente tabla de rendimientos
(solo datos que coinciden con el 2do escenario)
Actividad N 16: Hormign con acarreo horizontal y vertical
Traslado a carretilla (carretilla 70 lt (80% de vol. Total)
Incluye: traslado de caballetes y tablones
N
N
Med
ACTIV. RENDIMIENTO RECUR FACTORES INCIDENTES

H / M
3
D/M
3
M
3
1
1 Hormigonado 2.63 0.329 3.04 5 Jornal 1 2 3 3 0 0
2
11 Hormigonado 2.7 0.338 2.96 5 Jornal 1 2 3 3 0 0
Tabla N7.12. Rendimientos segn Factores estimados(2do Escenario)
____________________________________________________________________
124
Debido a la poca coincidencia de datos, solo dos mediciones han coincidido con este
segundo escenario, esto anticipa otro problema de la metodologa PERT, que se ver
en los siguientes prrafos y clculos.
Los rendimientos para la metodologa PERT, con el segundo escenario, son:

Ro=3,04 m
3
/da Rm=3,00 m
3
/da Rp=2,96 m
3
/da

6
4
Re
Rp Rm Ro + +
=
6
96 , 2 00 , 3 * 4 04 , 3
Re
+ +
=
da
m
3
00 , 3 Re =

4.- Actividad N18: Albailera de soga, ladrillo de dimensiones 29x14x7.

coincidencia de factores, para ninguno de los dos escenarios considerados
anteriormente, esto nuevamente presenta un problema para aplicar la metodologa
PERT con factores estimados, no as en una ecuacin de regresin lo que se probar
ms adelante en el captulo de comparacin de metodologas.
Para solucionar este problema se considera un nuevo escenario, escenario tres, para
obtener los datos para PERT y poder comparar con el modelo de regresin.
Este nuevo escenario (escenario 3) es: CLI=2, CMO=3, CMT=2. Es decir clima
mediano, calidad de la mano de obra buena, y calidad de los materiales media.

Para el caso de los factores CLI=1, CMO=2, CMT=3 (Escenario 2), al igual que el
escenario anterior no se tienen mediciones que cumplan con estos factores supuestos.
Para el tercer escenario CLI=2, CMO=3, CMT=2, se tiene la siguiente tabla de
rendimientos (solo datos que coinciden con el 3er escenario)
____________________________________________________________________
125
Actividad N18: Albailera de soga, ladrillo de dimensiones 29 x 14 x 7 cm
Muro emboquillado por ambas caras
Incluye colocacin de escantilln, preparacin de mezcla y traslado de andamios
o caballetes de hasta 1.5 metro de alto.

N
N
med
ACTIV. RENDIMIENTO RECUR FACTORES INCIDENTES

H / M
2
D/M
2
M
2
1
1
Albailera
1,6 0,640 12,5 2AL2 +A
2 3 2 2 2 0
2
2
Albailera
1,9 0,540 14,81 2AL2 +A
2 3 2 2 2 0
3
11
Albailera
1,6 0,615 13,0 2AL2 +A
2 3 2 2 2 0
4
12
Albailera
1,9 0,530 15,1 2AL2 +A
2 3 2 2 2 0
5
15
Albailera
1,5 0,661 12,1 2AL2 +A
2 3 2 2 2 0
Tabla N8.13. Rendimientos segn Factores estimados(2do Escenario)
Los rendimientos para la metodologa PERT, con el segundo escenario, son:

Ro=14,81 m
2
/da Rm=13,50 m
2
/da Rp=12,10 m
2
/da

6
4
Re
Rp Rm Ro + +
=
6
10 , 12 50 , 13 * 4 81 , 14
Re
+ +
=
da
m
2
49 , 13 Re =

____________________________________________________________________
126
7.4.1.- Resumen de Rendimientos obtenidos por metodologa PERT.
Resumen de rendimientos esperados, para las distintas combinaciones de factores
sugeridas:
Escenario 1
CLI=2 CMO =3CMT=1
Escenario 2
CLI=1 CMO =2CMT=3
Escenario 3
CLI=2 CMO =3CMT=2
Actividad
Re Rm Re Rm Re Rm

Excavacin en zanja

3,36
M3/da

3,34
M3/da

Prefabricacin de
Moldajes

21,16
M2/da

21,07
M2/da

Hormigonado

3,00
M3/da

3,00
M3/da

Albailera de Soga

13,49
M2/da

13,50
M2/da
Tabla N7.14.- Resumen Rendimientos esperados (Re) metodologa PERT

Los resultados de los clculos de rendimientos mediante la metodologa PERT son
claros en su valor y en su simplicidad de obtencin, pero si se realiza un anlisis ms
profundo se puede ver que el Rendimiento esperado se acerca bastante al
Rendimiento probable o la media matemtica, lo que induce a preguntarse si, no es
mejor utilizar una media y no considerar la metodologa PERT, aunque esta incluya
conceptos probabilsticos en su realizacin?. De todas maneras si se considera el uso
de la metodologa completa y el clculo de varianza del camino critico, nivel de
confianza, se justifica su uso, pero en la estimacin del rendimiento esperado no es
claro su beneficio directo.
____________________________________________________________________
127
CAPTULO VIII.- Comparacin de resultados.

En este captulo se compararn los resultados del Rendimiento esperado (Re)
obtenidos con ambas metodologas, para facilitar este anlisis se ocuparn las tablas
resumen de resultados obtenidas en el captulo anterior.
Para el caso de la metodologa PERT se debe recordar que para tres actividades no se
tenan datos estadsticos para el primer escenario, por lo cual se debi considerar
otros dos escenarios con el fin de obtener resultados comparables, de acuerdo a esto
la tabla resumen para la metodologa de regresin considera la columnas de los
escenarios 2 y 3 pero no se necesitan calcular Re, puesto que se obtienen con el
escenario supuesto inicial (escenario 1).
Para las comparaciones de resultados se ha considerado beneficioso incorporar para
cada dato de Rendimiento esperado (Re) el Rendimiento medio o matemtico (Rm),
para el caso del mtodo PERT es el promedio de los datos de cada escenarios, para el
modelo de regresin el Rendimiento medio (Re) corresponde a la media de todos los
datos estadsticos de cada actividad.
Resumen de resultados de Rendimientos esperados (Re) obtenidos con la
metodologa de regresin:
Escenario 1
CLI=2 CMO =3CMT=1
Escenario 2
CLI=1 CMO =2CMT=3
Escenario 3
CLI=2 CMO =3CMT=2
Actividad
Re Rm Re Rm Re Rm

Excavacin en zanja

3,19
M3/da

3,12

Prefabricacin de
Moldajes

20,02
M2/da

21,56
M2/da

Hormigonado

2,916
M3/da

3,25
M3/da

Albailera de Soga

13,46
M2/da

16,04
M2/da

Tabla N8.1 Tabla resumen Re metodologa Regresin
____________________________________________________________________
128
Resumen de resultados de Rendimientos esperados (Re) obtenidos con la el mtodo
PERT:
Escenario 1
CLI=2 CMO =3CMT=1
Escenario 2
CLI=2 CMO =3CMT=1
Escenario 3
CLI=2 CMO =3CMT=1
Actividad
Re Rm Re Rm Re Rm

Excavacin en zanja

3,36
M3/da

3,34

Prefabricacin de
Moldajes

21,16
M2/da

21,07
M2/da

Hormigonado

3,00
M3/da

3,00
M3/da

Albailera de Soga

13,49
M2/da

13,50
M2/da
Tabla N8.2 Tabla resumen Rendimiento esperado (Re) metodologa PERT

8.1.- Anlisis y comparacin de resultados.
Es importante recordar que la finalidad de esta tesis es comparar la metodologa de
estimacin PERT con estimacin de rendimientos por medio de un modelo de
regresin, y no comparar estas o una de ellas con un proyecto en particular, entonces
el anlisis ser valido en dicha comparacin y se inferirn conclusiones para el uso de
la metodologa que entregue mejores resultados en proyectos reales.

8.1.1.- Comportamiento de los modelos para el escenario considerado.
Un punto importante que se debe comparar es el referente al escenario seleccionado
con el cual se obtuvieron los resultados, este es el escenario 1 que tiene las siguientes
variables Clima (CLI) mediano, calidad de la mano de obra (CMO) Buena calidad o
Buena experiencia y Calidad de los materiales (CMT) Buena calidad de los
materiales, de acuerdo a esto se tiene:
____________________________________________________________________
129
1.- Para la estimacin de Rendimiento esperado (Re) por medio de modelo de
regresin, el modelo pudo ser probado para todas las actividades estudiadas en el
escenario considerado sin necesidad de cambiarlo o de ser modificado.
2.- Para el caso de la metodologa PERT:
a) Para la actividad Excavacin en zanja se tenan datos estadsticos
para el escenario supuesto (escenario 1).
b) Para las actividad Prefabricacin de moldaje no se encontraron datos
para el escenario supuesto, por lo que se tubo que generar otro escenario
estimado (escenario 2)
c) Para la actividad Hormigonado, no se tenan datos para el escenario 1 ,
pero si coincidan con el escenario 2, por lo que se consider este para la
estimacin del Rendimiento esperado (Re).
d) Para la actividad Albailera de soga, no se encontraron datos para los
escenarios 1 y 2 por lo que se debi considerar otro escenario, con el que se
generaron los rendimientos esperados.
Al estimar los rendimientos y los factores incidentes que influenciarn en su resultado
final, esto es el escenario supuesto, dicho escenario no debe cambiar por no tener
datos estadsticos, situacin que sucedi con las actividades de los puntos b), c) y d),
esto indica que el mtodo de estimacin de rendimientos por modelo de regresin es
ms optimo pues funciona para cualquier escenario.

8.1.2.- Comparacin de los modelos con el Rendimiento medio (Rm).
Es importante comparar el Rendimiento esperado (Re) con el Rendimiento medio o
matemtico (Rm), para efecto de comparacin posterior se iniciar el anlisis primero
por los datos entregados por la metodologa PERT.
1.- Comparacin del Rendimiento esperado obtenido con PERT con la media
matemtica.
____________________________________________________________________
130
En general se puede apreciar que el Rendimiento esperado (Re) se aproxima casi
un 100% al Rendimiento medio (Rm), (ver tabla N9.2), la mayor diferencia es
de 0,09 m3/da dicha diferencia es irrelevante al momento de considerar un
rendimiento. De acuerdo a esto se tiende a pensar que es mejor utilizar un
promedio matemtico a la metodologa de estimacin de rendimiento PERT.

2.- Comparacin del Rendimiento esperado obtenido con Modelo de Regresin
con la media matemtica.
Considerando la tabla N9.1 se puede apreciar que existe una diferencia ms
significativa entre el Rendimiento esperado (Re) y la media matemtica o
rendimiento medio (Rm).
En la actividad Excavacin en Zanja es donde se tiene un Rendimiento esperado,
Re=3,19 m2/da, ms parecido al Rendimiento medio, Rm=3,12 m2/da, esto se
explica debido a la poca influencia de los factores, por ejemplo la calidad de la
mano de obra CMO no influye pues se han considerado jornales, los que no tienen
especializacin, de la misma manera no influye la calidad de los materiales para
esta actividad de excavacin en particular puesto que no se usan estivaciones. De
manera contraria la actividad Albailera es la que tiene la mayor diferencia entre
el Rendimiento esperado Re=13,46 m2/da con el Rendimiento medio Rm=16,0,4
m2/da, esta diferencia significativa se debe tambin a la caracterstica de la
actividad que es influenciada por todos los factores es decir CLI, CMO y CMT,
esto indica que el Mtodo de estimacin de Rendimiento esperado por modelo de
regresin es mejor porque marca la tendencia de los factores que se consideran en
el escenario supuesto, esto sin duda es un punto importante para el rea de la
construccin. Esto se ver ms en detalle en el siguiente punto, donde se
compararn distintos rendimientos esperados para distintos escenarios
considerados.
____________________________________________________________________
131
8.1.3.- Comparacin de los modelos con distintos escenarios.
Es importante tambin comparar el comportamiento de las dos metodologas antes
distintos escenarios supuestos, esto es valido puesto que cuando se estiman
rendimientos en el rea de la construccin una actividad se ve enfrentada a distintos
factores (escenarios) ya sea de calidad de mano de obra, o materiales, a distintos
climas en el perodos que dure al obra, por nombrar algunos factores entre los
considerados.
Se pudo apreciar en el punto 8.1.1. que la nica manera de poder utilizar PERT para
distintos escenarios es poseer datos para estos, y que para distintos escenarios la
mayor parte de la veces el rendimiento esperado tiende a la media matemtica. El no
poseer datos es fcilmente remediable efectuando un buen control de las obras
midiendo rendimientos reales con los factores influyentes, labor que la empresa
constructora debe realizar si quiere ser competitiva. La tendencia de rendimiento
esperado no es fcil de remediar puesto que la metodologa PERT no considera en su
frmula la influencia de los factores incidentes.
En el caso de la estimacin de Rendimientos esperados por modelos de regresin, es
muy fcil incorporar distintos escenarios puesto que las frmulas consideran la
influencia de cada uno de estos en las frmulas que se entrega el mtodo.
Para probar lo anterior se considerarn las frmulas anteriores y los escenarios
considerados en la metodologa PERT, asumiendo que son distintos escenarios para
las actividades en distinto perodo de la obra.
Para simplificar el clculo y anlisis se detallan la ecuaciones obtenidas
anteriormente.
Actividad N 1: Excavacin en Zanja

Actividad N 4: Prefabricacin de moldajes

Actividad N 16: Hormigonado con acarreo vertical y horizontal
____________________________________________________________________
132

Actividad N 18: Albailera de Soga
M2/DIA=11,8+6,03CLI1+5,89CLI2-4,23CMO1-0,60CMO2+6,69CMT1+0,39CMT2 (7.4)

Escenario 1
CLI=2 CMO =3CMT=1
CLI1=0 CLI2=1
CMO1=1 CMO2=0
CMT1=0 CMT2=0
Escenario 2
CLI=1 CMO =2CMT=3
CLI1=0 CLI2=0
CMO1=0 CMO2=1
CMT1=1 CMT2=0
Escenario 3
CLI=2 CMO =3CMT=2
CLI1=0 CLI2=1
CMO1=1 CMO2=0
CMT1=0 CMT2=1
Actividad
Re Rm Re Rm Re Rm

Excavacin en zanja

3,19
M3/da

3,12
M3/da

3,07
M3/da

3,449
M3/da

Prefabricacin de
Moldajes

20,02
M2/da

21,56
M2/da

21,44
M2/da

21,56
M2/da

Hormigonado

2,916
M3/da

3,25
M3/da

3,14
M3/da

3,181
M3/da

Albailera de Soga

13,46
M2/da

16,04
M2/da

17,89
M2/da

13,99
M2/da

Tabla N9.3 Determinacin de Re para distintos escenarios con Modelo de regresin.

Se puede apreciar que para cada escenario en particular se marca una tendencia al
factor o los factores que predominan, por ejemplo para el escenario 2 se puede
apreciar que los datos medidos marcan una mayor tendencia de la calidad de los
materiales sobre la calidad de la mano de obra, esto considerando que el resultado del
rendimiento esperado para el escenario 2 es mayor que para el escenario 1 de las 3
ltimas actividades.
Es importante considerar que los modelos de regresin marcan las tendencias dadas
en los datos estadsticos medidos, de esta manera se debe tener especial cuidado en la
veracidad de los datos medidos, y del personal que se enve a medir estos
rendimientos reales y los factores que les influyen, una mala toma de datos tiene
directa relacin con el resultado final de la estimacin y llevar a que cualquier
mtodo por bueno que sea deje de dar resultados confiables.
____________________________________________________________________
133
CONCLUSIONES
De acuerdo a los datos disponibles, Rendimientos reales con los factores que le
afectan, se puede concluir que es ms ptimo un modelo de regresin multivariable
con actividades ficticias que la metodologa PERT en la estimacin de Rendimientos
esperados para actividades de construccin.
El modelo de Regresin presenta varias ventajas comparativas con respecto al PERT,
como por ejemplo; que el valor del Rendimiento esperado (variable dependiente)
obtenido por el modelo no siempre se acercaba a la media, esto quiere decir que no es
un sistema que solo considere este supuesto, es decir presenta variabilidad en su
comportamiento, y esta variabilidad es obviamente atribuible a los factores que lo
afectan (variables independientes).
Se puede ver claramente que a mayor incidencia de los factores mayor es el
rendimiento esperado, de acuerdo a esto el modelo de regresin marca la tendencia de
estos factores, dicha situacin no la considera PERT en su frmula, si podemos decir
que es posible seleccionar las actividades que cumplen los factores supuestos para
que sea considerada la tendencia en la frmula, pero, tambin se vi en la
investigacin que no siempre se contaban con datos de factores considerados, es decir
si sabemos que algunos de ellos afectarn la actividad y no se tienen tabulados en
tablas estadsticas el comportamiento de estos factores en el rendimiento se dificulta
establecer un clculo por PERT con factores incidentes.
Es posible con la ecuaciones obtenidas por el mtodo de regresin considerar
cualquier escenario de factores (variables independientes), y se obtendr un
Rendimiento esperado para este escenario.
Al igual que PERT que considera un anlisis probabilstico, el anlisis de regresin
tambin presenta un anlisis al respecto, y aun ms acabado que PERT.
Se tienen softwares disponibles para el uso de modelos de regresin, pero se debe
considerar que el uso de estos ha hecho olvidar que se trata de tcnicas complejas que
requieren de ciertos conocimientos de la metodologa, es necesario entonces describir
____________________________________________________________________
134
ms en extenso los resultados y necesariamente explicarlos, no se debe comunicar los
resultados como si la propia ecuacin sea un artculo de fe.
Se debe realizar una investigacin ms profunda para analizar todos los factores que
implica un anlisis de regresin; como por ejemplo variables de confusin; situacin
importante para ver la relacin entre las variables; analizar la importancia de stas; el
orden, por ejemplo realizar para los datos de esta investigacin varias regresiones con
distintos orden de las variables (factores) en el modelo; realizar regresin hacia
delante y hacia atrs; analizar la incorporacin de otras variables, como calidad de
maquinas y equipos, disponibilidad de la mano de obra, entre otros.
Es importante considerar que los modelos de regresin marcan las tendencias dadas
en los datos estadsticos medidos, de esta manera se debe tener especial cuidado en la
veracidad de los datos medidos, y del personal que se enve a medir estos
rendimientos reales y los factores que les influyen, una mala toma de datos tiene
directa relacin con el resultado final de la estimacin y llevar a que cualquier
mtodo por bueno que sea deje de dar resultados confiables.
Se sugiere para la metodologa de regresin considerar un estudio ms profundo,
como por ejemplo, aplicar funciones exponencial o logartmica a la curva entregada
por el modelo.
Sin duda el modelo de regresin no es lo mejor para estimar rendimientos, pues es
difcil de probar, ya que solo se est comprando con el sistema PERT, y se puede aun
mejorar ms el estudio, pero es sin duda una mejor estimacin a lo que hay, y
presenta distintos escenarios.
El rea de la construccin, actualmente, es muy cambiante y est influenciado por
muchos factores, y esta influencia debe ser medida y considerara en la estimacin de
rendimientos, y este modelo propuesto presenta ventajas comparativas a lo que se usa
actualmente: modelos determinsticos, y en el mejor de los casos una adaptacin del
PERT en la estimacin.
____________________________________________________________________
135
Es importante, tambin, que el rea de la construccin cambie la mentalidad de
industria itinerante al no considerar los factores incidentes, o no tener tablas de
rendimientos de las obras, el tener datos estadsticos nos obliga de una manera u otra
a utilizarlos en la estimacin de nuestras obras, la metodologa de regresin es solo
una de las posibles tcnicas a utilizar.
Es importante entonces que ahora que se pretende que las obras seas dirigidas por
Ingenieros Constructores, estos utilicen tcnicas ingenieriles en la estimacin de los
rendimientos, considerando que estos regirn tanto las duraciones como el costo de
las actividades y de la obra en si.
Pero sin duda se puede concluir que el objetivo principal de mostrar que es ms
satisfactorio un Modelo de Prediccin que la metodologa PERT se ha cumplido con
creces pues presenta muchas ventajas comparativas.

____________________________________________________________________
136
BIBLIOGRAFIA
[VIVALLOS Alejandra, 2002], Proposicin de metodologa prctica para el estudio
de programacin de obras de viviendas de dos pisos, en base a procesos comunes.
Tesis para optar al Grado de Licenciada en Ciencias de la Construccin.
Universidad del Bo-Bo, Escuela de Construccin Civil
Concepcin Chile 2002

[ALBALA, Amrico, 1993], Direccin de proyectos, teora y prctica
Ediciones del Colegio de Ingenieros de Chile
3 edicin, Santiago Chile, 1993.

[ANTILL, James, 1995], Mtodo de la ruta crtica y sus aplicaciones a la
construccin Woodhead, Ronald
Editorial Limusa, 2 edicin, Mxico 1995.

[ARRIAGADA, Gustavo], Administracin integral de proyectos
Ediciones del Colegio de Ingenieros de Chile
1 edicin, Santiago Chile 1988.

[BADILLO, Alexandra, 2000], Sistemas de planificacin utilizados en proyectos
locales de edificacin
Tesis para optar al Grado de Licenciada en Ciencias de la Construccin
Universidad del Bio-Bio, Escuela de Construccin Civil
Concepcin Chile 2000

[BOWKER, Albert H., 1981], Estadstica para ingenieros, Prentice-Hall
Hispanoamericana.

[MOLINERO Luis M. 2002], Construccin de modelos de regresin multivariables,
Alce Ingeniera.

J.M. Arranz y M.M. Zamora, Variables ficticias en el modelo de regresin,
http://ciberconta.unizar.es/LECCION/ficticia/variables%20ficiticas.PDF

[GARCA Juan Jos, 2002], Variables Ficticias, apuntes de clases, Econometria
Universidad de Huelva.

[CASTAO Vlez Elkin, Luis F. melo Velandia, 1999], Mtodos de Combinacin de
Pronsticos, Banco de la Repblica, Colombia.
[DAMODAR, Gujarati N, 1996]. Econometra, Tercera Edicin, McGraw-Hill.

[SIPPER, Daniel, 1998], Planeacin y Control de la Produccin, Mc Graw Hill.
____________________________________________________________________
137

[ANTILL, James M , 1995]., Mtodo de la ruta crtica y sus aplicaciones a la
construccin, Limusa.

[LARENAS, Gerardo, 1999], Programacin y control de proyectos, Rojas Eberhard
Editores.

[SERPELL A. B y Luis F. Alarcn C, 2000], Planificacin y Control de Proyectos,.
Ediciones Universidad Catlica de Chile.

[MOLINA Luis A., 1999], Modelo Probabilstico de Estudios de Presupuestos,
Direccin de Investigacin N 982202-4, Universidad del Bo-Bo.

[MOLINA Luis A., 2000],, Modelo Probabilstico de Estudios de Presupuestos, fase
II, Direccin de Investigacin N 001725-3, Universidad del Bo-Bo.

[VERGARA Cristin, 2003], Anlisis de Rendimientos en obra gruesa con factores
incidentes.
Tesis de grado, Carrera de Ingeniera en Construccin, Universidad del Bo-Bo.

[MARTIN, William R, 1972], Aplicacin de las tcnicas PERT / CPM a la
planificacin y control de la construccin, Blume.

[ZIGA Carlos 2004], Proposicin de un estudio de rendimientos probabilsticos
considerando factores incidentes, en terminacin en obras de edificacin.

[SALGADO, 2002], Estudio del rendimiento de la mano de obra, en la actividad
montaje de estructura de madera laminada.

[PRIDA, Jos 1997], Configuracin de Presupuestos en Empresas Constructoras de
Santiago, Memoria de Titulo, Universidad Nacional Andrs Bello

[REYES, Javier 1997], Sistemas de Programacin utilizados en las Constructoras de
Santiago, Memoria de Titulo, Universidad Nacional Andrs Bello.

[SANTANA, 1986], Introduccin a la programacin y control de obras de
construccin
Universidad de la Serena, La Serena, Chile

____________________________________________________________________
138
[WALPOLE et al, 1992], Probabilidad y Estadstica
Ediciones Mc Graw Hill 4
a
edicin, Mxico.

[Wagner Gerhard, 1979] Los sistemas de planificacin CPM y PERT aplicados a la
construccin, Barcelona :G. Gili.
[Dressel, Gerhard, 1979] Organizacin de la empresa constructora, Barcelona :ETA.

[Martin, William R., 1972] Aplicacin de las tcnicas PERT / CPM a la planificacin
y control de la construccin / Edicin : 1a ed. espaola. Barcelona : Blume,1972.

[Hair, Joseph F, 1999] Anlisis multivariante, Madrid :Prentice-Hall,1999.
____________________________________________________________________
139

ANEXOS
____________________________________________________________________
140
Anexo 1: Encuesta para determinacin de factores incidentes en los rendimientos
ENCUESTA A PROFESIONALES DEL AREA DE LA CONSTRUCCIN
Resumen: Es comn que los presupuestos de construccin previstos difieran del real, esto es debido a
diferentes factores que no sea han considerado o que deberan considerarse y que afectan de una u otra
manera los rendimientos de cada partida, esta encuesta pretende obtener los factores principales que
afectan este presupuesto desde el punto de vista de distintos profesionales del rea de la construccin,
como Ingenieros, Constructores, Arquitectos y acadmicos.
1.- IDENTIFICACIN DEL PROFESIONAL
NOMBRE:
PROFESIN:
OCUPACIN PRINCIPAL:
EMPRESA:
OCUPACIN LATERAL:
EMPRESA
EXPERIENCIA: AOS
AREA DE EXPERIENCIA
CONSTRUCCIN DIRECTA
ASESORIA CONSTRUCCIN
INGENIERA
ARQUITECTURA
DOCENCIA EN EL REA
OTRA REA

NOTA: (Indique cualquier nota al respecto de vuestra experiencia profesional que Ud. considere relevante)

____________________________________________________________________
141

2.- IDENTIFICACIN DE FACTORES
En su opinin y de acuerdo a su experiencia cual cree Ud. que son los factores que
influyen en el resultado final del presupuesto afectando los rendimientos, por ejemplo
Clima.
FACTORES QUE AFECTAN LOS RENDIMIENTOS:
(Indique Los factores que Ud. considere que afectan los rendimientos, solo anote la cantidad que Ud. considere
influyente)
1 7
2 8
3 9
4 10
5 11
6 12
RANGO EN QUE VARIAN LOS FACTORES
(Respecto a los factores mencionados anteriormente como cree Ud. que varan, por
ejemplo Clima rangos: seco, templado, lluvioso, o si Ud. cree que debera existir un
mtodo comn de valorizarlos, como de 0 a 3 o similar)

1 7
2 8
3 9
4 10
5 11
6 12

Considero que debera existir un mtodo comn de valorizacin de
rangos.
Se agradece su participacin en este proyecto que contribuir al estudio de
presupuesto para mejorar la calidad de estos en nuestra rea de la construccin.

Profesionales participantes en el proyecto:
Constructor Civil, Universidad del Bo-Bo
Fono 56-41-734132
Milton Ramrez Monardez
Ingeniero Matemtico, Universidad del Bo-Bo
Fono: 56-41-73
FAVOR REMITIR ESTA ENCUESTA AL FAX: 41-73
O por email a amolinac@ubiobio.cl Universidad del Bo-Bo CHILE
____________________________________________________________________
142
ANEXO 2 Procedimiento de seleccin del modelo de regresin a utilizar.
Se analiza un modelo de regresin considerando los pesos determinados en
[Ziga, 2003], en que se utilizaron factores de acuerdo a pesos numricos y no
variables ficticias, considerando los verdaderos estados de los factores seleccionados.
Es necesario realizar un anlisis previo de los factores y su grado de influencia
en el valor final del rendimiento con el fin de simplificar el modelo para cada
actividad analizada.
Para poder pronosticar el rendimiento esperado se necesita construir el modelo
ms adecuado, para lo que se considera una tabla que contiene 20 mediciones de
rendimientos tomados en terreno para la actividad Excavacin en zanja los cuales
estn influenciados por 3 factores, dichos factores son independientes entre si.
Clima (CLI)
Calidad de la mano de obra (CMO)
Calidad de los materiales (CMT)
Cada uno de estos factores esta clasificado a su vez de acuerdo a distintos
estados en los cuales se puede presentar, para lo que se consider una valorizacin
respecto al peso e incidencia supuesta del factor en el rendimiento, este peso tiene
valores de 1 a 3, tal como se muestra en la siguiente tabla.
Factor Estado del Factor Peso del Factor
Invierno 1
Otoo 2

Clima (CLI)
Primavera-Verano 3
Mala 1
Segunda 2

Calidad
mano de
obra (CMO)
Primera 3
Mala calidad 1
Mediana calidad 2

Calidad
materiales
(CMT)
Buena calidad 3
Tabla NA.1.- Tabla de valorizacin de factores [Ziga, 2004]
____________________________________________________________________
143
En la columna estado del factor de la tabla anterior, no es necesario para cada
factor considerar el estado definido como no influye (Tabla N2.6), ya que para
este caso en particular los tres factores considerado si tienen influencia en el valor
final del rendimiento.
En muchas ocasiones el factor simplemente no se manifestar y en este estado
el factor simplemente se elimina de la ecuacin y del modelo de regresin. Sin
embargo es importante sealarlo de alguna forma para efectos de clculos.

Tabla de datos: Excavacin en Zanja
Para la actividad Excavacin, M3/DIA el rendimiento real medido en terreno
con los factores Clima (CLI), Calidad de la Mano de Obra (CMO) y Calidad de los
Materiales (CMT), es:
N m3/da CLI CMO CMT N m3/da CLI CMO CMT
1 3,63 3 3 2 11 3,48 3 3 2
2 3,20 2 3 1 12 3,08 2 3 1
3 2,81 2 1 1 13 2,76 2 1 1
4 3,72 2 3 1 14 3,64 2 3 1
5 3,27 3 2 2 15 3,20 3 2 2
6 2,69 1 1 2 16 2,71 1 2 2
7 2,84 1 2 2 17 2,81 1 2 2
8 3,08 2 1 2 18 3,08 2 3 1
9 3,14 3 1 1 19 3,08 3 3 1
10 3,08 2 1 2 20 3,02 2 2 2
Tabla NA.2. Datos para Excavacin en Zanja [Vergara, 2003]

Anlisis Grfico

En primer lugar se analizarn grficamente los datos, para de acuerdo al
comportamiento de los datos elegir el modelo ms adecuado. Con los grficos de la
____________________________________________________________________
144
tabla de datos anterior se puede observar si existe un patrn, de esta manera se puede
determinar si el proceso es:
Constante
Con tendencia
Estacional

Comportamiento del Rendimiento actividad
Excavacin
0.00
0.50
1.00
1.50
2.00
2.50
3.00
3.50
4.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
N de medicin
R
e
n
d
i
m
i
e
n
t
o
Serie1

Grfico NA.1.- Comportamiento del rendimiento actividad excavacin
De acuerdo al anlisis de los datos, exclusivamente los resultados graficados
en el grfico Comportamiento del Rendimiento actividad Excavacin, se puede
apreciar que es un proceso con una tendencia general definida. De acuerdo a esto se
puede concluir que la hiptesis de linealidad se cumple ya que el rendimiento no
depende del nmero de mediciones y que el modelo ms adecuado para esta actividad
es un Modelo constante.
Luego se consideran los siguientes grficos donde se analiza la incidencia de
distintos factores en el rendimiento.
____________________________________________________________________
145
Comportamiento del rendimiento frente al factor
clima
0
1
2
3
4
2.0 2.2 2.4 2.6 2.8 3.0 3.2 3.4 3.6 3.8 4.0
Rendimiento
P
e
s
o

d
e
l

f
a
c
t
o
r
CLI

Grfico NA.2.-) Comportamiento del rendimiento frente al factor Clima
En este grfico donde se analiza la incidencia del factor CLIMA en el
resultado final del rendimiento se puede observar que para el peso 3 que dentro del
clima corresponde al Verano-Primavera que para las labores de construccin es
considerado un buen clima los rendimientos son mayores, existen algunos datos que
corresponden al peso 2 que es un clima de Otoo que esta catalogado como mediano
que superan al peso 3, sin embargo estos rendimientos deben estar siendo
optimizados en otros factores que se grafican a continuacin.
Comportamiento del Rendimiento respecto al factor
Calidad de la mano de obra
0
1
2
3
4
2.0 2.2 2.4 2.6 2.8 3.0 3.2 3.4 3.6 3.8 4.0
Rendimiento
P
e
s
o

d
e
l

f
a
c
t
o
r
CMO

Grfico NA.3.- Comportamiento del rendimiento frente al factor mano de obra
____________________________________________________________________
146
De acuerdo al grfico anterior se puede analizar que para el peso 3 que
corresponde de acuerdo al peso a una mano de obra de Primera los rendimientos son
mayores lo que es totalmente lgico.

Comportamiento del Rendimiento frente al factor
calidad de los materiales
0
1
2
3
4
2.0 2.2 2.4 2.6 2.8 3.0 3.2 3.4 3.6 3.8 4.0
Rendimiento
P
e
s
o

d
e
l

f
a
c
t
o
r
CMT

Grfico NA.4.- Comportamiento del rendimiento frente al factor materiales

En este grfico se puede apreciar que para el peso 1 que corresponde a una
mala calidad de los materiales existen buenos rendimientos, sin embargo, esto se
explica ya que para estos datos que en general corresponden a la observacin N4 y
N 14 la calidad de la mano de obra es de Primera y el clima es relativamente bueno.
En resumen al analizar la incidencia de estos factores en el resultado final del
rendimiento, es obvio que existen variables independientes que influyen en el
resultado. Esto implica que deben ser considerados, de acuerdo a esto lo ms ptimo
es considerar un Modelo de Regresin de Mltiples variables.
En el anlisis anterior solo se consider un peso numrico para cada factor, lo
que sin duda es un error, si se analiza el factor Calidad Mano de Obra, CMO, si bien
es cierto se consider un peso mayor para una calidad buena (3) y un peso inferior
____________________________________________________________________
147
para la calidad mala (1), es prcticamente imposible medir que valor numrico
adoptara cada estado de la calidad en cada actividad (y para el resto de los factores),
es ms un buen modelo de regresin debera considerar las variables conceptuales o
variables ficticias, (dummy), tal como se ver en el siguiente punto.

Desarrollo del Modelo de Regresin con variables ficticias

De acuerdo al anlisis de los puntos anteriores se considerar un modelo de
regresin de mltiples variables debido a que existe una relacin de causa y efecto
donde existen factores que influyen en la variable a pronosticar.
Antes de expresar la forma de la regresin se definirn las variables
dependientes e independientes de acuerdo a la siguiente tabla:
Variable Nombre Notacin
Dependiente Rendimiento ( R ) Y
Clima (CLI)

1
X
Calidad de mano de obra (CMO)

2
X Independientes
Calidad de los materiales (CMT)

3
X
Tabla N A.3.- Tabla de clasificacin de variables
Basndose en lo ilustrado en el capitulo IV la ecuacin adaptada sera:
t t 3 t 2 t 1 0 t
t t 3 3 t 2 2 t 1 1 0 t
CMT b CMO b CLI b b R
X b X b X b b y
+ + + + =
+ + + + =
(A.1)
Sin embargo esta estimacin ser escasa de exactitud debido a que todas las
variables independientes son nominales y no se est tomando en cuenta los distintos
estados que toma cada variable, por lo tanto, ser necesario la construccin de
variables ficticias para lo que se considerar la tabla (A.3) previamente reordenada
para que la variable ms desfavorable sea considerada cero, aunque como se coment
en un capitulo anterior esto es arbitrario.
____________________________________________________________________
148
Se deben crear k-1 variables ficticias. En este caso todos los factores tienen 3
categoras o estados, por lo que se debe crear 3-1=2 variables ficticias, para mejor
comprensin del mtodo se considerar el nombre de la variable ficticia similar al
factor considerado.
La tabla para los factores con variables ficticias es:
Variables Ficticias
Factor Estado del factor CLI1 CLI2
Primavera-Verano 1 0
Otoo 0 1 Clima (CLI)
Invierno 0 0
Primera 1 0
Segunda 0 1
Calidad mano de
obra (CMO)
Mala 0 0
Buena calidad 1 0
Mediana calidad 0 1
Calidad materiales
(CMT)
Mala calidad 0 0
Tabla NA.4.- Tabla clasificacin de los factores incorporando variables ficticias
Luego la nueva tabla a analizar para las observaciones de rendimientos de la
actividad Excavacin en zanja ser:
N m3/da CLI1 CLI2 CMO1 CMO2 CMT1 CMT2
1 3,63 1 0 1 0 0 1
2 3,20 0 1 1 0 0 0
3 2,81 0 1 0 0 0 0
4 3,72 0 1 1 0 1 0
5 3,27 1 0 0 1 0 1
6 2,69 0 0 0 0 0 1
7 2,84 0 0 0 1 0 1
8 3,08 0 1 0 0 0 1
____________________________________________________________________
149
9 3,14 1 0 0 0 0 0
10 3,08 0 1 0 0 0 1
11 3,48 1 0 1 0 0 1
12 3,08 0 1 1 0 0 0
13 2,76 0 1 0 0 0 0
14 3,64 0 1 1 0 0 0
15 3,20 1 0 0 1 0 1
16 2,71 0 0 0 1 0 1
17 2,81 0 0 0 1 0 1
18 3,08 0 1 1 0 0 0
19 3,08 1 0 1 0 0 0
20 3,02 0 1 0 1 0 1
Tabla NA.5.- Datos para Excavacin con variables ficticias
Donde las variables dependientes e independientes son:
Variable independiente R Y
CLI1 1
X
CLI2 2
X
CMO1 3
X
CMO2 4
X
CMT1 5
X
Variables
independientes
CMT2 6
X
Tabla NA.6.- Tabla clasificacin de variables del modelo

Luego la ecuacin de regresin adaptada sera:
i 6 5 4 3 2 1 0 i
i i 6 6 i 5 5 i 4 4 i 3 3 i 2 2 i 1 1 0 i
2 CMT b 1 CMT b 2 CMO b 1 CMO b 2 CLI b 1 CLI b b R
X b X b X b X b X b X b b y
+ + + + + + + =
+ + + + + + + =
(A.2)
____________________________________________________________________
150
Determinacin de coeficientes

Para lograr el conocimiento del sistema se realizar un procedimiento
resumido debido a la complejidad y tamao que pueden adquirir los valores, sin
embargo, para cumplir con creces este procedimiento existen diversos softwares que
realizan todo el clculo considerando toda la exactitud requerida.
Para poder determinar los coeficientes de regresin es necesario recurrir a las
matrices.
Al ajustar un modelo de regresin lineal mltiple, en particular cuando el
nmero de variables excede de 2, el conocimiento de la teora matricial puede
facilitar considerablemente las manipulaciones matemticas.
Para el caso del ejemplo que se esta desarrollando se tienen k variables
independientes
k 2 1
X ,.... X , X y n observaciones
n 2 1
y ,..., y , y cada una de las cuales
se puede expresar por la ecuacin:
+ + + + + =
ki k i 2 2 i 1 1 0 i
X b ... X b X b b y
(A.3)
En esencia, este modelo representa n ecuaciones que describen como se
generan los valores de respuesta en el proceso cientfico. Con la notacin matricial, se
puede escribir las ecuaciones
+ = Xb y
(A.4)
Donde:
(
(
(
(
=
n
2
1
y
y
y
y
M

(
(
(
(
=
kn n 2 n 1
2 k 22 12
1 k 21 11
X X X 1
X X X 1
X X X 1
X
L
M M M M
L
L

(
(
(
(
(
(
=
k
2
1
0
b
b
b
b
b
M
(A.5)
[Walpole et. al, 1992]
Los estimadores de los mnimos cuadrados se obtienen a partir de la ecuacin:
____________________________________________________________________
151
( ) y X X X b
t
1
t

= (A.6)
La identificacin de cada una de las matrices involucradas en la frmula es la
siguiente:
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
1 0 1 0 1 0 1
0 0 0 1 0 1 1
0 0 0 1 1 0 1
1 0 1 0 0 0 1
1 0 1 0 0 0 1
1 0 1 0 0 1 1
0 0 0 1 1 0 1
0 0 0 0 1 0 1
0 0 0 1 1 0 1
1 0 0 1 0 1 1
1 0 0 0 1 0 1
0 0 0 0 0 1 1
1 0 0 0 1 0 1
1 0 1 0 0 0 1
1 0 0 0 0 0 1
1 0 1 0 0 1 1
0 1 0 1 1 0 1
0 0 0 0 1 0 1
0 0 0 1 1 0 1
1 0 0 1 0 1 1
X

(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
02 . 3
08 . 3
08 . 3
81 . 2
71 . 2
20 . 3
64 . 3
76 . 2
08 . 3
48 . 3
08 . 3
14 . 3
08 . 3
84 . 2
69 . 2
27 . 3
72 . 3
81 . 2
20 . 3
63 . 3
y

Luego desarrollando la frmula (A.6) se obtuvieron los siguientes coeficientes:
(
(
(
(
(
(
(
(
(
=
220 . 0
520 . 0
029 . 0
347 . 0
332 . 0
449 . 0
52 . 2
b

____________________________________________________________________
152
Posteriormente reemplazando los coeficientes en la ecuacin de regresin se
tiene que:
R=2.52+0.449CLI1+0.332CLI2+0.347CMO1+0.229CMO2+0.520CMT+0.22CMT2
Con esta frmula se puede estimar el valor del rendimiento para la actividad
excavacin para cualquier tipo y combinacin de factores.
Luego con la ecuacin es necesario calcular los rendimientos estimados para
cada una de las observaciones para de esta forma calcular los errores para cada una de
las observaciones.

N m3/da CLI1 CLI2 CMO1 CMO2 CMT1 CMT2
Valor
estimado
rendimiento
Residuo
1 3,63 1 0 1 0 0 1 3,536 0,094
2 3,20 0 1 1 0 0 0 3,199 0,001
3 2,81 0 1 0 0 0 0 2,852 -0,042
4 3,72 0 1 1 0 1 0 3,719 0,001
5 3,27 1 0 0 1 0 1 3,218 0,052
6 2,69 0 0 0 0 0 1 2,740 -0,050
7 2,84 0 0 0 1 0 1 2,769 0,071
8 3,08 0 1 0 0 0 1 3,072 0,008
9 3,14 1 0 0 0 0 0 2,969 0,171
10 3,08 0 1 0 0 0 1 3,072 0,008
11 3,48 1 0 1 0 0 1 3,536 -0,056
12 3,08 0 1 1 0 0 0 3,199 -0,119
13 2,76 0 1 0 0 0 0 2,852 -0,092
14 3,64 0 1 1 0 0 0 3,199 0,441
15 3,20 1 0 0 1 0 1 3,218 -0,018
16 2,71 0 0 0 1 0 1 2,769 -0,059
17 2,81 0 0 0 1 0 1 2,769 0,041
18 3,08 0 1 1 0 0 0 3,199 -0,119
19 3,08 1 0 1 0 0 0 3,316 -0,236
20 3,02 0 1 0 1 0 1 3,101 -0,081
Tabla NA.7.- Tabla de estimacin y residuos
Diagnstico del modelo
____________________________________________________________________
153

Un aspecto que se olvida frecuentemente es que los modelos de regresin se
basan en hacer unas determinadas suposiciones sobre los datos y que stas no siempre
se cumplen, por lo que es preciso comprobar si las hiptesis bsicas del modelo se
dan en los datos considerados para la actividad Excavacin en zanja. Es lo que se
conoce como diagnstico del modelo.
En el caso de los modelos de regresin lineal se utiliza el concepto de
residuo: diferencia entre el valor observado y el valor estimado por la ecuacin de
regresin, es decir lo que la ecuacin de regresin no explica para cada unidad de
observacin.
En un modelo de regresin lineal que sea adecuado los residuos deben seguir
una distribucin normal con media 0 y varianza constante, por lo que un posible
diagnstico puede ser comprobar esa situacin. Se puede efectuar de manera formal o
mediante una grfica en la que se representa el valor de los residuos (producto de la
resta del rendimiento observado menos el rendimiento estimado por la ecuacin)
frente al valor estimado o rendimiento estimado
Residuos v/s Rendimientos estimados
-0.3
-0.2
-0.1
0.0
0.1
0.2
0.3
0.4
0.5
2.6 2.8 3.0 3.2 3.4 3.6 3.8 4.0
Rendimientos estimados
R
e
s
i
d
u
o
s

Grfico NA.5.- Grfico residuos v/s rendimientos
____________________________________________________________________
154
En el grfico anterior se puede observar que en este ejemplo efectivamente los
residuos se distribuyen de forma simtrica a ambos lados del eje 0 y lo largo de todo
el rango de valores de la estimacin y la variabilidad parece constante. En resumen
existe cierta uniformidad de los residuos para los distintos valores de los rendimientos
esperados, con la excepcin de uno que corresponde a la observacin N14 el cual
puede corresponder a un dato anmalo.
Valores anmalos
Los valores extraos son aquellos datos extremos, que parecen anmalos, y
que generalmente son debido a errores de registro al introducir los datos, pero en
otras son valores correctos realmente observados. En el caso de la regresin su
presencia puede alterar de forma notable los resultados, por lo que es labor del
investigador decidir si este dato debe o no ser eliminado.
Validacin del modelo
Un ndice empleado para validar el modelo consiste en calcular el coeficiente
de determinacin R, el que puede ser medido como un porcentaje donde se establece
que para un coeficiente de determinacin mayor a 75% el modelo es valido. [Hair,
1999]
Descomposicin de la variabilidad
Si se observa la tabla de datos (A.5) se puede notar que los datos medidos
para el rendimiento no son todos iguales, es decir existe una variabilidad de estos que
se mide con la cantidad:
( )
=
=
n
1 i
2
i
y y VT
Esta variabilidad total est evaluada con n-1 grados de libertad, por tanto la
varianza de los datos ser
1 n
VT
S
2
y
=

____________________________________________________________________
155
La variabilidad de los residuos es conocida como la variabilidad no
explicada por el modelo y se mide por la cantidad:
( )
=
=
n
1 i
2
i i
y y VNE
=
=
n
1 i
2
i
e VNE
Esta variabilidad esta evaluada con n-(k+1) grados de libertad, por tanto la
varianza residual ser:
( ) 1 k n
VNE
S
2
R
+
=
La variabilidad explicada por el modelo es la resta de la variabilidad total
menos la variabilidad no explicada y se denota de la siguiente forma.
VNE VT VE =

( )
=
=
n
1 i
2
i
y y VE
Esta variabilidad evaluada con k grado de libertad ser
k
VE
S
2
reg
=
Tabla Adeva
La tabla siguiente resume la descomposicin de la variabilidad de los datos
Fuentes de
variaciones
de cuadrados Grados de
libertad
Varianzas
Regresin VE k
k
VE
S
2
reg
=
Residual VNE n-(k+1)
1 k n
VNE
S
2
R

=
Total VT n-1
1 n
VT
S
2
y
=
Tabla NA.8.- Tabla Adeva

____________________________________________________________________
156
Resultados Adeva para actividad Excavacin en zanja
i
R = Rendimiento observado para el nmero de observacin nmero i.
R = Media de los rendimientos observados.
i
R
= Rendimiento estimado para el nmero de observacin i.

Clculo de k
k= En este caso hay que recordar que el valor k es el nmero de variables
independientes que influyen en el modelo, que para este ejemplo sern:
Clima
Calidad de la mano de Obra
Calidad de los materiales
Sin embargo hay que considerar las variables ficticias, por lo tanto, las
variables independientes son:
CLI1
CLI2
CMO1
CMO2
CMT1
CMT2
Las que en total suman 6 variables, luego el valor de k=6
Clculo de n
En este caso no hay que realizar clculos debido a que el valor n corresponde
al tamao de la muestra o nmero de observaciones de rendimientos, el cul
corresponde a 20 observaciones.
Clculo de VT
La ecuacin adecuada a los datos de rendimientos es
( )
=
=
20
1 i
2
i
R R VT
Luego:
____________________________________________________________________
157
( )
20
02 . 3 08 . 3 08 . 3 81 . 2 71 . 2 20 . 3 64 . 3 76 . 2 08 . 3 48 . 3 08 . 3 14 . 3 08 . 3 84 . 2 69 . 2 27 . 3 72 . 3 81 . 2 20 . 3 63 . 3
R
+ + + + + + + + + + + + + + + + + + +
=

116 . 3 R =
luego
( ) ( ) ( ) ( )
2 2 2 2
116 . 3 02 . 3 116 . 3 81 . 2 116 . 3 20 . 3 116 . 3 63 . 3 VT + + + + = K
824 . 1 VT =
Clculo del VNE
La ecuacin adaptada a los datos de rendimientos es
( )
=
=
20
1 i
2
i i
R
R VNE
Luego
( ) ( ) ( ) ( )
2 2 2 2
101 . 3 02 . 3 852 . 2 81 . 2 199 . 3 20 . 3 536 . 3 63 . 3 VNE + + + + = K
352 . 0 VNE =

Clculo del VE

La ecuacin adaptada a los datos de rendimientos es
( )
=
=
20
1 i
2
i
R R
VE
( ) ( ) ( ) ( )
2 2 2 2
116 . 3 101 . 3 116 . 3 852 . 2 116 . 3 199 . 3 116 . 3 536 . 3 VE + + + + = K
472 . 1 VE =
____________________________________________________________________
158
Calculo de Tabla Adeva

Fuentes de
variaciones
de
cuadrados
Grados de
libertad
Varianzas
Regresin VE = 1.472 6
245 . 0
6
472 . 1
k
VE
S
2
reg
= = =
Residual VNE = 0.352 20-(6+1)=13
027 . 0
13
352 . 0
1 k n
VNE
S
2
R
= =

=
Total VT = 1.824 20-1=19
096 . 0
19
824 . 1
1 n
VT
S
2
y
= =
=
Tabla NA.9.- Calculo Tabla Adeva

Estas variaciones son sumas de cuadrados divididas por los grados de libertad
que reciben el nombre de cuadrados medios. Al hacer el cuociente entre el cuadrado
medio debido a la regresin que en este caso, corresponde a aquel debido a la VE, y
el cuadrado medio del error que corresponde a la VNE, dar origen al valor de F
tabulado de acuerdo con los grados de libertad y el nivel de significancia.
Todos estos valores tienen la funcin de llegar a validar el modelo ya que de
acuerdo a estos se demostrarn si se cumplen las hiptesis bsicas del modelo.
Estos valores se analizarn una vez que se cuente con todos los datos para la
investigacin y se defina el software a utilizar de manera de sistematizar el
procedimiento.
Coeficiente de determinacin ( R )
Es la proporcin de variabilidad explicada por las variables explicativa y se
denota como
VT
VE
R
2
=

Luego:
____________________________________________________________________
159
80 . 0
824 . 1
472 . 1
R
2
= =
Sin duda el ejemplo cumpli el objetivo de determinacin del modelo de
regresin ideal a utilizar en la estimacin de Rendimientos Esperados, dicho modelo
se utilizar en el anlisis de las siguientes actividades elegidas para probar la hiptesis
de que es ms optimo un modelo de regresin que el sistema PERT en la estimacin
del rendimiento esperado.
Se puede decir que el modelo realizado para la actividad Excavacin en zanja
es vlido debido a que el coeficiente de determinacin es de 80% lo que demuestra
que el modelo es muy bueno debido que para validar el modelo se necesita un R
>75%.

____________________________________________________________________
160
Anexo 3: Tablas estadsticas de rendimientos de obra gruesa

1.- Actividad: Excavacin terreno semi - duro y autosoportante
Ancho excavacin de 40-60 cm
Profundidad de excavacin 60-1m

N Actividad
obra/
proced
RENDIMIENTO RECUR. FACTORES INCIDENTES
H / M
3
D/M
3
M
3
1 excavacin en zanja inter. 2,2 0,275 3,63 Jornal 3 3 2 0 0 0
11 excavacin en zanja inter.
0,4 2,299
3,48
Jornal
3 3 2 0 0 0
0,4 2,597
3,08
Jornal
2 3 1 0 0 0
0,3 2,899
2,76
Jornal
2 1 1 0 0 0
0,5 2,198
3,64
Jornal
2 3 1 0 0 0
0,4 2,500
3,20
Jornal
3 2 2 0 0 0
0,3 2,952
2,71
Jornal
1 2 2 0 0 0
0,4 2,847
2,81
Jornal
1 2 2 0 0 0
0,4 2,597
3,08
Jornal
2 3 1 0 0 0
0,4 2,597
3,08
Jornal
3 3 1 0 0 0
0,4 2,649
3,02
Jornal
2 2 2 0 0 0
____________________________________________________________________
161

2.- Actividad: Relleno Estructural Con Grava
Relleno Estructural Con Grava E=8 Cm
Incluye: Esparcimiento, Apisonado Y Nivelacin

N ACTIV.
OBRA/
PROCED

H / M
3
D/M
3
M
3
/D

CLI CMO CMT CMH DRE 0TR
1 relleno con grava inter.
1,09 0,136 7,34 Jornal 2 3 3 3 0 0
1,27 0,159 6,30 Jornal 2 1 3 3 0 0
1,34 0,168 5,97 Jornal 1 2 3 3 0 0
1,26 0,158 6,35 Jornal 2 2 3 1 0 0
1,23 0,154 6,50 Jornal 2 3 3 1 0 0
1,29 0,161 6,20 Jornal 2 1 3 3 0 0
1,23 0,154 6,50 Jornal 3 2 3 2 0 0
1,14 0,143 7,02 Jornal 2 3 3 2 0 0
1,21 0,151 6,61 Jornal 2 2 3 2 0 0
1,18 0,148 6,78 Jornal 2 2 3 3 0 0

3.- Actividad: Relleno estructural con arena
Esparcimiento en capas y sin transporte de material
Compactacin con placa compactadora y riego adecuado

N ACTIV.
OBRA/
PROCED

H / M
3
D/M
3
M
3
/D

1 relleno con arena inter.
1,06 0,1325 7,55 Jornal 3 2 3 3 0 0
0,99 0,1238 8,08 Jornal 2 3 3 3 0 0
1,08 0,1350 7,41 Jornal 2 1 3 3 0 0
0,94 0,1175 8,51 Jornal 2 2 3 3 0 0
0,85 0,1063 9,41 Jornal 2 3 3 3 0 0
____________________________________________________________________
162
1,11 0,1388 7,21 Jornal 1 3 3 1 0 0
1,04 0,1300 7,69 Jornal 2 2 3 3 0 0
1,14 0,1425 7,02 Jornal 1 1 3 3 0 0
1,09 0,1363 7,34 Jornal 1 1 3 3 0 0
0,98 0,1225 8,16 Jornal 3 2 3 3 0 0
1,15 0,143 9,20 Jornal 3 3 3 3 0 0
1,11 0,138 8,90 Jornal 2 3 3 3 0 0

4.- Actividad: Fabricacin de moldaje
Prefabricacin de moldajes, mdulos menor a 0,8 m2
Incluye: cortes con sierra, confeccin de bastidor y colocacin de placa

N ACTIV.
OBRA/
PROCED
H / M
2
D/M
2
M
2
1 moldaje inter.
0,38 0,048 21,05 C2 +1A 1 2 3 0 0 0
2 moldaje inter.
0,37 0,046 21,62 C2 +1A 3 3 3 0 0 0
3 moldaje inter.
0,36 0,045 22,22 C2 +1A 2 3 2 0 0 0
4 moldaje inter.
0,34 0,043 23,53 C2 +1A 3 2 3 0 0 0
5 moldaje inter.
0,33 0,041 24,24 C2 +1A 2 3 3 0 0 0
6 moldaje inter.
0,38 0,048 21,05 C2 +1A 1 3 3 0 0 0
7 moldaje inter.
0,39 0,049 20,51 C2 +1A 1 2 3 0 0 0
8 moldaje inter.
0,4 0,050 20,00 C2 +1A 1 2 2 0 0 0
9 moldaje inter.
0,44 0,055 18,18 C2 +1A 1 1 1 0 0 0
10 moldaje inter.
0,36 0,045 22,22 C2 +1A 2 2 3 0 0 0
11 moldaje inter.
0,38 0,048 22,30 C2 +1A 1 2 3 0 0 0
12 moldaje inter.
0,37 0,046 21,50 C2 +1A 3 3 3 0 0 0
13 moldaje inter.
0,36 0,045 22,50 C2 +1A 2 3 2 0 0 0
14 moldaje inter.
0,34 0,043 23,60 C2 +1A 3 2 3 0 0 0
____________________________________________________________________
163
15 moldaje inter.
0,33 0,041 24,60 C2 +1A 3 3 3 0 0 0
16 moldaje inter.
0,38 0,048 21,00 C2 +1A 2 3 3 0 0 0
17 moldaje inter.
0,39 0,049 20,40 C2 +1A 1 2 3 0 0 0
18 moldaje inter.
0,4 0,050 20,00 C2 +1A 2 2 2 0 0 0
19 moldaje inter.
0,44 0,055 18,30 C2 +1A 1 2 1 0 0 0
20 moldaje inter.
0,36 0,045 22,40 C2 +1A 2 2 3 0 0 0

Estructuras: fundaciones, muros, cadenas y pilares empotrados

N ACTIV.
OBRA/
PROCED

H / M
2
D/M
2
M
2
/D

1 moldaje inter.
0,58 0,073 13,793 C2 +1A 3 2 3 3 3 0
2 moldaje inter.
0,63 0,079 12,70 C2 +1A 2 2 2 2 2 0
3 moldaje inter.
0,64 0,080 12,50 C2 +1A 2 2 2 1 2 0
4 moldaje inter.
0,59 0,074 13,56 C2 +1A 2 3 3 3 2 0
5 moldaje inter.
0,67 0,084 11,94 C2 +1A 1 3 1 2 1 0
6 moldaje inter.
0,61 0,076 13,11 C2 +1A 3 2 3 3 3 0
7 moldaje inter.
0,65 0,081 12,31 C2 +1A 1 2 1 2 1 0
8 moldaje inter.
0,63 0,079 12,70 C2 +1A 1 3 1 2 1 0
9 moldaje inter.
0,54 0,068 14,81 C2 +1A 3 3 3 3 3 0
10 moldaje inter.
0,58 0,073 13,79 C2 +1A 2 2 3 3 2 0

Estructuras: pilares aislados y vigas

N ACTIV.
OBRA/
PROCED

H / M
2
D/M
2
M
2
/D

____________________________________________________________________
164
1 moldaje inter.
1 0,125 8 C2 +1A 2 1 3 3 0 0
2 moldaje inter.
0,97 0,121 8,25 C2 +1A 1 2 1 2 0 0
3 moldaje inter.
0,88 0,110 9,09 C2 +1A 2 3 3 3 0 0
4 moldaje inter.
0,78 0,098 10,26 C2 +1A 3 2 2 1 0 0
5 moldaje inter.
1,09 0,136 7,34 C2 +1A 1 2 2 1 0 0
6 moldaje inter.
0,80 0,100 10,00 C2 +1A 2 2 1 3 0 0
7 moldaje inter.
1,04 0,130 7,69 C2 +1A 1 3 1 2 0 0
8 moldaje inter.
0,85 0,106 9,41 C2 +1A 2 3 2 1 0 0
9 moldaje inter.
0,72 0,090 11,11 C2 +1A 3 2 3 3 0 0
10 moldaje inter.
0,75 0,094 10,67 C2 +1A 3 3 3 3 0 0

Estructuras: losas

N ACTIV.
OBRA/
PROCED

H / M
2
D/M
2
M
2
/D

1 moldaje inter.
0,64 0,080 12,5 C2 +1A 2 2 3 2 0 0
2 moldaje inter.
0,72 0,090 11,11 C2 +1A 1 3 1 1 0 0
3 moldaje inter.
0,62 0,078 12,90 C2 +1A 3 2 3 3 0 0
4 moldaje inter.
0,58 0,073 13,79 C2 +1A 2 2 3 3 0 0
5 moldaje inter.
0,75 0,094 10,67 C2 +1A 1 2 1 2 0 0
6 moldaje inter.
0,81 0,101 9,88 C2 +1A 2 3 3 3 0 0
7 moldaje inter.
0,65 0,081 12,31 C2 +1A 3 3 3 1 0 0
8 moldaje inter.
0,57 0,071 14,04 C2 +1A 2 2 3 3 0 0
9 moldaje inter.
0,7 0,088 11,43 C2 +1A 3 2 1 3 0 0
10 moldaje inter.
0,58 0,073 13,79 C2 +1A 2 3 3 3 0 0

Estructura: fundaciones, cadenas y pilares
Incluye: limpieza, aperchamiento de prefabricados hasta 20 mt
____________________________________________________________________
165

N ACTIV.
OBRA/
PROCED

H / M
2
D/M
2
M
2
/D

1 moldaje inter.
0,21 0,0263 38,095 Jornal 1 1 2 3 1 0
2 moldaje inter.
0,18 0,0225 44,44 Jornal 3 3 3 3 3 0
3 moldaje inter.
0,22 0,0275 36,36 Jornal 1 1 2 3 1 0
4 moldaje inter.
0,18 0,0225 44,44 Jornal 2 2 3 3 2 0
5 moldaje inter.
0,22 0,0275 36,36 Jornal 1 2 3 2 1 0
6 moldaje inter.
0,20 0,025 40,00 Jornal 2 2 2 3 2 0
7 moldaje inter.
0,21 0,0263 38,10 Jornal 2 2 2 2 2 0
8 moldaje inter.
0,19 0,0238 42,11 Jornal 3 2 3 1 3 0
9 moldaje inter.
0,17 0,0213 47,06 Jornal 2 3 3 3 2 0
10 moldaje inter.
0,19 0,0238 42,11 Jornal 2 2 3 3 2 0

Estructura: pilares aislados, vigas y losas
Incluye: limpieza, aperchamiento de prefabricados hasta 20 mt

N ACTIV.
OBRA/
PROCED

H / M
2
D/M
2
M
2
/D

1 moldaje inter.
0,26 0,0325 30,769 Jornal 1 1 2 3 0 0
2 moldaje inter.
0,22 0,0275 36,36 Jornal 3 3 3 3 0 0
3 moldaje inter.
0,24 0,03 33,33 Jornal 2 1 2 3 0 0
4 moldaje inter.
0,21 0,0263 38,10 Jornal 2 3 3 3 0 0
5 moldaje inter.
0,22 0,0275 36,36 Jornal 2 2 3 3 0 0
6 moldaje inter.
0,19 0,0238 42,11 Jornal 2 3 3 3 0 0
7 moldaje inter.
0,25 0,0313 32,00 Jornal 1 1 2 3 0 0
8 moldaje inter.
0,24 0,03 33,33 Jornal 2 1 2 3 0 0
____________________________________________________________________
166
9 moldaje inter.
0,21 0,0263 38,10 Jornal 3 2 3 3 0 0
10 moldaje inter.
0,23 0,0288 34,78 Jornal 3 2 3 3 0 0

10,- Actividad: Preparacin de enfierradura (A 44 -28 h), dimetro 6 y 8 mm.
Enderezado, corte y doblado
Incluye traslado desde lugar de almacenamiento hasta bancos de preparacin con
una distancia mxima de 20 mt.

N ACTIV.
OBRA/
PROCED
RENDIMIENTO RECUR FACTORES INCIDENTES

H / KG D/KG

KG/D

1
enfierradura
6 - 8 mm
inter.
0,029 0,004 275,86
E1 +A
1 2 3 3 1 0
2
enfierradura
6 - 8 mm
inter.
0,038 0,005 210,53
E1 +A
3 2 3 2 3 0
3
enfierradura
6 - 8 mm
inter.
0,027 0,003 296,30
E1 +A
1 3 3 2 1 0
4
enfierradura
6 - 8 mm
inter.
0,025 0,003 320,00
E1 +A
2 3 3 3 2 0
5
enfierradura
6 - 8 mm
inter.
0,034 0,004 235,29
E1 +A
2 3 3 2 2 0
6
enfierradura
6 - 8 mm
inter.
0,039 0,005 205,13
E1 +A
3 2 3 1 3 0
7
enfierradura
6 - 8 mm
inter.
0,028 0,004 285,71
E1 +A
1 2 3 3 1 0
8
enfierradura
6 - 8 mm
inter.
0,035 0,004 228,57
E1 +A
2 3 3 2 2 0
9
enfierradura
6 - 8 mm
inter.
0,038 0,005 210,53
E1 +A
3 2 3 1 3 0
10
enfierradura
6 - 8 mm
inter.
0,033 0,004 242,42
E1 +A
3 3 3 2 3 0

11.- Actividad: Preparacin de enfierradura (A44-28 h), dimetro 10 y 12 mm
Enderezado, corte y doblado
Incluye traslado desde lugar de almacenamiento hasta bancos de preparacin con
una distancia mxima de 20 mt.

N ACTIV.
OBRA/
PROCED
____________________________________________________________________
167

H / KG D/KG

KG/D

1
Enfierradura
10-12mm
Inter.
0,029 0,0036 275,86 E1+A 1 2 3 1 0 0
2
Enfierradura
10-12mm
Inter.
0,025 0,0031 320,00 E1+A 3 3 3 2 0 0
3
Enfierradura
10-12mm
Inter.
0,027 0,0034 296,30 E1+A 2 3 3 2 0 0
4
Enfierradura
10-12mm
Inter.
0,023 0,0029 347,83 E1+A 2 3 3 3 0 0
5
Enfierradura
10-12mm
Inter.
0,025 0,0031 320,00 E1+A 2 2 3 3 0 0
6
Enfierradura
10-12mm
Inter.
0,034 0,0043 235,29 E1+A 1 2 3 1 0 0
7
Enfierradura
10-12mm
Inter.
0,03 0,0038 266,67 E1+A 2 2 3 3 0 0
8
Enfierradura
10-12mm
Inter.
0,031 0,0039 258,06 E1+A 1 3 3 1 0 0
9
Enfierradura
10-12mm
Inter.
0,029 0,0036 275,86 E1+A 3 3 3 3 0 0
10
Enfierradura
10-12mm
Inter.
0,028 0,0035 285,71 E1+A 3 2 3 3 0 0

12.- Actividad: Colocacin de enfierradura (a 44 -28 h), Dimetro 6 y 8 mm
Incluye traslado desde lugar de preparacin a lugar de instalacin, con una
distancia no mayor de 20 mt.

N ACTIV.
OBRA/
PROCED

H / KG D/KG

KG/D

1
Enfierradura
6-8mm
Inter.
0,043 0,005 186,05 E1+A 3 2 3 2 0 0
2
Enfierradura
6-8mm
Inter.
0,047 0,006 170,21 E1+A 2 3 3 3 0 0
3
Enfierradura
6-8mm
Inter.
0,052 0,007 153,85 E1+A 1 3 3 1 0 0
4
Enfierradura
6-8mm
Inter.
0,038 0,005 210,53 E1+A 3 3 3 3 0 0
5
Enfierradura
6-8mm
Inter.
0,036 0,005 222,22 E1+A 2 2 3 3 0 0
____________________________________________________________________
168
6
Enfierradura
6-8mm
Inter.
0,061 0,008 131,15 E1+A 1 2 3 1 0 0
7
Enfierradura
6-8mm
Inter.
0,049 0,006 163,27 E1+A 2 3 3 3 0 0
8
Enfierradura
6-8mm
Inter.
0,046 0,006 173,91 E1+A 3 3 3 2 0 0
9
Enfierradura
6-8mm
Inter.
0,05 0,006 160,00 E1+A 1 3 3 3 0 0
10
Enfierradura
6-8mm
Inter.
0,053 0,007 150,94 E1+A 2 2 3 1 0 0

13.- Actividad: Colocacin de enfierradura (A 44 -28 h), Dimetro 10 y 12 mm
Incluye traslado desde lugar de preparacin a lugar de instalacin, con una
distancia no mayor de 20 mt.

N ACTIV.
OBRA/
PROCED

H / KG D/KG

KG/D

1
Enfierradura
10-12mm
Inter.
0,032 0,004 250,00 E1+A 2 2 3 1 2 0
2
Enfierradura
10-12mm
Inter.
0,028 0,004 285,71 E1+A 3 2 3 2 3 0
3
Enfierradura
10-12mm
Inter.
0,026 0,003 307,69 E1+A 2 3 3 3 2 0
4
Enfierradura
10-12mm
Inter.
0,023 0,003 347,83 E1+A 2 3 3 3 2 0
5
Enfierradura
10-12mm
Inter.
0,034 0,004 235,29 E1+A 1 2 3 2 1 0
6
Enfierradura
10-12mm
Inter.
0,038 0,005 210,53 E1+A 2 2 3 1 2 0
7
Enfierradura
10-12mm
Inter.
0,031 0,004 258,06 E1+A 1 3 3 3 1 0
8
Enfierradura
10-12mm
Inter.
0,033 0,004 242,42 E1+A 1 2 3 3 1 0
9
Enfierradura
10-12mm
Inter.
0,024 0,003 333,33 E1+A 3 2 3 2 3 0
10
Enfierradura
10-12mm
Inter.
0,028 0,004 285,71 E1+A 3 2 3 2 3 0

14.- Actividad: Elaboracin de hormign
____________________________________________________________________
169
Fabricacin de hormign en betonera de capacidad 180lt (rend.optimo 80% 144
lt)
Incluye: tiempo de betonera, llenado de baldes dosificadores, reacomodo de
material acopiado

N ACTIV.
OBRA/
PROCED

H / M
3
D/M
3
M
3
/D

1
Hormigonado Inter 0,57 0,071 14,04 2J + 1C 3 3 3 3 3 0
2
3
4
5
6
7
8
9
10

15.- Actividad: Hormign con acarreo horizontal

N ACTIV.
OBRA/
PROCED

H / M
3
D/M
3
M
3
/D

1
Hormigonado Inter 1,74 0,218 4,60 4 Jornal 2 2 3 3 2 0
2
3
4
5
____________________________________________________________________
170
6
7
8
9
10

16.- Actividad: Hormign con acarreo horizontal y vertical

N ACTIV.
OBRA/
PROCED
H / M
3
D/M
3
M
3
1 Hormigonado Inter 2.63 0.329 3,04 5 Jornal 1 2 3 3
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
____________________________________________________________________
171
0
0
0
0
0
0
0
0

17.- Actividad: Hormigonado con cinta transportadora desde camin mixer
Sin transporte.

N ACTIV.
OBRA/
PROCED

H / M
3
D/M
3
M
3
/D

1 Hormigonado Inter 0,56 0,070 14,29 1MC+6J 3 3 2 3 0 0

____________________________________________________________________
172
18.- Actividad: Albailera de soga, ladrillo de dimensiones 29 x 14 x 7 cm
Muro emboquillado por ambas caras
Incluye colocacin de escantilln, preparacin de mezcla y traslado de andamios
o caballetes de hasta 1.5 metro de alto.

N ACTIV.
OBRA/
PROCED
H / M
2
D/M
2
M
2
1
Albailera
Inter. 1,6 0,640 12,5 2AL2 +A
2 3 2 2 2 0
2
Albailera
Inter. 1,9 0,540 14,81 2AL2 +A
2 3 2 2 2 0
3
Albailera
Inter. 1,5 0,670 11,94 2AL2 +A
1 1 3 2 1 0
4
Albailera
Inter. 2,3 0,440 18,18 2AL2 +A
2 3 3 3 2 0
5
Albailera
Inter. 2,9 0,350 22,86 2AL2 +A
3 3 2 2 3 0
6
Albailera
Inter. 1,4 0,710 11,27 2AL2 +A
1 2 2 1 1 0
7
Albailera
Inter. 1,4 0,720 11,11 2AL2 +A
1 2 1 1 1 0
8
Albailera
Inter. 2,7 0,370 21,62 2AL2 +A
2 3 3 3 2 0
9
Albailera
Inter. 2,4 0,410 19,51 2AL2 +A
3 3 3 3 3 0
10
Albailera
Inter. 2,4 0,420 19,05 2AL2 +A
2 2 2 2 2 0
11
Albailera
Inter. 1,6 0,615 13,0 2AL2 +A
2 3 2 2 2 0
12
Albailera
Inter. 1,9 0,530 15,1 2AL2 +A
2 3 2 2 2 0
13
Albailera
Inter. 1,5 0,690 11,6 2AL2 +A
1 1 3 2 1 0
14
Albailera
Inter. 2,3 0,428 18,7 2AL2 +A
2 3 3 3 2 0
15
Albailera
Inter. 1,5 0,661 12,1 2AL2 +A
2 3 2 2 2 0
16
Albailera
Inter. 1,5 0,675 11,85 2AL2 +A
1 2 2 1 1 0
17
Albailera
Inter. 1,4 0,712 11,23 2AL2 +A
1 2 1 1 1 0
18
Albailera
Inter. 2,8 0,364 22,0 2AL2 +A
2 3 3 3 2 0
19
Albailera
Inter. 2,5 0,400 20,01 2AL2 +A
3 3 3 3 3 0
20
Albailera
Inter. 2,8 0,359 22,3 2AL2 +A
3 2 2 2 3 0

____________________________________________________________________
173
19.- Actividad: Estuco 2.5 Cm De Espesor
Muro terminado, platachado o rasguado
Incluye colocacin de maestras, preparacin de mezcla y traslado de andamios o
caballetes de hasta 1.5 metro de alto.

N ACTIV.
OBRA/
PROCED
H / M
2
D/M
2
M
2
1 Estuco Inter.
0,42 0,053 19,05 2AL2 +A 2 3 2 2 2 0
2 Estuco Inter.
0,58 0,073 13,79 2AL2 +A 1 3 2 0 1 0
3 Estuco Inter.
0,36 0,045 22,22 2AL2 +A 3 2 2 2 3 0
4 Estuco Inter.
0,35 0,044 22,86 2AL2 +A 2 3 3 2 2 0
5 Estuco Inter.
0,62 0,078 12,90 2AL2 +A 1 2 2 2 1 0
6 Estuco Inter.
0,56 0,070 14,29 2AL2 +A 2 1 2 2 2 0
7 Estuco Inter.
0,61 0,076 13,11 2AL2 +A 3 1 1 2 3 0
8 Estuco Inter.
0,45 0,056 17,78 2AL2 +A 2 2 2 2 2 0
9 Estuco Inter.
0,55 0,069 14,55 2AL2 +A 3 2 3 1 3 0
10 Estuco Inter.
0,34 0,043 23,53 2AL2 +A 2 3 3 3 2 0

20.- Actividad: Estuco 2.5 cm de espesor
Muro terminado, allanado
Incluye colocacin de maestras, preparacin de mezcla y traslado de andamios o
caballetes de hasta 1.5 metro de alto.

N ACTIV.
OBRA/
PROCED

H / M
2
D/M
2
M
2
/D

1 Estuco Inter.
0,43 0,054 18,60 2AL2 +A 3 2 2 2 0 0
2 Estuco Inter.
0,41 0,051 19,51 2AL2 +A 2 3 3 3 0 0
3 Estuco Inter.
0,53 0,066 15,09 2AL2 +A 3 2 2 2 0 0
4 Estuco Inter.
0,44 0,055 18,18 2AL2 +A 2 3 3 2 0 0
____________________________________________________________________
174
5 Estuco Inter.
0,57 0,071 14,04 2AL2 +A 2 2 3 3 0 0
6 Estuco Inter.
0,70 0,088 11,43 2AL2 +A 1 1 2 2 0 0
7 Estuco Inter.
0,65 0,081 12,31 2AL2 +A 1 3 2 2 0 0
8 Estuco Inter.
0,49 0,061 16,33 2AL2 +A 2 1 1 2 0 0
9 Estuco Inter.
0,46 0,058 17,39 2AL2 +A 3 3 2 2 0 0
10 Estuco Inter.
0,67 0,084 11,94 2AL2 +A 1 1 1 2 0 0

21.- Actividad: Entramado de cielo
Distancia de entramado: 60 cm

N ACTIV.
OBRA/
PROCED

H / M
2
D/M
2
M
2
/D

1
Entramado
De cielo
Inter.
0,33 0,041 24,24 C2 +1A 1 2 3 1 0 0
2
Entramado
De cielo
Inter.
0,24 0,030 33,33 C2 +1A 3 3 3 3 0 0
3
Entramado
De cielo
Inter.
0,34 0,043 23,53 C2 +1A 3 3 2 3 0 0
4
Entramado
De cielo
Inter.
0,25 0,031 32,00 C2 +1A 2 2 3 2 0 0
5
Entramado
De cielo
Inter.
0,37 0,046 21,62 C2 +1A 2 1 3 1 0 0
6
Entramado
De cielo
Inter.
0,30 0,038 26,67 C2 +1A 2 2 3 3 0 0
7
Entramado
De cielo
Inter.
0,26 0,033 30,77 C2 +1A 3 2 3 3 0 0
8
Entramado
De cielo
Inter.
0,35 0,044 22,86 C2 +1A 1 2 2 1 0 0
9
Entramado
De cielo
Inter.
0,21 0,026 38,10 C2 +1A 2 3 3 3 0 0
10
Entramado
De cielo
Inter.
0,36 0,045 22,22 C2 +1A 1 1 3 1 0 0

22.- Actividad: Estructura de cielo en tijerales
____________________________________________________________________
175
Distancia de tijerales : 100 cm
Incluye : soleras y material al nivel de losa

N ACTIV.
OBRA/
PROCED

H / M
2
D/M
2
M
2
/D

1
Tijerales
a 1 mt
Inter.
0,56 0,070 14,29 C2 +1A 3 2 3 3 0 0
2
Tijerales
A 1 mt
Inter.
0,73 0,091 10,96 C2 +1A 1 3 3 3 0 2
3
Tijerales
A 1 mt
Inter.
0,53 0,066 15,09 C2 +1A 2 2 3 3 0 0
4
Tijerales
A 1 mt
Inter.
0,88 0,110 9,09 C2 +1A 1 2 3 2 0 3
5
Tijerales
A 1 mt
Inter.
0,48 0,060 16,67 C2 +1A 2 3 3 2 0 0
6
Tijerales
A 1 mt
Inter.
0,92 0,115 8,70 C2 +1A 1 2 3 3 0 2
7
Tijerales
A 1 mt
Inter.
0,46 0,058 17,39 C2 +1A 2 3 3 3 0 0
8
Tijerales
A 1 mt
Inter.
0,83 0,104 9,64 C2 +1A 3 2 3 2 0 2
9
Tijerales
A 1 mt
Inter.
0,77 0,096 10,39 C2 +1A 3 2 3 2 0 2
10
Tijerales
A 1 mt
Inter.
0,81 0,101 9,88 C2 +1A 1 1 3 3 0 3

23.- Actividad: Transporte de material en carretilla, distancia 20 mt
Incluye tiempo de carga y descarga
Incluye tiempo de traslado de ida y regreso
Capacidad efectiva de carretilla 80%

N ACTIV.
OBRA/
PROCED

H / M
3
D/M
3
M
3
/D

1 Traslado de material Inter.
0,62 0,078 12,90 Jornal 2 3 2 3 0 0
____________________________________________________________________
176
0,68 0,085 11,76 Jornal 2 3 2 3 0 0
0,95 0,119 8,42 Jornal 1 2 1 2 0 0
0,61 0,076 13,11 Jornal 2 3 1 3 0 0
0,82 0,103 9,76 Jornal 2 2 1 2 0 0
0,98 0,123 8,16 Jornal 2 1 2 1 0 0
0,7 0,088 11,43 Jornal 3 2 1 3 0 0
0,88 0,110 9,09 Jornal 1 1 2 2 0 0
0,94 0,118 8,51 Jornal 3 2 2 1 0 0
0,67 0,084 11,94 Jornal 3 3 1 3 0 0

24.- Actividad: Transporte de material en carretilla, distancia 40 mt
Incluye tiempo de carga y descarga
Incluye tiempo de traslado de ida y regreso
Capacidad efectiva de carretilla 80%

N ACTIV.
OBRA/
PROCED

H / M
3
D/M
3
M
3
/D

1,3 0,163 6,15 Jornal 2 3 1 3 0 0
1,5 0,188 5,33 Jornal 2 1 2 1 0 0
0,95 0,119 8,42 Jornal 3 3 1 3 0 0
0,94 0,118 8,51 Jornal 2 3 2 3 0 0
1,24 0,155 6,45 Jornal 3 2 2 2 0 0
1,59 0,199 5,03 Jornal 1 1 2 1 0 0
1,38 0,173 5,80 Jornal 3 2 1 2 0 0
1,45 0,181 5,52 Jornal 1 1 1 3 0 0
1 0,125 8,00 Jornal 2 3 1 2 0 0
1,21 0,151 6,61 Jornal 1 2 2 3 0 0

____________________________________________________________________
177
Anexo 4 Tabla Distribucin Normal.

Modelo de Regresión en La Estimación de Rendimientos en Procesos de Construcción, Comparación Con PERT

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modelo de Regresión en La Estimación de Rendimientos en Procesos de Construcción, Comparación Con PERT

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DEL BIO-BIO

= Rendimiento estimado para el nmero de observacin i.

También podría gustarte