This chapter presents a new temporal data envelopment analysis (DEA) model that overcomes some weaknesses of the window analysis and Malmquist index. New model allows to work with time series. For each series the best of a set of ARIMA models is selected, and a forecast for two periods it is possible. Changes in efficiency of different decision making units (DMUs) are analyzed and the use of temporal series makes it easy to include Malmquist forecasts. The implementation of the new model in business administration or supply chain management can be useful because it considers more than two periods in contrast with classical Malmquist method, for that, control of efficiency over time is improved by changing deterministic univariate variables for time series. The last them have the structure of correlation and they get even more real modeling.

En este artículo fue estudiado el mejoramiento del proceso de fabricación de una empresa productora de ladrillos para construcción en la ciudad de Santa Marta. Mediante simulación se ha modelado el proceso actual y se establecieron alternativas de mejoramiento. El desempeño de estos procesos simulados se ha valorado mediante las variables “Costo por lote” (en pesos colombianos) y el “Tiempo en el sistema” (en horas), ambas programadas en los modelos simulados, las cuales se establecieron como variables de control. Estas variables son las componentes de un vector bivariado cuyos valores fueron obtenidos de muestras provenientes de replicar cada uno de los modelos que luego fueron analizados mediante la utilización de una técnica proveniente de la estadística multivariada denominada Manova. La prueba de hipótesis multivariada muestra que uno de los modelos presenta mejor desempeño. Basado en los resultados, se concluye que la empresa debería adoptar el mejoramiento encontrado en la simulación.

El objetivo de este estudio estuvo orientado a evaluar el impacto de los programas de Bienestar Universitario sobre el rendimiento académico, permanencia y graduación de los estudiantes de la Universidad del Magdalena durante 2018. La muestra de este estudio la conformaron los estudiantes con matrícula académica en los periodos comprendidos entre 2014-I y 2018-II en la modalidad de pregrado presencial de una universidad pública de la Región Caribe de Colombia. La base de datos se construyó a partir de información proporcionada por distintas dependencias universitarias, como las relacionas con los procesos de admisión, bienestar institucional y desarrollo estudiantil y bases de datos nacionales como el Icfes y el Snies. De acuerdo con el análisis estadístico realizado, se encontró que los programas de almuerzos y refrigerios, la beca de inclusión y permanencia, y el programa de ayudantías académicas inciden de manera positiva en el rendimiento académico de los estudiantes beneficiarios y con intensidad moderada. Estos resultados sugieren, como futura línea de investigación, la necesidad de considerar variables cognitivas, motivacionales y familiares que también puedan explicar el desempeño académico. A partir de la discusión de los resultados de este estudio y de literatura previa, se destaca como importante profundizar en la investigación de los determinantes del rendimiento académico de los estudiantes, pero también será muy importante brindar mayor atención desde la academia al bienestar psicológico de este sector de la comunicad universitaria.

En esta obra se presentan algunas herramientas cuantitativas seleccionadas que contribuyen en la formación del ingeniero. Se inicia con conceptos de estadística univariada desde variable aleatoria, modelos de distribuciones de probabilidad y series de tiempo. Esta estadística será útil en dos sentidos: primero, como herramientas que se pueden aplicar directamente en casos reales; segundo, como preparación para entender los modelos más avanzados mostrados en el libro. Estos últimos corresponden a métodos de análisis multivariado como comparación de dos o más grupos en cuanto a vector multivariado se refiere; análisis de componentes principales, correspondencias, correlación canónica, de perfiles y regresión multivariada. Además, se presentan las mixturas normales multivariadas aplicadas a series de tiempo. Cabe resaltar que los últimos tópicos mencionados resultan de mayor poder aplicativo que la estadística básica de los primeros capítulos. El libro termina con modelos de eficiencia conocidos como análisis envolvente de datos. A pesar de que el texto aborda temas avanzados en comparación con la estadística vista en pregrado, estos se desarrollan en una manera comprensible y didáctica, ya que se ofrece al lector códigos resueltos en software R, explicaciones con figuras apropiadas, ejemplos resueltos e interpretaciones de resultados llevadas contextos prácticos.