La Miner a de Datos es utilizada en diferentes disciplinas para la b usqueda de patrones y modelos ocultos en las Bases de Datos. Esta generalmente es aplicada en las areas de negocios y marketing. Su aplicaci on y uso quedan nalmente a disposici on de quienes manejan este conocimiento, por lo que debe de ser trasformado en informaci on util para los niveles superiores de la pir amide organizacional. En esta tesis se presenta una extensi on del algoritmo de reglas de asociaci on que se encuentra presente en el conjunto de algoritmos que trae SQL Server 2008 de an alisis de datos para la toma de decisiones. Para esto se analiza la estructura y la informaci on que entrega el algoritmo de asociaci on de Microsoft, revisando la dispersi on de los datos obtenidos por medio de un gr a co generado para cada indicador los que son: probabilidad, pertenencia y soporte. La dispersi on de cada indicador da a conocer que no poseen similitud el que se aprecia analizando el gr a co de cada uno, permitiendo proponer generar una selecci on de reglas por medio de etiquetas ling u sticas y generar una intersecci on entre los indicadores de probabilidad y soporte, obteniendo un subgrupo de reglas que posean las caracter sticas seleccionadas de ambos indicadores. Permitiendo generar an alisis de datos no tan solo num ericos sino aportando uno cualitativos, independizandose de los valores y resaltando las caracter sticas de los indicadores. Para la implementaci on se utiliza las herramientas de miner a de datos de SQL Server 2008 para obtener los datos y luegos exportarlos a la herramienta de excel para la manipulaci on y la obtenci on de los resultados utilizando tablas din amicas. Los aportes principales de este trabajo de titulaci on son: an alisis y aplicaci on del algoritmo de miner a de datos reglas asociaci on de microsoft que se encuentra incluido en SQL Server 2008, an alisis e implementaci on de etiquetas ling u sticas a los datos entregados por el algoritmo de asociaci on de Microsoft; implementaci on del algoritmo de asociaci on que permite la selecci on de etiquetas ling u sticas de los indicadores de probabilidad y soporte implementado en excel. Este trabajo de tesis se encuentra entre las actividades realizadas por el Grupo de Bases de Datos de la Universidad Cat olica del Maule, dirigido por la Dra. Urrutia. En este grupo se investigan las areas de: Miner a de Datos, Data Warehouse y paralelismo en bases de datos.