ADMINISTRACION DE SALARIOS: METODO DE PUNTO TECNICA MATEMATICA: MINIMOS CUADRADOS

TITULO DEL PUESTO GERENTE DE PRODUCCION GERENTE DE FINANZAS GERENTE DE RECURSOS HUMANOS GERENTE DE MATERIALES JEFE DE MATERIALES JEFE DE VENTAS JEFE DE CREDITO Y COBRANZAS JEFE DE CONTABILIDAD SUPERVISOR DE TURNO

ALINEACION FINAL SUELDO ACTUAL DIARIO 9 $ 1,500.00 8 $ 1,400.00 7 $ 1,304.00 6 $ 904.00 5 $ 780.00 4 $ 800.00 3 $ 500.00 2 $ 500.00 1 $ 322.00

PROBLEMA: EQUIDAD DE EQUIDAD JEFE DE CREDITO GANA MAS QUE EL JEFE DE VENTAS, A PESAR DE QUE EL PUESTO SE HA VALUADO EN MENOS PUN DETERMINAR UNA ECUACION DE LA RECTA Y=a+bx luego se determina el coeficiente de correlacion para determinar el nivel de ajuste de la recta anterior

TITULO DEL PUESTO GERENTE DE PRODUCCION GERENTE DE FINANZAS GERENTE DE RECURSOS HUMANOS GERENTE DE MATERIALES JEFE DE MATERIALES JEFE DE VENTAS JEFE DE CREDITO Y COBRANZAS JEFE DE CONTABILIDAD SUPERVISOR DE TURNO totales

ALINEACION FINAL 9 8 7 6 5 4 3 2 1 45

SUELDO ACTUAL DIARIO $ $ $ $ $ $ $ $ $ 1,500.00 1,400.00 1,304.00 904.00 780.00 800.00 500.00 500.00 322.00 8010

COEFICIENTE r= 0.97792035 EL NIVEL DE CORRELACION ES ALTO(0,97) LO QUE SIGNIFICA QUE EL SUELDO ESTA DE ACUERDO AL NIVEL DE ALINEACION FINAL QUE TIENE CADA PUESTO conlcusion: entre mas al to sea valudo el puesto mas alto es el sueldo que debe percibir. en el caso del jefe de materiales logra, con el metodo de minimos cuadrados, la equidad de sueldo entre su valuacion y el sueldo actual que percibe, y de igual manera el jefe de ventas se asunta su sueldo de acuerdo con su puntuacion. LECCION 12 Coeficiente de correlacin lineal

En una distribucin bidimensional puede ocurrir que las dos variables guarden algn tipo de relacin entre si.

Por ejemplo, si se analiza la estatura y el peso de los alumnos de una clase es muy posible que exista relacin entr ser su peso.

El coeficiente de correlacin lineal mide el grado de intensidad de esta posible relacin entre las variables. Este c las varables es lineal (es decir, si representaramos en un gfico los pares de valores de las dos variables la nube d

No obstante, puede que exista una relacin que no sea lineal, sino exponencial, parablica, etc. En estos casos, el relacin las variables, por lo que convendra utilizar otro tipo de coeficiente ms apropiado.

Para ver, por tanto, si se puede utilizar el coeficiente de correlacin lineal, lo mejor es representar los pares de valo El coeficiente de correlacin lineal se calcula aplicando la siguiente frmula:

Es decir:

Numerador: se denomina covarianza y se calcula de la siguiente manera: en cada par de valores (x,y) se multiplic el resultado obtenido de todos los pares de valores y este resultado se divide por el tamao de la muestra. Denominador se calcula el produto de las varianzas de "x" y de "y", y a este produto se le calcula la raz cuadrada. Los valores que puede tomar el coeficiente de correlacin "r" son: -1 < r < 1

Si "r" > 0, la correlacin lineal es positiva (si sube el valor de una variable sube el de la otra). La correlacin es ta Por ejemplo: altura y peso: los alumnos ms altos suelen pesar ms.

Si "r" < 0, la correlacin lineal es negativa (si sube el valor de una variable disminuye el de la otra). La correlacin

Por ejemplo: peso y velocidad: los alumnos ms gordos suelen correr menos.

Si "r" = 0, no existe correlacin lineal entre las variables. Aunque podra existir otro tipo de correlacin (parablica

De todos modos, aunque el valor de "r" fuera prximo a 1 o -1, tampoco esto quiere decir obligatoriamente que exis este resultado podra haberse debido al puro azar.

Ejemplo: vamos a calcular el coeficiente de correlacin de la siguiente serie de datos de altura y peso de los alumn Alumno x Alumno 1 Alumno 2 Alumno 3 Alumno 4 Alumno 5 Alumno 6 Alumno 7 Alumno 8 Alumno 9 Alumno 10 Aplicamos la frmula: (1/30) * (0,826) ------------------------------------------------------(((1/30)*(0,02 568)) * ((1/30)*(51,36 6)))^(1/2) Estatura x 1.25 1.28 1.27 1.21 1.22 1.29 1.3 1.24 1.27 1.29 Peso x 32 33 34 30 32 35 34 32 32 35

r=

Luego,

r= x

0.719 x

Por lo tanto, la correlacin existente entre estas dos variables es elevada (0,7) y de signo postivo.

Clase anterior

Proxima clase

DE QUE EL PUESTO SE HA VALUADO EN MENOS PUNTOS

ar el nivel de ajuste de la recta anterior

SUELDO DE EQUIDAD INTERNA $ 1,498.30 $ 1,346.23 $ 1,194.16 $ 1,042.09 $ 890.02 $ 737.95 $ 585.88 $ 433.81 $ 281.74 8010.18

$1,600.00 $1,400.00 $1,200.00 $1,000.00 $800.00 $600.00 $400.00 $200.00 $0 2 4 6 8 10 Series1 Linear (Series1) y = 152.07x + 129.67

L DE CORRELACION ES ALTO(0,97) DE ALINEACION FINAL QUE TIENE

ueldo que debe percibir. os cuadrados, la equidad de sueldo nera el jefe de ventas se asunta su sueldo

LECCION 12 Coeficiente de correlacin lineal

iables guarden algn tipo de relacin entre si.

de una clase es muy posible que exista relacin entre ambas variables: mientras ms alto sea el alumno, mayor

ad de esta posible relacin entre las variables. Este coeficiente se aplica cuando la relacin que puede existir entre los pares de valores de las dos variables la nube de puntos se aproximara a una recta).

ino exponencial, parablica, etc. En estos casos, el coeficiente de correlacin lineal medira mal la intensidad de la coeficiente ms apropiado.

cin lineal, lo mejor es representar los pares de valores en un grfico y ver que forma describen.

uiente frmula:

nte manera: en cada par de valores (x,y) se multiplica la "x" menos su media, por la "y" menos su media. Se suma ado se divide por el tamao de la muestra.

e "y", y a este produto se le calcula la raz cuadrada. son: -1 < r < 1

una variable sube el de la otra). La correlacin es tanto ms fuerte cuanto ms se aproxime a 1.

ar ms. una variable disminuye el de la otra). La correlacin negativa es tanto ms fuerte cuanto ms se aproxime a -1.

n correr menos.

que podra existir otro tipo de correlacin (parablica, exponencial, etc.)

ampoco esto quiere decir obligatoriamente que existe una relacin de causa-efecto entre las dos variables, ya que

guiente serie de datos de altura y peso de los alumnos de una clase: Alumno x Alumno 11 Alumno 12 Alumno 13 Alumno 14 Alumno 15 Alumno 16 Alumno 17 Alumno 18 Alumno 19 Alumno 20 Estatura x 1.25 1.28 1.27 1.21 1.22 1.29 1.3 1.24 1.27 1.29 Peso x 33 35 34 30 33 34 35 32 33 33 Alumno x Alumno 21 Alumno 22 Alumno 23 Alumno 24 Alumno 25 Alumno 26 Alumno 27 Alumno 28 Alumno 29 Alumno 30 Estatura x 1.25 1.28 1.27 1.21 1.22 1.29 1.3 1.24 1.27 1.29 Peso x 33 34 34 31 32 34 34 31 35 34

s elevada (0,7) y de signo postivo.

Linear (Series1)