Equilibrio en satisfacción laboral entre mujeres y hombres: una aproximación mediante programación multiobjetivo

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Equilibrio en satisfacción laboral entre mujeres y hombres: una aproximación mediante programación multiobjetivo"

Transcripción

1 Equlbro en satsfaccón laboral entre mujeres y hombres: una aproxmacón medante programacón multobjetvo Equlbro en satsfaccón laboral entre mujeres y hombres: una aproxmacón medante programacón multobjetvo Luque Gallego, Marano Departamento de Economía Aplcada (Matemátcas), Unversdad de Málaga Marcenaro Guterrez, Oscar Departamento de Economía Aplcada (Estadístca y Econometría), Unversdad de Málaga Ruz de la Rúa, Francsco Departamento de Economía Aplcada (Matemátcas), Unversdad de Málaga RESUMEN El propósto de este trabajo es una mejor comprensón de los factores que afectan al logro de un nvel óptmo de satsfaccón, en térmnos de trabajo, de hombres y mujeres. Para ello se analzan los nveles de satsfaccón de los trabajadores medante un esquema multobjetvo. Los datos empleados para llevar a cabo los análss empírcos proceden de una encuesta, sobre la base de la cual se realza un análss estadístco y econométrco de los datos, que consttuyen el punto de partda para el planteamento de un modelo de programacón multobjetvo. A contnuacón se mplementa un método de punto de referenca para establecer un perfl de los trabajadores que muestran un mayor grado de satsfaccón. Por últmo, se emplea una combnacón de las técncas de Programacón por Metas - Punto de Referenca para aportar una sere de recomendacones con el fn de ncrementar los nveles de satsfaccón laborales. Palabras claves: Programacón multobjetvo; Método de Punto de Referenca, Programacón por Metas; satsfaccón, mujeres, hombres. Área temátca: Aspectos Cuanttatvos del Fenómeno Económco.

2 Luque, M.; Marcenaro, O.; Ruz, F. ABSTRACT In ths paper, a multobjectve scheme s used to study the satsfacton levels of Spansh workers. Data obtaned from the European Communty Household Panel (ECHP) are used to buld a multobjectve model on the bass of a prevous statstcal and econometrc analyss of these data. Then, a Reference Pont-based method s mplemented to determne the profle of the most satsfed worker n Span nowadays. Fnally, a combned Goal Programmng Reference Pont approach s used to determne polces whch can be carred out n order to ncrease workers satsfacton levels. Keywords: Multobjetve programmng; Goal Programmng; satsfacton; women, men. Agradecmentos: Los autores queren agradecer la fnancacón de este trabajo a través del proyecto del Mnstero de Educacón y Cenca (ref. MTM ) y el Proyecto de Excelenca de la Junta de Andaluca (ref. P09-FQM-500). Asmsmo Oscar Marcenaro quere agradecer la fnancacón aportada por la Fundacón Públca Centro de Estudos Andaluces. 2

3 Equlbro en satsfaccón laboral entre mujeres y hombres: una aproxmacón medante programacón multobjetvo. INTRODUCCIÓN La satsfaccón laboral es mportante per se como parte del benestar socal. Además, las meddas de satsfaccón en el trabajo, como varables proxy de la caldad del empleo (sguendo el planteamento de Leontard y Sloane (200)), parecen ser predctores útles del comportamento futuro del mercado de trabajo. Decsones de los trabajadores acerca de s trabajar o no, qué tpo de trabajo aceptar o la permanenca en él, y la dureza del trabajo, tenen mucha probabldad de depender en parte de la evaluacón subjetva del trabajo por parte de los que lo realzan, en otras palabras, de su satsfaccón laboral. La mayoría de los estudos prevos relatvos a la satsfaccón en el trabajo se han centrado en el efecto de los salaros en las dferentes meddas de satsfaccón (véase, por ejemplo, Clark (2005), y Gamero (2005)). La evdenca recente demuestra la exstenca de certos factores de la caldad del empleo que afectan a la satsfaccón en el trabajo pero que no están necesaramente correlaconados con los ngresos, como por ejemplo la segurdad en el trabajo, la relacones con la dreccón de la empresa o la posbldad de tomar la ncatva en determnadas tareas (véase, por ejemplo, Leontard y Sloane (200)). En este trabajo nos hemos centrado en dferentes aspectos de la satsfaccón en el trabajo como ndcador de la caldad del empleo, en un ntento de cuantfcar las preferencas ndvduales de la clase trabajadora. Para ser más precsos, hemos tratado de responder las sguentes preguntas: Qué tpo de trabajadores obtene mayores nveles de satsfaccón en el trabajo?, Hay dferencas sustancales entre mujeres y hombres?, Pueden los gobernos ejercer algún efecto sobre la satsfaccón de los trabajadores/caldad del empleo? Como la satsfaccón laboral es un concepto amplo que comprende varos aspectos que pueden entrar en conflcto entre sí, hay que tener muy en cuenta el componente multdmensonal del problema a fn de responder a esas preguntas. Por lo tanto, no parece precso acotar nuestro objetvo a "maxmzar la satsfaccón en el trabajo". Por eso pensamos que el uso del enfoque de programacón multobjetvo es más adecuado que la aproxmacón clásca de tratar el problema como mono-objetvo. Por lo que conocemos, hasta el momento no se han hecho ntentos en la lteratura de 3

4 Luque M., Marcenaro, O. y Ruz, F. analzar cómo se puede alcanzar el óptmo en cuanto a nveles de satsfaccón de los trabajadores y trabajadoras a partr de un análss multcrtero. Un aspecto muy novedoso de la aportacón empírca de este trabajo es lo referdo a la combnacón de técncas multcrtero a los coefcentes estmados en un modelo econométrco. Esto nos permte obtener nformacón y resultados que las técncas econométrcas cláscas no son capaces de proporconar, como, por ejemplo, al dentfcar los "trabajadores con un nvel de satsfaccón óptmo. Además, medante el análss de post-optmzacón se puede determnar el mpacto de un cambo en los valores de las varables ndependentes o explcatvas sobre los nveles de satsfaccón de los dferentes aspectos evaluados. El uso de tal combnacón de técncas analítcas y, además, la posbldad de emplear los ntervalos de confanza dervados del análss econométrco para construr restrccones flexbles para el problema, consttuyen una mportante contrbucón de este trabajo. En concreto nos proponemos analzar este problema con un procedmento en dos etapas. En prmer lugar, vamos a proceder con las estmacones econométrcas para obtener una relacón causal entre la satsfaccón de los trabajadores y una característca o conjunto de característcas contextuales. En una segunda etapa, se hará uso de técncas de programacón multobjetvo para desentrañar la medda en que se puede nflur sobre esas correlacones con el fn de lograr una solucón satsfactora al problema. Más precsamente, se utlzará un enfoque de punto de referenca para descrbr el perfl de los trabajadores españoles "más satsfechos" en el mercado laboral actual, según los datos de la encuesta. A contnuacón, un esquema que combna las técncas de punto de referenca y programacón por metas se utlzará para determnar las posbles polítcas para aumentar los nveles de satsfaccón de los trabajadores y trabajadoras. 2. METODOLOGÍA 2.. Conceptos Báscos de la Programacón Multobjetvo. En esta seccón se sumnstran las defncones báscas y notacones respecto de la programacón multobjetvo. Consderemos el sguente problema de programacón multobjetvo: 4

5 Equlbro en satsfaccón laboral entre mujeres y hombres: una aproxmacón medante programacón multobjetvo (MOP ) max x s.a. : f ( x) = ( f ( x),..., f ( x) ) x X k con k funcones objetvo en conflcto f que queremos maxmzar smultáneamente. Las varables de decsón = ( x..., ) x pertenecen a la regón factble X, la cual es no, x k vacía y compacta. Las mágenes de los puntos factbles x X consttuyen los llamados vectores objetvo o vectores crtero ( x) ( f ( x),..., f ( x) ) f =. El conjunto magen de la regón factble es llamada regón factble de objetvos o espaco crtero Z = f ( X ). Puesto que, en general, una solucón factble que smultáneamente maxmza todas las funcones objetvo no exste, el concepto de solucón efcente u óptmo de Pareto es usado en este contexto. Una solucón factble para el problema (MOP), x*, se dce que es efcente u óptmo de Pareto s no exste otra solucón factble x tal f ( x * ) f ( x) para todo =,..., k con algún j donde la desgualdad es estrcta ( * * * f x ) < f ( x). La magen de z = f ( x ) se le llama vector crtero no domnado. El j j conjunto de todas las solucones efcentes es llamado conjunto efcente y denotado por E y, el conjunto de todos los vectores crtero no domnados es llamado el conjunto no domnado. Una solucón factble para el problema (MOP), x*, se dce que es déblmente efcente u óptmo de Pareto débl s no exste otra solucón factble x tal f ( x * ) f ( x) k para todo =,..., k. Fnalmente, una solucón factble para el problema (MOP), x*, se dce que es propamente efcente u óptmo de Pareto propo s es efcente y los tradeoffs entre objetvos están acotados. Ver Mettnen (999) para más detalles sobre estos conceptos. Vamos a asumr que para el problema (MOP) el conjunto de vectores crtero no domnados contene más de un vector. Puesto que es bastante útl conocer los rangos de los vectores crtero no domnados en el espaco crtero, se pueden calcular los deales de la funcón objetvo, obtendos medante la maxmzacón ndvdual de cada funcón objetvo en el conjunto efcente: z = max f ( x) = max f ( x),2,..., k) 5 ( * = x E x X lo cual es equvalente a maxmzar sobre todo el conjunto de oportundades. Estos valores nos proporconan cotas superores para los vectores crteros no domnados y por tanto para las funcones objetvo. Las cotas nferores para los vectores

6 Luque M., Marcenaro, O. y Ruz, F. crtero no domnados son los nadres, obtendos medante la mnmzacón ndvdual de cada funcón objetvo en el conjunto efcente: nad z = mn f ( x) ( =,..., k) * * * El vector deal, z = ( z,k, ) T nad nad nad, y el vector nadr, z = ( z,, z ) T z k x E K k, son formados componente a componente por los valores deales y nadres respectvamente. S ben es certo (Mettnen, 999, Ehrgott and Tenfelde-Podehl, 2003, Deb et al., 200) que el ant-deal no es sempre una buena estmacón del valor nadr, los errores más grandes suelen tener lugar en contextos altamente no convexos. Sn embargo, los ant-deales se utlzan con mucha frecuenca en los esquemas de normalzacón. En este trabajo, en el que nuestro problema es un modelo lneal entero mxto, esta aproxmacón ha funconado razonablemente ben, y no se ha observado nngún efecto de sesgo en las solucones obtendas. Todas las solucones no domnadas pueden ser mradas como gualmente deseables en el sentdo matemátco y nosotros necestamos un decsor (DM) para dentfcar la solucón más preferda entre todas ellas. Un DM es una persona que expresa nformacón preferencal relatva al conflcto entre funcones objetvo y que más es preferdo a menos en cada funcón objetvo para el DM. De entre los muchos métodos exstentes de programacón multobjetvo (véase, por ejemplo, Steuer (986) o Mettnen (999)), para esta nvestgacón hemos elegdo una combnacón de un método de punto de referenca y programacón por metas. Vamos a descrbr brevemente los dos esquemas. En el prmer caso, un punto de referenca, que se denotará medante q = ( q..., ) T, q k, es especfcado por el decsor (DM), representando los valores deseables para cada objetvo. Tenendo en cuenta estos valores, y un vector de pesos µ = ( µ,..., ) T µ k, se construye la funcón de logro escalarzada que es construda y mnmzada sobre el conjunto de solucones factbles (véase Werzbck (980)): mn x X Los pesos µ = ( µ,..., ) T s ( q, f ( x ), µ ) = mn max µ x X =,..., k µ k { ( q f ( x )) } son generalmente nstrumentales, por ejemplo, pesos normalzadores, aunque tambén se pueden utlzar los denomnados pesos 6

7 Equlbro en satsfaccón laboral entre mujeres y hombres: una aproxmacón medante programacón multobjetvo preferencales (véase Luque et al. (2009), Ruz et al. (2009)). Una normalzacón amplamente utlzada es la sguente: µ = =,.., k * * z m Como queda probado en Werzbck (986), el uso de la funcón escalarzada de logro garantza una solucón déblmente efcente. Aunque hay otras funcones que garantzan efcenca (véase, por ejemplo, Mettnen (999), Ruz et al. (2008)), hemos decddo mantener ésta por smplcdad. Por otro lado, el enfoque de programacón por metas nos permte modelar las restrccones llamadas blandas, que son restrccones cuya volacón está permtda, pero se penalza de alguna manera. Es decr, dado un conjunto de restrccones blandas: g j (x) 0, j =,, s, los sguentes objetvos pueden ser constudos. Caballero et al. (996) muestran que la varable de desvacón negatva se puede qutar. g j (x) p j 0, j =,, s S se utlza el enfoque mnmax, el problema de programacón por metas se puede expresar como: mn x, β s.t. : β p g x X p j j j β ( x) 0 p j 0 j =,.., s j =,.., s j =,.., s Por lo general, se suele utlzar algún esquema de normalzacón para las varables de desvacón desvacón por su meta correspondente. p j, donde el más utlzado es dvdr cada varable de Por últmo, debemos señalar que el modelo que se construrá en la sguente seccón es un problema entero mxto, es decr, algunas de las varables son bnaras. Estos problemas ya han sdo tratados en la lteratura centífca. Por ejemplo, Alves y Clímaco (2004) presentaron un sstema de soporte a la toma de decsones para resolver problemas de multobjetvo enteros y enteros mxtos utlzando aproxmacones nteractvas de punto de referenca. 7

8 Luque M., Marcenaro, O. y Ruz, F Restrccones Ahora vamos a defnr el conjunto de las restrccones del modelo. En esta seccón se muestran sólo los valores obtendos para el caso de los hombres, pero el modelo correspondente a las mujeres tambén ha sdo desarrollado. En prmer lugar, hay un conjunto de restrccones técncas que aseguran que certas varables bnaras no toman el valor smultáneamente. Recordemos que el valor de referenca de cada grupo (que se supone que es gual a s el resto es gual a 0) no se consdera una varable, y por eso las sguentes restrccones se plantean como desgualdades (ver Apéndce A para una descrpcón de las varables empleadas): Nvel educatvo: edh + eds (C) Antgüedad: j j + j + j (C2) Estatus ocupaconal: sup + nt (C3) Nvel de salud: ghe + fhe (C4) Sector de actvdad: n + n3 + n4 + n5 + n6 + n7 (C5) Tamaño de la empresa: fs fs + fs + fs (C6) Varables fctcas para años: y 2 + y3 + y4 + y5 + y6 + y7 (C7) Edad, antgüedad y tempo desempleado. La suma de la edad, la antgüedad y el tempo en el desempleo no puede ser mayor que la edad del trabajador menos 6, que es el mínmo de edad legal para empezar a trabajar (téngase en cuenta que el tempo en el desempleo ha sdo meddo en meses): edad ( 3 j j j j5+ ) und 6 (C8) 2 Al margen de estas restrccones de carácter lógco, hay otras que se deben añadr para asegurar que el perfl del trabajador que estamos buscando es sufcentemente realsta. Así, por ejemplo, no cabe esperar, a pror, que un trabajador con solamente estudos prmaros obtenga salaros más altos que uno con estudos superores. Por tanto, basándonos en las relacones de comportamento observadas en los datos podemos construr las sguentes restrccones: Salaro y nvel educatvo. Basándonos en la nformacón muestral, el 98% de los trabajadores con estudos superors (edh) no obtenen un salaro/hora (ghw) superor a 22,6, respecto a los ndvduos con estudos de educacón secundara (eds), el 98% obtenen un salaro por debajo de 7,64 y así 8

9 Equlbro en satsfaccón laboral entre mujeres y hombres: una aproxmacón medante programacón multobjetvo sucesvamente. En consecuenca se han consderado los límtes superores que se presentan a contnuacón para los dferentes nveles educatvos: (a) S eds = 0 entonces ghw 22, 6 (b) S eds = entonces ghw 7, 64 (c) S edh + eds = 0 entonces ghw 2, 38 (d) S edh + eds = entonces ghw 22, 6 Estos límtes se reflejan en las dos restrccones sguentes: ghw + ( 22,6 7,64) eds 22,6 (C9) ghw ( 22,6 2,38) ( edh + eds) 2,38 (C0) Salaro y stuacón profesonal. De una manera smlar a las restrccones anterores, hemos consderado los límtes superores de sueldo correspondentes a dferentes estatus ocupaconales: (a) S nt = 0 entonces ghw 26, 09 (b) S nt = entonces ghw 8, 35 (c) S sup + nt = 0 entonces ghw 2, 99 (d) S sup + nt = entonces ghw 26, 09 Estos límtes se reflejan en las dos restrccones sguentes: ghw + ( 26,09 8,35) nt 26,09 (C) ghw ( 26,09 2,99) ( sup + nt) 2,99 (C2) Por últmo, se han dervado otras restrccones a partr de las dependencas observadas en el análss de regresón lneal. En otras palabras, hemos optado por los pares de varables cuyas dependencas son más fuertes de acuerdo con este análss, por lo que no es realsta darles valores ndependentes. Para construr estas restrccones, hemos utlzado los ntervalos de confanza del 98%: Dependenca entre ghw y edh. Después de hacer una regresón lneal y calcular los ntervalos de confanza de los coefcentes, hemos obtendo las sguentes restrccones: ( 3,54 edh + 6,4564) 0 ghw (C3) ( 2,787 edh + 6,285) 0 ghw (C4) Dependenca entre nf y mar. De gual forma a las restrccones (C3-C4): 9

10 Luque M., Marcenaro, O. y Ruz, F. nf + 5,779 mar 9,975 0 (C5) nf + 6,404 mar 9,503 0 (C6) Dependenca entre mar y edad. De gual forma a las restrccones (C3-C6): mar 0,0279 age + 0, (C7) mar 0,02603 age + 0, (C8) Dependenca entre rur y edad. De gual forma a las restrccones (C3-C8): rur + 0,374 age 27,903 0 (C9) rur + 0,4082 age 26, (C20) Por lo tanto, el modelo tene un total de 20 ( = ) restrccones técncas. 3. FUENTE ESTADÍSTICA EMPLEADA. La nformacón analzada en este trabajo provene prncpalmente de la del Panel de Hogares de la Unón Europea (PHOGUE, véase Peracch (2002)) para el período , en que los trabajadores ofrecen nformacón sobre una ampla gama de característcas y atrbutos personales de trabajo. Esta encuesta se llevó a cabo, bajo la supervsón de Eurostat, en los 5 países membros de la UE-5 durante el período , aunque no todos los países tomaron parte en todas las olas del panel. Hemos selecconado los datos correspondentes a España para nuestro estudo y restrngdo la muestra a aquellos trabajadores que trabajan en el sector prvado y que son mayores de 25 y menores de 65 años (la edad de jublacón). La razón para elegr esta edad mínma es que es a esta edad cuando la mayoría de las personas comenzan a buscar trabajo después de completar su nvel educatvo más alto. De hecho el 90% de los trabajadores españoles encuestados responderon que la edad de 26 años fue el momento en el que por regla general completaron su nvel educatvo más alto. En el PHOGUE se les pdó a los trabajadores que evaluaran sete aspectos dferentes de su trabajo, en una escala de a 6, donde es "no satsfecho en absoluto" y 6 es "totalmente satsfecho". Los aspectos del empleo analzados fueron: ngresos, segurdad laboral, el tpo de trabajo, el número de horas de trabajo, los horaros de La prmera ola de esta encuesta de panel (994) no se consdera en el análss debdo a la falta de nformacón sobre algunas de las varables relevantes para el análss (por ejemplo, tpo de contrato). 0

11 Equlbro en satsfaccón laboral entre mujeres y hombres: una aproxmacón medante programacón multobjetvo trabajo, condcones de trabajo o del entorno laboral y la dstanca al trabajo desde su lugar de resdenca. La pregunta concreta que se les hzo fue del tpo: Cuál es el nvel de satsfaccón con su trabajo actual en térmnos de...? 2 Estas categorías no son exhaustvas, pero srven para resumr muchas de las característcas del trabajo que los trabajadores suelen consderar mportantes. Con respecto a las varables de decsón de nuestro modelo, en la Tabla se muestra un resumen de los estadístcos descrptvos, dstnguendo por sexo, para el conjunto de varables ncorporadas en el análss. Empleamos 29 varables, la mayoría de las cuales están bajo el control de los ndvduos que toman decsones. En la Tabla se muestra que trabajamos con 4 varables contnuas y un conjunto, el resto, bnaras. Para todas las varables bnaras, un grupo de referenca que se supone gual a s el resto de las varables son 0 se ha consderado. Por ejemplo, para el grupo de nvel de educacón, s edh = 0 el ndvduo pertenece al grupo de referenca (prmer nvel de educacón secundara o nferor). Este hecho se ha tendo en cuenta en el análss de regresón realzado. Además de estas 29 varables, se han utlzado 6 varables dummes (y2, y3,..., y7) con el fn de tener en cuenta los efectos debdo al año en cada recogda de nformacón para la encuesta se llevó a cabo. Las cfras que aparecen en la Tabla presentan algunas claras dferencas entre los trabajadores masculnos y femennos. Así, por ejemplo, la proporcón de mujeres trabajadoras (36% de la muestra) es mucho menor que de hombres. España, como en otros países del sur de Europa como Greca e Itala, excepto en Portugal, aún muestra una tasa muy nferor de partcpacón de las mujeres en el mercado laboral a dferenca de lo observado en los países nórdcos. Por lo tanto, los patrones de las mujeres y los hombres en el mercado laboral es muy probable que dferan. Por lo tanto, realzaremos estmacones separadas para hombres y mujeres. 4. RESULTADOS 4.. Resultados del modelo econométrco. Comenzamos esta seccón presentando el análss econométrco acometdo, para lo cual se han estmado modelos de regresón lneal en los que nuestras meddas de 2 Por ejemplo, la varable PE037: " Cuál es su grado de satsfaccón con su trabajo actual en térmnos de dstanca y desplazamento al trabajo?

12 Luque M., Marcenaro, O. y Ruz, F. satsfaccón en el trabajo son regresadas respecto al salaro por hora en el empleo actual de un trabajador y el conjunto de varables explcatvas comentadas anterormente, agrupando las observacones correspondentes al perodo de sete años analzado. La satsfaccón es una varable dscreta ordenada con ses categorías posbles de respuesta. Por lo tanto, en prmer lugar llevamos a cabo estmacones medante modelos probt, obtenéndose resultados (que son) muy cercanos a los obtendos cuando se realzaron las estmacones por Mínmos Cuadrados Ordnaros (MCO). Por este motvo, y a fn de hacer más consstente la aplcacón del enfoque de programacón multobjetvo, hemos decddo utlzar los coefcentes obtendos del modelo de regresón lneal. Las estmacones de los modelos econométrcos no se adjuntan por razones de espaco El problema de optmzacón Funcones objetvo. Los objetvos a consderar en este estudo son las dstntas satsfaccones del empleado/a, que en nuestro caso han sdo sete. El estudo econométrco nos ha permtdo expresar estos nveles en funcón de las varables. Por lo tanto, s queremos renombrar las varables como x, =,...,35 (sólo en este apartado, en aras de la clardad), j βˆ es el coefcente de regresón de la varable para el nvel de satsfaccón j, y j αˆ es el térmno ndependente del nvel de satsfaccón j, entonces tenemos los 7 objetvos sguentes: ES = β 35 j j j ( x ) ˆ x + αˆ, j =,..., 7 = que mden los nveles de satsfaccón esperada con respecto a los ngresos, la segurdad laboral, el tpo de trabajo, el número de horas de trabajo, los horaros de trabajo, condcones de trabajo o del medo ambente y la dstanca de trabajo, respectvamente. Así, el problema multobjetvo que hay que resolver es la sguente: 3 Pueden ser obtendas de los autores a petcón. 2

13 Equlbro en satsfaccón laboral entre mujeres y hombres: una aproxmacón medante programacón multobjetvo Max ( ES ( x ), ES 2 ( x),..., ES 7 ( x)) = β ˆ + αˆ, β ˆ + αˆ,..., β ˆ + αˆ x x x = = = Sujeto a: Restrccones (C) - (C20), Cotas de las varables. Así, el modelo bajo estudo es un modelo mxto entero lneal multobjetvo con 7 objetvos, 20 restrccones y una sere de cotas smples y restrccones que permten consderar un conjunto de oportundades (unverso de trabajadores) bastante realsta. Los valores de las matrces de pago del problema nos mostraron que hay certo grado de conflcto entre cada par de funcones, lo que mplca que el análss multobjetvo es apropado Las solucones de los modelos multobjetvo. Como se menconó anterormente, el problema multobjetvo se ha resuelto en dos fases. En prmer lugar, tenemos la ntencón de detectar el perfl de los de los trabajadores españoles más "satsfechos". Para ello, hemos utlzado un enfoque de punto de referenca, donde el nvel medo de satsfaccón de los daneses, que según el análss descrptvo de nuestra base de datos son los trabajadores más satsfechos, ha sdo utlzado como nvel de referenca, es decr, para los hombres: q =4,3; q 2 =4,82; q 3 =4,85; q 4 =4,85; q 5 =4,99; q 6 =4,76; q 7 =4,89; y para las mujeres: q =4,36; q 2 =4,74; q 3 =4,78; q 4 =4,76; q 5 =4,92; q 6 =4,80; q 7 =4,89; En consecuenca, el problema resuelto de punto de referenca en ambos casos es: Mn α Sujeto a: 35 q ˆ j β x + αˆ = j α Restrccones (C) - (C20), Cotas de las varables. En esta formulacón, todos los crteros se ponderan por gual. Además, téngase en cuenta que, dado que todos los nveles de satsfaccón se especfcan en una escala de a 6, no es necesara la normalzacón en esta formulacón. Por lo tanto, se asume 3

14 Luque M., Marcenaro, O. y Ruz, F. mplíctamente que los logros de todos los nveles de referenca son gualmente mportantes para el tomador de decsones. Las solucones obtendas para los hombres y las mujeres se muestran en la Tabla 2. Los resultados presentados en la Tabla 2 proporconan una taxonomía de quénes son los trabajadores españoles, hombres y mujeres, más satsfechos. Tanto los hombres como las mujeres necestan salaros reales por hora altos para ser catalogados en el grupo de los trabajadores más satsfechos. Más específcamente, nos refermos a los trabajadores que se encuentran en el cuartl superor de la dstrbucón de la renta. En este msmo sentdo, la educacón superor parece ser el nvel de formacón necesaro para dsfrutar de este más alto nvel de satsfaccón. Por lo tanto, el análss multobjetvo nos ha permtdo encontrar las relacones entre las varables (en este caso, el salaro y el nvel de educacón), y la solucón ndca que, a pesar de la relacón negatva entre los nveles de educacón y nveles de satsfaccón, el mpacto del nvel educatvo sobre el salaro conduce a que el perfl óptmo se corresponda con el de un trabajador con un nvel educatvo superor. Las dferencas en estos resultados con respecto a los del análss econométrco se pueden explcar por dos dlemas ( tradeoffs ). Por un lado, la consderacón de un modelo multobjetvo que ncorpora sete aspectos de satsfaccón mplca un claro dlema entre los crteros. Por otra parte, las restrccones mpuestas en el modelo pueden afectar a estos trade-offs. De hecho, sólo las restrccones que están actvas en la solucón óptma están en realdad afectando a estos trade-offs. Esta es la razón por la que estas restrccones se relajan más adelante en esta seccón. Curosamente, analzando de nuevo los resultados, observamos que los trabajadores de medana edad están más satsfechos que los jóvenes y personas de edad avanzada, tal vez como consecuenca de alcanzar un certo grado de equlbro entre la madurez fsológca (o experenca laboral) y de buenas condcones físcas para dsfrutar de sus puestos de trabajo. Obtener unos ngresos famlares netos por encma de la meda se muestra como crucal cuando analzamos la satsfaccón laboral entre las mujeres. Por otra parte, los hombres con ngresos famlares netos muy por debajo de la meda están tambén entre los más satsfechos. 4

15 Equlbro en satsfaccón laboral entre mujeres y hombres: una aproxmacón medante programacón multobjetvo Independentemente del sexo de los trabajadores, trabajar menos de 40 horas, con un contrato ndefndo y ser responsable de supervsón son factores que proporconan una mayor satsfaccón profesonal. Las solucones para las varables de la stuacón famlar dejan claro que las personas casadas ocupan una poscón más alta en la escala de satsfaccón en el trabajo; este efecto se ve potencado entre las mujeres que tenen hjos menores de 6 años, aunque no ocurre lo msmo en el caso de los hombres. Debdo a la stuacón de desventaja de las mujeres en comparacón con la de los hombres en el mercado laboral, las trabajadoras aceptan peores nveles de desempleo prevo (es decr un perodo de desempleo más extenso) y altos nveles de desempleo regonal como satsfactoros. Es ben conocdo que la tasa de desempleo de las trabajadoras españolas es más alta que para los hombres en todo el país (en todas las regones), y además exste una brecha salaral sgnfcatva entre sexos (véase, por ejemplo, Dolton et al. (2008)). Esta poscón relatvamente peor de las mujeres en el mercado laboral español puede ayudar a explcar por qué las mujeres alcanzan mayores nveles de satsfaccón, a pesar de expermentar perodos de desempleo prevo más extensos y mayores nveles de desempleo regonal que los hombres. En otras palabras, el efecto postvo del desempleo regonal (y la duracón del desempleo prevo) sobre la satsfaccón puede hacer que éstas se sentan aún más afortunadas. Esto está en consonanca con Clark (997), que explca el nvel de satsfaccón laboral dferencal por sexo a partr de la nocón de benestar relatvo, especalmente en relacón a las expectatvas de los trabajadores. Explíctamente, Clark (997) afrma "Un hombre y una mujer déntca con el msmo trabajo y expectatvas declararán un nvel déntco de satsfaccón laboral, pero la cuestón es que las expectatvas de las mujeres serán nferores." Las buenas condcones de salud son mportantes para que tanto hombres como mujeres puedan dsfrutar de sus puestos de trabajo, lo que refuerza el argumento menconado anterormente sobre la mportanca de las buenas condcones mentales y físcas. Por últmo, los trabajadores varones aparentemente preferen las grandes empresas frente a las pequeñas empresas, que es tambén el caso de las mujeres. Con respecto a los nveles de satsfaccón de la solucón fnal, las mujeres alcanzan tres de los sete nveles de referenca (segurdad del empleo, tpo de trabajo y 5

16 Luque M., Marcenaro, O. y Ruz, F. condcones de trabajo), mentras que los hombres sólo alcanzan uno (tpo de trabajo). Pero, por otra parte, el mayor no-logro tambén corresponde a las mujeres (0,64 en el nvel salaral y los horaros de trabajo), mentras que para los hombres el más alto nologro es 0,49 (tempo de trabajo). Por lo tanto, no está claro s la solucón defntva para las mujeres refleja las peores condcones de trabajo, en general, de las mujeres españolas. Curosamente, en esta solucón se puede observar que, mentras que las restrccones (C9-C2) no son actvas en la solucón óptma (y por tanto pueden expermentar pequeños cambos sn afectar a los resultados), las restrccones dervadas de las regresones lneales del análss econométrco (C3-C20) son actvas en la solucón óptma. Por lo tanto, están oblgando a algunas varables (es decr, el salaro por hora, el ngreso famlar neto y la tasa de desempleo regonal) a permanecer dentro de los límtes mpuestos por la stuacón actual. Por lo tanto, sería razonable para permtr una certa relajacón de estas presones a fn de determnar qué tpo de polítcas pueden ser mplementadas con el fn de aumentar los nveles de satsfaccón de los trabajadores. En otras palabras, las restrccones a ser relajadas son C3, C5 y C9. Pero en lugar de permtr que estas restrccones sean voladas lbremente, la relajacón de estas restrccones es penalzada, por lo que estamos tratando de encontrar una solucón de compromso entre esta relajacón, y su efecto sobre la satsfaccón de los trabajadores. Para ello se adopta una aproxmacón de programacón por metas se ha combnado con el anteror régmen de punto de referenca. La restrccón 3 ha sdo susttuda por las dos restrccones sguentes: ( 3.54 edh ) p 3 0 ghw (C3a) p 0 (C3b) 3 Es decr, p 3 es la varable de desvacón no deseada, que mde la cantdad de la restrccón ha sdo volada. En C3b, p 3 se normalza dvdéndolo por el valor máxmo observado de ghw, de modo que pueda ser ncludo después en la funcón objetvo. Utlzando el msmo esquema, se formulan las sguentes restrccones: nf mar p 5 0 (C5a) p β (C5b) 5 6

17 Equlbro en satsfaccón laboral entre mujeres y hombres: una aproxmacón medante programacón multobjetvo rur age p 9 0 (C9a) p 9 β (C9b) 46. En la práctca, volar la restrccón C3 sgnfca ncrementar el sueldo promedo de los trabajadores con un nvel de educacón superor; volar la restrccón C5 supone ncrementar el ngreso famlar de los trabajadores casados, y por analogía volar C9 sgnfca cambar la relacón entre la tasa de desempleo y edad, de forma que el desempleo esté menos concentrado entre los jóvenes. Por lo tanto, el problema a resolver en esta segunda etapa es el sguente: Sujeto a: 35 j q ˆ j β x = + αˆ j α Mn α + µβ 6 Restrccones (C) - (C2), (C3a), (C3b), (C4), (C5a), (C5b), (C6) - (C8), (C9a), (C9b), (C20) Cotas de las varables Téngase en cuenta que la penalzacón de las varables de desvacón no deseadas se ha ncludo en la funcón objetvo, junto con la funcón de logro escalarzada. Con este fn, α se ha normalzado dvdéndolo por 6, que es el valor máxmo de la escala de satsfaccón. De esta manera, ambos térmnos sgnfcan "proporcón del valor máxmo" y pueden ser combnados. Por otro lado, µ es un parámetro de control que pondera la mportanca relatva de la volacón de las restrccones. Por lo tanto, cuanto mayor sea el valor de µ más mportanca se da a la volacón de las restrccones, lo que sgnfca que una mejora mayor de los nveles de satsfaccón será necesara para compensar esta volacón. Este problema se ha resuelto (tanto para hombres y mujeres) para varos valores del parámetro. La solucón para µ = es msma que la obtenda antes (Tabla 2), lo que sgnfca que s se le da la msma mportanca a la consecucón de los valores de referenca y a la volacón de las restrccones, no vale la pena relajar tales restrccones con el fn de aumentar los 7

18 Luque M., Marcenaro, O. y Ruz, F. nveles de satsfaccón. La solucón camba para los otros valores de µ. En partcular, las solucones para µ = 0,7 se aportan en la Tabla 3. En la Tabla 3 se pueden resaltar los sguentes aspectos. Con respecto a los nveles de satsfaccón, los hombres han aumentado todos ellos, excepto dstanca de trabajo, que ha dsmnudo muy lgeramente. Dos nveles de referenca son alcanzados (segurdad en el empleo y el tpo de trabajo), y el máxmo no-logro es ahora 0,39 (tempo de trabajo). La stuacón de las mujeres, en comparacón con la solucón de muestra en el Tabla 3, es lgeramente dferente. El tpo de trabajo y las condcones se sguen cumplendo, pero el nvel de referenca para la segurdad del empleo no se logra ahora, y sólo dos nveles de satsfaccón han aumentado (ngresos y los horaros de trabajo), mentras que el resto se han reducdo. Sn embargo, el nvel de no-logro máxmo se ha reducdo a 0,4 (ganancas y horas de trabajo). Este resultado sgnfca que la solucón para las mujeres es ahora más equlbrada que la obtenda antes. Con respecto a los valores de las varables, tanto para hombres y mujeres, el salaro (ghw), el ngreso neto famlar (nf) y tasa de desempleo regonal (rur) han aumentado sgnfcatvamente. Además, para las mujeres, la duracón del desempleo (und) tambén ha aumentado, no tener hjos menores de 6 es preferdo, y el sector ndustral ha pasado de las ventas, hoteles y restaurantes al sector de las manufacturas. Todos estos resultados han sdo logrados con una pequeña volacón de las restrccones (0,06 para los hombres y 0,04 para las mujeres), lo que sgnfca que debería ser posble obtenerlos con "pequeños" cambos estructurales. En resumen, la relajacón de algunas restrccones puede ayudar a comprender el alcance de certa flexbldad en térmnos de los objetvos alcanzables. En este sentdo, parece que los hombres trabajadores están en una poscón destacada, en comparacón con las mujeres, para lograr nveles de satsfaccón relatvamente más altos. En otras palabras, hay algunos factores dosncráscos que lmtan las oportundades de las mujeres para mejorar su satsfaccón con los salaros y las horas de trabajo, lo que puede ser nterpretado como la exstenca de factores de dscrmnacón en el mercado de trabajo. 8

19 Equlbro en satsfaccón laboral entre mujeres y hombres: una aproxmacón medante programacón multobjetvo 5. CONCLUSIONES En este trabajo se ha llevado a cabo un análss multobjetvo como complemento de un estudo econométrco sobre la satsfaccón de los trabajadores en el mercado de trabajo español. Una vez que el análss econométrco nos ha permtdo determnar las correlacones entre las varables y nveles de satsfaccón de los trabajadores, el enfoque multcrtero ulteror ha permtdo mayor consderacón de los conflctos entre los nveles de satsfaccón de dferentes aspectos y el mpacto en esos nveles de las varables más sgnfcatvas. Esta combnacón de metodologías demuestra ser útl para la dentfcacón de los perfles deseables para los trabajadores españoles, así como la determnacón de las polítcas que pueden llevarse a cabo para mejorar la satsfaccón del empleado. Asmsmo, desde el punto de vsta metodológco, la utlzacón conjunta de un esquema de punto de referenca y un enfoque de programacón por metas ha contrbudo a mantener los nveles de referenca orgnal, al tempo que ha permtdo certa flexbldad en algunas de las lmtacones orgnales, a fn de determnar qué tpo de cambo estructural debe llevarse a cabo. En cuanto a los resultados obtendos, se puede conclur que el perfl de los trabajadores más satsfechos en España es el de una persona de medana edad con un nvel de ngresos alto (stuado en el cuartl superor) y con un nvel educatvo alto. En este sentdo, es mportante destacar que el análss multcrtero nos ha llevado a conclur que s ben el nvel de educacón, cuando se consdera ndependente de otras varables, es un factor negatvo para la satsfaccón laboral, su mpacto en otras varables hace que la educacón superor sea deseable. Tambén vale la pena destacar que el ngreso famlar es mucho más mportante para las mujeres que para los hombres. La segunda fase del análss multcrtero ha producdo solucones más equlbradas, especalmente en el caso de las mujeres, lo que sgnfca que la stuacón actual del mercado laboral español es mucho más negatva para las mujeres, que necestan más cambos estructurales para aumentar su satsfaccón. En general, los mayores ngresos (salaro e ngreso famlar) son necesaros para alcanzar mayores nveles de satsfaccón, pero hay otro factor: parte de los nveles de satsfaccón actual se derva de altas tasas de desempleo. Es decr, las expectatvas de los trabajadores sobre el mercado de trabajo pueden afectar la satsfaccón de los trabajadores en 9

20 Luque M., Marcenaro, O. y Ruz, F. relacón en funcón de la tasa de desempleo de la regón donde vven. Esta conclusón ha sdo especalmente evdente en la segunda fase de nuestro análss. 6. REFERENCIAS BIBLIOGRÁFICAS ALVES, M J, CLIMACO, J (2004). A note on a decson support system for multobjectve nteger and mxed-nteger programmng problems. European Journal of Operatonal Research; vol.55(); pp CABALLERO, R, REY, L, RUIZ, F. (996). Determnaton of Satsfyng and Effcent Solutons n Convex Mult-Objectve Programmng. Optmzaton; vol.37; pp CLARK, A E. (997). Job Satsfacton and Gender: Why are Women so Happy at Work?. Labour Economcs, 4, CLARK, A E. (2005). Your Money or Your Lfe: Changng Job Qualty n OECD Countres. The Brtsh Journal of Industral Relatons; vol. 43, pp DEB., K., MIETTINEN, K. CHAUDHURI, S. (200). Towards an estmaton of nadr objectve vector usng a hybrd of evolutonary and local search approaches. IEEE Transactons on Evolutonary Computaton, 4(6), DOLTON, P., MARCENARO, O. SKALLI. A. (2008). Gender Dfferences across Europe, en F. Betto & A. Verashchagna (eds.), Fronters n the Economcs of Gender, Routledge Sena Studes n Poltcal Economy, Londres. EHRGOTT, M. TENFELDE-PODEHL, D. (2003). Computaton of deal and nadr values and mplcatons for ther use n MCDM methods. European Journal of Operatonal Research, 5, GAMERO, C. (2005). Análss Mcroeconómco de la Satsfaccón Laboral, Consejo Económco y Socal, Coleccón Estudos; Madrd. LEONTARIDI, R, SLOANE, P. (200). Measurng the Qualty of Jobs: Promoton Prospects, Low Pay and Job Satsfacton, LoWER Workng Paper No07, Unversty of Amsterdam. LUQUE, M, MIETTINEN, K, ESKELINEN, P, RUIZ, F. (2009). Incorporatng Preference Informaton n Interactve Reference Pont Methods for Multobjectve 20

21 Equlbro en satsfaccón laboral entre mujeres y hombres: una aproxmacón medante programacón multobjetvo Optmzaton. OMEGA - Internatonal Journal of Management Scence; vol. 37 (2), pp MIETTINEN, K. (999). Nonlnear Multobjectve Optmzaton, Kluwer Academc Publshers, Boston;. PERACCHI, F. (2002). The European Communty Household Panel: a Revew. Emprcal Economcs; vol.27; pp RUIZ, F., LUQUE, M., MIGUEL, F. MUÑOZ, M. M. (2008). An Addtve Achevement Scalarzng Functon for Multobjectve Programmng Problems. European Journal of Operatonal Research; vol. 88 (3), pp RUIZ, F., LUQUE, M., CABELLO, J. M. (2009). A classfcaton of the weghtng schemes n reference pont procedures for multobjectve programmng. Journal of the Operatonal Research Socety. en prensa. STEUER, R E. (986). Multple Crtera Optmzaton: Theory, Computaton, and Applcatons, John Wley & Sons, Inc., New York. WIERZBICKI, A P. (980). The use of reference objectves n multobjectve optmzaton. G. Fandel, T. Gal, eds., Multple Crtera Decson Makng, Theory and Applcatons. Sprnger-Verlag, Berln, pp WIERZBICKI, A P. (986). On the Completeness and Constructveness of Parametrc Characterzatons to Vector Optmzaton Problems. OR Spektrum, vol.8; pp

22 Luque M., Marcenaro, O. y Ruz, F. Todos Hombres Mujeres Varable Meda Desv. Tp. Meda Desv. Tp. Meda Desv. Tp. Satsfaccón en térmnos de: Salaro 3,23,30 3,24,28 3,2,33 Segurdad 3,92,49 3,92,47 3,94,54 Tpo de trabajo 4,9,29 4,22,25 4,3,35 Horas de trabajo 3,72,38 3,68,36 3,80,40 Horaro laboral 4,03,36 4,03,32 4,04,42 Condcones laborales 4,4,32 4,04,33 4,33,29 Dstanca al trabajo 4,07,46 3,99,46 4,22,45 Sexo (mujer = ) 0,36 0,48 Salaro hora 6,67 3,49 7,08 3,56 5,96 3,24 Nvel de educacón: Educacón superor 0,26 0,44 0,22 0,42 0,3 0,46 Educacón secundara 0,23 0,42 0,2 0,4 0,25 0,44 Ingresos famlares (0 3 ) 7,27 7,87 6,24 7,47 9,07 8,24 Edad 33,9 9,74 33,83 0,00 32,05 9,5 Antguedad: Antguedad 3-4 0,7 0,37 0,7 0,37 0,6 0,37 Antguedad 5-9 0,20 0,40 0,20 0,40 0,20 0,40 Antguedad 0-4 0, 0,32 0,2 0,33 0,0 0,3 Antguedad 5+ 0,04 0,20 0,05 0,2 0,03 0,7 Trabaja>=40 hours/semana 0,32 0,46 0,37 0,48 0,22 0,4 Contrato ndefndo 0,53 0,50 0,54 0,50 0,5 0,50 Tpo de contrato: Supervsor 0,07 0,25 0,08 0,27 0,05 0,2 Intermedo 0,4 0,35 0,6 0,37 0,2 0,32 Casado 0,54 0,50 0,58 0,49 0,47 0,50 Hjos <6 0,7 0,38 0,20 0,40 0,3 0,33 Duracón paro 65,85 69,04 6,04 59,5 74,34 82,55 Salud del trabajador: Buena salud 0,87 0,34 0,87 0,34 0,86 0,34 Salud regular 0, 0,32 0, 0,32 0, 0,32 Tasa de paro regonal 7,95 0,75 3,94 8,35 25,02 0,88 Industra del trabajo actual: Mnería y canteras 0,0 0,2 0,02 0,4 0,00 0,05 Servcos y construccón 0,6 0,37 0,24 0,43 0,02 0,4 Hotelera 0,26 0,44 0,22 0,42 0,34 0,47 Transporte 0,06 0,23 0,07 0,26 0,03 0,7 Banca 0, 0,32 0,09 0,28 0,6 0,37 Otra ndustra 0,07 0,26 0,04 0,9 0,3 0,34 Tamaño de la empresa: Tamaño 5-9 0,3 0,46 0,34 0,47 0,27 0,45 Tamaño ,27 0,44 0,28 0,45 0,24 0,43 Tamaño ,2 0,33 0,2 0,33 0,2 0,33 Tamaño ,07 0,26 0,08 0,26 0,07 0,25 Indcador de año: 995 0,3 0,34 0,3 0,34 0,3 0, ,4 0,34 0,4 0,35 0,3 0, ,4 0,35 0,4 0,35 0,5 0, ,5 0,36 0,5 0,36 0,5 0, ,5 0,36 0,5 0,36 0,6 0, ,5 0,36 0,5 0,36 0,6 0, ,3 0,34 0,3 0,34 0,3 0,34 Observacones Tabla. Estadístcos descrptvos por sexo. 22

23 Equlbro en satsfaccón laboral entre mujeres y hombres: una aproxmacón medante programacón multobjetvo Nombres Varables de decsón Solucón Nombres Hombres Mujeres Solucón Hombres Mujeres Salaro hora 9,6 7,98 Duracón paro 0 38 Educacón superor Buena salud Educacón secundara 0 0 Salud regular 0 0 Ingresos famlares 4,2 9,5 Tasa paro regonal 9,95 6,79 Edad 48 5,6 Mnería y canteras 0 0 Antguedad Servcos y construccón 0 0 Antguedad Industra hotelera 0 Antguedad Transporte 0 0 Antguedad Banca 0 0 Horas de trabajo(>=40) 0 0 Otra ndustra 0 Contrato ndefndo Tamaño empresa Supervsor Tamaño empresa Contrato ntermedo 0 0 Tamaño empresa Casado Tamaño empresa Hjos <6 0 Funcones objetvo Satsfacón Hombres Mujeres Valor Referenca Valor Referenca 3,93 4,3 3,72 4,36 2 4,74 4,82 4,94 4,74 3 4,85 4,85 5,6 4,78 4 4,45 4,85 4,48 4,76 5 4,50 4,99 4,28 4,92 6 4,69 4,76 5,04 4,80 7 4,54 4,89 4,86 4,89 Tabla 2. Solucones al prmer problema multobjetvo. 23

24 Luque M., Marcenaro, O. y Ruz, F. Nombres Varables de decsón Solucón Nombres Hombres Mujeres Solucón Hombres Mujeres Salaro hora Duracón paro Educacón superor Buena salud Educacón secundara 0 0 Salud regular 0 0 Ingresos famlares Tasa paro regonal Edad Mnería y canteras 0 0 Antguedad Servcos y construccón 0 0 Antguedad Industra hotelera 0 0 Antguedad Transporte 0 0 Antguedad Banca 0 0 Horas de trabajo(>=40) 0 0 Otra ndustra 0 Contrato ndefndo Tamaño empresa Supervsor Tamaño empresa Contrato ntermedo 0 0 Tamaño empresa Casado Tamaño empresa Hjos <6 0 0 Funcones objetvo Satsfacón Hombres Mujeres Valor Referenca Valor Referenca Tabla 3. Solucones al Segundo problema multobjetvo (µ = 0.7). 24

25 Equlbro en satsfaccón laboral entre mujeres y hombres: una aproxmacón medante programacón multobjetvo Apéndce A: Nombre Notaton Varable Valores Descrpcón ghw x Salaro bruto [0, ) Salaro bruto por hora ( ) Nvel educatvo: Nvel educatvo completado de mayor nvel (referenca: secundara de prmer nvel o nferor) edh x 2 Educacón Superor 0 or Educacón Superor eds x 3 Educacón Secundara 0 or Educacón Secundara (2º nvel) nf x 4 Ingresos famlares [0, ) Ingresos famlars netos per capta (0 3 ) age x 5 Edad [26, 64] Edad (años) Antgüedad en la empresa: Antguedad en la empresa (referenca: 0-2 años) j 3-4 x años 0 or Antgüedad en la empresa (3-4 años) j 5-9 x años 0 or Antguedad en la empresa (5-9 años) j 0-4 x años 0 or Antguedad en la empresa (0-4 años) j 5+ x or Antgüedad en la empresa (5- años) mh40 x 0 Horas de trabajo: 0 or Trabaja más de 40 horas por semana per x Contrato ndefndo 0 or Tpo de contrato: ndefndo (referenca: temporal) Status laboral: Status laboral (referenca: no supervse a nade) sup x 2 Supervsor 0 or Supervsor nt x 3 Intermedo 0 or Intermedo mar x 4 Casado 0 or Estado Cvl (referenca: soltero, vudo, dvorcado) ch6 x 5 Hjos <6 años 0 or Hjos <6 años (referenca: sn hjos menores de 6 años) Tempo Tempo desempleado antes del actual und x 6 [0, 288] desempleado trabajo (meses) Salud del trabajor/a: Salud del trabajor/a (referenca:mala o muy mala) ghe x 7 Buena 0 or Buena fhe x 8 Regular 0 or Regular rur x 9 Tasa de desempleo [0, 00] Tasa de desempleo regonal Sector de actvdad: Sector de actvdad en trabajo actual (grupo de referenca: Manufacturas) n x 20 Extractvas 0 or Extractvas n3 x 2 Construccón 0 or Construccón n4 x 22 Restauracón 0 or Restauracón n5 x 23 Transporte 0 or Transporte n6 x 24 Fnanzas 0 or Fnanzas n7 x 25 Otra 0 or Otra Tamaño de la empresa: Tamaño de la empresa (referenca: menos de 5 trabajadores/as) fs 5-9 x or 5-9 fs x or fs x or fs 500+ x trabajdaros o más 0 or 500 trabajdaros o más 25

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso

CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que

Más detalles

Optimización multicriterio. Andrés Ramos Universidad Pontificia Comillas

Optimización multicriterio. Andrés Ramos Universidad Pontificia Comillas Optmzacón multcrtero Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu Contendo 1. Conceptos báscos 2. Métodos contnuos 3. Métodos dscretos Escuela Técnca

Más detalles

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme

H 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor

Más detalles

Tema 6. Estadística descriptiva bivariable con variables numéricas

Tema 6. Estadística descriptiva bivariable con variables numéricas Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables

Más detalles

Medidas de Variabilidad

Medidas de Variabilidad Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces

Más detalles

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)

FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004) FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz

Más detalles

3.- Programación por metas.

3.- Programación por metas. Programacón Matemátca para Economstas 1 3.- Programacón por metas. Una vez menconados algunos de los nconvenentes de las técncas generadoras, la ncorporacón de nformacón se va a traducr en una accón del

Más detalles

Introducción a la Optimización Multiobjetivo

Introducción a la Optimización Multiobjetivo Introduccón a la Optmzacón Multobjetvo Optmzacón Multobjetvo (MOP) Práctcamente en cualquer área y en una varedad de contetos se presentan problemas con múltples objetvos que se contraponen entre sí A

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

Pronósticos. Humberto R. Álvarez A., Ph. D.

Pronósticos. Humberto R. Álvarez A., Ph. D. Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las

Más detalles

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología

Más detalles

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES

GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES PRONÓSTICOS PREDICCIÓN, PRONÓSTICO Y PROSPECTIVA Predccón: estmacón de un acontecmento futuro que

Más detalles

Introducción a la Física. Medidas y Errores

Introducción a la Física. Medidas y Errores Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren

Más detalles

Universidad Diego Portales Facultad de Economía y Empresa

Universidad Diego Portales Facultad de Economía y Empresa Unversdad Dego Portales Profesor: Carlos R. Ptta Hasta este momento nos hemos enfocado en juegos en los cuales cualquer nformacón que es conocda por un jugador es conocda por todos los demás (es decr,

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN

SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN Estadístca SEMANA 5 MEDIDAS DE TENDENCIA CENTRAL Y POSICIÓN LOGRO DE APRENDIZAJE: Al fnalzar la sesón, el estudante estará en la capacdad de calcular e nterpretar meddas de tendenca central y poscón de

Más detalles

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa. MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan

Más detalles

Oferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA

Oferta de Trabajo Parte 2. Economía Laboral Julio J. Elías LIE - UCEMA Oferta de Trabajo Parte 2 Economía Laboral Julo J. Elías LIE - UCEMA Curva de oferta de trabajo ndvdual Consumo Salaro por hora ($) G w=$20 F w=$25 25 Curva de Oferta de Trabajo Indvdual w=$14 20 14 w

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?

Problema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica? Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento

Más detalles

FORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA

FORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA FORMULARIO PARA LA PRESENTACIÓN DE RESUMEN DE PONENCIA TÍTULO DE LA PONENCIA: Heterogenedad en los perfles de ngreso y retornos a la educacón superor en el Perú AUTOR: Gustavo Yamada, Juan F. Castro y

Más detalles

1.Variables ficticias en el modelo de regresión: ejemplos.

1.Variables ficticias en el modelo de regresión: ejemplos. J.M.Arranz y M.M. Zamora.Varables fctcas en el modelo de regresón: ejemplos. Las varables fctcas recogen los efectos dferencales que se producen en el comportamento de los agentes económcos debdo a dferentes

Más detalles

Econometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico

Econometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones

Más detalles

Inferencia en Regresión Lineal Simple

Inferencia en Regresión Lineal Simple Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

Muestra: son datos de corte transversal correspondientes a 120 familias españolas.

Muestra: son datos de corte transversal correspondientes a 120 familias españolas. Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para el conocmento

Más detalles

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso

Más detalles

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que

Más detalles

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II)

LECTURA 03: DISTRIBUCIONES DE FRECUENCIAS (PARTE II) LECTURA 03 DISTRIBUCIONES DE FRECUENCIAS (PARTE II) DISTRIBUCIONES DE FRECUENCIAS EN INTERVALOS DE CLASE Y DISTRIBUCIONES DE FRECUENCIAS POR ATRIBUTOS O CATEGORÍAS TEMA 6 DISTRIBUCIÓN DE FRECUENCIAS EN

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

Efectos fijos o aleatorios: test de especificación

Efectos fijos o aleatorios: test de especificación Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto

Más detalles

6 Impacto en el bienestar de los beneficiarios del PAAM

6 Impacto en el bienestar de los beneficiarios del PAAM 6 Impacto en el benestar de los benefcaros del PAAM Con el fn de evaluar el efecto del PAAM sobre sus benefcaros, se consderó como hpótess que el Programa ha nfludo en el mejoramento de la caldad de vda

Más detalles

ESTADÍSTICA. Definiciones

ESTADÍSTICA. Definiciones ESTADÍSTICA Defncones - La Estadístca es la cenca que se ocupa de recoger, contar, organzar, representar y estudar datos referdos a una muestra para después generalzar y sacar conclusones acerca de una

Más detalles

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia

Población 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen

Más detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 1: Estadística Descriptiva Unidimensional Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde

Más detalles

Visión moderna del modelo de transporte clásico

Visión moderna del modelo de transporte clásico Vsón moderna del modelo de transporte clásco Zonfcacón y Red Estratégca Datos del Año Base Datos de Planfcacón Para el Año de Dseño Base de Datos año base futuro Generacón de Vajes Demanda Dstrbucón y

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza

EL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona

Más detalles

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009 UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco

Más detalles

TODO ECONOMETRIA. Variables cualitativas

TODO ECONOMETRIA. Variables cualitativas TODO ECONOMETRIA Varables cualtatvas Índce Defncón de las varables dummy (o varables fctcas) Regresón con varables explcatvas dummy Varables dummy S queremos estudar s los hombres ganan más que las mujeres,

Más detalles

RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTORY OF

RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTORY OF RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTOR OF ELECTRONIC PARTS) Una empresa fabrca tres tpos de componentes electróncos,

Más detalles

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1 Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona

Más detalles

Descripción de una variable

Descripción de una variable Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad

Más detalles

Optimización no lineal

Optimización no lineal Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de

Más detalles

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization)

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization) Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multobjectve Optmzaton) Patrca Jaramllo A. y Rcardo Smth Q. Insttuto de Sstemas y Cencas de la Decsón Facultad de Mnas Unversdad Naconal de Colomba, Medellín,

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra de observacones formadas por pares de varables: (x 1, y 1 ), (x, y ),.., (x n, y n ) A través de esta muestra, se desea estudar la relacón

Más detalles

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral

Más detalles

Variables Dummy (parte I)

Variables Dummy (parte I) Varables Dummy (parte I) Fortno Vela Peón Unversdad Autónoma Metropoltana fvela@correo.xoc.uam.mx Octubre, 2010 19/10/2010 Méxco, D. F. 1 Introduccón Algunas de las varables son por su naturaleza propa

Más detalles

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

Análisis cuantitativo aplicado al Comercio Internacional y el Transporte

Análisis cuantitativo aplicado al Comercio Internacional y el Transporte Máster de Comerco, Transporte y Comuncacones Internaconales Análss cuanttatvo aplcado al Comerco Internaconal y el Transporte Ramón úñez Sánchez Soraya Hdalgo Gallego Departamento de Economía Introduccón

Más detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.

Más detalles

Operadores por Regiones

Operadores por Regiones Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]

Más detalles

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó

Comparación entre distintos Criterios de decisión (VAN, TIR y PRI) Por: Pablo Lledó Comparacón entre dstntos Crteros de decsón (, TIR y PRI) Por: Pablo Lledó Master of Scence en Evaluacón de Proyectos (Unversty of York) Project Management Professonal (PMP certfed by the PMI) Profesor

Más detalles

Economía Aplicada. Estimador de diferencias en diferencias. Ver Wooldridge cap.13. Departamento de Economía Universidad Carlos III de Madrid 1 / 19

Economía Aplicada. Estimador de diferencias en diferencias. Ver Wooldridge cap.13. Departamento de Economía Universidad Carlos III de Madrid 1 / 19 Economía Aplcada Estmador de dferencas en dferencas Departamento de Economía Unversdad Carlos III de Madrd Ver Wooldrdge cap.13 1 / 19 Análss de Polítca: Dferencas-en-Dferencas En muchos casos la varable

Más detalles

SEGUNDA PARTE RENTAS FINANCIERAS

SEGUNDA PARTE RENTAS FINANCIERAS SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de

Más detalles

Tema 8: DESIGUALDAD, Xisco Oliver Economía del Bienestar (2º GECO)

Tema 8: DESIGUALDAD, Xisco Oliver Economía del Bienestar (2º GECO) Tema 8: DESIGUALDAD, REDISTRIBUCIÓN Y POBREZA Xsco Olver 20610 - Economía del Benestar (2º GECO) Motvacón Benestar: el objetvo últmo del Estado es maxmzar el benestar El benestar se obtene a partr de las

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al

Más detalles

Objetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria

Objetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto

Más detalles

315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA

315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA 35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE

Más detalles

PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA

PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL

Más detalles

Organización y resumen de datos cuantitativos

Organización y resumen de datos cuantitativos Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

ID:1627 APLICACIÓN DE LOS MULTIPLICADORES DE LAGRANGE EN LA SOLUCIÓN DE LA CORRELACIÓN CANÓNICA APLICADO A COSTOS DE CALIDAD EN SALUD

ID:1627 APLICACIÓN DE LOS MULTIPLICADORES DE LAGRANGE EN LA SOLUCIÓN DE LA CORRELACIÓN CANÓNICA APLICADO A COSTOS DE CALIDAD EN SALUD ID:67 APLICACIÓN DE LO MULTIPLICADORE DE LAGRANGE EN LA OLUCIÓN DE LA CORRELACIÓN CANÓNICA APLICADO A COTO DE CALIDAD EN ALUD Peguero Pérez, Rolando; Del Río Caballero, German; Leyva Peguero, Ylesy. Cuba

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

Boletín de la Tendencia Laboral del Desarrollo Humano

Boletín de la Tendencia Laboral del Desarrollo Humano Boletín de la Tendenca Laboral del Desarrollo Humano Notas técncas AÑO 05 NÚMERO 6 PROGRAMA DE LAS NACIONES UNIDAS PARA EL DESARROLLO MÉXICO Nota técnca Índce de Compettvdad Socal (cs) El cs es una medda

Más detalles

DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO

DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO Clascacón: Emtdo para Observacones de los Coordnados Versón: 1.0 DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO Autor Dreccón de Operacón Fecha Creacón 06-04-2010 Últma Impresón 06-04-2010 Correlatvo

Más detalles

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices

Estadística Descriptiva y Analisis de Datos con la Hoja de Cálculo Excel. Números Índices Estadístca Descrptva y Analss de Datos con la Hoja de Cálculo Excel úmeros Índces úmeros Índces El número índce es un recurso estadístco para medr dferencas entre grupos de datos. Un número índce se puede

Más detalles

Tema 1. Conceptos generales

Tema 1. Conceptos generales Análss de Datos I Esquema del Tema Tema. Conceptos generales. COCEPTOS PREVIOS. DEFIICIÓ DE MEDICIÓ 3. DEFIICIÓ DE ESCALAS DE MEDIDA 4. VARIABLES CLASIFICACIÓ Y OTACIÓ REGLAS DEL SUMATORIO 5. EJERCICIOS

Más detalles

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de: Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón

Más detalles

ANEXO 24 JUSTIFICACIÓN ECONÓMICA

ANEXO 24 JUSTIFICACIÓN ECONÓMICA ANEXO 24 JUSTIFICACIÓN ECONÓMICA 1 JUSTIFICACION ECONOMICA 1.0 MARCO DE REFERENCIA El plan de Expansón de del Sstema de Transmsón (PEST), tene el objetvo de planfcar la expansón y reposcón del sstema de

Más detalles

MODELOS DE ELECCIÓN BINARIA

MODELOS DE ELECCIÓN BINARIA MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos

Más detalles

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF)

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF) ANEXO I EVALUACIÓN DE LA ENERGIA REGULANTE COMENSABLE (RRmj) OR ROORCIONAR RESERVA ROTANTE ARA EFECTUAR LA REGULACIÓN RIMARIA DE FRECUENCIA ( RF) REMISAS DE LA METODOLOGÍA Las pruebas dnámcas para la Regulacón

Más detalles

MUESTREO EN POBLACIONES FINITAS

MUESTREO EN POBLACIONES FINITAS MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

Facultad de Ciencias Básicas

Facultad de Ciencias Básicas Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas

Más detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.

Más detalles

MOVILIDAD INTERGENERACIONAL EDUCATIVA. ANÁLISIS DEL CASO BRASILEÑO *

MOVILIDAD INTERGENERACIONAL EDUCATIVA. ANÁLISIS DEL CASO BRASILEÑO * Movldad ntergeneraconal educatva. Análss del caso brasleño. MOVILIDAD INTERGENERACIONAL EDUCATIVA. ANÁLISIS DEL CASO BRASILEÑO * ABSTRACT Mauro Medavlla Bordalejo Unversdad de Barcelona El objeto de calcular

Más detalles

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes.

CyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes. CyRCE: Un modelo de Resgo de Crédto para Mercados Emergentes. Javer Márquez Dez-Canedo. DICIEMBRE 2004 Índce I. Introduccó cón II. CyRCE 1. El Modelo General 2. Segmentacón del Portafolo 3. Índce de Concentracón

Más detalles

2 Dos tipos de parámetros estadísticos

2 Dos tipos de parámetros estadísticos Dos tpos de parámetros estadístcos Págna 198 1. Calcula la meda, la medana y la moda de cada una de estas dstrbucones estadístcas: a) 4, 5, 6, 6, 6, 6, 7, 11, 1, 17 b), 1, 6, 9,, 8, 9,, 14, c), 3, 3, 3,

Más detalles

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.

2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior. . EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas

Más detalles

Maestría en Economía Facultad de Ciencias Económicas Universidad Nacional de La Plata TESIS DE MAESTRIA. ALUMNO Laura Carella. DIRECTOR Alberto Porto

Maestría en Economía Facultad de Ciencias Económicas Universidad Nacional de La Plata TESIS DE MAESTRIA. ALUMNO Laura Carella. DIRECTOR Alberto Porto Maestría en Economía Facultad de Cencas Económcas Unversdad Naconal de La Plata TESIS DE MAESTRIA ALUMNO Laura Carella TITULO Educacón unverstara: medcón del rendmento académco a través de fronteras de

Más detalles

FORMA TRADICIONAL DE CÁLCULO DE DESPLAZAMIENTOS Y FUERZAS EN ESTRUCTURAS SIN MAMPOSTERÍA RESUMEN

FORMA TRADICIONAL DE CÁLCULO DE DESPLAZAMIENTOS Y FUERZAS EN ESTRUCTURAS SIN MAMPOSTERÍA RESUMEN CAPITULO 1 FORMA TRADICIONAL DE CÁLCULO DE DESPLAZAMIENTOS Y FUERZAS EN ESTRUCTURAS SIN MAMPOSTERÍA RESUMEN En la actualdad los métodos de dseño estructural y las consderacones que se realzan prevas al

Más detalles

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo, Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos

Más detalles

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento

Más detalles

Correlación y regresión lineal simple

Correlación y regresión lineal simple . Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan

Más detalles

Relación 2: Regresión Lineal.

Relación 2: Regresión Lineal. Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el

Más detalles