A01658558 Situacionproblema

0
Entregable 1- Situación Problema
Índice
Introducción..............................................................................................................................2
Marco teórico............................................................................................................................ 2
Conclusiones............................................................................................................................. 3
Referencias bibliográficas........................................................................................................3
1
Introducción
Una empresa busca establecer una clasificación entre sus empleados. Para ello, cuenta con
información sobre tres indicadores numéricos clave para cada uno:
Indicador 1: Desempeño laboral (evaluado en una escala de 1 a 10)
Indicador 2: Habilidades técnicas (evaluadas en una escala de 1 a 10)
Indicador 3: Potencial de crecimiento (evaluado en una escala de 1 a 10)
Sin embargo se tienen dos problemas principales La cantidad de indicadores (tres) dificulta la
representación gráfica de la información de forma clara y comprensible y que no todos los
indicadores son igualmente relevantes para la clasificación de los empleados. Por lo tanto
para encontrar una solución ocupamos dos conceptos principales.
• La matriz de datos centrados
Una matriz de datos centrados resulta ser útil para simplificar el análisis de datos y con esto
obtener una mejor interpretación de los datos ya que los datos al estar centrados se puede
entender de mejor manera la relación de cada variable. Esto por medio de la eliminación de
tendencias centrales que no son deseadas, se resta la media de cada variable y los datos
centrados tienen una media equivalente a cero.
Se puede visualizar de mejor manera a través de la siguiente fórmula:
Figura 1: Fórmula para obtener la matriz de datos centrados
• La matriz de varianzas y covarianzas.
La matriz varianza-covarianza es muy popular en econometría dado que se usa

principalmente en el cálculo matricial de los coeficientes de la regresión lineal mediante
Mínimos Cuadrados Ordinarios, entre otros usos.
En finanzas, se utiliza para tener una imagen general de la volatilidad de los activos
financieros.
2
Marco teórico
Para nuestra situación problema se nos fue proporcionada una matriz de datos en la que se
tiene registrados varios indicadores numéricos para sus empleados.
Para abordar la clasificación de empleados basada en indicadores numéricos clave, se

aplicaremos los conceptos mencionados anteriormente al programa MATLAB que incluye el
cálculo de una matriz de datos centrados para eliminar tendencias no deseadas, seguido por el
análisis de la matriz de varianzas y covarianzas para comprender la relación entre los
indicadores.
1. Para comenzar la resolución se calculó el promedio y la desviación estándar mediante

el uso de MATLAB.
2. Después, se hace un centrado de datos para realizar una matriz de datos centrados.
3
3. Luego, se obtuvo una matriz de covarianza con los datos de la matriz de datos
centrados.
4. Posteriormente, se obtuvieron los eigenvalores y los eigenvectores.
5. Finalmente, se realiza una multiplicación entre la matriz de datos centrados y los

eigenvectores para obtener como resultado el rendimiento de los empleados.
4
Se obtuvieron los siguientes resultados con los que podemos concluir que el empleado #129
cuenta con el mejor rendimiento.
Conclusión
La modelación de una ecuación o un proceso de manera matemática es fascinante, tener el

poder de observar conjuntos de datos para poder entender, interpretar e incluso predecir un
fenómeno por medio de la álgebra lineal es una herramienta sumamente poderosa para
nuestra formación, incluso más en la era en la que estamos, observando los avances
tecnológicos a pasos agigantados por medio de la inteligencia artificial y los conjuntos de big
data, ambos teniendo hincapié en el análisis de datos y reconocimiento de patrones.
El Análisis de Componentes Principales nos ayudó a reducir la dimensión de este conjunto de

datos para llegar a una conclusión e interpretación de estos de manera metódica y
fundamentada, como lo es identificar al empleado más valioso a base de varios indicadores
que a primera vista no tienen jerarquía unos sobre otros o dan una pista clara de la correlación
entre indicador y rendimiento del empleado.
Los varios pasos que realizamos en el estudio PCA nos ayudan a organizar y preparar los
datos de manera que son relevantes y fáciles de interpretar, empezando por la normalización
de los datos, tal que la magnitud por sí sola de los datos de un indicador puede superar la
5
relevancia de otros indicadores, incluso si la magnitud en sí no es tan relevante como lo es la

varianza entre el conjunto de datos de ese indicador.
El análisis y matriz de covarianza, nos ayuda a interpretar la relación entre indicadores, para
interpretar la correlación entre ellos y evitar redundancia entre indicadores que son
demasiado independientes, es la base para la reducción de dimensión a la hora de interpretar
los datos.
Encontrar los eigenvalues y eigenvectors de la matriz de covarianza al principio puede ser

difícil de interpretar ya que requiere profundo entendimiento de las transformaciones lineales
y las bases generadoras de espacios lineales, pero el concepto se puede reducir como
encontrar la dirección en cual los datos tienen mayor varianza.
También es importante notar que en un caso real, las herramientas de álgebra lineal pueden
ser usadas sin ningún tipo de problema, y el éxito de este proyecto remarca lo eficientes que
pueden ser los métodos analíticos basados en procedimientos con álgebra lineal.
Referencias bibliográficas
Rpubs (2017) Algebra lineal, RPubs. Available at: https://rpubs.com/ercalel/597092
(Accessed: 16 March 2024).
Matlab (no date) Eigenvalues and eigenvectores, Valores propios y vectores propios -
MATLAB eig - MathWorks América Latina. Available at:
https://la.mathworks.com/help/matlab/ref/eig.html (Accessed: 16 March 2024).
Covarianza (no date) Correlación Lineal - Matlab & Simulink - MathWorks América
Latina. Available at:
https://la.mathworks.com/help/matlab/data_analysis/linear-correlation.html (Accessed:
16 March 2024).

A01658558 Situacionproblema

Cargado por

Copyright:

Formatos disponibles

A01658558 Situacionproblema

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

A01658558 Situacionproblema

Cargado por

Copyright:

Formatos disponibles

0

Entregable 1- Situación Problema

• La matriz de datos centrados

Se puede visualizar de mejor manera a través de la siguiente fórmula:

Figura 1: Fórmula para obtener la matriz de datos centrados

• La matriz de varianzas y covarianzas.

La matriz varianza-covarianza es muy popular en econometría dado que se usa

Para abordar la clasificación de empleados basada en indicadores numéricos clave, se

1. Para comenzar la resolución se calculó el promedio y la desviación estándar mediante

4. Posteriormente, se obtuvieron los eigenvalores y los eigenvectores.

5. Finalmente, se realiza una multiplicación entre la matriz de datos centrados y los

La modelación de una ecuación o un proceso de manera matemática es fascinante, tener el

El Análisis de Componentes Principales nos ayudó a reducir la dimensión de este conjunto de

relevancia de otros indicadores, incluso si la magnitud en sí no es tan relevante como lo es la

Encontrar los eigenvalues y eigenvectors de la matriz de covarianza al principio puede ser

También podría gustarte