DE LAS OLIMPIADAS GRIEGAS A LAS DEL MUNDO MODERNO.ppt
Programa Curso Modelos para la toma de decisiones
1. UNIVERSIDAD MARIANO GÁLVEZ DE GUATEMALA
FACULTAD DE CIENCIAS DE LA ADMINISTRACIÓN
DIRECCION DE POSTGRADOS
I. IDENTIFICACIÓN
Maestría: Administración de Negocios, Dirección y Gestión del Recurso Humano y
Dirección del Marketing.
Curso:
Modelos para la toma de decisiones.
II. OBJETIVOS
1. General:
Desarrollar en el estudiante la habilidad para comprender la aplicación de los
modelos matemáticos, que le permitan optimizar los recursos de la empresa,
haciéndolo un elemento eficiente en el desempeño de sus funciones.
2. Específicos:
a. Analizar, comparar e interpretar datos por medio de las estadísticas descriptivas.
b. Adquirir habilidad en el cálculo de probabilidades para la toma de decisiones.
c. Desarrollar la competencia del uso de las distribuciones de probabilidad en la
solución de problemas específicos.
d. Usar la regresión simple, múltiple y de series de tiempo para analizar resultados
de modelos de pronósticos.
e. Diseñar y resolver modelos de programación lineal para maximización y
minimización
III. HABILIDADES DIRECTIVAS
1. Genérica:
Solucionar con creatividad los problemas
Es la habilidad para resolver, perfeccionar, explicar y generar un conjunto de
hechos o circunstancias que dificultan la consecución de un fin, mediante la
creación de nuevas ideas y avances, a través de la aplicación de metodologías,
inclusive radicales, en la solución de problemas; buscando opciones que mejoren
lo actual, enfocándose en la consecución de metas logradas con creatividad,
mediante el trabajo en equipo, la participación multidisciplinaria y la coordinación
de personas.
2. 2. Específicas:
Administración de Negocios
Dirección y Gestión del Recurso
Humano
Dirección del Marketing
Desarrollar estrategias
Prospectar las finanzas
Gestionar el talento humano
Crear valor para el cliente
IV. CONTENIDO
SEMANA 1:
I ANÁLISIS Y APLICACIÓN DE ESTADÍSTICA DESCRIPTIVA
1. Medidas de tendencia central.
2. Medidas de forma
3. Medidas de dispersión.
II TEORÍA DE PROBABILIDADES
1.
Concepto de espacio muestral, evento y probabilidad de un evento.
2. Eventos mutuamente excluyentes. Regla de adición.
3.
Eventos independientes. Regla de multiplicación.
4.
Eventos dependientes. Regla de probabilidad condicional.
5. Probabilidades conjuntas y marginales.
6.
Diagrama de árbol para calcular probabilidades.
7. Teorema de Bayes.
SEMANA 2:
III DISTRIBUCIONES DE PROBABILIDAD
1.
2.
3.
4.
5.
6.
Distribución Normal.
Distribución Binomial.
Distribución de Poisson.
T de student
Chi cuadrada
Distribución F (Anova)
SEMANA 3:
DÍA VIRTUAL
3. SEMANA 4:
IV PRONÓSTICOS
1. Regresión simple. Ecuación de pronóstico. Error estándar de estimación.
Intervalos de predicción.
2. Análisis de correlación. Coeficiente de determinación y de correlación.
3. Regresión múltiple. Ecuación de pronóstico. Error estándar de estimación.
Intervalos de predicción.
4. Series de tiempo.
V PROGRAMACIÓN LINEAL
1. Modelos de programación lineal: métodos gráficos y por computadora.
2. Aplicar Excel Solver para resolver problemas de maximización y minimización.
SEMANA 5:
•
•
Proyecto Final
Entrega de portafolio
V. METODOLOGÍAS DE APRENDIZAJE
1.
Representación de roles
2.
Aprendizaje colaborativo
3.
Tópico generador o generativo
4.
Estudio de caso
5.
Simulación
6.
Aprendizaje basado en problemas
7. Talleres
8. Plataforma Moodle de la Universidad
9. Herramientas para el cálculo numérico
10.Herramientas de la WEB 2.0 (youtube, prezi, blog, slideshare.net).
VI. EVALUACIÓN DE LOS APRENDIZAJES
Ver documento adjunto cronograma para evaluación de los aprendizajes.
VII. CRONOGRAMA DE CONTENIDOS
DIA
1
TEMA
I ANÁLISIS Y APLICACIÓN DE ESTADÍSTICA
DESCRIPTIVA
1. Medidas de tendencia central.
2. Medidas de forma.
3. Medidas de dispersión.
OBJETIVOS
• Analizar, comparar e interpretar datos por
medio de las estadísticas descriptivas.
4. II TEORÍA DE PROBABILIDADES
1. Concepto de espacio muestral, evento y
probabilidad de un evento.
2. Eventos mutuamente excluyentes. Regla de
adición.
3. Eventos independientes. Regla de multiplicación.
4. Eventos dependientes. Regla de probabilidad
condicional.
5. Probabilidades conjuntas y marginales.
6. Diagrama de árbol para calcular probabilidades.
7. Teorema de Bayes.
III DISTRIBUCIONES DE PROBABILIDAD
2
3
1. Distribución Normal. Parámetros. Fórmula de
estandarización. Cálculo de probabilidades
normales
2. Distribución Binomial. Proceso de Bernoulli.
Calcular probabilidades binomiales.
3. Distribución de Poisson. Calcular probabilidades
Poisson.
1. Regresión simple. Ecuación de pronóstico. Error
estándar de estimación. Intervalos de predicción.
2. Análisis de correlación. Coeficiente de
determinación y de correlación.
3. Regresión múltiple. Ecuación de pronóstico. Error
estándar de estimación. Intervalos de predicción.
4. Series de tiempo.
V PROGRAMACIÓN LINEAL
1. Modelos de programación lineal: métodos
gráficos y por computadora.
2. Aplicar Excel Solver para resolver problemas de
maximización y minimización.
5
Proyecto Final
• Resolver problemas de aplicación de
probabilidades normales, binomiales y de
Poisson.
• Resolver problemas de aplicación de T de
student, Chi cuadrada y Anova.
• Aplicar conocimientos en los ejercicios y
casos asignados.
Día Virtual
IV PRONÓSTICOS
4
• Calcular la probabilidad de ocurrencia de
eventos.
• Aplicar regla de adición, de multiplicación y
de probabilidad condicional en la solución de
problemas.
• Calcular probabilidades conjuntas y
marginales.
• Aplicar diagrama de árbol para calcular
probabilidades.
• Aplicar teorema de Bayes en la solución de
problemas.
• Calcular problemas de aplicación de
regresión simple y múltiple para realizar
pronósticos.
• Realizar problemas de aplicación de series
de tiempo.
• Entender las suposiciones básicas y las
propiedades de la programación lineal.
• Analizar un problema de PL:
a) Definir las variables estructurales.
b) Determinar la función objetivo.
c) Identificar las restricciones.
d) Resolver problemas aplicados.
• Aplicar Excel Solver en la solución de
problemas de maximización y de
minimización.
• Diseñar y resolver modelos de programación
lineal de maximización y minimización.
• Demostrar conocimientos cuantitativos
mediante la exposición del proyecto final.
5. VIII. BIBLIOGRAFÍA
•
RENDER, Stair, Hanna. “Métodos cuantitativos para los negocios”. Editorial Pearson,
Prentice Hall. 11ª. Edición. 2012. México.
•
I ANÁLISIS Y APLICACIÓN DE ESTADÍSTICA DESCRIPTIVA
Estadística para administración y economía, Richard Levin & David Rubin, Editorial
Pearson Educación, 7ª. Edición, 2004, páginas 57 a 126, MEDIDAS DE TENDENCIA
CENTRAL
Y
DISPERSION.
http://books.google.com.gt/books?
id=0KVtr8EBZIQC&pg=PA57&dq=medidas+de+dispersion&hl=en&sa=X&ei=qoDoUNnY
KIm50QH39YCgCA&ved=0CEYQ6AEwBA#v=onepage&q=medidas%20de
%20dispersion&f=false
•
Estadística Descriptiva Fernandez Et.Als. Editorial ESIC., 2002, páginas 243 a 252
MEDIDAS DE FORMA.
http://books.google.com.gt/books?
id=31d5cGxXUnEC&pg=PA235&dq=medidas+de+forma&hl=es419&sa=X&ei=BoDoUIf0
E6u70AHv14H4BQ&ved=0CDYQ6AEwAQ#v=onepage&q=medidas%20de
%20forma&f=false
•
•
•
Investigación Comercial, Gemma Garcia Ferrer. Editorial ESIC, 2006, páginas 133 a 137
MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN.
http://books.google.com.gt/books?
id=F0YdeWv2nAEC&pg=PA135&dq=medidas+de+tendencia+central&hl=en&sa=X&ei=s
n_oUPr0J4mi8ATutYHIAg&ved=0CC4Q6AEwAA#v=onepage&q=medidas%20de
%20tendencia%20central&f=false.
•
•
II TEORÍA DE PROBABILIDADES
Métodos Cuantitativos para los Negocios. Render/Stair/Hanna Editorial Pearson,
Prentice Hall. 11ª. Edición, 2012. (texto)
•
Métodos Cuantitativos para los Negocios. Anderson/Sweeney/Williams Editorial:
Thomson. 11a. Edición, 2011.
•
•
III DISTRIBUCIONES DE PROBABILIDAD
Métodos Cuantitativos para los Negocios. Render/Stair/Hanna Editorial Pearson,
Prentice Hall. 11ª. Edición, 2012. (texto)
•
Métodos Cuantitativos para los Negocios. Anderson/Sweeney/Williams Editorial:
Thomson. 11a. Edición, 2011.
•
Folletos de distribuciones de probabilidad sugeridos en clase.
•
•
IV PRONÓSTICOS
Métodos Cuantitativos para los Negocios. Render/Stair/Hanna Editorial Pearson,
Prentice Hall. 11ª. Edición, 2012. (texto)
6. •
Métodos Cuantitativos para los Negocios. Anderson/Sweeney/Williams Editorial:
Thomson. 11a. Edición, 2011.
•
•
V PROGRAMACIÓN LINEAL
Métodos Cuantitativos para los Negocios. Render/Stair/Hanna Editorial Pearson,
Prentice Hall. 11ª. Edición, 2012. (texto)
•
Métodos Cuantitativos para los Negocios. Anderson/Sweeney/Williams Editorial:
Thomson. 11a. Edición, 2011.
•
Sitio web para resolver problemas de programación lineal: http://www.phpsimplex.com
7. •
Métodos Cuantitativos para los Negocios. Anderson/Sweeney/Williams Editorial:
Thomson. 11a. Edición, 2011.
•
•
V PROGRAMACIÓN LINEAL
Métodos Cuantitativos para los Negocios. Render/Stair/Hanna Editorial Pearson,
Prentice Hall. 11ª. Edición, 2012. (texto)
•
Métodos Cuantitativos para los Negocios. Anderson/Sweeney/Williams Editorial:
Thomson. 11a. Edición, 2011.
•
Sitio web para resolver problemas de programación lineal: http://www.phpsimplex.com