Programa Modelos Para La Toma de Decisiones 2016

UNIVERSIDAD MARIANO GALVEZ

UNIVERSIDAD MARIANO GLVEZ DE GUATEMALA

FACULTAD DE CIENCIAS DE LA ADMINISTRACIN

DIRECCIN DE POSGRADOS

I. IDENTIFICACIN

Maestra: Administracin de Negocios, Direccin y Gestin del Recurso Humano y Direccin del Marketing.

Curso: Modelos para la toma de decisiones.II. OBJETIVOS

1. General:Desarrollar en el estudiante la habilidad para comprender la aplicacin de los modelos matemticos, que le permitan optimizar los recursos de la empresa, hacindolo un elemento eficiente en el desempeo de sus funciones.

2. Especficos:a. Analizar, comparar e interpretar datos por medio de las estadsticas descriptivas.

b. Adquirir habilidad en el clculo de probabilidades para la toma de decisiones.

c. Desarrollar la competencia del uso de las distribuciones de probabilidad en la solucin de problemas especficos.

d. Usar la regresin simple, mltiple y de series de tiempo para analizar resultados de modelos de pronsticos.

e. Disear y resolver modelos de programacin lineal para maximizacin y minimizacin

III. HABILIDADES DIRECTIVAS

1. Genrica:Solucionar con creatividad los problemas

Es la habilidad para resolver, perfeccionar, explicar y generar un conjunto de hechos o circunstancias que dificultan la consecucin de un fin, mediante la creacin de nuevas ideas y avances, a travs de la aplicacin de metodologas, en la solucin de problemas; buscando opciones que mejoren lo actual, enfocndose en la consecucin de metas logradas con creatividad, mediante el trabajo en equipo, la participacin multidisciplinaria y la coordinacin de personas.

2. Especficas:Administracin de NegociosDesarrollar estrategias

Prospectar las finanzas

Direccin y Gestin del Recurso HumanoGestionar el talento humano

Direccin del MarketingCrear valor para el cliente

IV. CONTENIDOCaptulo I

I ANLISIS Y APLICACIN DE ESTADSTICA DESCRIPTIVA1. Medidas de tendencia central

2. Medidas de forma

3. Medidas de dispersin

II TEORA DE PROBABILIDADES

1. Concepto de espacio muestral, evento y probabilidad de un evento.

2. Eventos mutuamente excluyentes. Regla de adicin.

3. Eventos independientes. Regla de multiplicacin.

4. Eventos dependientes. Regla de probabilidad condicional.

5. Probabilidades conjuntas y marginales.

6. Diagrama de rbol para calcular probabilidades.

7. Teorema de Bayes.

Captulo 2

III DISTRIBUCIONES DE PROBABILIDAD 1. Distribucin Normal

2. Distribucin Binomial

3. Distribucin de Poisson4. T de student5. Chi cuadrada6. Distribucin F (Anova)Captulo 3

IV PRONSTICOS

1. Regresin simple. Ecuacin de pronstico. Error estndar de estimacin. Intervalos de prediccin.

2. Anlisis de correlacin. Coeficiente de determinacin y de correlacin.

3. Regresin mltiple. Ecuacin de pronstico. Error estndar de estimacin. Intervalos de prediccin.

4. Series de tiempo.

5. Modelo Arima.

Captulo 4

V PROGRAMACIN LINEAL

1. Modelos de programacin lineal: mtodos grficos y por computadora

Captulo 5:

Proyecto Final Entrega de portafolio

V. METODOLOGAS DE APRENDIZAJE

1. Metodologa de experiencia vivida.

2. Metodologa Investigacin cualitativa y cuantitativa

3. Representacin de roles4. Aprendizaje colaborativo5. Tpico generador o generativo6. Anlisis de casos resueltos.7. Simulacin8. Aprendizaje basado en problemas9. Plataforma Moodle de la Universidad

10. Herramientas para el clculo numrico.11. Herramientas de la WEB 2.0 (youtube, prezi, blog, slideshare.net).

12. Cinefrum Las Matemticas y el Cine

VI. EVALUACIN DE LOS APRENDIZAJES

Ver documento adjunto cronograma para evaluacin de los aprendizajes.VII. CRONOGRAMA DE CONTENIDOSDIATEMAOBJETIVOS

1I ANLISIS Y APLICACIN DE ESTADSTICA DESCRIPTIVA

1. Medidas de tendencia central.

2. Medidas de forma.

3. Medidas de dispersin.

Analizar, comparar e interpretar datos por medio de las estadsticas descriptivas.

2II TEORA DE PROBABILIDADES

1. Concepto de espacio muestral, evento y probabilidad de un evento.

2. Eventos mutuamente excluyentes. Regla de adicin.

3. Eventos independientes. Regla de multiplicacin.

4. Eventos dependientes. Regla de probabilidad condicional.

5. Probabilidades conjuntas y marginales.

6. Diagrama de rbol para calcular probabilidades.

7. Teorema de Bayes. Aplicar la probabilidad de ocurrencia de eventos.

Aplicar regla de adicin, de multiplicacin y de probabilidad condicional en la solucin de problemas.

Aplicar probabilidades conjuntas y marginales.

Aplicar diagrama de rbol para calcular probabilidades.

Aplicar teorema de Bayes en la solucin de problemas.

2III DISTRIBUCIONES DE PROBABILIDAD

1. Distribucin Normal. Parmetros. Frmula de estandarizacin. Clculo de probabilidades normales

2. Distribucin Binomial. Proceso de Bernoulli. Calcular probabilidades binomiales.

3. Distribucin de Poisson. Calcular probabilidades Poisson. Aplicar problemas de aplicacin de probabilidades normales, binomiales y de Poisson.

Aplicar problemas de T de student, Chi cuadrada y Anova.

3IV PRONSTICOS

1. Regresin simple. Ecuacin de pronstico. Error estndar de estimacin. Intervalos de prediccin.

2. Anlisis de correlacin. Coeficiente de determinacin y de correlacin.

3. Regresin mltiple. Ecuacin de pronstico. Error estndar de estimacin. Intervalos de prediccin.

4. Series de tiempo. Aplicar regresin simple y mltiple para realizar pronsticos.

Aplicar series de tiempo.

4V PROGRAMACIN LINEAL

1. Modelos de programacin lineal: mtodos grficos y por computadora.

2. Aplicar Excel Solver en problemas de maximizacin y minimizacin. Comprender las suposiciones bsicas y las propiedades de la programacin lineal.

Analizar un problema de PL:

a) Definir las variables estructurales.

b) Determinar la funcin objetivo.

c) Identificar las restricciones.

Aplicar Excel Solver en la solucin de problemas de maximizacin y de minimizacin.

Aplicar modelos de programacin lineal de maximizacin y minimizacin.

Proyecto Final Demostrar conocimientos cuantitativos mediante la presentacin y exposicin de un proyecto final.

VIII. BIBLIOGRAFA

RENDER, Stair, Hanna. Mtodos cuantitativos para los negocios. Editorial Pearson, Prentice Hall. 11. Edicin. 2012. Mxico.I ANLISIS Y APLICACIN DE ESTADSTICA DESCRIPTIVA Estadstica para administracin y economa, Richard Levin & David Rubin, Editorial Pearson Educacin, 7. Edicin, 2004, pginas 57 a 126, MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIN. http://books.google.com.gt/books?id=0KVtr8EBZIQC&pg=PA57&dq=medidas+de+dispersion&hl=en&sa=X&ei=qoDoUNnYKIm50QH39YCgCA&ved=0CEYQ6AEwBA#v=onepage&q=medidas%20de%20dispersion&f=false Estadstica Descriptiva Fernandez Et.Als. Editorial ESIC., 2002, pginas 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=BoDoUIf0E6u70AHv14H4BQ&ved=0CDYQ6AEwAQ#v=onepage&q=medidas%20de%20forma&f=false Investigacin Comercial, Gemma Garcia Ferrer. Editorial ESIC, 2006, pginas 133 a 137 MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIN.

http://books.google.com.gt/books?id=F0YdeWv2nAEC&pg=PA135&dq=medidas+de+tendencia+central&hl=en&sa=X&ei=sn_oUPr0J4mi8ATutYHIAg&ved=0CC4Q6AEwAA#v=onepage&q=medidas%20de%20tendencia%20central&f=false.

II TEORA DE PROBABILIDADES

Mtodos Cuantitativos para los Negocios. Render/Stair/Hanna Editorial Pearson, Prentice Hall. 11. Edicin, 2012. (texto) Mtodos Cuantitativos para los Negocios. Anderson/Sweeney/Williams Editorial: Thomson. 11a. Edicin, 2011.

III DISTRIBUCIONES DE PROBABILIDAD

Mtodos Cuantitativos para los Negocios. Render/Stair/Hanna Editorial Pearson, Prentice Hall. 11. Edicin, 2012. (texto)

Mtodos Cuantitativos para los Negocios. Anderson/Sweeney/Williams Editorial: Thomson. 11a. Edicin, 2011.

Folletos de distribuciones de probabilidad sugeridos en clase.

IV PRONSTICOS



V PROGRAMACIN LINEAL



Sitio web para resolver problemas de programacin lineal: http://www.phpsimplex.com

Programa Modelos Para La Toma de Decisiones 2016

Documents

Transcript of Programa Modelos Para La Toma de Decisiones 2016