Syllabus in Spanish

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD
ACADEMIC AND RESEARCH VICE RECTOR

SYLLABUS OF THE COURSE THEORY OF DECISIONS
1. COURSE IDENTIFICATION
School or unit: School of Basic

Sciences, Technology and Acronym: ECBTI
Engineering
Field of formation: Disciplinary
Level: Professional Training
Course: Theory of decisions Code: 212066
Type of course: Theoretical Number of credits: Three (3)
Course Designer: Ricardo Javier Course Updater: Ricardo Javier
Pineda Melgarejo Pineda Melgarejo
Elaboration date: May 21, 2017 Date of renovation: May 21, 2017
Descripción del curso:
El curso académico consta de tres (3) créditos académicos, cuyo campo de

entrenamiento es la disciplina y tiene una naturaleza profesional -electiva en
el programa de ingeniería industrial que ofrece la UNAD; además, es teórico.
Después de comprender e internalizar el conocimiento de los tres cursos
preliminares de operaciones de investigación (métodos de linealización lineal
determinista, métodos probabilísticos) y el apoyo en el conocimiento
adquirido en estadística y probabilidad e inferencia estadística, el estudiante
puede comenzar el curso de la teoría de decisión , donde busca comprender
los métodos, operaciones y definiciones sobre las diferentes técnicas de
aplicación en las decisiones que dependen del tipo y la calidad de la
información obtenida.
La evaluación se llevará a cabo en 8 fases con una estrategia de aprendizaje

basada en problemas. La Fase 1, pertenece al momento de la evaluación
inicial, en las etapas 3, 5 y 7 se llevarán a cabo actividades tipo prueba de
calificación automática. Las fases 2, 4 y 6 se presentan como trabajo
colaborativo de las Unidades 1, 2 y 3, respectivamente, y en la Fase 8, para
proyectar pertenecientes a la evaluación final del curso.
1. FORMATION INTENTIONALITIES
Propósitos de la formación del curso:
• Generar en el alumno la capacidad de interpretación de los resultados

obtenidos en el desarrollo de los algoritmos del proceso de toma de
decisiones, a través de los algoritmos propuestos para baja certeza, riesgo
y / o incertidumbre.
• Diferenciar los algoritmos, sus características y aplicaciones en diferentes

entornos de riesgo y / o incertidumbre, para la toma de decisiones y la
optimización de los resultados esperados.
• Proporcionar al estudiante una herramienta clara para la solución de

problemas con cualquier software y la toma de decisiones de acuerdo con los
resultados obtenidos en él.
Las competencias del curso:
• El alumno identifica los conceptos básicos en el proceso de toma de

decisiones, lo que le permite identificar e implementar los métodos
apropiados en las decisiones en un entorno de riesgo o certeza.
• Los métodos apropiados del estudiante de valor esperado, árboles de

decisión y teoría de la utilidad en la toma de decisiones bajo riesgo,
obteniendo soluciones a problemas presentados en el campo profesional.
• El alumno utiliza las decisiones bajo incertidumbre, teoría de juegos y

cadenas de Markov para ponerlo en práctica con varios competidores y
rivales, utilizando herramientas tecnológicas para desarrollar una simulación
aproximada que permita resolver diversos problemas en el entorno
profesional.
2. COURSE CONTENT
Units / themes Educational resources required

Sanderson, C. (2006). Modelos
Unidad 1. Decisiones en un analíticos para la toma de decisiones.
entorno de riesgo Nueva York, EE. UU .: McGraw-Hill
Education Editorial. Obtenido de:
1. Valor esperado: http://bibliotecavirtual.unad.edu.co:2
a. Los criterios para evaluar las 051/login.aspx?
posibles soluciones. direct=true&db=nlebk&AN=234098&l
b. El diseño de investigación en el ang=es&site=eds-live
mercado.
c. El valor esperado de la información
de la muestra.
d. Valor esperado de la información Gilboa, I. (2001). Una teoría de las
perfecta. decisiones basadas en casos.
e. Nivel de aceptación de criterio Camdridge, Reino Unido: Cambridge
University Press Editorial. Obtenido
de:
http://bibliotecavirtual.unad.edu.co:2
051/login.aspx?
direct=true&db=nlebk&AN=72982&la
ng=es&site=eds-live
2. Árboles de decisión:
a. Conceptos básicos de árboles

de decisión. Rokach, L. (2008). Minería de datos
b. Elementos de árboles de con árboles de decisión: teoría y
decisión. aplicaciones, Berna, Suiza: H. Bunke,
c. Reglas de Bayes y árboles de Universidad de Berna, Suiza.
decisión. Obtenido de:
d. Resolución de problemas del http://bibliotecavirtual.unad.edu.co:2
árbol de decisiones. 051/login.aspx?
e. Soluciones de Polietapicas direct=true&db=nlebk&AN=236037&l
ang=es&site=eds-live
3. Teoría de la utilidad:
Gilboa, I. (2001). Una teoría de las
a. Definición de la teoría de la decisiones basadas en casos.
utilidad. Camdridge, Reino Unido: Cambridge
b. Características de la teoría University Press Editorial. Obtenido
de la utilidad. de:
c. Indiferencia por las http://bibliotecavirtual.unad.edu.co:2
asignaciones del valor de la 051/login.aspx?
utilidad. direct=true&db=nlebk&AN=72982&la
d. Determinación de la razón de ng=es&site=eds-live
la utilidad.
e. Aplicaciones de la teoría de Pineda, R. (2017). Objeto de
la utilidad aprendizaje virtual Unidad 1.
Decisiones en un entorno de riesgo.
[Archivo de vídeo]. Obtenido de
http://hdl.handle.net/10596/13263
Joyce, J. (1999). Los fundamentos de
Unidad 2. Decisiones en un la teoría de la decisión causal.
ambiente de incertidumbre Camdridge, Reino Unido: Cambridge
University Press Editorial. Obtenido
1. Criterios de Laplace, Minimal, de:
Savage y Hurwicz: http://bibliotecavirtual.unad.edu.co:2
051/login.aspx?
a.Los criterios para evaluar las direct=true&db=nlebk&AN=228167&l
posibles soluciones. ang=es&site=eds-live
b. Criterio de Laplace.
c. El criterio de valor mínimo. Prisner, E. (2014). Teoría de juego.
d. Criterion of Savage. Washington, Distrito de Columbia, EE.
e. Criterio Hurwicz. UU .: Asociación Matemática de
América
Editorial. Obtenido de:
051/login.aspx?
direct=true&db=nlebk&AN=800654&l
ang=es&site=eds-live
2. Teoría del juego:
a. Conceptos generales de la teoría

de los juegos. Owen, G. (2013). Game Theory:
b. Método dominado estrategias. Monterey, California, EE. UU .: Naval
c. Método de suma cero y punto de Postgraduate School
silla. Editorial. Obtenido de:
d. Método estrategias mixtas. http://bibliotecavirtual.unad.edu.co:2
e. Método gráfico. 048/login?
url=http://search.ebscohost.com/logi
n.aspx?
direct=true&db=nlebk&AN=525603&l
3. Proceso de Jerarquía Analítica ang=es&site=ehost-live
(AHP):
a. Conceptualización de la PJA.
b. Seguimiento de la propuesta y
evaluación de alternativas. Abdi, M. (2003). Una estrategia de
c. Componentes comunes de los diseño para sistemas de fabricación
sistemas de jerarquía analítica. reconfigurables (RMS) utilizando
d. Escalas para medir el impacto en procesos analíticos jerárquicos (AHP):
el PJA. un estudio de caso: Manchester,
e. Solución alternativa según la PJA. Reino Unido: International Journal of
Production Research.
Obtenido de:
051/login.aspx?
direct=true&db=buh&AN=10149095&
lang=es&site=eds-live
Pineda, R. (2017). Objeto de

aprendizaje virtual Unidad 2.
Decisiones en un entorno de
incertidumbre. [Archivo de vídeo].
Obtenido de
Unidad 3. Procesos de decisión de
Markov
Ibe, O. (2013). Procesos de Markov
1. Descripción general del para el modelado estocástico:
proceso Markovian: Massachusetts, EE. UU .: Universidad
de Massachusetts Editorial. Obtenido
a. Procesos estocásticos. de:
segundo. Cadenas de Markov. http://bibliotecavirtual.unad.edu.co:2
b. Clasificación de estados en la 051/login.aspx?
cadena de Markov. direct=true&db=nlebk&AN=516132&l
c. Proceso de decisiones de Markov. ang=es&site=eds-live
d. Problema estático y dinámico.
2. Modelo de programación
dinámica de etapa finita:
a. Definición de los modelos de etapa Ibe, O. (2013). Procesos de Markov

finita. para el modelado estocástico:
b. Método de programación dinámica Massachusetts, EE. UU .: Universidad
de etapa finita. de Massachusetts Editorial. Obtenido
c. Método de aproximaciones de:
sucesivas. http://bibliotecavirtual.unad.edu.co:2
d. Ejemplo de programación dinámica 051/login.aspx?
de etapa finita. direct=true&db=nlebk&AN=516132&l
e. Decisiones de Markov en pasos ang=es&site=eds-live
finitos.
3. Modelo de programación
dinámica de etapa finita:
Dynkin, E. (1982). Procesos de
a. Definición de los modelos de etapa Markov y problemas relacionados de
finita. análisis: Oxford, Reino Unido:
b. Método de programación dinámica Mathematical Institute Editorial.
de etapa finita. Obtenido de:
c. Método de aproximaciones http://bibliotecavirtual.unad.edu.co:2
sucesivas. 048/login?
d. Ejemplo de programación dinámica url=http://search.ebscohost.com/logi
de etapa finita. n.aspx?
e. Decisiones de Markov en pasos direct=true&db=e000xww&AN=55247
finitos. 8&lang=es&site=ehost-live
Pineda, R. (2017). Objeto de

aprendizaje virtual Unidad 3. Procesos
de decisión de Markov. [Archivo de
vídeo].
Obtenido de
Recursos educativos adicionales para el curso:
Unidad 1. Decisiones en un entorno de riesgo
Aven, T. (2008). Análisis de riesgos: el proceso de análisis de riesgos:

Chichester, Reino Unido: john wiley & sons editorial. Obtenido de:
http://bibliotecavirtual.unad.edu.co:2048/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=nlebk&AN=323407&lang=es&site=ehost-live
Unidad 2. Decisiones en un ambiente de incertidumbre
Kelly, A. (2003). Toma de decisiones utilizando la teoría de juegos: una

introducción para los gerentes: Camdridge, Reino Unido: Cambridge
University Press Editorial. Obtenido de:
http://bibliotecavirtual.unad.edu.co:2051/login.aspx?
direct=true&db=nlebk&AN=120445&lang=es&site=eds-live
Narahari, Y. (2014). Teoría del juego y diseño de mecanismos. Nueva Jersey,

EE. UU .: IISc Lecture Notes Series. Obtenido de:
Unidad 3. Procesos de decisión de Markov
Piunovskiy, A. (2012). Ejemplos en los procesos de decisión de Markov:

Singapur: Imperial College Press Optimization Series. Obtenido de:
1. LEARNING STRATEGY
Description of the learning strategy:
El ejercicio educativo para entornos de aprendizaje a distancia y virtual

requiere un proceso de planificación sólido frente a las actividades sugeridas
para los estudiantes. En este sentido, los ítems de trabajo que requieren la
participación conjunta de los miembros del grupo, surge la necesidad de
articular la estrategia de aprendizaje basado en problemas (ABP y facilitar el
proceso de formación del alumno y la autoformación, procesos que facilitado
por la dinámica del enfoque constructivista y ecléctico.
En el enfoque ABP se promueve la autonomía cognitiva, se aprende y

aprende de los problemas que tienen significado para los alumnos, el error se
utiliza como una oportunidad para aprender y no para castigar y otorgar un
valor importante a la autoevaluación y evaluación cualitativa, e
individualizada.
Para este ejercicio, es importante considerar aspectos como el tiempo de

ejecución de la actividad y los recursos necesarios para la solución de los
problemas encontrados en el Conocimiento. Cada vez que haya considerado
estos aspectos, comience a desarrollar las fases correspondientes al trabajo
individual y colaborativo del curso.
2. DISTRIBUTION OF THE ACADEMIC ACTIVITIES OF THE COURSE
Seman Actividad para desarrollar de acuerdo a la

Contenido para
a estrategia de aprendizaje
desarrollar
1-2 Fase 1. Reconocer y analizar el problema
planteado de forma individual.
Etapa 1. Individualmente El alumno debe leer el

Unidades 1, 2 y 3. plan de estudios del curso en el entorno del
Decisiones en entornos conocimiento, leer los acuerdos del curso y decidir si
de riesgo, acepta o no acepta, saluda y debe presentarlo a los
incertidumbre y Markov compañeros y al formador en el foro general de la
Por supuesto, revise el cuaderno del curso, que
también se encuentra en el entorno del
conocimiento, finalmente actualice por completo el
perfil del aula, ingresando por parte del participante
deberá revisar sus datos, fotografía, y otra
información de contacto.
Etapa 2. Reconocer el entorno virtual del entorno

de aprendizaje colaborativo en el aula: el alumno
individualmente y verificar el contexto de la
actividad.
Etapa 3. Cada participante ingresa al ambiente de

aprendizaje colaborativo, en el trabajo colaborativo
y foro sobre el tema de discusión llamado Fase 1.
Reconocimiento del curso, dispuesto a desarrollar la
actividad y de acuerdo con las indicaciones de la
guía de actividades integradoras que el alumno
realiza contribuciones individuales, relevantes y
eficientes, dejando evidencia del desarrollo de la
actividad de reconocimiento.
Etapa 4. Desarrollar actividades que están

contenidas en la Guía.
Etapa 5. Cada participante al final de sus

contribuciones y consolidar su trabajo intelectual
final en el entorno de evaluación y seguimiento del
documento planteado para la actividad.
Se espera que el producto sea un archivo PDF

marcado con Name_Surname_102016_Phase 1, con
el siguiente contenido:
Página 1. Inicio.
Página 2. Introducción.
Página 3. Mapa conceptual.
Página 4. Reconocimiento de los compañeros de
grupo colaborativo.
Página 5. Crucigrama resuelto.
Página 6. Sopa de letras.
Página 7. Definición de términos identificados en el
video en idioma inglés.
Página 8. Conclusiones.
Página 9. Bibliografía según estándares APA.
Fase 2. Resuelva problemas aplicando los
algoritmos de la Unidad 1, teniendo en cuenta
los siguientes pasos:
Etapa 6. Actividad individual: con la lectura y el

análisis del problema reflejado en la guía integrada
de actividades, que se ubica en el entorno de
aprendizaje colaborativo, revisamos los escenarios
3-4
planteados, preparándonos para discutir una
solución al problema. No olvide reunir la información
necesaria para aprender nuevos conceptos,
principios y habilidades que lo ayudarán en el
proceso. En el trabajo colaborativo y el foro sobre el
tema de debate llamado Fase 2. 1 trabajo
colaborativo, la actividad puede comenzar
convocando socios, identificando los roles y
Unidad 1. Decisiones tomando nota de lo que tomará.
en un entorno de riesgo Actividades grupales:
Etapa 7. El equipo debe recurrir al conocimiento

que ya tienen, a los detalles de los problemas que
se proponen y a poner en discusión para su
resolución posterior. Considere los posibles
algoritmos que necesitarán resolver cada uno de los
problemas de decisiones propuestas en un entorno
de riesgo. Genere colectivamente una lista de
métodos de respuesta, y luego resuelva
manualmente usando estos algoritmos. Apoye la
solución a través de la investigación del
conocimiento y las fuentes bibliográficas que
contienen y explican cada uno de los métodos de
solución.
5 Etapa 8. Introduzca el entorno práctico, en este
espacio se utiliza el material explicativo WinQSB,
recuerde agregar usando capturas de pantalla a su
trabajo colaborativo, ingresos y tabla de resultados
finales para los problemas planteados. En este
mismo espacio se puede revisar cuidadosamente la
guía de uso de recursos educativos, para el uso del
software WinQSB, que es el programa más utilizado
en la solución de problemas de Investigación
Operativa y otro software especializado en el tema.
Etapa 9. Rellene de forma individual el diario del

portafolio electrónico, para que pueda verificar el
registro de sus dificultades y fortalezas con la
actividad del entorno práctico, reconociendo la
contribución para su vida profesional del uso de los
algoritmos del curso, que se ubica en el entorno de
evaluación y monitoreo, tal como se identifica en el
portafolio electrónico en las conclusiones del trabajo
Unidad 1. Decisiones colaborativo que se ubica en el entorno de
en un entorno de riesgo aprendizaje colaborativo y consolidar el grupo de
trabajo final.
Producto esperado: archivo PDF marcado con su

grupo de trabajo_212066_TC1, en Arial 12 y APA,
con el siguiente contenido:
Página 1. Inicio con los miembros que participaron
activamente en la consolidación y generación del
trabajo colaborativo.
Página 3 y sucesivos. Ejercicios resueltos de
acuerdo con la propuesta del tema.
En las siguientes páginas. Capturas de pantalla
WinQSB ejercicios con la solución de Excel en el
entorno de aprendizaje.
Siguiente página. Conclusiones con el e-portfolio.
Página final. Bibliografía según APA que respalda la
solución de los problemas.
Etapa 10. El líder del grupo debe cargar un único

archivo en PDF en la evaluación y el seguimiento, en
el espacio provisto para este fin, en lo sucesivo, la
Fase 2. Trabajos en colaboración 1.
Fase 3. Solucionar y analizar las situaciones
planteadas en la evaluación de la Unidad 1,
teniendo en cuenta los siguientes pasos:
Etapa 11. Actividad individual: Junto al desarrollo

6 Unidad 1. Decisiones
de las actividades de los trabajos colaborativos 1, el
en un entorno de riesgo
alumno debe ingresar al entorno de evaluación y
seguimiento y en el enlace específico denominado:
Unidad de evaluación 1 de las preguntas
presentadas en el mismo.
Fase 4. Resuelva problemas aplicando los


análisis del problema reflejado en la guía integrada
7-8
de actividades, que se ubica en el entorno de
aprendizaje colaborativo, revisamos los escenarios
planteados, preparándonos para analizar una
solución al problema. No olvide reunir la información
necesaria para aprender nuevos conceptos,
principios y habilidades que lo ayudarán en el
proceso. En el trabajo colaborativo y el foro sobre el
Unidad 2. Decisiones tema de debate llamado Fase 4. Trabajos
en un entorno de riesgo colaborativos 2, la actividad puede comenzar
convocando socios, identificando los roles y
tomando nota de lo que tomará.
Actividades grupales:

que ya posee, a los detalles de los problemas que se
proponen y poner en discusión para una resolución
posterior. Considere los posibles algoritmos que
necesitarán resolver cada uno de los problemas de
decisiones propuestas en un entorno de riesgo.
Genere colectivamente una lista de métodos de
respuesta, y luego resuelva manualmente usando
estos algoritmos. Apoye la solución a través de la
investigación del conocimiento y las fuentes
bibliográficas que contienen y explican cada uno de
los métodos de solución
9 Etapa 14. Ingrese el entorno práctico, en este
espacio está el uso del material explicativo WinQSB,
recuerde agregar usando capturas de pantalla a sus
trabajos colaborativos, ingresos y tabla de
resultados finales para los problemas planteados. En
este mismo espacio se puede revisar
cuidadosamente la guía de uso de recursos
educativos, para el uso del software WinQSB, que es
el programa más utilizado en la solución de
problemas de Investigación Operativa y otro
software especializado en el tema.
Etapa 15. Rellenar individualmente el diario de e-

portfolio, para que pueda verificar el registro de sus
dificultades y fortalezas con la actividad del entorno
práctico, reconociendo la contribución para su vida
profesional del uso de los algoritmos del curso, que
se ubica en el entorno de evaluación y seguimiento,
tal como se identifica en el e-portafolio en las
Unidad 2. Decisiones conclusiones de los trabajos colaborativos que se
en un entorno de riesgo ubican en el entorno de aprendizaje colaborativo y
consolidar el grupo de trabajo final.

grupo de trabajos_212066_TC2, en Arial 12 y APA,
con el siguiente contenido:

activamente en la consolidación y generación de los
trabajos colaborativos.

el espacio provisto para este fin, en lo sucesivo
denominado Fase 4. Trabajos en colaboración 2.
Fase 5. Solucionar y analizar las situaciones
planteadas en la evaluación de la Unidad 2,
teniendo en cuenta los siguientes pasos:

10 Unidad 2. Decisiones
en un entorno de riesgo
Fase 6. Resuelva los problemas aplicando los

análisis de los problemas reflejados en la guía
integrada de actividades, que se ubica en el entorno
de aprendizaje colaborativo, revisamos los
escenarios planteados, preparándonos para analizar
una solución al problema. No olvide reunir la
información necesaria para aprender nuevos
conceptos, principios y habilidades que lo ayudarán
en el proceso. En el trabajo colaborativo y el foro
sobre el tema de debate llamado Fase 6. Trabajos
Unidad 3. Procesos de colaborativos 3, la actividad puede comenzar
decisión de Markov convocando socios, identificando los roles y
11 - 12
tomando nota de lo que tomará.
Actividades grupales:

que ya tienen, a los detalles de los problemas que
se proponen y poner en discusión para una
resolución posterior. Considere los posibles
algoritmos que necesitarán resolver cada uno de los
problemas de decisiones propuestas en un ambiente
de incertidumbre. Genere colectivamente una lista
de métodos de respuesta, luego resuelva
manualmente usando estos algoritmos. Apoye la
solución a través de la investigación del
conocimiento y las fuentes bibliográficas que
contienen y explican cada uno de los métodos de
solución.
13
Etapa 20. Ingrese el entorno práctico, en este

espacio está el uso del material explicativo WinQSB,
recuerde agregar usando capturas de pantalla a sus
trabajos colaborativos, ingresos y tabla de
resultados finales para los problemas planteados.
En este mismo espacio se puede revisar

cuidadosamente la guía de uso de recursos
educativos, para el uso del software WinQSB, que es
el programa más utilizado en la solución de
problemas de Investigación Operativa y otro
software especializado en el tema.
Etapa 21. Completar individualmente el diario de e-

portfolio, para que pueda verificar el registro de sus
dificultades y fortalezas con la actividad del entorno
práctico, reconociendo la contribución para su vida
Unidad 3. Procesos de profesional del uso de los algoritmos del curso, que
decisión de Markov se ubica en el entorno de evaluación y seguimiento,
tal como se identifica en el e-portafolio en las
conclusiones de los trabajos colaborativos que se
ubican en el entorno de aprendizaje colaborativo y
consolidar el grupo de trabajo final.

trabajo group_212066_TC3, en Arial 12 y APA, con
el siguiente contenido:

activamente en la consolidación y generación de los
trabajos colaborativos.

el espacio provisto para este fin, en lo sucesivo,
Fase 6. Trabajos en colaboración 3.
Etapa 23. Completar individualmente la encuesta

de autoevaluación y COEVALUACIÓN, que se ubica
en el entorno de evaluación y seguimiento, esto
permite identificar las estrategias individuales y
grupales utilizadas para el desarrollo de las
actividades.
Fase 7. Solucionar problemas y analizar las

situaciones planteadas en la evaluación de la
Unidad 3, teniendo en cuenta los siguientes
pasos:
Unit 3. Markov decision
14 processes Unidad 3.
Procesos de decisión de
Markov
Unidades 1, 2 y 3.
15 - 16 Decisiones en entornos Fase 8. Presente los resultados de los
de riesgo, problemas propuestos en el proyecto final.
incertidumbre y Markov

Syllabus in Spanish

Cargado por

Información del documento

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

Syllabus in Spanish

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ACADEMIC AND RESEARCH VICE RECTOR

School or unit: School of Basic

El curso académico consta de tres (3) créditos académicos, cuyo campo de

La evaluación se llevará a cabo en 8 fases con una estrategia de aprendizaje

Propósitos de la formación del curso:

• Generar en el alumno la capacidad de interpretación de los resultados

• Diferenciar los algoritmos, sus características y aplicaciones en diferentes

• Proporcionar al estudiante una herramienta clara para la solución de

Las competencias del curso:

• El alumno identifica los conceptos básicos en el proceso de toma de

• Los métodos apropiados del estudiante de valor esperado, árboles de

• El alumno utiliza las decisiones bajo incertidumbre, teoría de juegos y

Units / themes Educational resources required

a. Conceptos básicos de árboles

a. Conceptos generales de la teoría

Pineda, R. (2017). Objeto de

a. Definición de los modelos de etapa Ibe, O. (2013). Procesos de Markov

Pineda, R. (2017). Objeto de

Recursos educativos adicionales para el curso:

Unidad 1. Decisiones en un entorno de riesgo

Aven, T. (2008). Análisis de riesgos: el proceso de análisis de riesgos:

Unidad 2. Decisiones en un ambiente de incertidumbre

Kelly, A. (2003). Toma de decisiones utilizando la teoría de juegos: una

Narahari, Y. (2014). Teoría del juego y diseño de mecanismos. Nueva Jersey,

Unidad 3. Procesos de decisión de Markov

Piunovskiy, A. (2012). Ejemplos en los procesos de decisión de Markov:

Description of the learning strategy:

El ejercicio educativo para entornos de aprendizaje a distancia y virtual

En el enfoque ABP se promueve la autonomía cognitiva, se aprende y

Para este ejercicio, es importante considerar aspectos como el tiempo de

2. DISTRIBUTION OF THE ACADEMIC ACTIVITIES OF THE COURSE

Seman Actividad para desarrollar de acuerdo a la

Etapa 1. Individualmente El alumno debe leer el

Etapa 2. Reconocer el entorno virtual del entorno

Etapa 3. Cada participante ingresa al ambiente de

Etapa 4. Desarrollar actividades que están

Etapa 5. Cada participante al final de sus

Se espera que el producto sea un archivo PDF

Etapa 6. Actividad individual: con la lectura y el

Etapa 7. El equipo debe recurrir al conocimiento

Etapa 9. Rellene de forma individual el diario del

Producto esperado: archivo PDF marcado con su

Etapa 10. El líder del grupo debe cargar un único

Etapa 11. Actividad individual: Junto al desarrollo

Fase 4. Resuelva problemas aplicando los

Etapa 12. Actividad individual: con la lectura y el

Etapa 13. El equipo debe recurrir al conocimiento

Etapa 15. Rellenar individualmente el diario de e-

Producto esperado: archivo PDF marcado con su

Página 1. Inicio con los miembros que participaron

Etapa 16. El líder del grupo debe cargar un único

Etapa 17. Actividad individual: Junto al desarrollo

Etapa 18. Actividad individual: con la lectura y el

Etapa 19. El equipo debe recurrir al conocimiento

Etapa 20. Ingrese el entorno práctico, en este

En este mismo espacio se puede revisar

Etapa 21. Completar individualmente el diario de e-

Producto esperado: archivo PDF marcado con su

Página 1. Inicio con los miembros que participaron

Etapa 22. El líder del grupo debe cargar un único

Etapa 23. Completar individualmente la encuesta

Fase 7. Solucionar problemas y analizar las