Modelos Cuantitativos para La Predicción

Universidad de La Salle
Ciencia Unisalle
Escuela de Negocios e-learning Diseños de espacios académicos e-learning
9-22-2021
Modelos Cuantitativos para la Predicción

Jonathan Franco
Universidad de La Salle, direccionelearning@unisalle.edu.co
Follow this and additional works at: https://ciencia.lasalle.edu.co/elearning_esc_negocios
Recommended Citation
Franco, Jonathan, "Modelos Cuantitativos para la Predicción" (2021). Escuela de Negocios e-learning. 10.
https://ciencia.lasalle.edu.co/elearning_esc_negocios/10
This Libro is brought to you for free and open access by the Diseños de espacios académicos e-learning at Ciencia
Unisalle. It has been accepted for inclusion in Escuela de Negocios e-learning by an authorized administrator of
Ciencia Unisalle. For more information, please contact ciencia@lasalle.edu.co.
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
GUÍA PARA EL DISEÑO DE ESPACIOS ACADÉMICOS EN MODALIDAD VIRTUAL
Apreciado autor, por favor diligencie esta ficha a partir de las indicaciones que se dan dentro del
documento las cuales sirven para la elaboración de ambientes de aprendizaje en modalidad e-
learning (virtual).
Nota 1: toda la información en gris dentro de cada celda a lo largo de la guía corresponde a expli-
caciones de lo que se debe escribir, por lo que la puede borrar una vez comprenda el objetivo
de cada segmento.
Nota 2: antes de iniciar la creación de las unidades didácticas, puede acudir a los ejemplos de
formulación de actividades en el siguiente recurso: clic para ver
INFORMACIÓN GENERAL DEL ESPACIO ACADÉMICO

Unidad académica/admi-
nistrativa
Programa(s) Maestría en Analítica e Inteligencia de los Negocios
Nombre del espacio aca- Modelos cuantitativos para la predicción

démico
Créditos 3
Asesor(a) tecnopedagó- Yiny Paola Cárdenas
gico (a)
(lo completa DEE)
Adecuador(a) pedagó-
gico(a) (lo completa DEE)
Fecha elaboración 22/09/2021
Fecha actualización 22/09/2021
Autor(es) del diseño del espacio académico (modalidad e-learning)

Nombres y Apellidos Jonathan Franco Ospina
Perfil profesional (máx.
200 palabras) de cada Magister en gestión de proyectos, certificado en Riesgos financieros , ex-
autor perto en modelos de riesgo desarrollados para la banca, seguros, servicios
financieros, servicios tecnológicos, fiduciarias, comisionistas, mediante el
uso y desarrollo de herramientas en Machine Learning y Bigdata.
Link al CVLAC (hoja de https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurricu-

vida en línea) loCv.do?cod_rh=0001430276
Foto del perfil
Datos de contacto davidfrancoospina@gmail.com

Correo electrónico davidfrancoospina@gmail.com
METODOLOGÍA DE APRENDIZAJE DEL ESPACIO ACADÉMICO (redacción dirigida al estudiante)
En nuestro curso abordaremos una metodología teórico práctica mediante el cual involucraremos proyec-
ciones de variables basándonos en la información disponible, analizando también cómo las proyeccio-
nes afectan nuestras decisiones financieras. Nos apoyaremos en los conceptos de herramientas clásicas:
los conceptos de escenario esperado, distribución de probabilidad, y el uso de percentiles para si com-
prender el concepto teórico practico la modelación aplicada a la inteligencia de negocios.
PRESENTACIÓN DEL ESPACIO ACADÉMICO (No superar 1 página) (redacción dirigida al estu-
diante)
Este es un curso de Modelos cuantitativos para la predicción está diseñado para su aplicación en el ámbito
de la analítica de negocios. En este curso aprenderás cómo explotar de la mejor forma los datos que ali-
mentan a los modelos financieros y de negocios.
En el “milenio de los datos", cada vez más organizaciones, empresas y emprendedores cuentan con infor-
mación y data que pueden ser explotada para enriquecer los modelos de negocios y su debidas proyec-
ciones; Sustentados en métodos estadísticos, en este curso aprenderás a proyectar variables, a realizar
predicciones, a medir y a evaluar la implicancia de riesgos y cuáles son los criterios para la toma decisio-
nes, basadas en la evaluación de escenarios con incertidumbre. Por lo tanto comprende la competencias en
el uso de datos estructurados y no estructurados en diagnósticos y en la creación de modelos predictivos para la

gestión del Negocio.
Nuestro curso será un espacio e-learning lo que nos permitirá realizar un seguimiento y formación per-
sonalizada y una gestión real de conocimiento.
¿Qué aprenderemos?
Unidad 1
En esta unidad conoceremos la proyección de variables basándonos en la información disponible sobre

esa variable. Examinaremos también cómo las proyecciones afectan nuestras decisiones financieras y
conocer conceptos de proyección de un escenario esperado.
• identificación de escenarios de riesgo

• Medir probabilidades de ocurrencia.
• Utilizar herramientas clásicas de la estadística
Unidad 2
En esta unidad comprenderemos cómo proyectar una variable incluyendo datos adicionales, aquellos
que servirían para explicar o predecir el fenómeno de interés.
Nos enfocaremos en modelos de regresión en argumentar los cambios en las regresiones y los proble-
mas comunes que pueden surgir en la modelización.
Unidad 3
En esta última unidad trabajaremos con modelos de Series de Tiempo, y su aplicación en ejercicios
usando proyección del Producto Bruto Interno de un país, la tasa de interés en un mercado, el precio de
una acción, etc.
Conoceremos las diferentes formas de modelizar a las series de tiempo, en este módulo también utiliza-
remos software R para modelar series de tiempo de una manera eficiente.
PLAN DE FORMACIÓN DEL ESPACIO ACADÉMICO

Nombre de las actividades (con breve des- Semanas de % de nota
Unidad Competencias* Contenidos de la unidad
cripción) aprendizaje ** ***
Unidad 1. • Relacionar el con- En este módulo estudiare- Encuentro virtual 1. Introducción al curso Semana 1 -
Proyecciones cepto de escenario mos la proyección de varia-
Descripción: Comenzaremos con una breve pre-
y escenarios esperado y sus limi- bles basándonos en la infor-
sentación, y sector en dónde trabajamos, para
de riesgo taciones a la hora mación disponible.
así conocer cuál es el perfil del estudiante y co-
de proyectar una
nocer más de cada uno de los sectores y su in-
variable. Compren-
formación disponible.
diendo el concepto Analizaremos también
de escenarios para cómo las proyecciones afec- Actividad 1 Caso Lectura 1 Indieplay y ejercicio Semana 1 5%
el entendimiento tan nuestras decisiones fi- resuelto
del riesgo en los nancieras.
Producto: Ensayo sobre el caso y su solución.
pronósticos
Desde la parte teórica revi-
Actividad 2. ¿Cómo diseñar e interpretar grafi- Semana 2 10%
• Desarrollar esce- saremos los conceptos de
cas?
narios esperados en proyección de un escenario
la proyección de in- esperado, la identificación ¿Cómo graficar histogramas en Excel?
sumos de un flujo de escenarios de riesgo, y en
Lectura: ¿Qué es estadística?
de fondos, apli- cuantificar sus probabilida-
cando el concepto des de ocurrencia. Producto: Histograma de ejemplos con infor-
de proyecciones con mación pública y simulaciones con acciones del
el objetivo de cono- S&P 500.
cer la sensibilidad 1. Escenarios esperados
1.1. Valor esperado y Actividad 3. Riesgos aplicados Semana 3 15%
de las variables que
influyen en un pro- promedio • Lectura “Métodos cuantitativos para
yecto y en sus resul- 2. Construyendo escena- los negocios "
tados rios de riesgo
2.1. Riesgos Evaluemos lo aprendido
• Identificar esce-
2.2. Percentiles Producto: Quiz 5 preguntas
narios de riesgo y
3. Funciones de distribu-
sus probabilidades
ción de probabilidad
relacionadas. Con el
3.1. Simulaciones
objetivo de conocer
los efectos del pro-
nostico en los. aná-
lisis financieros
En este módulo nos enfoca- -

remos en modelos de regre-
sión.
1. Implementar Descripción: Regresiones simples Semana 4
modelos de re- Luego, extenderemos el mo-
Unidad 2. Actividad 4. Lectura Indieplay – Regresiones Semana 4 5%
gresión para
Modeliza- delo para incluir múltiples simples en Excel
explicar y pro-
ción basada variables. Introduciremos los
yectar un com- Producto: Regresión simple acción de Banco-
en Regresión cambios en la interpreta-
ponente. lombia 2020 con ICOLCAP Datos BVC.
1. Diagnosticar el ción, y los problemas comu-
Semana 5 10%
ajuste general nes que pueden surgir en la
de los modelos modelización. Actividad 5. Aplicación de las Regresiones múl-
con el objetivo tiples.
de conocer cuál 1. Modelo de regresión Lecturas
es el más simple
acorde estadís-
2. Modelo de regresión • Regresiones múltiples en Excel Indi-
ticamente play
múltiple
• Regresiones múltiples en R
2. Implementar 3. Modelo de clasificación
un modelo de (variable dependiente Producto: Regresión simple entre la acción de
clasificación Bancolombia, Ecopetrol, Grupo SURA y el ICOL-
binaria)
con el conoci- CAP para el 2020.
miento estadís- Actividad 6 Ejercicios de Default en Excel y en R Semana 6 15%
tico.
Lecturas
• Default de crédito en Excel
• Defautl de crédito en R
Evaluemos lo aprendido
Producto: Taller Scoring de Crédito
• Modelos predicti- En este módulo extendemos Encuentro virtual 3. Aplicación de Series de Semana 7 -
vos que permitan los modelos para acomodar Tiempo en R
Unidad 3.
proyectar tenden- a las Series de Tiempo, Discu-
Modelos de Descripción: Descarga del sotfware, instalación
cias temporales y tiremos formas de modelizar
Series de de librerías,
estacionalidad. Con a las series de tiempo por sus
Tiempo y
el objetivo de reali- principales componentes. Actividad 7. Simulación de Series de Tiempo en Semana 7 5%
aplicaciones
zar pronósticos Excel
en R En este módulo también in-
avanzados.
troduciremos al software R Producto: Ejercicio simulaciones de series de
• Modelar los com- para modelar series de tiempo pronostico simple y suavizado exponen-
ponentes más rele- tiempo de una manera efi- cial
vantes de una serie ciente.
Actividad 8. Ajustes de series de tiempo en Ex- Semana 8 15%
de tiempo.
1. Simulando Series de cel.
• Comprender el Tiempo
Producto Ejercicios de series de tiempo
funcionamiento y a 2. Ajustes de la Series
estimar la familia 3. Diagnóstico y Modeliza- Actividad 9. Estimaciones de Series de Tiempo Semana 9 20%
de modelos ARMA ción de Autocorrelación en R
para la modeliza-
Lectura
ción de correlación
temporal. • Diagnóstico y ajuste de correlación
• Estimación de series de tiempo en R
Descripción
Evaluemos lo aprendido
Producto: Quiz 3 preguntas
Encuentro virtual 4. Conclusiones – Foro en vivo. Semana 10
Descripción Charla magistral con temas visto en
la clase. Conclusiones
* Para la formulación de la competencia tenga en cuenta los niveles de pensamiento (Crear, Aplicar, Evaluar, Analizar y Comprender), la taxonomía
de Bloom y la siguiente estructura: Verbo (acorde al nivel de pensamiento elegido) – Objeto de conocimiento y Condición de calidad, contexto de
aplicación o el para qué del aprendizaje.

**Tenga en cuenta que las asignaturas de pregrado se diseñan con duración de 16 semanas y las de posgrado 10 semanas.
***Indique el valor (porcentaje) que cada actividad tendrá sobre la nota final. Tenga presente que ninguna actividad debe superar el 30%. Es im-
portante que la suma de todos los porcentajes sea igual a 100%. Complete con un “-” las actividades que no sean evaluables.
**** Numere y nombre los encuentros virtuales que se desarrollarán a lo largo de la unidad de aprendizaje. Tenga en cuenta que se debe desarro-
llar mínimo 1 videoconferencia por cada unidad. Sin embargo, puede precisar de un mayor número de encuentros, si lo desea.
A QUIEN SE DIRIGE EL ESPACIO ACADÉMICO

Presaberes y/o habilida- • Conocimientos generales de matemática y de len-
des previas guajes de programación.
UNIDAD DIDÁCTICA 1:
Proyecciones y escenarios de riesgo
Descripción general
Resumen Bienvenidos a este curso de Modelos cuantitativos para la predicción
en donde nos enfocaremos en cómo modelar un futuro incierto.
En este curso nos vamos a enfocar en utilizar la información y los datos disponibles que
tengamos para hacer las mejores proyecciones posibles. Vamos a aprender a utilizar
estos datos y que estos sean suficientes para nuestras proyecciones. Actualmente to-
dos los días producimos datos, por lo tanto, es importante que aprendamos a saber
que datos utilizar y como darle importancia central a la incertidumbre generando es-
cenarios que ocurren con distintas probabilidades de ocurrencia.
Preguntas orientadoras • ¿Cómo proyectar una variable?

• ¿Qué es un escenario de riesgo y cuál es su aplicación en los pronósti-
cos de una variable en un proyecto financiero?
• ¿Qué es una probabilidad?
• ¿Qué son las medidas estadísticas?
Detalles de la Unidad
ACTIVIDADES DE APRENDIZAJE (redacción dirigida al estudiante)

ACTIVIDAD 1: Caso Lectura 1 Indieplay y ejercicio resuelto
¿Qué vamos a lograr?
• Relacionar el concepto de escenario esperado y sus limitaciones a la hora de proyectar una variable.
Comprendiendo el concepto de escenarios, (competencia 1)
• Desarrollar escenarios esperados en la proyección de insumos de un flujo de fondos, aplicando el
concepto de proyecciones. (competencia 2)
¿Cómo lo vamos a lograr?
Estimado estudiante, a continuación encontrará el caso Indiplay desarrollado por el profesor Pasquini Raul, en el cual
revisaremos los puntos clave de un análisis de negocio de una Startup, y los datos y fuentes que nos permitirán reali-
zar modelos cuantitativos para la toma de decisiones.
En primer lugar le sugiero que lea el siguiente caso (Indiplay Case), revise los siguientes recursos:
1. El Excel adjunto (Indiplay y Regresión Multiple), y

2. El recurso No. 1 en donde encontrará el paso a paso de la solución del caso, el cual se evaluará
3. Lectura Indiplay Case
Realizar un ensayo que responda la pregunta ¿Según los datos del proyecto Indiplay es un buen momento
para lanzar un video juego?, justifique su respuesta, el ensayo debe tener máximo 4 hojas y mínimo 2 ho-
jas (Normas APA).
¿Cómo lo vamos a evaluar?
Se Evaluará de la siguiente forma:
Criterios de desempeño Pun-

tos
Responde a la pregunta si es un buen momento para lanzar un nuevo video juego 2
Utiliza conceptos explicados en la lectura (Indiplay case pdf y Recurso No. 1) 1
Argumenta con datos relacionados el buen momento o no de lanzar un nuevo video 1
juego
Concluye utilizando conceptos explicados en las lecturas 1
La suma total debe dar 5
Nota: La escala de la rúbrica es estándar para todos los espacios académicos.
Información para el equipo de producción de la DEE
Herramientas de la plataforma virtual (Marque con una X):

• Foro___
• Tarea_x___
• Cuestionario___
• Webex (encuentros)___
• Taller ____
• Glosario____
• Wiki____
• No sabe___
• Otra ¿Cuál?_______
Herramientas web externas a la plataforma [Puede consultar algunas herramientas en https://h5p.org/h5p/embed/123342] Indique si
utilizará alguna____________
Lecturas complementarias
• Anderson, D. R., Sweeney, D. J., Williams, T. A., Camm, J. D., & Martin, K. (2011). Métodos
cuantitativos para los negocios. Cengage Learning.
• Bachar, M., Batzel, J., Ditlevsen, S., 2013. Stochastic Biomathematical Models: With Applications to
Neuronal Modeling. Springer, Heidelberg. Bartocci, E., Lió, P., 2016. Computational modeling, for-
mal analysis, and tools for systems biology. PLOS Computational Biology 12 (1), e1004591. https://
doi.org/10.1371/journal.pcbi.1004591.
• Hanke, J. E., & Wichern, D. W. (2006). Pronósticos en los negocios. Pearson educación.
• Pasquini. R, 2020, Caso Indiplay, Date Written: septiembre 30, Universidad Austral - Facultad de
Ciencias Empresariales; Universidad Torcuato Di Tella - School of Government,:,
ACTIVIDAD 2: ¿Cómo diseñar e interpretar gráficos?
Analizar y estudiar los conceptos básicos sobre Estadística aplicados en forma gráfica, es un recordatorio
de los conocimientos que deben dominar para enseñar el tema de interpretación y tablas estadísticas.

• Realizar la lectura del documento ¿Qué es estadística?
• Lectura del documento ¿cómo graficar histogramas?
• Ver el video How to Download Historical Stock Prices from Yahoo Finance
(https://www.youtube.com/watch?v=S39Lx-Lh3fQ)
• Ver Ejercicio https://www.initialreturn.com/creating-a-histogram-of-stock-returns-with-excel/
• Ver Ejercicio en Excel solucionado para AAPL AAPL Case.csv
Crear un histograma de los precios diarios de los ultimo 5 años, para las siguientes acciones basadas en el respec-
tivo análisis del ejemplo:
• Apple Inc. (AAPL)

• Exxon Mobil Corporation (XOM)
• Tesla, Inc. (TSLA)
• Microsoft Corporation (MSFT)
• Las Vegas Sands Corp. (LVS)
• Citigroup Inc. (C)
• NVIDIA Corporation (NVDA)
• Upstart Holdings, Inc. (UPST)
• Vector Group Ltd. (VGR)
• ForgeRock, Inc. (FORG)
• Coupang, Inc. (CPNG)
• AstraZeneca PLC (AZN)
• Voyager Digital Ltd. VYGVF
• Vimeo, Inc. (VMEO)

• Intra-Cellular Therapies, Inc. (ITCI)
Para el presente ejercicio lo invitamos a revisar el Recurso No. 2 y posteriormente Entregar un Excel con las 10 em-
presas, formulado y con su debida explicación. (Ver Ejemplo ejercicios de histogramas)

tos
Presenta una hoja por cada empresa con su debido análisis (ver el ejemplo) 1
Utiliza la data de cada empresa en un rango mínimo de 5 años para calcular el análisis. 2
El análisis es claro y entendible estadísticamente. 2
Nota: La escala de la rúbrica es estándar para todos los espacios académicos

Elija la Herramienta de la plataforma virtual para el diseño de la actividad (Marque con una X):
• Foro___
• Tarea___x_
• Cuestionario___
• Taller ____
• Glosario____
• Wiki____
• No sabe___
utilizará alguna___________
ACTIVIDAD 3: RIESGOS APLICADOS

Crear modelos estadísticos en diferentes escenarios de probabilidad teniendo en cuenta medidas de riesgo.
Estimado estudiante, el siguiente ejercicio le ayudará a entender el concepto de percentiles aplicados a un caso de
negocio y a comprender su aplicación en la toma de decisiones. Ver recurso No. 3, acompañado de la lectura del ca-
pitulo 3 del Libro Métodos Cuantitativos y el Excel indiplay con su respectiva solución. Una vez realizado el cuestio-
nario usted podrá encontrar la página refereida que le ayudará a comprender la respuesta correcta.
La metodología con la cual se crearon las 5 preguntas es la siguiente:
Taxonomía Bloom
Cada una de las preguntas asignadas a elaborar, estarán catalogadas como:
• Conocimiento
• Comprensión
• Aplicación
Triangulo guía de creación de preguntas
Conocimiento:
Preguntas que miden CONOCIMIENTO de la información contenida en las lecturas a evaluar.
Estas preguntas le piden al estudiante que recuerde información que ha sido memorizada; reconocen términos, da-
tos, métodos, procedimientos, conceptos y principios.
Comprensión:
Estos tipos de preguntas miden la habilidad para entender la premisa. Estas preguntas le piden al estudiante que en-
tienda hechos y principios, o que justifique métodos y procedimientos.
Aplicación:
Se guía por los mismos principios de la comprensión y la única diferencia perceptible es la cantidad de elementos no-
vedosos en la tarea por realizar.
Dado el libro guía de la asignatura Métodos Cuantitativos.
Responder las siguientes preguntas según la lectura Métodos cuantitativos para los negocios Capitulo 3.
CONOCIMIENTO
1. En este capítulo continuamos el estudio de la probabilidad al introducir los conceptos de variables aleatorias
y distribuciones de probabilidad. Consideramos las distribuciones de probabilidad de las variables aleatorias
tanto discretas como continuas. De particular interés son cinco distribuciones de probabilidad especiales: bi-
nomial, de Poisson, uniforme, normal y exponencial, las cuales se consideran importantes porque se utilizan
mucho en la práctica. El artículo de MC en Acción, “Distribuciones de probabilidad y la búsqueda de un tesoro”,

describe cómo la elaboración y el uso de una distribución de probabilidad ayudaron a encontrar un barco
hundido, según el articulo MC en ACCIÓN el uso de distribuciones :
A. El uso de distribuciones de probabilidad jugó un papel importante en la localización de un barco hundido.
En 1867, mientras transportaba pasajeros y plata de California a Nueva York, el SS Central America se
hundió debido a un huracán, llevándose al fondo del océano barras y monedas de oro con un valor esti-
mado de $400 millones. La elaboración de una distribución de probabilidad fue fundamental para la crea-
ción del plan de búsqueda, ya que permitió determinar la posición del barco hundido. El trabajo comenzó
con la elaboración de la distribución de probabilidad en el verano de 1995, la cual consistía en combinar
información de varias fuentes: la última posición reportada por el capitán Herndon, los avistamientos por
parte de otros barcos, los sobrevivientes a la deriva, las estimaciones de la rapidez del viento y las corrien-
tes marítimas, etc.
B. El uso de distribuciones de probabilidad jugó un papel importante en la localización de un barco hundido.
En 1877, mientras transportaba Caballos y plata de California a Nueva Delly, el SS Central America se
hundió debido a un huracán, llevándose al fondo del océano barras y monedas de plata con un valor
estimado de $400 millones. La elaboración de una distribución de probabilidad fue fundamental para la
creación del plan de búsqueda, ya que permitió determinar la posición del barco hundido. El trabajo co-
menzó con la elaboración de la distribución de probabilidad en el verano de 1995, la cual consistía en
combinar información de varias fuentes: la última posición reportada por el capitán Herndon, los avista-
mientos por parte de otros barcos, los sobrevivientes a la deriva, las estimaciones de la rapidez del viento
y las corrientes marítimas, etc.
C. El uso de distribuciones de probabilidad jugó un papel importante en la localización de un barco hundido.
En 1877, mientras transportaba pasajeros y plata de New Yersi a Nueva York, el SS Central America se
hundió debido a un huracán, llevándose al fondo del océano barras y monedas de oro con un valor esti-
mado de $600 millones. La elaboración de una distribución de probabilidad fue fundamental para la crea-
ción del plan de búsqueda, ya que permitió determinar la posición del barco hundido. El trabajo comenzó
con la elaboración de la distribución de probabilidad en el verano de 1965, la cual consistía en combinar
información de varias fuentes: la última posición reportada por el capitán Patthon, los avistamientos por
D. El uso de distribuciones de probabilidad jugó un papel importante en la localización de un barco hundido.
En 1857, mientras transportaba pasajeros y oro de California a Nueva York, el SS Central America se hun-
dió debido a un huracán, llevándose al fondo del océano barras y monedas de oro con un valor estimado
de $400 millones. La elaboración de una distribución de probabilidad fue fundamental para la creación
del plan de búsqueda, ya que permitió determinar la posición del barco hundido. El trabajo comenzó con
la elaboración de la distribución de probabilidad en el verano de 1985, la cual consistía en combinar in-
formación de varias fuentes: la última posición reportada por el capitán Herndon, los avistamientos por
Rta: D El uso de distribuciones de probabilidad jugó un papel importante en la localización de un barco hundido. En
1857, mientras transportaba pasajeros y oro de California a Nueva York, el SS Central América se hundió debido a un
huracán, llevándose al fondo del océano barras y monedas de oro con un valor estimado de $400 millones. La elabo-
ración de una distribución de probabilidad fue fundamental para la creación del plan de búsqueda, ya que permitió
determinar la posición del barco hundido. El trabajo comenzó con la elaboración de la distribución de probabilidad en
el verano de 1985, la cual consistía en combinar información de varias fuentes: la última posición reportada por el
capitán Herndon, los avistamientos por parte de otros barcos, los sobrevivientes a la deriva, las estimaciones de la
rapidez del viento y las corrientes marítimas, etc. (Pagina 60)
CONOCIMIENTO
2. El valor esperado proporciona una idea del valor medio o central para la variable aleatoria, pero con frecuen-
cia queremos una medida de la dispersión, o variabilidad, de los valores posibles de esta variable. Por ejemplo,
si los valores de la variable aleatoria varían de muy grandes a muy pequeños, esperaríamos un valor grande
para la medida de la variabilidad. Si los valores muestran sólo una variación modesta, esperaríamos un valor
relativamente pequeño. El anterior concepto define a :
A. Distribución de probabilidad binomial
B. Valor esperado
C. Varianza
D. El proceso Bernoulli
Rta: Varianza El valor esperado proporciona una idea del valor medio o central para la variable aleatoria, pero con
frecuencia queremos una medida de la dispersión, o variabilidad, de los valores posibles de esta variable. Por ejemplo,
si los valores de la variable aleatoria varían de muy grandes a muy pequeños, esperaríamos un valor grande para la
medida de la variabilidad. Si los valores muestran sólo una variación modesta, esperaríamos un valor relativamente
pequeño. La varianza es una medida que se utiliza comúnmente para resumir la variabilidad de los valores que asume
una variable aleatoria. (Pagina 64)
CONOCIMIENTO
3. Cuando se trabaja con la distribución de la probabilidad de Poisson, es necesario asegurarse de que λ es el

número medio de ocurrencias para el intervalo deseado. Por ejemplo, suponga que usted sabe que 30 llama-
das entran a un conmutador cada 15 minutos. Si desea calcular las probabilidades de Poisson para el número
de llamadas que entra durante un periodo de 5 minutos, utilizaría para calcular las probabilidades para
el número de llamadas que entran durante un periodo de 1 minuto, se utilizaría:
a. λ = 2
b. λ = 5
c. λ = 8
d. λ=4
Rta: Pag 72
CONOCIMIENTO
4. El problema de Grear Tire Company Imagine que Grear Tire Company acaba de desarrollar una nueva llanta
radial con cinturón de acero que se venderá por medio de una cadena nacional de almacenes de descuento.
Como la llanta es un producto nuevo, la administración de Grear considera que la garantía de millaje ofrecida
con la llanta será un factor importante en la aceptación del producto por parte de los consumidores.
Antes de finalizar la póliza de garantía de millaje de la llanta, la administración de Grear quiere saber cierta
información de probabilidad concerniente al número de millas que durarán las llantas.
A partir de las pruebas de carretera reales con las llantas, el grupo de ingeniería de Grear estima el millaje
medio de una llanta en y la desviación estándar en
Además, los datos recabados indican que una distribución normal es un supuesto razonable.
Entonces, ¿qué porcentaje de las llantas se puede esperar que dure más de 40,000 millas?
a. 0.70
b. 0.75
c. 0.78
d. 0.78.5
Rta:
CONOCIMIENTO
5. Cuáles de los siguientes ejemplos NO son una variable aleatoria continuas:

A: El número de faltas en un partido de fútbol.
B: El número de onzas de sopa que contiene una lata con la etiqueta “8 onzas”
C: La vida del cinescopio de un televisor nuevo
D: La profundidad de perforación requerida para llegar al petróleo en una operación
de perforación submarina
Rta: Variables aleatorias continuas En esta sección se presentan las distribuciones de probabilidad para las variables ale
atorias continuas. Recuerde que en la sección 3.1 se estableció que las variables aleatorias que asumen cualquier valor
en cierto intervalo o colección son continuas. Los ejemplos siguientes son de variables aleatorias continuas:
1. El número de onzas de sopa que contiene una lata con la etiqueta “8 onzas”
2. El tiempo de vuelo de un avión que viaja de Chicago a Nueva York
3. La vida del cinescopio de un televisor nuevo
4. La profundidad de perforación requerida para llegar al petróleo en una operación
de perforación submarina (Página 72)

• Foro___
• Tarea____
• Cuestionario__x_
• Taller ____
• Glosario____
• Wiki____
• No sabe___
• CIemen, R. T. y T. Reilly, Making Hard Decisions with Decision Tools. Duxbury Press, 2001.
• Davis, Morton D., Game Theory: A Nontechnical Introduction. Dover, 1997.
• Goodwin, P. y G. Wright, Decision Analysis for Management Judgment, 2a. ed. Wiley, 1999.
• McMillian, John, Games, Strategies, and Managers. Oxford University Press, 1992.
• Myerson, Roger B, Game Theory: Analysis of Conflict. Harvard University Press, 1997.
• Osborne, Martin J., An Introduction to Game Theory. Oxford University Press, 2004.
• Pratt, J. W., H. Raiffa y R. Schlaiter, Introduction to Statistical Decision Theory. MIT Press, 1995.
Nota: a partir de esta sección, por favor construya las unidades que hagan falta utilizando la es-
tructura que completó para la Unidad 1. Por favor tenga en cuenta que el número de unidades
de aprendizaje dependerá directamente del alcance que precise cada Espacio Académico Virtual.
Pegué aquí la estructura
Nota: al finalizar la construcción de todas las unidades académicas, por favor continúe con la siguiente
sección:

Presaberes y/o habilida- • Conocimientos generales de estadística
des previas
Modelización basada en Regresión
Resumen Bienvenidos a este curso de Modelos cuantitativos para la predicción
en donde nos enfocaremos en como proyectar mediante modelos de regresión linea
l y múltiple
En esta unidad revisaremos como una variable puede ser estimada incluyendo datos
adicionales, y como estos servirían para explicar o predecir el fenómeno de interés.
Puntualmente trabajaremos en modelos de regresión, entendiendo el método simple

y luego, extenderemos el modelo para incluir múltiples variables.
Preguntas orientadoras ¿Qué es una regresión?

¿Cómo proyectar un componente del flujo de caja?
¿Cómo diagnosticar si mi modelo de regresión es el mejor?
¿Cómo poder implementar un modelo de clasificación?

ACTIVIDAD 4: Indieplay – Regresiones simples en Excel
Estimado estudiante en esta unidad aprenderá a explicar los factores más importantes al tratar de predecir una
variable y cómo determinar cuáles podrían afectarle el resultado del pronóstico. A continuación le invito a ver el
recurso No. 4.
En esta unidad usted logrará:
• Estudiar modelos de regresión para explicar factores que tengas incidencia en las variables que
queremos predecir.
• Aprender a testear hipótesis
• Determinar qué factores afectan a mi modelo de regresión
• Aprender a incluir en modelo variables explicativas
• Estudiar modelos de clasificación
Estimado estudiante dado el ejercicio realizado en el recurso No. 4, replique una regresión lineal teniendo en
cuenta las acciones colombianas frente a su índice. Esto con el fin de conocer cual podria ser el precio futuro dada
una correlación de las acciones.
Realizar una regresión lineal de la acción de Colombia con la variable dependiente ICOLCAP
Ver video descargar información de la bvc https://www.youtube.com/watch?v=Xkahk580xrY
Enlace de descarga de información https://www.bvc.com.co/pps/tibco/portalbvc/Home/Mercados/enlinea/acciones
En el video encontrará cómo descargar la informacion necesaria para realizar la regresion.
• Descargar 1 año de los precios de cierre para Bcolombia y ICOLCAP (sugiero que sea un año para que la re-
gresión sea mas robusta estadísticamente).
• ¿Cuál sería el valor de la acción de Bcolombia si ICOLCAP cierra en 14.200? Con el resultado del ejercicio y
los cálculos realizados responda esta pregunta.
Producto: Regresión simple acción de Bancolombia 2020 Con el ICOLCAP Datos BVC.
Entregar un Excel con los datos calculados y la explicación respectiva.

tos
Entrega archivo Excel con los datos de Bcolombia- Icolcap 1
Realiza el cálculo de la regresión lineal (usando Excel) 1
Realiza el análisis respectivo para la regresión 1
Responde a la pregunta ¿Cual sería el valor de la acción de Bcolombia si ICOLCAP cie- 2
rra en 14.200?
Nota: La escala de la rúbrica es estándar para todos los espacios académicos.

• Foro___
• Tarea_x___
• Cuestionario___
• Taller ____
• Glosario____
• Wiki____
• No sabe___
• Bowerman, B. L. y R. T. O’Connell, Forecasting and Time Series: An Applied Approach, 3a. ed.
Duxbury Press, 1993.
• Box, G. E. P., O. M. Jenkins y G. C. Reinsel, Time Series Analysis: Forecasting and Control, 3a. ed.
Prentice Hall, 1994.
• Hanke, J. E. y A. G. Reitsch, Business Forecasting, 6a. ed. Prentice Hall, 1998. Makridakis, S. O., S.
C. Wheelwright y R. J. Hyndman, Forecasting: Methods and Applications, 3a. ed. Wiley, 1997.
• Wilson, J. H. y B. Keating, Business Forecasting, 3a ed. Irwin, 1998.
• Ricardo Pasquini,Universidad Austral - Facultad de Ciencias Empresariales; Universidad Torcuato Di
Tella - School of Government, Date Written: September 30, 2020
ACTIVIDAD 5: Aplicación de las Regresiones múltiples.
Realizando ejercicios de regresión múltiple en Excel y en Rstudio .

Estimado estudiante dado el ejercicio realizado en el recurso No. 5, replique una regresión múltiple teniendo en
cuenta las acciones colombianas frente a su índice, realizadas en Excel y en R Studio, adicionalmente calcule la
ecuación de regresión múltiple que responda a diferentes cambios en los precios de las acciones.
Ver video descargar información de la bvc https://www.youtube.com/watch?v=Xkahk580xrY

Enlace de descarga de información https://www.bvc.com.co/pps/tibco/portalbvc/Home/Mercados/enlinea/acciones
• Descargar 3 años de los precios de cierre para Bcolombia, Ecopetrol, Grupo SURA y el ICOLCAP para el
2020.
• ¿Cuál sería el valor de la acción de Bcolombia si Ecopetrol cierra en $3500, Grupo Sura $25.000 e ICOLCAP
$15.000?
Entregar un Excel y código en R con los datos calculados y la explicación respectiva.

tos
Realiza el análisis estadístico (máximos, mínimo, promedio, desviación estándar y per- 1
centiles) con los datos de las acciones.
Realiza el cálculo de la regresión lineal (usando Excel) y R 1
Realiza el análisis respectivo para la regresión 1
Responde a la pregunta ¿Cuál sería el valor de la acción de Bcolombia si Ecopetrol cie- 2
rra en $3500, Grupo Sura $25.000 e ICOLCAP $15.000?, Según el análisis que usted
realizó y los resultados de la regresión usted podrá responder esta pregunta.


• Foro___
• Tarea___x_
• Cuestionario___
• Taller ____
• Glosario____
• Wiki____
• No sabe___
ACTIVIDAD 6: Ejercicios de Default en Excel y en R

Comprender modelos de clasificación para explicar y predecir variables.
Apreciado Estudiante por favor realice los pasos que se relacionan a continuación:
1. Analice el recurso No. 6 y la solución de un scoring o default de Crédito,

2. Estudiaremos un caso aplicado a un scoring de tarjeta de crédito y mediante el uso de los mode-
los de clasificación daremos solución a este usando R y Excel.
3. Usted estará en capacidad de analizar los resultados de los coeficientes del modelo y evaluar los
resultados de la regresión.
Cómo Lo vamos a evaluar?
Producto: Taller Scoring de Crédito (Ver Excel Scoring de Credito Taller)

- Una empresa dispone de datos históricos de 15 clientes "buenos" y 15 "malos" y quiere realizar un credit
scoring
- Dispone de dos variables: los ingresos mensuales y el nivel de estudios. Los credit scoring reales utilizan
muchas variables
- Se trata de clasificar a Juan, un cliente potencial que ha solicitado un crédito, como "bueno" o "malo"
Juan gana 1800 al mes y su nivel de estudios es Bachiller, es decir: 3. ¿Le daríamos un crédito?

tos
Entrega del ejercicio resuelto en R 1
Se evidencia abordaje de las conclusiones 2
Responde a la pregunta le daríamos un crédito 2

• Foro___
• Tarea__x__
• Cuestionario___
• Taller ____
• Glosario____
• Wiki____
• No sabe___
sección:

Presaberes y/o habilida- • Conocimientos generales de matemática, estadís-
des previas tica y de lenguajes de programación.
Modelos de Series de Tiempo y aplicaciones en R
Resumen En esta unidad aprenderemos acerca de los modelos predictivos, series de tiempo,
componentes que permitan realizar un pronostico avanzado de una variable.
Adicionalmente comprenderemos el funcionamiento y la estimación de los modelos
ARMA.
Puntos Principales:
• Modelos predictivos que permitan proyectar tendencias temporales y estacionali-
dad. Con el objetivo de realizar pronósticos avanzados.
• Modelar los componentes más relevantes de una serie de tiempo.
• Comprender el funcionamiento y a estimar la familia de modelos ARMA para la
modelización de correlación temporal.
Preguntas orientadoras • ¿Qué es una serie de tiempo?

• ¿Cómo puedo utilizar una serie de tiempo para tomar decisiones ?
• ¿Cómo diferenciar una serie de tiempo vs. Pronostico avanzado?

ACTIVIDAD 7: Simulación de Series de Tiempo en Excel

prenderemos a utilizar y usar modelos de Series de Tiempo, que son aquellos en donde la secuencialidad
ade la información es relevante.
Analizaremos series de tiempo y desarrollaremos ejercicios que nos permitan comprender las formas de
modelizar a las series de tiempo por sus principales componentes.
Estimado estudiante mediante el siguiente ejercicio se evaluará cuál es el mejor modelo para pronosticar
unas series de ventas trimestrales y así conocer, cual es el valor de las ventas del primer trimestre del
2021.
El ejercicio cuestiona 2 métodos: simple o suavizado, en el cual usted debe escoger: ¿Cuál es el mejor para
pronosticar las ventas, y cual tiene mejores medidas o menor error de pronostico?
Se Evaluará de la siguiente forma:
Estimar cuál sería el mejor modelo para pronosticar la siguiente serie (Simple o Suavizado exponencial)
Año Trimestre Sales

1 165000
2 253000
2019
3 316000
4 287000
1 257000
2 308000
2020
3 376000
4 3651000
Para ello realice la entrega del ejercicio resuelto mediante la tarea correspondiente.
tos
Aplica los conocimientos aprendidos para resolver el ejercicio 2
Explica mediante el uso de indicadores de los modelos 2
Concluye utilizando conceptos explicados en la actividad 1

• Foro___
• Tarea_x___
• Cuestionario___
• Taller ____
• Glosario____
• Wiki____
• No sabe___
Peña, D. (2010). Análisis de series temporales. Alianza.
Damodar N. Gujarati · (2006) Principios de econometría,
Restrepo Saavedra Carlos Julio · (2011) Teoría Del Caos,
ACTIVIDAD 8: Ajustes de series de tiempo en Excel.
Estimado estudiante mediante ejercicios de serie de tiempo para simular el comportamiento de variables
usted conocerá cual es el mejor modelo estadístico que le permita llegar a una predicción de un valor
exacto. ,
Estimado estudiante dado el ejercicio realizado en el recurso No. 8 usted debe:
1. Seleccionar un país de la base Series de tiempo y ajustar la serie usando Ajustes de tendencia y estacionali-
dad y argumentar los resultados.
2. Realice la entrega de la tarea en el espacio asignado en plataforma.

tos
Realiza el ajuste de tendencia T^2 y calcular la regresión múltiple 2
Realiza el ajuste de estacionalidad Seno y coseno y calcular la regresión múltiple 2
Establece las conclusiones del ejercicio 1

• Foro___
• Tarea___x_
• Cuestionario___
• Taller ____
• Glosario____
• Wiki____
• No sabe___
ACTIVIDAD 9. Estimaciones de Series de Tiempo en R
Conocer herramientas que nos permitan diagnosticar adecuadamente la presencia de autocorrelación en nuestros
datos.
Estimado estudiante mediante la lectura del recurso No. 9 de Diagnostico y ajuste de correlación usted aprenderá a
crear un modelo de series de tiempo en R y a estimar el mejor modelo autorregresivo que nos permita obtener los
mejores coeficientes de pronóstico.
Para hacer el ejercicio debe abrir el archivo Excel “Series para R” que es el que vamos a utilizar dejarlo en la carpeta
en donde podamos importarlo en R.
Usted adicionalmente podrá ver el código solucionado en R para su comprensión.
Quiz 100%
Quiz 3 preguntas
Peso evaluación pregunta No. 1: 10%
1. La siguiente serie de tiempo generada de manera artificial presenta:

i. Tendencia
ii. Estacionalidad
iii. Autocorrelación
iv. Ruido
a) Tendencia y estacionalidad (respuesta)

b) Autocorrelación
c) Ruido y tendencia
d) Estacionalidad y ruido
2. Las tasas de interés del bono corporativo Triple A para 12 meses consecutivos son 9.5, 9.3, 9.4, 9.6, 9.8, 9.7,
9.8, 10.5, 9.9, 9.7, 9.6 y 9.6. a. Elabore promedios móviles de tres y cuatro meses para esta serie de tiempo.
¿Cuál promedio móvil proporciona los mejores pronósticos? Explique por qué b. ¿Cuál es el pronóstico del
promedio móvil para el mes siguiente?
a) 3 meses, Para el mes siguiente 9.63 Respuesta
b) 4 meses, Para el mes siguiente 10.53
c) 3 meses, Para el mes siguiente 8.53
d) 4 meses, Para el mes siguiente 9.63
3. Para la empresa Hawkins, los porcentajes mensuales de todos los embarques que se recibieron a tiempo
durante los 12 meses pasados son 80, 82, 84, 83, 83, 84, 85, 84, 82, 83, 84 y 83.
a. Compare un pronóstico del promedio móvil de tres meses con un pronóstico de suavización exponencial
para alpha 0.2. ¿Cuál proporciona los mejores pronósticos?
b. ¿Cuál es el pronóstico para el mes siguiente?
Rta:
a) 3 meses, Error de pronóstico 10.12 – El pronostico para el mes siguiente es 73.3

b) 3 meses, Error de pronóstico 12.12 – El pronostico para el mes siguiente es 53.5
c) 3 meses, Error de pronóstico 11.12 – El pronostico para el mes siguiente es 83.3 Respuesta
d) 3 meses, Error de pronóstico 8.2 – El pronostico para el mes siguiente es 13.3

• Foro___
• Tarea____
• Cuestionario__x_
• Taller ____
• Glosario____
• Wiki____
• No sabe___
•
sección:
CIERRE DEL ESPACIO ACADÉMICO

(OPCIONAL) Glosario
Incluya un glosario general para el curso que contenga los principales conceptos abordados por cada
temática. Ordene alfabéticamente.
Ejemplo estructura del glosario
Componente cíclico Componente de una serie de tiempo que representa el comportamiento

periódico por encima y por debajo de la tendencia de la serie de tiempo en lapsos
mayores que un año.
Componente estacional Componente de una serie de tiempo que representa la variabilidad

en los datos debido a influencias estacionales.
Componente irregular Componente de una serie de tiempo que explica su variabilidad

aleatoria.
Error cuadrado medio (ECM) Enfoque para medir la precisión de un método de elaboración
de pronósticos. Esta medida es el promedio de la suma de las diferencias cuadradas
entre los valores de la serie de tiempo real y los valores pronosticados.
Método de series de tiempo Método de elaboración de pronósticos que se basa en el uso

de datos históricos que están restringidos a valores pasados de la variable a pronosticar.
Métodos de elaboración de pronósticos causales Métodos de elaboración de pronósticos

que se basan en el supuesto de que la variable a pronosticar exhibe una relación de
causa y efecto con una o más variables.
Pronóstico Proyección o predicción de valores futuros de una serie de tiempo.
Promedios móviles Método de suavización que utiliza el promedio de los n valores de

datos más recientes en la serie de tiempo como el pronóstico para el periodo siguiente.
Promedios móviles ponderados Método de suavización que utiliza un promedio ponderado

de los n valores de datos más recientes como el pronóstico.
Serie de tiempo Conjunto de observaciones de una variable medida en puntos sucesivos

en el tiempo o a lo largo de periodos sucesivos.
Suavización exponencial Método de suavización que utiliza un promedio ponderado de

los valores pasados de la serie de tiempo como el pronóstico; es un caso especial del método
de promedios móviles ponderados en el cual se selecciona sólo un peso, aquel para la
observación más reciente.
Tendencia Cambio o movimiento gradual de la serie de tiempo a valores relativamente

más altos o bajos durante un periodo prolongado.
(OBLIGATORIO) Evaluación final
Integre una evaluación de cierre del espacio académico virtual que le permita validar el nivel de desa-
rrollo de las competencias formuladas en cada unidad. Para dicha evaluación por favor numere cada
pregunta, indique las opciones de respuesta de cada una y resalte la respuesta correcta. Puede combi-
nar preguntas de opción múltiple (mínimo 15 preguntas) con preguntas de completar. Por favor pro-
cure que las preguntas promuevan el análisis de situaciones donde el estudiante deba tomar decisio-
nes, o hacer inferencias (ejercicio analítico). Dado el capitulo 3, 4, 5 y 6 del libro Métodos cuantitati-
vos para los negocios, responder las siguientes preguntas:
1. El valor esperado proporciona una idea del valor medio o central para la variable aleatoria, pero con
frecuencia queremos una medida de la dispersión, o variabilidad, de los valores posibles de esta variable.
Por ejemplo, si los valores de la variable aleatoria varían de muy grandes a muy pequeños, esperaríamos
un valor grande para la medida de la variabilidad. Si los valores muestran sólo una variación modesta,
esperaríamos un valor relativamente pequeño. El anterior concepto define a :
E. Distribución de probabilidad binomial
F. Valor esperado
G. Varianza
H. El proceso Bernoulli
Rta: Varianza El valor esperado proporciona una idea del valor medio o central para la variable aleatoria, pero con
frecuencia queremos una medida de la dispersión, o variabilidad, de los valores posibles de esta variable. Por ejem-
plo, si los valores de la variable aleatoria varían de muy grandes a muy pequeños, esperaríamos un valor grande
para la medida de la variabilidad. Si los valores muestran sólo una variación modesta, esperaríamos un valor rela-
tivamente pequeño. La varianza es una medida que se utiliza comúnmente para resumir la variabilidad de los
valores que asume una variable aleatoria. Pagina 64
2. Es un método de elaboración de pronósticos que se recomienda con frecuencia cuando no es

probable que las condiciones pasadas se mantengan en el futuro. Aun cuando no se utiliza un
modelo cuantitativo formal, el juicio experto proporciona buenos pronósticos en muchas si-
tuaciones.
a) Juicio experto (Respuesta) página 215
b) Juicio externo
c) Método Delphi
d) Juicio de grupo
3. Cuando se trabaja con la distribución de la probabilidad de Poisson, es necesario asegurarse

de que λ es el número medio de ocurrencias para el intervalo deseado. Por ejemplo, suponga
que usted sabe que 30 llamadas entran a un conmutador cada 15 minutos. Si desea calcular
las probabilidades de Poisson para el número de llamadas que entra durante un periodo de 5
minutos, utilizaría para calcular las probabilidades para el número de llamadas que entran
durante un periodo de 1 minuto, se utilizaría:
a) λ = 2 rta
b) λ = 5
c) λ = 8
d) λ = 4
4. Cuáles de los siguientes ejemplos NO son una variable aleatoria continuas:

A: El número de faltas en un partido de fútbol.
B: El número de onzas de sopa que contiene una lata con la etiqueta “8 onzas”
C: La vida del cinescopio de un televisor nuevo
D: La profundidad de perforación requerida para llegar al petróleo en una operación
de perforación submarina
Rta: Variables aleatorias continuas En esta sección se presentan las distribuciones de probabilidad para las variable
s aleatorias continuas. Recuerde que en la sección 3.1 se estableció que las variables aleatorias que asumen cualqu
ier valor en cierto intervalo o colección son continuas. Los ejemplos siguientes son de variables aleatorias continua
s:
1. El número de onzas de sopa que contiene una lata con la etiqueta “8 onzas”
2. El tiempo de vuelo de un avión que viaja de Chicago a Nueva York
3. La vida del cinescopio de un televisor nuevo
4. La profundidad de perforación requerida para llegar al petróleo en una operación
de perforación submarina Pagina 72
5. Que es un diagrama de frecuencia.

a) Un diagrama de influencia es una herramienta gráfica que muestra las relaciones en-
tre las decisiones, los eventos fortuitos y las consecuencias para un problema de deci-
sión. Los nodos de un diagrama de influencia representan las decisiones, los eventos
fortuitos y las consecuencias. Los rectángulos o cuadrados representan los nodos de
decisión; los círculos u óvalos los nodos fortuitos, y los rombos representan los nodos
de consecuencia.
b) proporciona una representación gráfica del proceso de toma de decisiones.
c) Evalúa cada alternativa de decisión en función del mejor resultado que pueda ocurrir.
La alternativa de decisión que se recomienda es aquella que proporciona el mejor re-
sultado posible.
d) Los cálculos requeridos para identificar la alternativa de decisión con el mejor valor
esperado pueden realizarse de manera conveniente en un árbol de decisión
Rta: Un diagrama de influencia es una herramienta gráfica que muestra las relaciones entre las
decisiones, los eventos fortuitos y las consecuencias para un problema de decisión. Los nodos de un
diagrama de influencia representan las decisiones, los eventos fortuitos y las consecuencias. Los
rectángulos o cuadrados representan los nodos de decisión; los círculos u óvalos los nodos fortui-
tos, y los rombos representan los nodos de consecuencia. Página 100
6. Según la lectura ¿Para qué es usado un análisis de sensibilidad?

a) El análisis de sensibilidad puede utilizarse para determinar cómo los cambios en las probabili-
dades para los estados de la naturaleza o los cambios en los resultados afectan la alternativa
de decisión recomendada.
b) Cambios en probabilidades y alternativas de decisión
c) Análisis de riesgo y análisis de sensibilidad
d) Valor esperado
7. Distribución de probabilidad continua en la cual la probabilidad de que la variable aleatoria

asuma un valor en cualquier intervalo de igual longitud es la misma para cada intervalo.
a. Distribución de probabilidad uniforme (Respuesta)
b. Función de densidad de la probabilidad

c. Probabilidad acumulada
d. distribución de probabilidad normal.
8. Distribución con una media de 0 y una desviación estándar de 1.
a) Distribución de probabilidad discreta
b) Distribución de probabilidad de Poisson
c) Distribución normal estándar (respuesta)
d) Distribución de probabilidad exponencial
9. Cambio o movimiento gradual de la serie de tiempo a valores relativamente más altos o bajos
durante un periodo prolongado.
a. Componente cíclico
b. Componente estacional
c. Componente irregular
d. Tendencia (respuesta)
10. Método de elaboración de pronósticos que se basa en el uso de datos históricos que están res-
tringidos a valores pasados de la variable a pronosticar:
a. Método de series de tiempo (respuesta)
b. Suavización exponencial
c. Modelo multiplicativo de series de tiempo
d. Análisis de regresión
11. La siguiente serie de tiempo generada de manera artificial presenta:
i. Tendencia
ii. Estacionalidad
iii. Autocorrelación
iv. Ruido
e) Tendencia y estacionalidad (respuesta)

f) Autocorrelación
g) Ruido y tendencia
h) Estacionalidad y ruido
12. Enfoque para medir la precisión de un método de elaboración de pronósticos. Esta medida es el prome-
dio de la suma de las diferencias cuadradas entre los valores de la serie de tiempo real y los valores pro-
nosticados
a) Error cuadrado medio (ECM) (respuesta)
b) Error cuadrado triple (ECT)
c) Error cuadratico medio (ESM)
d) Error simple móvil (ESM)
13. Para la empresa Hawkins, los porcentajes mensuales de todos los embarques que se recibieron a tiempo
durante los 12 meses pasados son 80, 82, 84, 83, 83, 84, 85, 84, 82, 83, 84 y 83.
a. Compare un pronóstico del promedio móvil de tres meses con un pronóstico de suavización exponencial
para alpha 0.2. ¿Cuál proporciona los mejores pronósticos?
a) 1.24 y 3.55 seleccionar 3 meses (respuesta)
b) 1.32 y 9.88 seleccionar 12 meses
c) 1.45 y 2.55 seleccionar 4 meses
d) 1.24 y 3.66 seleccionar 3.5 meses
14. Los promedios móviles se utilizan con frecuencia para identifi car movimientos en los precios de las ac-
ciones. Los precios de cierre diarios (en dólares por acción) para SanDisk, del 16 de agosto de 2002 al 3
de septiembre de 2002, se listan a continuación (http://fi nance. yahoo.com): cual es el valor para el 4
de septiembre de 2002
a) 15.71 Respuesta
b) 15.8
c) 18.38
d) 15.25
15. Para la temporada de 2001-2002 de la NBA (Asociación Nacional de Basquetbol), Allen Iverson de los Phi
ladelphia 76ers fue el líder anotador con un promedio de 31.4 puntos por partido. Los datos siguientes
muestran el número promedio de puntos por partido para el líder anotador de la temporada de 1991-19
92 a la temporada de 2001-2002 (Almanaque Mundial 2002 y http://www.nba.com):
Utilice la suavización exponencial para pronosticar esta serie de tiempo. Considere

las constantes de suavización alpha 0.1 y alpha 0.2. ¿Cuál valor de la constante de suavización
proporciona el mejor pronóstico?
a) Alpha 0.1 Respuesta

b) Alpha 0.2
c) Las dos son iguales
d) No existe respuesta.
Anexo A
Herramientas y Recursos integrados en la plataforma educativa Moodlerooms.
La siguiente lista de herramientas y recursos están disponibles dentro de la plataforma educativa
MoodleRooms (adquirida por la Universidad de La Salle) como parte de las funcionalidades que
tiene el docente para adecuar su espacio virtual en términos de actividades de aprendizaje (he-
rramientas) y recursos de apoyo (recursos).
Herramientas para el desarrollo de actividades de aprendizaje
Asistencia El módulo de actividad de asistencia permite a un profesor tomar asistencia en

clase y a los estudiantes ver su propio registro de asistencia.
Base de datos El módulo de actividad de base de datos permite a los participantes crear, man-
tener y buscar información en un repositorio de registros. La estructura de las
entradas la define el profesor según una lista de campos. Los tipos de campo
incluyen casilla de verificación, botones de radio, menú desplegable, área de
texto, URL, imagen y archivo cargado.
Chat La actividad chat permite a los participantes tener una discusión en formato
texto de manera sincrónica en tiempo real.
Consulta El módulo Consulta permite al profesor hacer una pregunta especificando las po-
sibles respuestas posibles.
Cuestionario La actividad Cuestionario permite al profesor diseñar y plantear cuestionarios
con preguntas tipo opción múltiple, verdadero/falso, coincidencia, respuesta
corta y respuesta numérica
Encuesta El módulo Encuesta le permite construir encuestas empleando diversos tipos de
preguntas, con el propósito de recopilar información de sus usuarios.
Foro El módulo de actividad foro permite a los participantes tener discusiones asin-
crónicas, es decir discusiones que tienen lugar durante un período prolongado
de tiempo.
Foro avanzado El módulo de actividad de foros avanzados permite a los participantes realizar
debates asincrónicos, es decir, los debates se realizan durante un período pro-
longado.
Glosario El módulo de actividad glosario permite a los participantes crear y mantener una
lista de definiciones, de forma similar a un diccionario, o para recoger y organizar
recursos o información.
Herramienta Ex- El módulo de actividad de herramienta externa les permite a los estudiantes in-
terna teractuar con recursos educativos y actividades alojadas en otros sitios de inter-
net. Por ejemplo, una herramienta externa podría proporcionar acceso a un
nuevo tipo de actividad o de materiales educativos de una editorial.
HotPot El módulo de actividad H5P le permite crear contenido interactivo como videos
interactivos, conjuntos de preguntas, arrastrar y soltar preguntas, multi-elección
preguntas, Presentaciones y mucho más.
Interactive Con- El módulo de actividad H5P le permite crear contenido interactivo como videos
tent interactivos, conjuntos de preguntas, arrastrar y soltar preguntas, multi-elección
preguntas, Presentaciones y mucho más.
Lección La actividad lección permite a un profesor presentar contenidos y/ o actividades
prácticas de forma interesante y flexible. Un profesor puede utilizar la lección
para crear un conjunto lineal de páginas de contenido o actividades educativas
que ofrezcan al alumno varios itinerarios u opciones.
Paquete SCORM Un paquete SCORM es un conjunto de archivos que se empaquetan conforme a

una norma estándar para los objetos de aprendizaje. El módulo de actividad
SCORM permite cargar y añadir a los cursos paquetes SCORM o AICC como ar-
chivos Zip.
Webex El módulo Cisco Webex permite que profesores y estudiantes se reúnan en una
clase virtual mediante el uso de video conferencias. Estas sesiones también se
pueden grabar para visualizarlas y revisarlas fuera de línea.
Taller El módulo de actividad taller permite la recopilación, revisión y evaluación por
pares del trabajo de los estudiantes.
Los estudiantes pueden enviar cualquier contenido digital (archivos), tales como
documentos de procesador de texto o de hojas de cálculo y también pueden es-
cribir el texto directamente en un campo empleando un editor de
texto (dentro de Moodle).
Tarea El módulo de Tareas permite a un profesor evaluar el aprendizaje de los alumnos
mediante la creación de una tarea a realizar que luego revisará, valorará y califi-
cará.
Los alumnos pueden presentar cualquier contenido digital (archivos), como do-
cumentos de texto, hojas de cálculo, imágenes, audio y vídeos entre otros. Alter-
nativamente, o como complemento, la tarea puede requerir que los estudiantes
escriban texto directamente en un campo utilizando el editor de texto. Una tarea
también puede ser utilizada para recordar a los estudiantes tareas del "mundo
real" que necesitan realizar y que no requieren la entrega de ningún tipo de con-
tenido digital.
Wiki El módulo de actividad wiki le permite a los participantes añadir y editar una co-
lección de páginas web. Un wiki puede ser colaborativo, donde todos pueden
editarlo, o puede ser individual, donde cada persona tiene su propio wiki que
solamente ella podrá editar.
Recursos de apoyo
Archivo El módulo Archivo permite a los profesores proveer un Archivo como un recurso
del curso. Cuando sea posible, el archivo se mostrará dentro del interface del
curso; si no es el caso, se le preguntará a los estudiantes
si quieren descargarlo. El recurso Archivo puede incluir archivos de soporte, por
ejemplo, una página HTML puede tener incrustadas imágenes u objetos Flash.
Carpeta El recurso Carpeta permite al profesor mostrar un grupo de archivos relacionados
dentro de una única carpeta. Se puede subir un archivo comprimido (zip) que se
descomprimirá (unzip) posteriormente para mostrar
su contenido, o bien, se puede crear una carpeta vacía y subir los archivos dentro
de ella.
Etiqueta El módulo etiqueta permite insertar texto y elementos multimedia en las páginas
del curso entre los enlaces a otros recursos y actividades. Las etiquetas son muy
versátiles y pueden ayudar a mejorar la apariencia de un
curso si se usan cuidadosamente.
Libro El módulo libro permite crear material de estudio de múltiples páginas en formato
libro, con capítulos y subcapítulos. El libro puede incluir contenido multimedia, así
como texto y es útil para mostrar grandes volúmenes de información repartido en
secciones.
Página El recurso Página permite a los profesores crear una página web mediante el editor
de textos. Una Página puede mostrar texto, imágenes, sonido, vídeo, enlaces web
y código incrustado (como por ejemplo los mapas de Google) entre otros.
Paquete de con- Un paquete de contenidos IMS permite mostrar dentro del curso paquetes de con-
tenido IMS tenidos creados conforme a la especificación IMS CONTENT PACKAGING.
URL El recurso URL permite que el profesor pueda proporcionar un enlace de Internet
como un recurso del curso. Todo aquello que esté disponible en línea, como docu-
mentos o imágenes, puede ser vinculado; la URL no tiene
por qué ser la página principal de un sitio web. La dirección URL de una página web
en particular puede ser copiada y pegada por el profesor, o bien, este puede utili-
zar el selector de archivo y seleccionar una URL
desde un repositorio, como Flickr, YouTube o Wikimedia (dependiendo de qué re-
positorios están habilitados para el sitio).

Modelos Cuantitativos para La Predicción

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

Modelos Cuantitativos para La Predicción

Cargado por

Copyright:

Formatos disponibles

Universidad de La Salle

Escuela de Negocios e-learning Diseños de espacios académicos e-learning

Modelos Cuantitativos para la Predicción

Follow this and additional works at: https://ciencia.lasalle.edu.co/elearning_esc_negocios

GUÍA PARA EL DISEÑO DE ESPACIOS ACADÉMICOS EN MODALIDAD VIRTUAL

INFORMACIÓN GENERAL DEL ESPACIO ACADÉMICO

Nombre del espacio aca- Modelos cuantitativos para la predicción

Autor(es) del diseño del espacio académico (modalidad e-learning)

Link al CVLAC (hoja de https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurricu-

Datos de contacto davidfrancoospina@gmail.com

METODOLOGÍA DE APRENDIZAJE DEL ESPACIO ACADÉMICO (redacción dirigida al estudiante)

el uso de datos estructurados y no estructurados en diagnósticos y en la creación de modelos predictivos para la

En esta unidad conoceremos la proyección de variables basándonos en la información disponible sobre

• identificación de escenarios de riesgo

PLAN DE FORMACIÓN DEL ESPACIO ACADÉMICO

En este módulo nos enfoca- -

aplicación o el para qué del aprendizaje.

A QUIEN SE DIRIGE EL ESPACIO ACADÉMICO

Preguntas orientadoras • ¿Cómo proyectar una variable?

ACTIVIDADES DE APRENDIZAJE (redacción dirigida al estudiante)

¿Qué vamos a lograr?

¿Cómo lo vamos a lograr?

1. El Excel adjunto (Indiplay y Regresión Multiple), y

¿Cómo lo vamos a evaluar?

Se Evaluará de la siguiente forma:

Criterios de desempeño Pun-

Nota: La escala de la rúbrica es estándar para todos los espacios académicos.

Información para el equipo de producción de la DEE

Herramientas de la plataforma virtual (Marque con una X):

ACTIVIDAD 2: ¿Cómo diseñar e interpretar gráficos?

¿Qué vamos a lograr?

¿Cómo lo vamos a lograr?

• Apple Inc. (AAPL)

• Vimeo, Inc. (VMEO)

¿Cómo lo vamos a evaluar?

Criterios de desempeño Pun-

La suma total debe dar 5

Nota: La escala de la rúbrica es estándar para todos los espacios académicos

Información para el equipo de producción de la DEE

ACTIVIDAD 3: RIESGOS APLICADOS

¿Cómo lo vamos a lograr?

¿Cómo lo vamos a evaluar?

La metodología con la cual se crearon las 5 preguntas es la siguiente:

Cada una de las preguntas asignadas a elaborar, estarán catalogadas como:

Triangulo guía de creación de preguntas

Preguntas que miden CONOCIMIENTO de la información contenida en las lecturas a evaluar.

Dado el libro guía de la asignatura Métodos Cuantitativos.

mucho en la práctica. El artículo de MC en Acción, “Distribuciones de probabilidad y la búsqueda de un tesoro”,

3. Cuando se trabaja con la distribución de la probabilidad de Poisson, es necesario asegurarse de que λ es el

5. Cuáles de los siguientes ejemplos NO son una variable aleatoria continuas:

Información para el equipo de producción de la DEE

Pegué aquí la estructura

A QUIEN SE DIRIGE EL ESPACIO ACADÉMICO

Puntualmente trabajaremos en modelos de regresión, entendiendo el método simple

Preguntas orientadoras ¿Qué es una regresión?

ACTIVIDADES DE APRENDIZAJE (redacción dirigida al estudiante)

¿Qué vamos a lograr?

En esta unidad usted logrará:

¿Cómo lo vamos a lograr?

Entregar un Excel con los datos calculados y la explicación respectiva.

Criterios de desempeño Pun-

¿Cómo lo vamos a evaluar?

Nota: La escala de la rúbrica es estándar para todos los espacios académicos.