Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ciencia Unisalle
9-22-2021
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
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
Adecuador(a) pedagó-
gico(a) (lo completa DEE)
Fecha elaboración 22/09/2021
Fecha actualización 22/09/2021
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
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
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
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.
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
• 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
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
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.
• 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)
Estimado estudiante, a continuación encontrará el caso Indiplay desarrollado por el profesor Pasquini Raul, en el cual
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
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:
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).
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
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
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,:,
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.
Crear un histograma de los precios diarios de los ultimo 5 años, para las siguientes acciones basadas en el respec-
tivo análisis del ejemplo:
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)
• 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
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.
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
Taxonomía Bloom
• Conocimiento
• Comprensión
• Aplicación
Conocimiento:
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.
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
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
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
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
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
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.
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
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
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)
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
Herramientas web externas a la plataforma [Puede consultar algunas herramientas en https://h5p.org/h5p/embed/123342] Indique si
utilizará alguna____________
Lecturas complementarias
• 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.
Nota: al finalizar la construcción de todas las unidades académicas, por favor continúe con la siguiente
sección:
UNIDAD DIDÁCTICA 2:
Modelización basada en Regresión
Descripción general
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.
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.
• 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.
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
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.
Herramientas web externas a la plataforma [Puede consultar algunas herramientas en https://h5p.org/h5p/embed/123342] Indique si
utilizará alguna____________
Lecturas complementarias
• Bowerman, B. L. y R. T. O’Connell, Forecasting and Time Series: An Applied Approach, 3a. ed.
Duxbury Press, 1993.
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
• 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
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.
• 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?
• 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
Apreciado Estudiante por favor realice los pasos que se relacionan a continuación:
Herramientas web externas a la plataforma [Puede consultar algunas herramientas en https://h5p.org/h5p/embed/123342] Indique si
utilizará alguna____________
Lecturas complementarias
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.
Nota: al finalizar la construcción de todas las unidades académicas, por favor continúe con la siguiente
sección:
UNIDAD DIDÁCTICA 3:
Modelos de Series de Tiempo y aplicaciones en R
Descripción general
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.
Detalles de la Unidad
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
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
pronosticar las ventas, y cual tiene mejores medidas o menor error de pronostico?
Estimar cuál sería el mejor modelo para pronosticar la siguiente serie (Simple o Suavizado exponencial)
Para ello realice la entrega del ejercicio resuelto mediante la tarea correspondiente.
Criterios de desempeño Pun-
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
La suma total debe dar 5
Herramientas web externas a la plataforma [Puede consultar algunas herramientas en https://h5p.org/h5p/embed/123342] Indique si
utilizará alguna____________
Lecturas complementarias
Peña, D. (2010). Análisis de series temporales. Alianza.
Damodar N. Gujarati · (2006) Principios de econometría,
Restrepo Saavedra Carlos Julio · (2011) Teoría Del Caos,
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
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. ,
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.
• 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
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
Conocer herramientas que nos permitan diagnosticar adecuadamente la presencia de autocorrelación en nuestros
datos.
¿Cómo lo vamos a lograr?
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
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:
• 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
•
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.
Nota: al finalizar la construcción de todas las unidades académicas, por favor continúe con la siguiente
sección:
Incluya un glosario general para el curso que contenga los principales conceptos abordados por cada
temática. Ordene alfabéticamente.
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.
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.
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
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
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
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
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
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
i. Tendencia
ii. Estacionalidad
iii. Autocorrelación
iv. Ruido
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
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
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
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):
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).
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.
Guía para el diseño de Espacios Académicos Virtuales (EAV)
Dirección de Educación E-learning (DEE)
Vicerrectoría Académica
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).