Métodos de Predicción - Máster en Ingeniería de Organización

Métodos de Predicción - Máster en Ingeniería de Organización
Ingeniería de Organización,
Departamento Administración de Empresas y
Teléfono
913363149/47/48
Estadística
Unidad Docente Estadística
Web
www.etsii.upm.es/ingor/estadistica
Bloque Temático
E-mail
[email protected]
Curso Semestre
Especialidad
Coordinador/a de la asignatura
1
2
--------María Jesús Sánchez Naranjo
Nº Alumnos
Idioma
Clases/sem
Factor estudio
ECTS
Mín.
Máx.
Español/Inglés
3
4,5
CONOCIMIENTOS QUE NECESITA
Asignatura
Estadística, Diseño de Experimentos y modelos de regresión
Módulo
Tema
CAPACIDADES Y HABILIDADES QUE NECESITA
Razonamiento numérico y espacial.
Interpretación crítica de resultados.
CONTENIDO BREVE
CONOCIMIENTOS QUE APORTA
(Módulos)
I: Series temporales
univariantes: Concepto
1. Se presentan modelos que muestran la evolución de una
de proceso estocástico.
serie temporal y cómo generar predicciones de su
Procesos estacionarios.
comportamiento futuro, utilizando únicamente su historia.
Modelos ARMA (p,q).
Son modelos que se utilizan para predicción a corto plazo
Procesos ARIMA(p,d,q)
y especialmente representativos para el ámbito de
Procesos
estacionales
producción.
multiplicativos
ARIMA(p,d,q)(P,D.Q)S
Predicción con modelos
ARIMA.
II:
Análisis
de
2. Se presenta en el análisis de intervención el uso de
intervención. Modelos
variables ficticias (variables impulso y variables escalón)
econométricos
para representar sucesos cualitativos que afectan a las
dinámicos: Análisis de
series. A continuación se presentan modelos que
Intervención.
Valores
representan la relación existente entre dos o más series
atípicos:
aditivos,
temporales. Éstos describen cómo se transmiten los
innovativos y cambios de
efectos desde una variable a otra cuando existe
nivel.
Modelos
realimentación o causalidad bidireccional.
econométricos dinámicos
o modelos de Función de
transferencia
III:
Econometría
Financiera: modelos de
heterocedasticidad
condicional:
Características de las
series
financieras.
Modelos
ARCH
y
GARCH. Modelos de
volatilidad estocástica
3. Se presentan modelos que corresponden a procesos
estacionarios que son no lineales en la varianza, aunque
su varianza marginal es constante, la varianza
condicionada a sus valores pasados no lo es. Como la
varianza condicionada representa la incertidumbre de las
predicciones, estos procesos reflejarán un riesgo variable,
entendido el riesgo como la incertidumbre de las
predicciones en el tiempo. Estos modelos explican ciertas
propiedades que no pueden explicarse mediante modelos
ARIMA. Son especialmente representativos para datos
financieros.
CAPACIDADES Y HABILIDADES QUE APORTA
 Identificar problemas que pueden plantearse en términos estadísticos.
 Interpretar y comunicar los resultados del análisis estadístico con rigor, utilizando el
lenguaje apropiado.
 Comprender las limitaciones de los modelos estadísticos cuando se trabaja con problemas
reales. Evaluar posibles métodos alternativos.
 Utilizar programas de ordenador de análisis estadístico general, particular y de cálculo
científico.
 Situarse con actitud crítica ante la validez de los cálculos y resultados.
COMPETENCIAS GENÉRICAS/TRANSVERSALES A LAS QUE CONTRIBUYE
Total estudio
Trabajos
Telejercicios
Ejercicios
entregables
Estudio
actividades
Estudio
contenidos
Estudio
prácticas
Estudio personal
Total docencia
Prácticas
Laboratorio
Aula
cooperativa
Aula
informática
Aula
convencional
METODOLOGÍA DOCENTE
Actividades programadas en
el POD
Otras actividades
X Utilizar los conocimientos científicos y tecnológicos adquiridos en sus estudios de Grado en Ingeniería como recurso a
integrar en la generación de soluciones a problemas de las organizaciones, sean éstos de funcionamiento o de diseño
Analizar situaciones estructuradas y poco estructuradas de empresas y otras organizaciones, estableciendo diagnósticos
apropiados, en particular, de carácter estratégico.
Concebir soluciones para afrontar problemas previamente diagnosticados, y evaluarlas desde diferentes criterios
correspondientes a los distintos actores concernidos.
Comprender las relaciones entre la estrategia y el diseño de una organización, sus condiciones de funcionamiento y las
características del entorno económico, político, normativo, social, tecnológico y medioambiental en que se desenvuelve.
Conocer las tendencias predominantes en el entorno actual de las distintas políticas funcionales (marketing, producción,
logística, finanzas, recursos personales...)
Conocer y aplicar las principales tramas conceptuales (frameworks) para el desarrollo de la estrategia de una
organización y la gestión de los procesos de diseño y cambio de la misma
X
Modelizar diferentes problemas de diseño de las organizaciones, conocer y seleccionar técnicas de Ingeniería de
Organización apropiadas, así como obtener, discutir y aplicar los resultados correspondientes.
20
10
15
45 30
5
30
15
80
Los alumnos realizarán casos en clase guiados por el profesor, con apoyo del software TRAMO
(Caporello,G. y Maravall, A. “TSW Revised Reference Manual”. Banco de España 2004) que es
de uso libre (www.bde.es/servicio/software/softwaree.htm) y el programa MATLAB (con
licencia de campus).
Los alumnos realizarán un trabajo de aplicación del contenido de la asignatura, supervisado por
el profesor.
A continuación se presentan (marcadas con x) las diferentes actividades que compondrán la
metodología docente.
LM-Lección Magistral
Sí X No
PRL-Prácticas de Laboratorio
Sí X No X PBP-Prácticas basadas en proyectos
Sí X No
Otros: lectura de artículos, presentaciones breves en clase.
EVALUACIÓN DE LOS CONOCIMIENTOS
Sí
X No
X
Evaluación continua:
Tipos de pruebas y peso en la nota final:
X Peso 50% Controles escritos.
Peso
Ejercicios periódicos.
X Peso 25% Trabajos individuales o en grupo.
Peso % Autoevaluación (AulaWeb, Mecfunnet…).
Peso % Exposiciones orales en sesión pública.
X Peso 25% Prácticas.
Peso % Otros (especifíquese):
Nota mínima exigible en examen final: 44
La nota final es la mayor de las siguientes: la nota examen final y la ponderada con la de
evaluación continua como se presenta a continuación. Se valora la nota del examen (NE debe
ser igual o superior a 4 puntos), la nota de las prácticas (NP) realizadas en el aula de
informática y la nota del trabajo individual o en grupo (NT) utilizando la siguiente ponderación:
N= 1/2*NE+1/4*NP+1/4*NT, en la convocatoria ordinaria.
Examen final escrito en el resto de convocatorias.
EVALUACIÓN DE LAS CAPACIDADES Y HABILIDADES
Se evalúa mediante examen, ejercicios prácticos y trabajos
EVALUACIÓN DE LAS COMPETENCIAS GENÉRICAS
Se realiza seguimiento continuo de los alumnos
BIBLIOGRAFÍA
 Box, G.E.P., Jenkins, G.M. y Reinsel, G. (1994). Time Series Analysis: Forecasting and
Control. Prentice Hall
 Hamilton, J.D. (1994). Time Series Analysis. Princeton University Press.
 Peña, D. (2005). Análisis de Series Temporales. Alianza Editorial
 Sánchez, M.J. y Peña, D. (2003). “The identification of multiple outliers in ARIMA Models”,
Communications in Statistics: Theory and methods, 32, 6, 1265-1287.
 Shumway, R.H. y Stoffer, D.S., (2000). Time Series Analysis and its Applications. Springer,
Nueva York
 Tsay, R.S., (2005). Analysis of Financial Time Series, Wiley
RECURSOS

Es imprescindible el uso de un programa de ordenador que haga realista el objetivo de esta
materia, realizar predicciones a partir de datos reales y actuales. Para ello se considera la
utilización del programa “Statgraphics” (con licencia de campus), el programa TRAMO
(Caporello,G. y Maravall, A. “TSW Revised Reference Manual”. Banco de España 2004)
que es de uso libre (www.bde.es/servicio/software/softwaree.htm) y el programa
MATLAB (con licencia de campus).
 Biblioteca actualizada
INFORMACIÓN ADICIONAL