Métodos de Predicción - Máster en Ingeniería de Organización
Transcripción
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