Syllabus Del Curso Métodos Probabilísticos

Universidad Nacional Abierta y a Distancia
Vicerrectoría Académica y de Investigación
Syllabus del curso Métodos Probabilísticos, Código 104561
1. Datos del curso
Unidad a la que pertenece el curso: Escuela de Ciencias Básicas Tecnología e

Ingeniería ECBTI
Nivel de formación: Profesional Campo de formación: Interdisciplinar
Básico Común
Número de Créditos: 2 Tipología de Curso: Teórico
El curso Sí se puede habilitar Docente que diseña el curso: Álvaro
Javier Rojas Baracaldo
Docente que actualiza el curso: Annerys Sánchez Palacios
Fecha de elaboración del curso: lunes, 2 Fecha de actualización del curso: lunes,
de noviembre de 2020 29 de noviembre de 2021
Descripción del curso:
El curso, es de tipo teórico, en éste se abordan modelos matemáticos donde el

comportamiento predominante de sus variables es de tipo probabilístico para la toma de
decisiones y optimización de recursos en procesos asociados a producción de bienes y
servicios, articulados al problema de las ciencias de las decisiones. Está organizado en dos
(2) créditos académicos distribuidos en dos unidades. La primera unidad, agrupa los
modelos probabilísticos de decisión como los modelos de representación de datos, de
pronósticos probabilísticos y de inventarios probabilísticos. En la segunda unidad, se
estudian los modelos probabilísticos de optimización como los modelos de revisión y
evaluación de proyectos, de líneas de espera y de programación estocástica.
El curso maneja la estrategia de aprendizaje basada en tareas, utilizando situaciones

problema de tipo probabilístico, relacionadas con saberes previos en la Tarea 1, con
procesos de producción de bienes y servicios para identificar y aplicar los modelos
probabilísticos de decisión en la Tarea 2 y con procesos de producción de bienes y servicios
para identificar y aplicar los modelos probabilísticos de optimización en la Tarea 3 y tanto
modelos probabilísticos de decisión y optimización en la Tarea 4, mediante el planteamiento,
desarrollo, solución de sus algoritmos e interpretación de resultados para la toma de
decisiones y la optimización de los recursos en procesos asociados a producción de bienes y
servicios, actividades que responden al problema de las ciencias de las decisiones.
2. Propósito de formación:
1
El propósito de formación del curso es el siguiente:
• Aplicar los modelos de representación de datos, de pronósticos probabilísticos, de

inventarios probabilísticos, de revisión y evaluación de proyectos, de líneas de espera
y de programación estocástica, en la solución de problemas asociados a procesos de
producción de bienes y servicios para la toma de decisiones y la optimización de
recursos.
3. Resultados de aprendizaje
Al finalizar el curso académico el estudiante estará en la capacidad de evidenciar:
Resultado de aprendizaje 1: Reconocer la variable aleatoria y las distribuciones de

probabilidad como saberes previos.
Resultado de aprendizaje 2: Aplicar los algoritmos de representación de datos, de

pronósticos probabilísticos y de inventarios probabilísticos en la solución de problemas de
tipo probabilístico asociados a procesos de producción de bienes y servicios.
Resultado de aprendizaje 3: Evaluar los resultados de los modelos probabilísticos para la

toma de decisiones en problemas asociados a procesos de producción de bienes y servicios.
Resultado de aprendizaje 4: Aplicar los algoritmos de revisión y evaluación de proyectos, de

líneas de espera y de programación estocástica en la solución de problemas de tipo
probabilístico asociados a procesos de producción de bienes y servicios.
Resultado de aprendizaje 5: Evaluar los resultados de los modelos probabilísticos para la

optimización de los recursos en problemas asociados a procesos de producción de bienes y
servicios.
4. Estrategia de aprendizaje:
La estrategia de aprendizaje del curso es: Aprendizaje basado en tareas.
Esta estrategia consiste en: modelo que logra transformar la enseñanza basada en el
profesor a una enseñanza basada en el estudiante. En ABT el estudiante va ganando de
forma progresiva responsabilidad con su aprendizaje a partir de la solución de problemas
propios de la profesión lo que facilita la motivación y permite un aprendizaje significativo.
2
Este modelo promueve organizar el curso en función de una tarea final o de un conjunto de
tareas que guiarán la presentación de los diferentes contenidos. Liang (2008).
La elaboración de la tarea está contemplada, según Nunan en tres fases llamadas:
Pre-Tarea, inicia con una actividad para recordar algunos conocimientos previos que se
requieren para desarrollar el curso.
Ciclo de la tarea: continua con dos actividades donde se identifican y aplican los modelos
probabilísticos de decisión y optimización mediante solución de problemas asociados a
procesos de producción de bienes y servicios para la toma de decisiones y optimización de
recursos.
Post-Tarea: para terminar con una actividad donde se evalúa la apropiación de los modelos
probabilísticos de decisión y optimización.
La estrategia de aprendizaje se organiza en 4 Tareas:
• Tarea 1: Presaberes.
• Tarea 2: Solución de modelos probabilísticos de decisión.
• Tarea 3: Solución de modelos probabilísticos de optimización.
• Tarea 4: Solución de modelos probabilísticos de decisión y optimización.
5. Contenidos y referentes bibliográficos del curso
Unidad 1: Modelos probabilísticos de decisión.
En esta unidad se abordarán los siguientes contenidos:
• Modelos de representación de datos.

• Modelos de pronósticos probabilísticos.
• Modelos de inventarios probabilísticos.
Para abordar los contenidos se requiere consultar los siguientes referentes bibliográficos:
• Taha, H. (2017). Investigación de operaciones. (10a. ed.) (pp.521-525) (pp.763-

765). Pearson Educación. https://www-ebooks7-24-
com.bibliotecavirtual.unad.edu.co/?il=6959
3
• Taha, H. (2017). Investigación de operaciones. (10a. ed.) (pp.525-529). Pearson
Educación. https://www-ebooks7-24-com.bibliotecavirtual.unad.edu.co/?il=6959
• Gaither, N. y Frazier, G. (2000). Administración de producción y operaciones. (8a.

ed.) (pp.80-85). Cengage Learning México.
https://link.gale.com/apps/doc/CX3002500035/GVRL?u=unad&sid=GVRL&xid=a8e7e
8b4

• Rojas, A. y Falla, D. (2020). Solución del modelo de pronóstico suavización

exponencial simple en WinQSB. Repositorio Institucional de la UNAD.
https://repository.unad.edu.co/handle/10596/37842
• Rojas, A. y Falla, D. (2020). Solución del modelo de pronóstico suavización

exponencial doble en WinQSB. Repositorio Institucional de la UNAD.
• Rojas, A. y Falla, D. (2020). Solución del modelo de inventario EOQ probabilizado en

WinQSB. Repositorio Institucional de la UNAD.
Unidad 2: Modelos probabilísticos de optimización.
En esta unidad se abordarán los siguientes contenidos:
• Modelos de revisión y evaluación de proyectos.

• Modelos de líneas de espera.
• Modelos de programación estocástica.
Para abordar los contenidos se requiere consultar los siguientes referentes bibliográficos:


4
• Rojas, A. y Negrete, R. (2020). Solución del modelo de líneas de espera con un solo
servidor en WinQSB Repositorio Institucional de la UNAD.
• Rojas, A. y Negrete, R. (2020). Solución del modelo de líneas de espera con varios
servidores en WinQSB Repositorio Institucional de la UNAD.
6. Organización de las actividades académicas por semanas y Plan de Evaluación

del curso
Momento inicial
Tarea 1: Presaberes.
Se desarrolla entre la semana 1 y la semana 2
Responde al resultado de aprendizaje 1
Las actividades son: Encontrar la solución del Ejercicio Distribuciones de probabilidad.
Evaluación del/ la Tarea 1:

Los criterios con los que será evaluado son:
• Utiliza el foro de discusión para desarrollar y presentar la Tarea 1.
• Reconoce el concepto de variable aleatoria y las distribuciones de probabilidad
continuas como presaberes del curso.
• Reconoce el concepto de variable aleatoria y las distribuciones de probabilidad
discretas y categóricas como presaberes del curso.
• Informe Solución Distribuciones de probabilidad.
Las evidencias de aprendizaje son:
• Informe Solución de distribuciones de probabilidad.
Ejercicio Distribuciones de probabilidad.
La valoración máxima de esta actividad es de 25 puntos, equivalente al 5% de la evaluación
del curso.
Momento intermedio
Tarea 2: Solución de modelos probabilísticos de decisión.

5
Las actividades son: Encontrar la solución de los modelos probabilísticos de decisión a partir
de situaciones problema asociadas a procesos de producción y servicios en hoja de cálculo y
software de optimización que presenta el Ejercicio 1. Modelos de representación de datos,
Ejercicio 2. Modelos de pronósticos probabilísticos y Ejercicio 3. Modelos de inventarios
probabilísticos y evaluar los resultados para la toma de decisiones.

• Utiliza los modelos representación de datos en la solución de problemas de tipo
probabilístico para tomar decisiones en un proceso de producción y servicios.
• Utiliza los modelos de pronósticos probabilísticos en la solución de problemas de tipo
• Utiliza los modelos de inventarios probabilísticos en la solución de problemas de tipo
• Informe Solución de modelos probabilísticos de decisión.
• Responsabilidad asumida en el trabajo colaborativo.
• Informe Solución de modelos probabilísticos de decisión:
Ejercicio 1. Modelos de representación de datos.
Ejercicio 2. Modelos de pronósticos probabilísticos.
Ejercicio 3. Modelos de inventarios probabilísticos.
La valoración máxima de esta actividad es de 175 puntos.
Tarea 3: Solución de modelos probabilísticos de optimización.

Las actividades son: Encontrar la solución de los modelos probabilísticos de optimización a
partir de situaciones problema asociadas a procesos de producción y servicios en hoja de
cálculo y software de optimización que presenta el Ejercicio 1. Modelos de revisión y
evaluación de proyectos, Ejercicio 2. Modelos de líneas de espera y Ejercicio 3. Modelos de
programación estocástica y evaluar los resultados para la optimización de recursos.
6
• Utiliza los modelos de revisión y evaluación de proyectos en la solución de problemas
de tipo probabilístico para optimizar los recursos en un proceso de producción y
servicios.
• Utiliza los modelos de líneas de espera en la solución de problemas de tipo
probabilístico para optimizar los recursos en un proceso de producción y servicios.
• Utiliza los modelos de programación estocástica en la solución de problemas de tipo
• Informe Solución de modelos probabilísticos de optimización.
• Responsabilidad asumida en el trabajo colaborativo.
• Informe Solución de modelos probabilísticos de optimización:
Ejercicio 1. Modelos de revisión y evaluación de proyectos.
Ejercicio 2. Modelos de líneas de espera.
Ejercicio 3. Modelos de programación estocástica.
La valoración máxima de esta actividad es de 175 puntos.
La valoración total de este momento de evaluación corresponde al 70% del curso (350
puntos).
Momento final
Tarea 4: Solución de modelos probabilísticos de decisión y optimización.

Las actividades son: Encontrar el análisis de los modelos probabilísticos de decisión y
optimización a partir de situaciones problema asociadas a procesos de producción de bienes
y servicios que presenta el Ejercicio Análisis de métodos probabilísticos y evaluar los
resultados para la toma de decisiones y la optimización de recursos.

7
• Utiliza los modelos representación de datos en la solución de problemas de tipo
• Utiliza los modelos de pronósticos probabilísticos en la solución de problemas de tipo
• Utiliza los modelos de inventarios probabilísticos en la solución de problemas de tipo
• Utiliza los modelos de revisión y evaluación de proyectos en la solución de problemas
de tipo probabilístico para optimizar los recursos en un proceso de producción y
servicios.
• Utiliza los modelos de líneas de espera en la solución de problemas de tipo
• Utiliza los modelos de programación estocástica en la solución de problemas de tipo
• Informe Solución de modelos probabilísticos de decisión y optimización.
• Informe Solución de modelos probabilísticos de decisión y optimización.
Ejercicio Análisis de métodos probabilísticos.
La valoración total de este momento es de 125 puntos, equivalente al 25% de la evaluación
del curso.
7. Estrategias de acompañamiento docente
Para desarrollar las actividades del curso usted contará con el acompañamiento del docente.
Los espacios en los cuales usted tendrá interacciones con su docente son los siguientes:
• Correo en campus virtual
• Foros de trabajo
• Sesiones de chat en skype
• Sesiones de conferencia en línea o webconference

Syllabus Del Curso Métodos Probabilísticos

Cargado por

Copyright:

Formatos disponibles

Syllabus Del Curso Métodos Probabilísticos

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Syllabus Del Curso Métodos Probabilísticos

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional Abierta y a Distancia

Vicerrectoría Académica y de Investigación

Syllabus del curso Métodos Probabilísticos, Código 104561

1. Datos del curso

Unidad a la que pertenece el curso: Escuela de Ciencias Básicas Tecnología e

El curso, es de tipo teórico, en éste se abordan modelos matemáticos donde el

El curso maneja la estrategia de aprendizaje basada en tareas, utilizando situaciones

• Aplicar los modelos de representación de datos, de pronósticos probabilísticos, de

Al finalizar el curso académico el estudiante estará en la capacidad de evidenciar:

Resultado de aprendizaje 1: Reconocer la variable aleatoria y las distribuciones de

Resultado de aprendizaje 2: Aplicar los algoritmos de representación de datos, de

Resultado de aprendizaje 3: Evaluar los resultados de los modelos probabilísticos para la

Resultado de aprendizaje 4: Aplicar los algoritmos de revisión y evaluación de proyectos, de

Resultado de aprendizaje 5: Evaluar los resultados de los modelos probabilísticos para la

La estrategia de aprendizaje del curso es: Aprendizaje basado en tareas.

La elaboración de la tarea está contemplada, según Nunan en tres fases llamadas:

La estrategia de aprendizaje se organiza en 4 Tareas:

5. Contenidos y referentes bibliográficos del curso

Unidad 1: Modelos probabilísticos de decisión.

En esta unidad se abordarán los siguientes contenidos:

• Modelos de representación de datos.

• Taha, H. (2017). Investigación de operaciones. (10a. ed.) (pp.521-525) (pp.763-

• Gaither, N. y Frazier, G. (2000). Administración de producción y operaciones. (8a.

• Taha, H. (2017). Investigación de operaciones. (10a. ed.) (pp.581-587). Pearson

• Rojas, A. y Falla, D. (2020). Solución del modelo de pronóstico suavización

• Rojas, A. y Falla, D. (2020). Solución del modelo de pronóstico suavización

• Rojas, A. y Falla, D. (2020). Solución del modelo de inventario EOQ probabilizado en

Unidad 2: Modelos probabilísticos de optimización.

En esta unidad se abordarán los siguientes contenidos:

• Modelos de revisión y evaluación de proyectos.

• Taha, H. (2017). Investigación de operaciones. (10a. ed.) (pp.253-255). Pearson

• Taha, H. (2017). Investigación de operaciones. (10a. ed.) (pp.640-649). Pearson

6. Organización de las actividades académicas por semanas y Plan de Evaluación

Evaluación del/ la Tarea 1:

Tarea 2: Solución de modelos probabilísticos de decisión.

Evaluación del/ la Tarea 2:

Tarea 3: Solución de modelos probabilísticos de optimización.

Evaluación del/ la Tarea 3:

Tarea 4: Solución de modelos probabilísticos de decisión y optimización.

Evaluación del/ la Tarea 4:

7. Estrategias de acompañamiento docente

También podría gustarte