DATOS IDENTIFICATIVOS 2020_21
Asignatura (*) INSTRUMENTS PER A LA DECISIÓ EN LA INCERTESA Código 16665213
Titulación
Direcció d'Empreses (2016)
Ciclo 1r i 2n
Descriptores Cr.totales Tipo Curso Periodo Horarios y datos del examen
3 Optativa 2Q
Modalidad y lengua de impartición
Departamento Gestió d'Empreses
Coordinador/a
TERCEÑO GÓMEZ, ANTONIO
Correo-e antonio.terceno@urv.cat
Profesores/as
TERCEÑO GÓMEZ, ANTONIO
Web
Descripción general e información relevante Aquesta assignatura introdueix els estudiants a un seguit de noves metodologies per plantejar i resoldre els problemes econòmics i de l'empresa basades en: fuzzy logic i fuzzy sets.

Competències
Tipo A Código Competencias Específicas
 A9 Utilitzar i combinar les tècniques més adequades, tant quantitatives com qualitatives, per desenvolupar un projecte de recerca en l'àmbit de l'economia de l'empresa. (Especialitat investigació)
Tipo B Código Competencias Transversales
 CT1 Desenvolupar l’autonomia suficient per a treballar en projectes d’investigació i col·laboracions científiques o tecnològiques dins el seu àmbit temàtic
 CT3 Resoldre problemes complexes de manera crítica, creativa i innovadora en contextos multidisciplinars.
Tipo C Código Competencias Nucleares

Resultats d'aprenentage
Tipo A Código Resultados de aprendizaje
 A9 Prendre decisions en un ambient d'incertesa aplicant tècniques fuzzy sets i xarxes neuronals artificials a problemes d'Economia i Empresa.
Tipo B Código Resultados de aprendizaje
 CT1 Desenvolupar l’autonomia suficient per a treballar en projectes d’investigació i col·laboracions científiques o tecnològiques dins el seu àmbit temàtic
 CT3 Resoldre problemes complexes de manera crítica, creativa i innovadora en contextos multidisciplinars.
Tipo C Código Resultados de aprendizaje

Continguts
tema Subtema
TEMA1: L'AVALUACIÓ. 1.1. CONCEPTE DE VALUACIÓ
1.2. ARITMÈTICA DE LES VALUACIONS
1.3. PROPIETATS
TEMA 2. INTERVALS DE CONFIANÇA 2.1. INTERVALS DE CONFIANÇA
2.2. OPERACIONS AMB INTERVALS DE CONFIANÇA
2.3. RELACIÓ D'ORDRE
2.4. MAXIMITZACIÓ I MINIMITZACIÓ
TEMA 3. LA TEORIA DELS SUBCONJUNTS BORROSOS 3.1 CONCEPTE DE SUBCONJUNT BORRÓS
3.2 INTERSECCIÓ, UNIÓ I COMPLEMENTACIÓ
3.3 ALTRES OPERADORS DELS SUBCONJUNTS BORROSOS
TEMA 4. NÚMEROS BORROSOS. NÚMEROS BORROSOS TRIANGULARS, TRAPEZOÏDALS I L-R DE DUBOIS PRADE 4.1 CONCEPTE DE NÚMEROS BORROSOS
4.2 OPERACIONS AMB NÚMEROS BORROSOS
4.3 MÀXIM I MÍNIM DE NÚMEROS BORROSOS
4.4 NÚMEROS BORROSOS TRIANGULARS
4.5 NÚMEROS BORROSOS TRAPEZOÏDALS
4.6 NÚMEROS BORROSOS L-R DE DUBOIS-PRADE
TEMA 5.LA NOCIÓ DE DISTANCIA AMB DADES INCERTES 5.1 CONCEPTE DE DISTANCIA
5.2. DISTANCIA DE HAMMING
5.3. DISTANCIA EUCLÍDIA
5.4. DISTANCIA DE MINKOWSKI
5.5. DISTANCIES RELATIVES
5.6. RELACIONS ENTRE ELS DIFERENTS CONCEPTES DE DISTANCIA
5.7. DISTANCIA ENTRE NÚMEROS BORROSOS
5.8. CLASSIFICACIÓ DELES NÚMEROS BORROSOS EN UN ORDRE TOTAL
TEMA 6. LA NOCIÓ DE MITJANA 6.1 CONCEPTE DE MITJANA GENERALITZADA
6.2.FEIX DE NÚMEROS BORROSOS. NÚMERO BORRÓS MIG
6.3. ESPERANÇA MATEMÀTICA D'UN FEIX DE NÚMEROS BORROSOS
TEMA 7.TEORIA GENERAL DELS EXPERTONS 7.1 CONSTRUCCIÓ D'UN EXPERTÓ
7.2. MINIMITZACIÓ, MAXIMITZACIÓ I COMPLEMENTACIÓ D'EXPERTONS
7.3. LA NOCIÓ DE MITJANA EN L'EXPERTIZATJE
7.4. ESPERANÇA MATEMÀTICA D'UN EXPERTÓ
7.5. UTILITZACIÓ D'EXPERTONS O UTILITZACIÓ DE MITJANES
7.6.DISTANCIA DE HAMMING ENTRE EXPERTONS
7.7. EL CONTRAEXPERTIZATJE
7.8. COEXPERTONS
TEMA 8. APLICACIONS A LA GESTIÓ D'EMPRESES I A L'ECONOMIA 8.1 EL VALOR ACTUAL NET AMB DADES INCERTES
8.2 SELECCIÓ DE CARTERES D'INVERSIONS
8.3 LA MATEMÀTICA FINANCERA AMB DADES INCERTES: VALORACIÓ DE CAPITALS I RENDES
8.4 PRÉSTECS INDEXATS
8.5 PRESSUPOSTOS I RÀTIOS BORROSOS
8.6 ALTRES APLICACIONS

Planificació
Metodologías  ::  Pruebas
  Competencias (*) Horas en clase
Horas fuera de clase
(**) Horas totales
Activitats Introductòries
1 0 1
Sessió Magistral
A9
15 0 15
Resolució de problemes, exercicis a l'aula ordinària
A9
CT3
8 10 18
Treballs
A9
CT1
CT3
4 35 39
Atenció personalitzada
2 0 2
 
 
(*) En el caso de docencia no presencial, serán las horas de trabajo con soporte virtual del profesor.
(**) Los datos que aparecen en la tabla de planificación son de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologies
Metodologías
  descripción
Activitats Introductòries Es farà una introducció general del curs i la seva significació.
Sessió Magistral Cada un del temes del programa s'iniciaran amb una explicació per part del professorat on s'explicaran els continguts, es comentarà la bibliografia i referències i es proposaran els exercicis a desenvolupar.
Resolució de problemes, exercicis a l'aula ordinària Es proposaran un seguit d'exercicis que l'estudiant prepararà prèviament a la classe i posteriorment es corregirà en aquesta.
Treballs El contingut del treball a realitzar s'explicarà a classe.
Atenció personalitzada Hores d'atenció del professorat de l’assignatura per resoldre dubtes que permetin assolir els objectius d’aprenentatge.

Atenció personalitzada
descripción
Els estudiants comptaran amb hores d'atenció del professorat de l’assignatura per resoldre dubtes que permetin assolir els objectius d’aprenentatge.

Avaluació
Metodologías Competencias descripción Peso        
Treballs
A9
CT1
CT3
A classe s'explicarà el contingut del treball. 100%
Otros  
 
Otros comentarios y segunda convocatoria

La segona convocatòria s'avaluarà amb un treball.


Fonts d'informació

Bàsica

Bellman, R. E. y Zadeh, L. A. (1970): “Decision Making in a fuzzy environment”. Management Sciences, N. 5.

Buckley, J. J. (1992): “Solving fuzzy equations”. Fuzzy Sets and Systems, N. 50, pp. 1-14.

Buckley, J. J. y Qu, Y. (1991): “Solving fuzzy equations: a new solution concept”. Fuzzy Sets and Systems, N. 39, pp. 291-301.

Buckley, J. J y Qu, Y. (1990): “Solving linear and quadratic fuzzy equations”. Fuzzy Sets and Systems, N. 38, pp. 43-59.

Buckley, J. J. (1992): “Solving fuzzy equations in economics and finance”. Fuzzy Sets and Systems, N. 48, pp. 289-296.

De Andrés, J. y Terceño, A. (2003): “Estimating a term structure of interest rates for fuzzy financial pricing by using fuzzy regression methods”. Fuzzy Sets and System, Vol. 139, N. 2.

De Andrés, J. y Terceño, A. (2002): “Aplicaciones actuariales de la teoría de los subconjuntos borrosos”. Cuadernos de CIMBAGE, N. 5, pp. 1-39.

Dubois, D. y Prade, H. (1980): Fuzzy Sets and Systems: Theory and Applications. Nueva York: Academic Press.

Gil Aluja, J. (1995): “Towards a new concept of economic research”. Fuzzy Economic Review, N. 0, pp. 5-25.

Gil Aluja, J. (1997): Invertir en la incertidumbre. Madrid: Pirámide.

Kaufmann, A. y Gupta, M. M. (1985): Introduction to Fuzzy Arithmetic. Nueva York: Van Nostrand Reinhold.

Kaufmann, A. y Gil Aluja, J. (1990): Las matemáticas del azar y de la incertidumbre. Madrid: Ceura.

Kaufmann, A. y Gil Aluja, J. (1993): Técnicas especiales para la gestión de expertos. Vigo: Milladoiro.

Kaufmann, A.; Gil Aluja, J. y Terceño, A. (1994): Matemática para la economía y la gestión de empresas. Barcelona: Foro Científico.

Kaufmann, A. y Gil Aluja, J. (1987): Técnicas operativas de gestión para el tratamiento de la incertidumbre. Barcelona: Hispano Europea.

Lai, Y. L y Hwang, C. L. (1992): Fuzzy mathematical programming. Berlín: Springer-Verlag.

Li Calzi, M. (1990): “Towards a general setting for the fuzzy mathematics of finance”. Fuzzy Sets and Systems, N. 35, pp. 265-280.

Ortí F.; Sáez J. y Terceño, A. (2002): “On the treatment of uncertainty in portfolio selection”. Fuzzy Economic Review, Vol. 7, N. 2, pp. 59-80.

Ostaszewski, K. (1993): An investigation into possible applications of fuzzy sets methods in actuarial science. Schaumburg: Society of Actuaries.

Rommelfanger, H.; Hanuscheck, R. y Wolf, J. (1989): “Linear programming with fuzzy objectives”. Fuzzy Sets and Systems, Vol. 29.

Sakawa, M. y Yano, H. (1992): “Fuzzy regression and its applications”. En: Kacprzyk, J. y Fedrizzi, M. (eds.), Fuzzy regression analysis. Heildelberg: Physica-Verlag.

Tanaka, H. y Asai, K. (1984): “Fuzzy linear programming with fuzzy numbers”. Fuzzy Sets and Systems, Vol. 13.

Tanaka, H. y Ishibuchi H. (1992): “A possibilistic regression analysis based on linear programming”. En: Kacprzyk, J. y; Fedrizzi, M. (eds.), Fuzzy regression analysis. Heildelberg: Physica-Verlag.

Terceño, A.; Lorenzana, T.; De Andrés, J. y Barberà, M. G. (2003): “Using fuzzy set theory in the choice of capital investments”. The International Journal of Uncertainty, Fuzziness and Knowledge-based Systems, Vol. 11, N. 3.

Terceño, A.; De Andrés, J. y Barberà, M. G. (2001): “The Use of Fuzzy Programming in the Management of Immunised Fixed Income Portfolios”. En: Zopounidis, C.; Pardalos, P. M. y Baourakis, G. (eds.), Fuzzy Sets Systems in Management, Economics and Marketing, pp. 129-145. Singapur: World Scientific.

Terceño, A.; De Andrés, J.; Barberà, M. G. y Lorenzana, T. (2001): “Investment Management in Uncertainty”. En: Gil Aluja, J. (ed.), Handbook of Management under Uncertainty, pp. 323-391. Dordrecht: Kluwer.

Vigier, H.; Brignole, D. y Terceño, A. (2002): “Modelo de predicción de enfermedades de las empresas a través de relaciones fuzzy”. En: Dichiara, R. O. (ed.), Competitividad de pequeñas y medianas empresas industriales y desarrollo regional, pp. 65-74, Bahía Blanca: Universidad Nacional del Sur.

Yen, K. K.; Ghoshray, S. y Roig, G. (1999): “A linear regression model using triangular fuzzy number coefficients”. Fuzzy Sets and Systems, N. 106, pp. 167-177.

Zadeh, L. (1965): "Fuzzy sets”. Information and Control, N. 8, pp. 338-353.

Zimmermann, H. J. (1991): Fuzzy Set Theory and Its Applications. Dordrecht: Kluwer.

Complementària

Recomanacions


(*)La Guía docente es el documento donde se visualiza la propuesta académica de la URV. Este documento es público y no es modificable, excepto en casos excepcionales revisados por el órgano competente o debidamente revisado de acuerdo la normativa vigente.