DATOS IDENTIFICATIVOS 2020_21
Asignatura (*) INSTRUMENTOS PARA LA DECISIÓN EN LA INCERTIDUMBRE Código 16665213
Titulación
Dirección de Empresas (2016)
Ciclo 1º y 2º
Descriptores Cr.totales Tipo Curso Periodo
3 Optativa 2Q
Lengua de impartición
Castellà
Departamento Gestión de Empresas
Coordinador/a
TERCEÑO GÓMEZ, ANTONIO
Correo-e antonio.terceno@urv.cat
Profesores/as
TERCEÑO GÓMEZ, ANTONIO
Web
Descripción general e información relevante Esta asignatura introduce a los estudiantes en un conjunto de nuevas metodologías para plantear y resolver los problemas económicos y de la empresa basados en: fuzzy logic y fuzzy sets. Estos instrumentos permiten tratar la incertidumbre inherente a la mayoría de situaciones económicas con una mejor adaptación a la realidad.

Competencias
Tipo A Código Competencias Específicas
 A9 Utilizar y combinar las técnicas más adecuadas, tanto cuantitativas como cualitativas, para desarrollar un proyecto de investigación en el ámbito de la economía de la empresa. (Especialidad investigación)
Tipo B Código Competencias Transversales
 CT1 Desarrollar la autonomía suficiente para trabajar en proyectos de investigación y colaboraciones científicas o tecnológicas dentro de su ámbito temático
 CT3 Resolver problemas complejos de forma crítica, creativa e innovadora en contextos multidisciplinares.
Tipo C Código Competencias Nucleares

Resultados de aprendizaje
Tipo A Código Resultados de aprendizaje
 A9 Tomar decisiones en un ambiente de incertidumbre aplicando técnicas fuzzy sets y redes neuronales artificiales a problemas de Economía y Empresa.
Tipo B Código Resultados de aprendizaje
 CT1 Desarrollar la autonomía suficiente para trabajar en proyectos de investigación y colaboraciones científicas o tecnológicas dentro de su ámbito temático
 CT3 Resolver problemas complejos de forma crítica, creativa e innovadora en contextos multidisciplinares.
Tipo C Código Resultados de aprendizaje

Contenidos
tema Subtema
Tema1: LA VALUACIÓN. 1.1. CONCEPTO DE VALUACIÓN
1.2. ARITMÉTICA DE LAS VALUACIONES
1.3. PROPIEDADES
TEMA 2. INTÉRVALOS DE CONFIANZA 2.1. INTERVALOS DE CONFIANZA
2.2. OPERACIONES CON INTERVALOS DE CONFIANZA
2.3. RELACIÓN DE ORDEN
2.4. MAXIMIZACIÓN Y MINIMIZACIÓN

TEMA 3. LA TEORÍA DE LOS SUBCONJUNTOS BORROSOS 3.1 CONCEPTO DE SUBCONJUNTO BORROSO
3.2 INTERSECCIÓN, UNIÓN Y COMPLEMENTACIÓN
3.4 OTROS OPERADORES DE LOS SUBCONJUNTOS BORROSOS
TEMA 4. NÚMEROS BORROSOS. NÚMEROS BORROSOS TRIANGULARES, TRAPEZOIDALES Y L-R DE DUBOIS PRADE 4.1 CONCEPTO DE NÚMEROS BORROSOS
4.2 OPERACIONES CON NÚMEROS BORROSOS
4.3 MÁXIMO Y MÍNIMO DE NÚMEROS BORROSOS
4.4 NÚMEROS BORROSOS TRIANGULARES
4.5 NÚMEROS BORROSOS TRAPEZOIDALES
4.6 NÚMEROS BORROSOS L-R DE DUBOIS-PRADE
TEMA 5. LA NOCIÓN DE DISTANCIA CON DATOS INCIERTOS 5.1 CONCEPTO DE DISTANCIA
5.2. DISTANCIA DE HAMMING
5.3. DISTANCIA EUCLÍDEA
5.4. DISTANCIA DE MINKOWSKI
5.5. DISTANCIAS RELATIVAS
5.6. RELACIONES ENTRE LOS DISTINTOS CONCEPTOS DE DISTANCIA
5.7. DISTANCIA ENTRE NÚMEROS BORROSOS
5.8. CLASIDFICACIÓN DE LOS NÚMEROS BORROSOS EN UN ORDEN TOTAL

TEMA 6. LA NOCIÓN DE MEDIA 6.1 CONCEPTO DE MEDIA GENERALIZADA
6.2. HAZ DE NÚMEROS BORROSOS. NÚMERO BORROSO MEDIO
6.3. ESPERANZA MATEMÁTICA DE UN HAZ DE NÚMEROS BORROSOS
TEMA 7. TEORÍA GENERAL DE LOS EXPERTONES 7.1 CONSTRUCCIÓN DE UN EXPERTÓN
7.2. MINIMIZACIÓN, MAXIMIZACIÓN Y COMPLEMENTACIÓN DE EXPERTONES
7.3. LA NOCIÓN DE MEDIA EN EL EXPERTIZAJE
7.4. ESPERANZA MATEMÁTICA DE UN EXPERTÓN
7.5. UTILIZACIÓN DE EXPERTONES O UTILIZACIÓN DE MEDIAS
7.6.DISTANCIA DE HAMMING ENTRE EXPERTONES
7.7. EL CONTRAEXPERTIZAJE
7.8. COEXPERTONES
TEMA 8. APLICACIONES A LA GESTIÓN DE EMPRESAS Y A LA ECONOMÍA 8.1 EL VALOR ACTUAL NETO CON DATOS INCIERTOS
8.2 SELECCIÓN DE CARTERAS DE INVERSIONES
8.3 LA MATEMÁTICA FINANCIERA CON DATOS INCIERTOS: VALORACIÓN DE CAPITALES Y RENTAS
8.4 PRÉSTAMOS INDEXADOS
8.5 PRESUPUESTOS Y RATIOS BORROSOS
8.6. OTRAS APLICACIONES

Planificación
Metodologías  ::  Pruebas
  Competencias (*) Horas en clase
Horas fuera de clase
(**) Horas totales
Actividades introductorias
1 0 1
Sesión magistral
A9
15 0 15
Resolución de problemas/ejercicios en el aula ordinaria
A9
CT3
8 10 18
Trabajos
A9
CT1
CT3
4 35 39
Atención personalizada
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

Metodologías
Metodologías
  descripción
Actividades introductorias Se hará una introducción general del curso y su significación.
Sesión magistral Cada uno de los temas del programa se iniciarán con una explicación por parte del profesorado donde se explicarán los contenidos, se comentará la bibliografía y referencias y se propondrán los ejercicios a desarrollar.
Resolución de problemas/ejercicios en el aula ordinaria Se propondrán una serie de ejercicios que el estudiante preparará previamente a la clase y posteriormente se corrigirá en esta.
Trabajos El contenido del trabajo a realizar se explicará en clase.
Atención personalizada Horas de atención del profesorado de la asignatura para resolver dudas que permitan alcanzar los objetivos de aprenendizaje.

Atención personalizada
descripción
Los estudiantes contarán con la hora de atención del profesorado de la asignatura para resolver dudas que permitan alcanzar los objetivos de aprendizaje.

Evaluación
Metodologías Competencias descripción Peso        
Trabajos
A9
CT1
CT3
En clase se explicará el contenido del trabajo.
100%
Otros  
 
Otros comentarios y segunda convocatoria

La segunda convocatoria se evaluará con un trabajo.


Fuentes de información

Básica

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.

Complementaria

Recomendaciones


(*)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.