DADES IDENTIFICATIVES

2012_13

Assignatura (*)

INSTRUMENTS PER A LA DECISIÓ EN INCERTESA

Codi

16625212

Ensenyament

Direcció d'Empreses (2012)

Cicle

Descriptors

Crèd.

Tipus

Curs

Període

Optativa

Únic anual

Llengua d'impartició

Català

Departament

Gestió d'Empreses

Coordinador/a

TERCEÑO GÓMEZ, ANTONIO

Adreça electrònica

antonio.terceno@urv.cat
gloria.barbera@urv.cat

Professors/es

TERCEÑO GÓMEZ, ANTONIO

BARBERÀ MARINÉ, MARIA GLÒRIA

Web

Descripció general i informació rellevant

Amb aquesta assignatura s'introduiex al alumnes en un seguit de noves metodologies per plantejar i resoldre els problemes económics i de l'empresa basades en: fuzzy logic i fuzzy sets. Aquests instruments permeten tractar l'incertesa innedent a la majoria de situacions económiques amb una millor adaptació a la realitat.

Competències

Tipus A	Codi	Competències Específiques
		Comú
	AC2	Aplicar mètodes d'anàlisi per a la presa de decisions empresarials. (C)
		Professionalitzador
		Recerca
	AR2	Utilitzar les tècniques tant quantitatives com qualitatives per desenvolupar un projecte de recerca en l'àmbit de l'economia de l'empresa. (I)
Tipus B	Codi	Competències Transversals
		Comú
	BC2	Resoldre problemes complexos de forma efectiva.
	BC3	Aplicar el pensament crític, lògic i creatiu, demostrant capacitat d’innovació.
Tipus C	Codi	Competències Nuclears
		Comú
	CC3	Gestionar la informació i el coneixement.

Objectius d'aprenentatge

Objectius	Competències
Discutir y plantear la modelización en Economia y Empresa.	AR2	BC3	CC3
Aplicar técnicas fuzzy sets a economia i empres	AC2	BC2	CC3
Toma de decisiones en un ambiente de incertidumbre	AR2	BC2	CC3

Continguts

Tema	Subtema
TEMA1. LA VALUACIÓN. INTERVALOS DE CONFIANZA	1.1. CONCEPTO DE VALUACIÓN 1.2. ARITMÉTICA DE LAS VALUACIONES 1.3. PROPIEDADES 1.4. INTERVALOS DE CONFIANZA 1.5. OPERACIONES CON INTERVALOS DE CONFIANZA 1.6. RELACIÓN DE ORDEN 1.7. MAXIMIZACIÓN Y MINIMIZACIÓN
TEMA 2. NÚMEROS BORROSOS. NÚMEROS BORROSOS TRIANGULARES, TRAPEZOIDALES Y L-R DE DUBOIS PRADE	2.1 CONCEPTO DE NÚMERO BORROSOS 2.2 OPERACIONES CON NÚMEROS BORROSOS 2.3 MÁXIMO Y MÍNIMO DE NÚMEROS BORROSOS. 2.4 NÚMEROS BORROSOS TRIANGULARES 2.5 NÚMEROS BORROSOS TRAPEZOIDALES 2.6 NÚMEROS BORROSOS L-R DE DUBOIS-PRADE
TEMA 3. LA TEORÍA DE LOS SUBCONJUNTOS BORROSOS	3.1 CONCEPTO DE SUBCONJUNTO BORROSO 3.2 REDEFINICIÓN DE NÚMERO BORROSO 3.3 INTERSECCIÓN, UNIÓN Y COMPLEMENTACIÓN 3.4 OTROS OPERADORES DE LOS SUBCONJUNTOS BORROSOS
TEMA 4. LA NOCIÓN DE DISTANCIA CON DATOS INCIERTOS. LA NOCIÓN DE MEDIA	4.1 DISTANCIA DE HAMMING ENTRE SUBCONJUNTOS BORROSOS 4.2 DISTANCIA EUCLIDEA ENTRE SUBCONJUNTOS BORROSOS 4.3 DISTANCIA DE MINKOWSKI ENTRE SUBCONJUNTOS BORROSOS 4.4 DISTACIAS RELATIVAS 4.5 DISTANCIA DE HAMMING PARA INTERVALOS DE CONFIANZA 4.6 DISTANCIA ENTRE NÚMEROS BORROSOS 4.7 CLASIFICACIÓN DE LOS NÚMEROS BORROSOS EN UN ORDEN TOTAL 4.8 CONCEPTO DE MEDIA GENERALIZADA 4.9 OTRAS GENERALIZACIONES DEL CONCEPTO DE MEDIA 4.10 HAZ DE NÚMEROS BORROSOS. NÚMERO BORROSO MEDIO 4.11 ESPERANZA MATEMÁTICA DE UN HAZ
TEMA 5. TEORÍA GENERAL DE LOS EXPERTONES	5.1 CONSTRUCCIÓN DE UN EXPERTÓN 5.2 MINIMIZACIÓN, MAXIMIZACIÓN Y COMPLEMENTACIÓN DE EXPERTONES 5.3 LA NOCIÓN DE MEDIA EN EL EXPERTIZAJE 5.4 ESPERANZA MATEMÁTICA DE UN EXPERTÓN 5.5 OPERACIONES CON EXPERTONES 5.6 DISTACIA DE HAMMING ENTRE EXPERTONES 5.7 EL CONTRAEXPERTIZAJE 5.8 LOS R-EXPERTONES 5.9 COEXPERTONES 5.10 M-EXPERTONES
TEMA 6. INSTRUMENTOS ESPECÍFICOS PARA EL ANÁLISIS ECONÓMICO EN INCERTIDUMBRE	6.1 RESOLUCIÓN DE ECUACIONES CON NÚMEROS BORROSOS 6.2 PROGRAMACIÓN BORROSA 6.3 MODELOS ECONOMÉTRICOS BORROSOS 6.4 OTROS INSTRUMENTOS
TEMA 7. APLICACIONES A LA GESTIÓN DE EMPRESAS Y A LA ECONOMIA	7.1 EL VALOR ACTUAL NETO CON DATOS INCIERTOS 7.2 SELECCIÓN DE CARTERAS DE INVERSIONES 7.3 LA MATEMÁTICA FINANCIERA CON DATOS INCIERTOS: VALORACIÓN DE CAPITALES Y RENTAS 7.4 PRÉSTAMOS INDEXADOS 7.5 PRESUPUESTOS Y RATIOS BORROSOS 7.6 TIR BORROSA 7.7 ESTRUCTURA TEMPORAL DE LOS TIPOS DE INTERÉS 7.8 CÁLCULO DE LA PRIMA EN SEGUROS DE VIDA 7.9 OTRAS APLICACIONES

Planificació

Metodologies :: Proves

Competències

(*) Hores a classe

Hores fora de classe

(**) Hores totals

Activitats Introductòries

Sessió Magistral

Resolució de problemes, exercicis a l'aula ordinària

Treballs

Atenció personalitzada

(*) En el cas de docència no presencial, són les hores de treball amb suport vitual del professor.
(**) Les dades que apareixen a la taula de planificació són de caràcter orientatiu, considerant l’heterogeneïtat de l’alumnat

Metodologies

Metodologies

	Descripció
Activitats Introductòries	Es fara una introducció general del curs i la seva significació
Sessió Magistral	Cada un del temas del programa s'iniciaràn amb una explicació per part del professor on s'explicaràn els continguts, es comentara la bibliografia i refrencies i es proposaràn els exerciucis a desenvolupar.
Resolució de problemes, exercicis a l'aula ordinària	Per cada tema es proposaràn un seguit d'exercicis que l'alumne preparara previament a la classe i posteriorment es corregira en aquesta.
Treballs	El contingut del treball a realitzar s'explicarà a classe.
Atenció personalitzada

Atenció personalitzada

Atenció personalitzada

Descripció

Durant el curs es fara una entrevista amb cada alumne per tal de seguir la seva evolució. Al mateix temps els alumnes comptaràn amb les hores d'atenció del professor.

Avaluació

	Descripció	Pes
Treballs	A classe s'explicarà el contingut del treball.	100%

Altres comentaris i segona convocatòria
La segona convocatoria s'avaluara amb un treball individual amb un pes a la nota del 100%

Fonts d'informació

Bàsica
	Bellman, R. E. y Zadeh, L. A. (1970): “Decisión Making in a fuzzy environment”. Management Sciencies, 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 Aplications. 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. Lemaire, J. (1990): “Fuzzy insurance”. Astin Bulletin, N. 20, pp. 33-55. 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 Guia docent és el document on es visualitza la proposta acadèmica de la URV. Aquest document és públic i no es pot modificar, llevat de casos excepcionals revisats per l'òrgan competent/ o degudament revisats d'acord amb la normativa vigent