UNIVERSIDAD NACIONAL “José Faustino Sánchez Carrión”

FACULTAD DE INGENIERÍA INDUSTRIAL, SISTEMAS E INFORMATICA

Escuela Académico Profesional de INGENIERÍA INDUSTRIAL

SÍLABO POR COMPETENCIAS

ASIGNATURA:

SIMULACIÓN ESTADÍSTICA

11

Docente: Ing. Jaime Eduardo Gutiérrez Ascón

SEMESTRE 2018 – II

SÍLABO DE LA ASIGNATURA DE:

SIMULACIÓN ESTADÍSTICA
I. DATOS GENERALES
 CÓDIGO DE LA
ASIGNATURA
DEPARTAMENTO
INGENIERÍA INDUSTRIAL
ACADÉMICO
ESCUELA
ACADÉMICO INDUSTRIAL
PROFESIONAL
LÍNEA DE
FORMACIÓN BÁSICA
CARRERA
CICLO VI
HORAS TEORIA : 03 HORAS PRÁCTICAS: 02 HORAS (TOTAL: 05
SEMANALES HORAS/SEMANA)
SEMESTRE
2018 – II
ACADÉMICO
PRE-REQUISITO ESTADÍSTICA EXPERIMENTAL
DOCENTE Ing. Jaime Eduardo Gutiérrez Ascón (CIP N° 40021)
RESPONSABLE e-mail: ing_jagu@hotmail.com

II. SUMILLA Y DESCRIPCIÓN DEL CURSO

Al finalizar el curso, el alumno será capaz de modelar y aplicar las técnicas que
reproduce de forma semejante o aproximada los eventos reales y procesos con ciertas
condiciones de prueba definidas con anterioridad. Ëta no remplaza a otras formas de
experimentos ni al juicio subjetivo o al desarrollo de métodos analíticos de
Investigación de Operaciones de la Ingeniería Industrial, pero es una solución
alternativa conveniente sobre todo por la simplicidad de los procesos numérico-
cuantitativos y el uso de la tecnologías y desarrollo de software especializados en
simulación.

11
 III. CAPACIDADES AL FINALIZAR EL CURSO

NOMBRE DE LA UNIDAD
CAPACIDAD DE LA UNIDAD DIDACTICA SEMAN
DIDACTICA
AS

En un mundo globalizado, de mercado cambiante y

dinámico, identifica, reconoce y determina Los
parámetros y estadígrafos, experimento aleatorios, 1°,
IUNIDAD

MINERIA DE DATOS
eventos o sucesos, espacios muestrales, variables
ESTADISTICOS 2°,
aleatorias, ley de grandes números, teorema de límite
central; Distribución de probabilidades, además, 3°
identificar las asimetrías, curtosis, centralización y
variabilidad de las distribuciones o data.

Con la simulación Montecarlo se pueden tener miles

de escenarios en un solo segundo cuando los
números aleatorios generados por semillas permiten
evaluar las variables críticas y su efecto de diferentes
4°,
manera en los resultados de los modelos de
IIUNIDAD

Distribuciones de probabilidad, los métodos de RANDOMIZACIÓN 5°,

muestreo,, las correlaciones tipo cópula, los 6°,
parámetros alternativos, las distribuciones no
7°
paramétricas, distribuciones truncadas, las
simulaciones multimensional y los controles de
precisión.

En la actualidad, poder predecir los sucesos futuros

se hace más relevante para las compañías, es por 11
esto que la simulación, empleando los software
IIIUNIDAD

INFERENCIAS Y
especializados mediante el uso de del conjunto de 9°, 10°,
PRONÓSTICOS DE DATOS
herramientas estadísticas de alto nivel y de fácil uso 11°, 12°
CATEGÓRICOS Y
permiten obtener el máximo provecho de la
NUMÉRICOS.
información y permite conocer resultados del método
ARIMA, econometría básica, Spline cúbico, GARCH,
curva J variables dependientes limitadas,
extrapolaciones, regresiones múltiples, cadenas de
Markov y redes neuronales entre otros.
 Muchas de las series de tiempo, se comportan en
función del tiempo donde es preciso reconocer e
identificar los patrones de comportamiento que
presenta la serie a través de los períodos, éste
procedimiento llamado descomposición evalúa los
componentes principales como tendencia, ciclo,
IVUNIDAD

estacionalidad y el componente irregular de la serie

ANÁLISIS DE 13°, 14°,
generando modelos de predicción simples o
REGRESIONES
compuestos, suavizados simples, dobles , también los 15°
modelos de predicción de estacionalidad aditiva o
multiplicativa y evaluando los errores se puede
determinar aquella regresión que explica mejor la
dependencia respecto de una o más variables al
estimar o predecir el valor promedio poblacional del
valor esperado.

11
IV. INDICADORES DE CAPACIDADES AL FINALIZAR EL CURSO
INDICADORES DE CAPACIDAD AL FINALIZAR EL CURSO
NÚM
ERO

1 De una muestra estadística estima un parámetro poblacional de manera puntual y determina los
momentos

2 De poblaciones que se distribuyen normalmente, emplea distintos niveles de confianza

determinando el valor mas esperado, simetrías probabilidad de cercanía al promedio

3 Identifica las distribuciones Log normal, triangular, uniforma PERT, Bernoulli, Binomial,
Hipergeométrica, Poisson

4 Determina los estimadores estadísticos para la toma de decisiones definitivas interpreta la

probabilidad que contengan el valor desconocido del parámetro.

5 Identifica los modelos estáticos, dinámicos, Deterministas y estocásticos que exigen el uso de
randomización

6 Genera los números aleatorios en la plataforma Excel de la tabla estadística según los
intervalos definidos.

7 Compara el universo teórico descrito por las leyes de probabilidad y analiza la muestra aleatoria
obtenida por números aleatorios .

8 Aproxima las expresiones matemáticas compleja y costosas de evaluación con exactitud.

9 Predice el futuro basándose en los datos históricos o especulaciones acerca del futuro cuando
no existe historia o información.

10 Atenúa la incertidumbre al estudiar posibles sucesos futuros basados en hechos pasados o

actuales.

11 Realiza el control del pronóstico midiendo la homocedasticidad y heretocedasticidad cuantitativa

11
y cualitativa.

12 Utiliza los distintos métodos de pronóstico decidiendo por aquel que explique mejor la realizar
cuando registra los mínimos errores dl control de pronóstico de los parámetros

13 Ejecuta procesos estocásticos por medio de ecuaciones matemáticas para crear una serie de
resultados.

14 Analiza los movimientos Browiano de una serie temporal.

15 Ejecuta métodos MGB con regresión a la media para estudiar las propiedades a largo plazo.

16 Desarrolla procesos MGB con difusión de salto y regresión a la media.

 V.- DESARROLLO DE LAS UNIDADES DIDACTICAS:
CAPACIDAD DE LA UNIDAD DIDÁCTICA I : En una sociedad competitiva, es importante conocer las características poblacionales a fin de
llegar hacia el mercado objetivo; para ello se busca estimar, identificar y determinar los parámetros poblacionales mediante la simulación
estática como complemento de los modelos analíticos.
Semana Contenidos Estrategia Indicadores de logro de
día didáctica la capacidad
Conceptual Procedimental Actitudinal
Muestra interés en
estimar puntualmente Presentación de
Muestreo, asimetría, Explica la manera de identificar los parámetros prospectivas en Estima puntualmente una
1°
kurtosis poblacional y las muestras que son extraídas poblaciones; videos, y clase media poblacional que se
muestral. de la población. explicando la magistral distribuye normalmente.
naturaleza de su expositiva.
obtención.
Analiza con carácter Uso de equipo
Explica la manera de determinar
crítico la media multimedia y Determina el intervalo de
un nivel de confianza, los errores
Distribuciones normales y poblacional estimada pizarra. Clase confianza de la media
que pueden cometerse al
2° no normales, sesgo, por intervalos de interactiva, poblacional, cuando se
MINERIA DE DATOS

estimarlo; cálculo de tamaño de

asimetría y sus efectos confianza de la media intercambio de distribuye normalmente y el
una muestra, determinando la
en los parámetros. y su relación con la conocimientos efecto de las curvas
importancia del sesgo y kurtosis
mediana y moda Profesor gordas.
de los parámetros.
muestral. Alumno.
Explica la manera de estimar por
Determina la Equipo y
Distribuciones intervalos de confianza la
importancia de los materiales de
estadísticas más usuales diferencia de dos medias
3° resultados campo Estima y explica los
en las poblaciones o poblacionales, pareadas y no
paramétricos en el determinados parámetros.
muestras en la empresa o pareadas. Determina por
contexto de la realidad por los
industria. intervalos de confianza una
empresarial. estudiantes..
proporción poblacional
Didáctica I : Unidad

EVALUACIÓN DE LA UNIDAD DIDÁCTICA I:Minerìa de Datos

EVIDENCIA DE CONOCIMIENTOS EVIDENCIA DE PRODUCTO EVIDENCIA DE DESEMPEÑO

Prueba escrita y prueba oral y Informes escritos de trabajos académicos. Registro de actitudes, y observaciones en el
sustentación de trabajos de campo. aula de clase.

11
 CAPACIDAD DE LA UNIDAD DIDÁCTICA II: Los parámetros son definidos mediante la representación de la realidad bajo una multitud de
escenarios que son evaluados en computadoras tomando como soporte del modelamiento la randomización de las variables cuantitativas o
cualitativas.
Semana Contenidos Indicadores de logro de
Estrategia didáctica
día la capacidad
Conceptual Procedimental Actitudinal
Uso de casos tipos de
Desarrolla técnicas de
Estimadores puntuales de Identifica los parámetros situaciones reales. Menciona los tipos de
formulación de
4° medias, proporciones, en función a sus valores Clase interactiva, hipótesis y explica las
contraste de hipótesis,
desviaciones probabilísticos de intercambio de estadísticas poblacionales
para explicar la
estándares y varianzas. ocurrencia. conocimientos Profesor y muestrales.
realidad.
- Alumno.
Uso de casos tipos de
Solución de modelos Modela y calcula las
Procesa y calcula con situaciones reales. Conoce los procedimientos
analíticos de la ingeniería soluciones optimas de los
5° la computadora los Clase interactiva, de la investigación para
Industrial que soportan la modelos de programación
resultados de intercambio de resolver los principales
Investigación y la lineal empleando los
optimización analítica. conocimientos Profesor modelos.
Ingeniería Industrial software especializados.
- Alumno.
RANDOMIZACION

Utiliza Uso de equipo

Uso de los softwares de
Estima el valor esperado discrecionalmente la multimedia y pizarra.
simulación estadística Análisis de una lista de
6° para entrada de variables información para Clase magistral e
Risk Simulator y Cristal realidades y su enfoque en
específicas en el modelo de conocer la mejor interactiva, intercambio
Ball para tomar decisiones el escenario de simulación.
simulación. decisión de los de conocimientos
empresariales.
parámetros. Profesor Alumno.
Uso de equipo
Análisis de escenarios Modela empleando el Arguye resultados
multimedia y pizarra. Resuelve cantidad
mas probables, mejor software de simulación que para las poblaciones
7° Clase magistral e suficiente de ambientes de
escenario y peor permita procesar miles de como resultado de las
interactiva, intercambio simulación propios de la
escenario de un escenarios e identificar la pruebas de simulación
de conocimientos Ingeniería Industrial.
parámetro en estudio. solución y beneficio. .
Profesor Alumno.
Uso de equipo
Define supuestos y
Determinar el número de multimedia y pizarra.
Recalcula el modelo y prosigue con el Interpreta y analiza con
pruebas a realizar en un Clase magistral e
8° registra el resultado de la análisis “que pasa si” precisión los resultados
experimento de interactiva, intercambio
simulación. como análisis de con respecto a la media
simulación de conocimientos
sensibilidad.
Profesor Alumno.

11
Didáctica II : EVALUACIÓN DE LA UNIDAD DIDÁCTICA II: Randomizaciòn
EVIDENCIA DE CONOCIMIENTOS EVIDENCIA DE PRODUCTO EVIDENCIA DE DESEMPEÑO
Unidad

Prueba escrita y prueba oral y Informes escritos de prácticas de campo y Registro de actitudes, y observaciones en el
sustentación de informes de avances de informe de trabajo monográfico aula de clase.
prácticas de campo.

CAPACIDAD DE LA UNIDAD DIDÁCTICA III: Las pruebas de hipótesis obtenidos por simulación discreta, dinámica, estocástica permiten
conocer los parámetros bajos distintos niveles de confianza en distribuciones truncadas midiendo la homocedasticidad y controlando el
riesgo d la variabilidad o dispersión de los valores que afectan la exactitud de la simulación.
INFERENCIAS Y PRONÓSTICOS DE DATOS CATEGÓRICOS Y

Semana Contenidos Indicadores de logro

Estrategia didáctica
día de la capacidad
Conceptual Procedimental Actitudinal
Conoce y aplica el
Dialogo, seminarios, concepto de
Esboza diseños Selecciona casos
talleres, lluvia de modelamiento no
9° Análisis formal: Test experimentales, basados en para desarrollar
ideas, trabajos paramétrico diseño
NUMÉRICOS.

Chi cuadrado situaciones reales del campo diseños

grupales e experimental,
de la ingeniería experimentales.
individuales. paramétrico-no
paramétrico
Propone el uso de Dialogo, seminarios, Conoce y aplica el
Análisis formal: test de
Identifica y determina la estrategias para talleres, lluvia de concepto de diseño
10° hipótesis de
distribución de probabilidad analizar ideas, trabajos simulado así como los
Kolmogorov- Smirnof
acumulada teórica empírica. correctamente el grupales e elementos que
escenario en estudio. individuales. intervienen en este.
Propone el uso de Dialogo, seminarios,
Conoce y aplica el
Análisis formal: test de Modifica el test K-S otorgando los tratamientos para talleres, lluvia de
11° concepto de A-D en la
hipótesis de Anderson- más peso a los extremos y mejorar los ideas, trabajos
realidad virtual y su
Darling. truncando la distribución. problemas que grupales e
aplicación.
afectan el escenario individuales.
Análisis Boostrap para Medir la confiabilidad o Propone el uso del re Dialogo, seminarios, Conoce y aplica el
12° estimar la confiabilidad precisión de los pronósticos muestreo talleres, lluvia de concepto de diseño del
o precisión de los estadísticos respondiendo (resampling) de los ideas, trabajos pronóstico simulado
pronósticos sobre la confianza y la datos obtenidos en grupales e paramétrico o no

11
 una muestra para
estadísticos o muestras
generar una
de datos sin procesar precisión de las simulaciones individuales. paramétrico.
estimación
para tomar decisiones.
estadística.
EVALUACIÓN DE LA UNIDAD DIDÁCTICA III: Inferencias y pronósticos de datos categóricos y numéricos.
Unidad Didáctica

EVIDENCIA DE CONOCIMIENTO EVIDENCIA DE PRODUCTO EVIDENCIA DE DESEMPEÑO

III :

Prueba escrita, prueba oral y Informes escritos de prácticas de trabajos de Registro de actitudes, y observaciones
sustentación de informes de trabajos campo y avances de informe de trabajo en el aula de clase.
de campo. monográfico

CAPACIDAD DE LA UNIDAD DIDÁCTICA IV: La realidad representada en los modelos simulados permiten la toma de decisiones
considerando los cambios de los valores en el tiempo y los parámetros definidos bajo ciertos niveles de certeza aún cuando la simulación
nunca explicará el futuro, es posible realizar los experimentos miles de veces antes de realizar inversión de la implementación de un proyecto
con la incertidumbre si existe alto valor de éxito.

Contenidos Indicadores de
Semana
Estrategia didáctica logro de la
día
Conceptual Procedimental Actitudinal capacidad
Discute la Uso de equipo
Explicación de la Describe la relación
Construye por medio de mínimos importancia de las multimedia y pizarra.
variable independiente y entre las variables
cuadrados ordinarios el modelo de variables Clase magistral e
13° estimación de la variable independientes y
estimación determinando la independientes en interactiva,
dependiente de manera dependientes, en el
conveniencia homocedasticidad el diseño de los intercambio de
exclusiva definiendo el desarrollo del
controlando la heterocedasticidad. modelos de conocimientos
modelo determinístico. modelo.
regresión. Profesor -Alumno.
Uso de equipo
Propone modelos multimedia y pizarra.
Características del Medición de la varianza del error y
REGRESIONES

apropiados de Clase magistral e Trabaja en equipo y

ANÁLISIS DE

14° modelo midiendo la determinando el número de

regresiones simples interactiva, resuelve problemas
linealidad o no linealidad observaciones que se tienen ´para
para situaciones intercambio de sobre el temaG
dentro del modelo las variables.
observadas. conocimientos
Profesor -Alumno.
15° Análisis de Construye otros modelos de Propone otros Uso de equipo Trabaja en equipo y
perturbaciones regresión, explicando sus modelos multimedia y pizarra. resuelve problemas

11
 aleatorias, Clase magistral e
apropiados de
comportamiento de los interactiva,
comportamientos mediante regresiones para
agentes, control de intercambio de sobre el tema
correlaciones y covarianza situaciones
errores y reducción del conocimientos
observadas.
riesgo Profesor Alumno.

16°

EVALUACIÓN DE LA UNIDAD DIDÁCTICA IV: Análisis de regresiones.

Unidad Didáctica

EVIDENCIA DE CONOCIMIENTOS EVIDENCIA DE PRODUCTO EVIDENCIA DE DESEMPEÑO

Prueba escrita y prueba oral y Informes escritos de prácticas de campo y el Registro de actitudes, y observaciones en
IV :

sustentación de trabajo de campo. informe final de trabajo monográfico el aula de clase.

11
VI. MATERIALES EDUCATIVOS Y OTROS RECURSOS DIDÁCTICOS

Medios.- Audiovisuales, software de simulación RISK SIMULATOR y CRISTAL

BALL, textos de especialidad, resúmenes, guías, separatas, Páginas web de
Internet.
Materiales.- Materiales de oficina, pizarra, plumones, retroproyector o Data show,
otros

VII. EVALUACIÓN

ASPECTOS Y TÉCNICAS DE EVALUACIÓN:

Cognoscitivo: Informe escrito y oral sobre las causas y la necesidad de modernizar

la educación en lo referente a la Inferencia Estadística.
Procedimental: Ejercicios prácticos, elaboración y explicación de procesos
formativos: observación sistemática de su juicio crítico desde la perspectiva de la
inferencia estadística.
Afectivo: Observación sistemática y capacidad de juicio crítico del alumno sobre la
perspectiva de la inferencia estadística.

CONDICIONES DE EVALUACIÓN:

Para los casos en que los estudiantes no cumplan las evaluaciones programadas
en las fechas indicadas, serán calificadas con la nota de cero (00), para los fines de
efectuar el promedio correspondiente en concordancia a lo establecido en el
Reglamento Académico General vigente.

DURACION DEL CICLO 2018-II

INICIO: lunes 03 - Setiembre – 2018
FINAL : 28 – Diciembre– 2018
TOTAL: 17 SEMANAS

VIII. REFERENCIAS BIBLIOGRAFICAS Y REFERENCIAS WEB

11
 Bencardino, M. (2005). Estadística y Muestreo. Colombia: Ecoe Ediciones Ltda.

 Dawson Et.al. (2000). Stocasting Modelingand Applied Probability. New York: Springler
Verlag New York.

 Diez Barr & Cetinkaya-Rundel (2014). Introductory Statistic whit randomization

and Simulation. Creative Commons. Openintro.org.

 Glasserman Paul. Montecarlo Methods in Financial Engineering. SPRINGER.

 Gould, Eppen & Smitdt. Investigación de Operaciones en la ciencia

Administrativa.
 Grima & Riba .La simulación y la enseñanza de la estadística. Casos prácticos.
ESTADISTICA ESPAÑOLA. Vol 37 N° 140 pp 409 a 434

 Hines, Montgomery, Goldsman & Borror. Probabilidad y estadística para

ingeniería (2005) Mexico: CECSA

 Hillier Lieberman. Introducción a la Investigación de Operaciones. (2005) México:

Mc Graw Hill.

 Manual Cristal Ball. 7.2. Guia de instalación y licenciamiento.

 Mun. Jonathan. Simulador de riesgo. Manual en español.

 Nieves Hurtado, A., & Domínguez Sánchez, F. (2010). Probabilidad y Estadística

para Ingeniería; un enfoque mooderno. México: Mc Graw Hill

 Jan Awrejcewicz,. Modeling, Simulation and Control of Nonlinear Engineering

Dynamical Systems. State-of-the-Art, Perspectives and Applications. SPRINGER
 .Tarifa, Enrique.Teoria de modelos y simulacion.Universidad Nacional de Jujuy.

 Severance, Frank. System Modeling and Simulation.An introduction. WILEY.

 Walpole, R. E., Myers, R. H., & Myers, S. L. (2007). Probabilidad & Estadística.
México: Pearson Educación.

 Wayne Winston. Investigación de Operaciones. (2010). México: CENGAGE

Learning.

 Wayne, D. (2007). Bioestadística. México: Limusa S.A.

 Zsidisin George & Ritchie Bob. Supplay Chain Risk. A handbook of Assessement,
Management and Performance.SPRINGER.

11

Jaime Eduardo Gutiérrez Ascón

DNU 152
e-mail: ing_jagu@hotmail.com