SÍLABO 2023-2
FACULTAD DE CIENCIAS EMPRESARIALES Y ECONÓMICAS
CARRERA DE ADMINISTRACIÓN
CARRERA DE NEGOCIOS INTERNACIONALES
ASIGNATURA MODELOS PARA LA TOMA DE DECISIONES
ÁREA ADMINISTRACIÓN DE OPERACIONES
CÓDIGO 3584
NIVEL QUINTO
CARÁCTER OBLIGATORIO
REQUISITOS MATEMÁTICA PARA LA GESTIÓN DE NEGOCIOS
CRÉDITOS CUATRO (4)
HORAS DE TEORÍA TRES (3)
HORAS DE PRÁCTICA DOS (2)
IDIOMA ESPAÑOL
PROFESOR(ES) COSSA/CABANILLAS/JESUS ALBERTO
LINARES/BARBERO/MANUELA (Coordinadora)
MACHUCA/DE PINA/JUAN MANUEL
REYES/JUSCAMAITA/DANIEL RAFAEL
TASSARA/CORZO/CARLOS
I. SUMILLA
Esta asignatura presenta al estudiante la aplicación de modelos cuantitativos en las
empresas como herramientas básicas para la toma de decisiones, desarrollando su
capacidad de solucionar problemas, a través del análisis de modelos cuantitativos con
consideraciones cualitativas. Los principales temas a tratar en la asignatura son el
proceso de toma de decisiones, las técnicas cuantitativas en ambientes de certeza:
Programación lineal continua, entera, binaria y por metas; y técnicas de simulación
Monte Carlo para el análisis y tratamiento de problemas en ambientes de incertidumbre
y riesgo. Para este fin, se estudiarán los conceptos teóricos y aplicaciones prácticas
necesarios para comprender como los modelos cuantitativos son de utilidad en la
formación de un profesional que se enfrenta diariamente a la toma de decisiones dentro
de una organización.
II. PRINCIPIOS PARA LA EDUCACIÓN RESPONSABLE EN GESTIÓN (PRME)
La Facultad de Ciencias Empresariales y Económicas de la Universidad de Lima es
signataria de la iniciativa internacional denominada Principios para la Educación
Responsable en Gestión - Principles for Responsible Management Education –
(PRME), que es el primer vínculo organizado entre las Naciones Unidas y las
instituciones académicas de educación superior en gestión empresarial. Fue lanzada
en la Cumbre de las Naciones Unidas del 2007 en las que participaron los líderes
del Pacto Mundial en Ginebra - Global Compact de Naciones Unidas. Los Principios
proporcionan un marco de compromiso para las instituciones académicas con el fin de
promover la sostenibilidad y la responsabilidad social a través de la incorporación de
los valores universales en los programas de estudio y la investigación.
Como institución de altos estudios, involucrada en la educación de los actuales y
Página 1 de 7
futuros gestores, nos comprometemos voluntariamente a dedicarnos a un proceso
continuo de mejoramiento de los siguientes principios y su aplicación, reportando sobre
nuestro progreso a los grupos de interés e intercambiando prácticas efectivas con otras
instituciones académicas:
Principio 1
Propósito:
Desarrollaremos las capacidades de los estudiantes para que sean futuros
generadores de valor sostenible para los negocios y la sociedad en su conjunto, y para
trabajar por una economía global incluyente y sostenible.
Principio 2
Valores:
Incorporaremos a nuestras actividades académicas y programas de estudio los valores
de la responsabilidad social global, tal y como han sido descritos en iniciativas
internacionales, tales como el Global Compact de Naciones Unidas.
Principio 3
Método:
Crearemos marcos educativos, materiales, procesos y entornos pedagógicos que
hagan posibles experiencias efectivas de aprendizaje para un liderazgo responsable.
Principio 4
Investigación:
Nos comprometeremos con una investigación conceptual y empírica que permita
mejorar nuestra comprensión acerca del papel, la dinámica y el impacto de las
corporaciones en la creación de valor sostenible social, ambiental y económico.
Principio 5
Partenariado:
Interactuaremos con los gestores de las corporaciones empresariales para ampliar
nuestro conocimiento de sus desafíos a la hora de cumplir con sus responsabilidades
sociales y ambientales y para explorar conjuntamente los modos efectivos de enfrentar
tales desafíos.
Principio 6
Diálogo:
Facilitaremos y apoyaremos el diálogo y el debate entre educadores, empresas, el
gobierno, consumidores, medios de comunicación, organizaciones de la sociedad civil
y los demás grupos interesados, en temas críticos relacionados con la responsabilidad
social global y la sostenibilidad.
Entendemos que nuestras propias prácticas organizacionales deberán servir como
ejemplo de los valores y actitudes que transmitimos a nuestros estudiantes.
III. OBJETIVOS GENERALES
El objetivo del curso es proveer una experiencia efectiva de la aplicación de las técnicas
de la investigación de operaciones a la toma de decisiones en la administración. El
enfoque será a nivel de decisiones empresariales. Los temas a tratar comprenden
una mezcla apropiada de aspectos teóricos y aplicaciones prácticas y el uso apropiado
de casos. El curso está diseñado para:
Página 2 de 7
1. Mejorar la habilidad para tomar decisiones a nivel de la empresa y su interacción
con el mercado.
2. Proveer de herramientas analíticas relevantes y ampliamente utilizadas en la
toma de decisiones empresariales, en ambientes de certeza, con las técnicas de
Programación lineal, con uno o varios objetivos; y en ambientes con
incertidumbre y riesgo con técnicas de Simulación Montecarlo.
3. Preparar al estudiante para que se comporte como analista e investigador
práctico de problemas estratégicos de la empresa en la asignación óptima de
recursos y en la evaluación de riesgos.
IV. OBJETIVOS ESPECÍFICOS
1. Aplicar el proceso de toma de decisiones a problemas empresariales en
ambientes de certidumbre, riesgo e incertidumbre. Desarrollar la capacidad de
comunicar los resultados, verbalmente y por escrito, de la evaluación de los
problemas empresariales con los modelos formulados a niveles gerenciales y
operativos. Desarrollar o reforzar la actitud hacia la investigación de problemas
empresariales relevantes.
2. Revisar, analizar, plantear y resolver casos empresariales de asignación de
recursos, sistemas de distribución, inventarios, ubicación de plantas, planeación,
marketing y finanzas que puedan ser resueltas con de programación lineal
continua, entera, binaria y mixta. Utilizar eficientemente los Software de uso
académico: Solver del Excel y LINGO, para la solución de problemas de
programación lineal.
3. Tomar decisiones con objetivos múltiples, aplicando la técnica de programación
lineal por metas.
4. Aplicar el proceso de toma de decisiones en ambientes de riesgo e incertidumbre,
aplicando simulación Monte Carlo, considerando el grado de aversión al riesgo
del decisor. Aplicar el @Risk para problemas de simulación Monte Carlo.
V. PROGRAMA ANALÍTICO
UNIDAD 1: INTRODUCCIÓN A LA TOMA DE DECISIONES - 5 HORAS
PRIMERA SEMANA
Proceso de la toma de decisiones. Decisiones individuales y en grupo. Toma de
decisiones en grupo. Los modelos en la Ciencia. Construcción de modelos para la toma
de decisiones. Introducción a Programación Lineal: supuestos de los programas de
programación lineal. Método gráfico de solución. Casos especiales: soluciones
alternativas, problemas ilimitados, soluciones no factibles. Uso del programa QM.
Lecturas: Anderson, cap. 1 y 7. Render cap. 1 y 7(puntos 7.1 a 7.7)
UNIDAD 2: PROGRMACIÓN LINEAL, ENTERA Y MIXTA – 35 HORAS
SEGUNDA SEMANA
Proceso de formulación de problemas. Casos de formulación en producción, marketing
y finanzas. Casos de planeamiento, producción, marketing y finanzas.
Lecturas: Anderson, cap. 9. Render cap. 7 (punto 7.8) y 8.
Página 3 de 7
TERCERA SEMANA
Formulación de problemas de producción, distribución, mezclas de diversas industrias.
Uso del Solver-Excel en la solución de problemas.
Lecturas: Anderson, cap. 9. Render cap. 7 (punto 7.8) y 8.
CUARTA SEMANA
Los problemas de transporte y asignación. Aplicaciones a redes de suministros y
producción. Uso básico del programa LINGO.
Lecturas: Anderson, cap. 10, Render cap. 11.
QUINTA SEMANA
Los problemas de transbordo e inventarios. Aplicaciones a redes de suministros,
producción e inventarios. Uso básico del programa LINGO.
Lecturas: Anderson, cap. 10, Render cap. 11.
SEXTA SEMANA
Programación lineal entera. Tipos. Flexibilización del modelamiento de problemas por
el uso de variables 0-1.
Lecturas: Anderson cap. 11, Render cap. 10(puntos 10.1, 10.2, y 10.3).
SÉPTIMA SEMANA
Aplicaciones notables con variables enteras y binarias: problemas de cargo fijo, corte,
lote mínimo, localización de plantas, sistemas de distribución y cobertura.
Lecturas: Anderson cap. 11, Render cap. 10(puntos 10.1, 10.2, y 10.3).
OCTAVA SEMANA
Formulación de problemas combinando Programación lineal entera y mixta en
problemas de transporte, transbordo, asignación, inventarios, planeamiento,
producción, marketing, distribución, mezclas de diversas industrias y finanzas
UNIDAD 3: PROGRAMACIÓN LINEAL POR METAS – 10 HORAS
NOVENA SEMANA
Programación con objetivos múltiples. Elaboración de restricciones y ecuaciones meta.
Concepto de variables de escape o desviación. Métodos de solución ponderado.
Solución de casos con objetivos múltiples en planeamiento de producción, inventarios,
capacidad, planeación agregada, marketing y finanzas.
Lecturas: Render cap. 10.4.
UNIDAD 4: SIMULACIÓN DE MONTECARLO – 30 HORAS
DÉCIMA SEMANA
Introducción a simulación. Generación de números aleatorios. Tipos de muestreo.
Simulación Montecarlo: Simulación en hoja electrónica usando comandos Excel.
Problema del vendedor de periódicos.
Lecturas: Anderson cap. 16, Render Cap. 14.
Página 4 de 7
UNDÉCIMA SEMANA
Introducción al Programa @Risk. Repaso de distribuciones de probabilidad notables:
Normal, Triangular, Pert, Uniforme, Binomial. Ajuste de distribuciones. Comandos
básicos. El problema del vendedor de periódicos en @Risk. Simulaciones múltiples.
Lecturas: Albright cap. 15 (15.1 y 15.2), Gutiérrez-Villaverde (repositorio).
DUODÉCIMA SEMANA
Desarrollo de modelos básicos con una variable de entrada y varias variables de
entrada. El problema de los promedios. Comandos adicionales para manejo de
funciones estadísticas y gráficos de @Risk. Casos básicos en operaciones finanzas y
marketing.
Lecturas: Albright cap. 15 (15.3, 15.4 y 15.5).
DECIMOTERCERA SEMANA
Correlación de variables aleatorias: Estadística y Jerarquizada. Cálculo de matrices de
correlación en Excel.
Lecturas: Albright cap. 15.6, 16
DECIMOCUARTA SEMANA
Matrices de correlación en @Risk. Solución de casos. Solución de casos con
simulaciones múltiples y correlación en finanzas, marketing y operaciones.
Lecturas: Albright cap. 15.6, 16
DECIMOQUINTA SEMANA
Modelos de simulación: el valor económico del cliente, decisión de tercerización,
decisión de precios, modelo de ingreso neto y desarrollo de nuevos productos.
Lecturas: Albright cap. 15.6, 16
DECIMOSEXTA SEMANA
Retroalimentación del aprendizaje.
DECIMOSÉPTIMA SEMANA
Entrega final de notas.
VI. METODOLOGÍA DE ENSEÑANZA-APRENDIZAJE
La Universidad de Lima ha diseñado la Metodología IATC para orientar el proceso de
enseñanza-aprendizaje y asegurar el logro de los objetivos de la siguiente manera:
• Impacto: motivar y generar curiosidad. Presentar objetivos y agenda.
• Adquisición del aprendizaje: transmitir el conocimiento con estrategias
innovadoras. Promover la interacción.
• Transferencia de lo aprendido: desarrollar actividades significativas. Utilizar
estrategias y técnicas didácticas.
• Cierre del aprendizaje: concluir sobre el aprendizaje. Reflexionar sobre el
logro del objetivo.
Página 5 de 7
Learning goal Learning objective
LOG5.3: Aplica fuentes variadas y
CG5: Curiosidad por el conocimiento vigentes para los diferentes momentos de
su investigación.
LOG7.3: Demuestra conocimiento crítico
CG7: Pensamiento crítico de las distintas estrategias empresariales
y su aplicación según cada situación.
LOE4.3: Aplica estrategias logísticas y
CE4: Operaciones y logística
operacionales según su contexto.
VII. SISTEMA DE EVALUACIÓN
Para el sistema de evaluación, esta asignatura es de tipo:
Teórico práctico
La nota final de la asignatura (NF) es el promedio ponderado de las notas
obtenidas en el proceso de evaluación continua (EC):
La nota de EC comprende:
Peso
Semana Tipo de evaluación Objetivo que se evalúa
(%)
Ejercicio Colaborativo
6 20 Objetivos específicos 2.
(EB)
10 Examen Escrito 1 (EE) 30 Objetivos específicos 2 y 3.
15 Examen Escrito 2 (EE) 30 Objetivos específicos 4.
Objetivos específicos 1.
16 Informe (IF) 20
Competencias CG5, CG7 y CE4.
VIII. REFERENCIAS
OBLIGATORIA
Albright S.C., y Winston, W. (2017). Business Analytics: Data Analysis and Decision
Making, (6th) ed. USA: Boston. Cengage Learning.
Anderson, D., Sweeney, D., Williams, T, Camm, J., Cochran, J., Fry, M. y Ohlmann, J.
(2016). Métodos Cuantitativos para los Negocios (13ª ed.). México: Cengage
Learning.
Gutiérrez-Villaverde, H. (2018). Manual de análisis cuantitativo del riesgo e
introducción al uso del @risk V7.5.1 versión 2.0. Lima. Universidad de Lima.
Recuperado de: [Link]
Gutiérrez-Villaverde, H. (2018). Nota Técnica sobre el uso del Solver Excel versión 2.0.
Lima. Universidad de Lima. Recuperado de:
[Link]
Página 6 de 7
Gutiérrez-Villaverde, H., Anderson-Seminario, M. M. & Álvarez-Risco, A. (2021). Caso
básico de análisis de riesgo en inversiones. Universidad de Lima, Facultad de
Ciencias Empresariales y Económicas, Carrera de Negocios Internacionales.
Recuperado de: [Link]
Render, B., Stair, R., Hanna M., y Hale, T. (2013). Métodos Cuantitativos para los Negocios
(12ª ed.). México: Pearson Educación.
COMPLEMENTARIAS
Anderson, D., Sweeney, D., Williams, T., Camm, J., y Martin, K. (2011). Métodos
Cuantitativos para los Negocios (11ª ed.). México: Cengage Learning.
Evans, J. (2017). Business Analytics. Methods, Models, and Decisions, (2nd ed).
England: Pearson Education Limited
Hillier, F. y Lieberman, G. (2010). Introducción a la Investigación de Operaciones (9ª
ed.). México: Mc Graw Hill Educación.
Palisade Co. (2013). Guía de Uso del @Risk. USA: Palisade Corporation.
Render, B., Stair, R., y Hanna, M. (2012). Métodos Cuantitativos para los Negocios
(11ª ed.). México: Pearson Educación.
Savage, S. (2012). The flaw of averages. USA: John Wiley and Sons.
ARTÍCULOS
Bohorquez Lopez, V. W., Huaynate, E., y Mendez, C. (2018). Uso de CRM social para
mejorar campañas de marketing dirigido en sector minorista. Presentado en
24th Americas Conference on Information Systems 2018: Digital Disruption,
AMCIS 2018; Hyatt Regency New OrleansNew Orleans; United States; 16
August 2018 through 18 August 2018
Brown, G. G., & Dell, R. F. (2007). Formulating integer linear programs: A rogues'
gallery. INFORMS Transactions on Education, 7(2), 153-159.
Patil, A. N., M, S. K., C, M. P. G., Jatti, S. P., & Rivankar, S. N. (2020). Fuzzy TOPSIS
and grey relation analysis integration for supplier selection in fiber
industry. International Journal of Supply and Operations Management, 7(4),
373-383.
Stevens, S. P., & Palocsay, S. W. (2017). Teaching use of binary variables in integer
linear programs: Formulating logical conditions. INFORMS Transactions on
Education, 18(1), 28-36.
Página 7 de 7