110321 - MÈTODES QUANTITATIUS II

Tipus d'assignatura: Obligatòria

Coordinador: Joan Triadó Aymerich

Trimestre: Segon trimestre

Crèdits: 6

• English

Anglès: per sessions de Teoria i de Laboratori

Assignatura emmarcada en la matèria d’investigació operativa. L’assignatura pretén introduir a l’alumne en els conceptes, principis i fonaments bàsics de les tècniques de simulació, la teoria de jocs, i les cadenes de Markov per a l'anàlisi i la presa de decisions en tot tipus de contextos. Finalment, s’introdueixen conceptes relacionats amb aplicacions empresarials en el context de la transformació digital de l’empresa, com ara el big data i el business intelligence.

La qualificació final és la suma ponderada de les qualificacions de les activitats d’aprenentatge:

Q = 0.25 Pex1 + 0.35 Pex2 + 0.10 ExiPar + 0.30 Lab

Important: totes les activitats són obligatòries. Per aprovar el curs l'estudiant s'ha de presentar (o lliurar) a totes les activitats!

Observacions relatives a la Recuperació

La part de teoria de l’assignatura (Pex1 i Pex2) sí que és recuperable. La resta de parts no son recuperables. Per als estudiants que assisteixin a l’examen de recuperació la seva qualificació (Pex1 i Pex2) serà la obtinguda en aquesta prova i la seva qualificació final (Q) es calcularà amb les fórmules anteriorment detallades i en cap cas no serà superior a 7.

Normes de realització de les activitats

Observacions:

Per superar les activitats avaluatives, els estudiants hauran de demostrar el Nivell MECES - 2:

• (punt c) tenir la capacitat de recopilar i interpretar dades i informacions sobre les que fonamentar les seves conclusions incloent-hi, quan calgui i sigui pertinent, la reflexió sobre assumptes d'índole social, científica o ètica en l'àmbit del seu camp d'estudi

• (punt e) saber comunicar a tot tipus d'audiències (especialitzades o no) de manera clara i precisa, coneixements, metodologies, idees, problemes i solucions en l'àmbit del seu camp d'estudi;

• (punt f) ser capaços d'identificar les seves pròpies necessitats formatives en el seu camp d'estudi i entorn laboral o professional i d'organitzar el seu propi aprenentatge amb un alt grau d'autonomia en tot tipus de contextos

Per a cada activitat, els docents n'informaran de les normes i condicions particulars que les regeixin

Les activitats unipersonals pressuposen el compromís de l'estudiant de realitzar-les de manera individual i sense cap mena de col·laboració amb d’altres persones. Es consideraran suspeses (qualificació 0) totes aquelles activitats en què l'estudiant no s'ajusti a aquest compromís d’individualitat, independentment del seu paper (emissor o receptor) i sense que això exclogui la possible aplicació d’altres sancions d’acord amb el Règim Disciplinari vigent.

Igualment, les activitats que s'hagin de realitzar en grup pressuposen el compromís per part dels estudiants que l'integren de realitzar-les en el si del grup i sense cap mena de col·laboració amb d’altres grups o persones que en siguin alienes (individualitat grupal). Es consideraran suspeses (qualificació 0) totes aquelles activitats en què el grup no hagi respectat aquest compromís amb independència del seu paper (emissor o receptor) i sense que això exclogui la possible aplicació d’altres sancions d’acord amb el Règim Disciplinari vigent.

En el cas d’activitats que puguin fer-se en grup, quan en alguna d’elles no es respecti el compromís d’individualitat grupal i/o s’utilitzin mitjans fraudulents en la seva realització, la qualificació de l’activitat  serà, per a tots els membres del grup, de 0 punts (Nota Activitat=0) i sense que això exclogui la possible aplicació d’altres sancions d’acord amb el Règim Disciplinari vigent.

Qualsevol activitat no lliurada es considerarà assignatura suspesa.

És potestatiu dels docents acceptar o no lliuraments fora dels terminis que s'indiquin. En el cas que aquests lliuraments fora de termini s'acceptin, és potestatiu del docent decidir si aplica alguna penalització i la seva quantia.

Hillier, Frederick S.; Lieberman, Gerald J. (2010). Introducción a la Investigación de Operaciones. McGraw-Hill

Jared Dean (2014). Big Data, Data Mining, and Machine Learning: Value Creation for Business Leaders and Practitioners. Wiley, ISBN 978-1-118-92069-5.

Probability, Markov Chains, Queues, and Simulation: The Mathematical Basis of Performance Modeling by William J. Stewart; Princeton University Press (July 26, 2009)

Game Theory: An Introduction by Steven Tadelis Princeton University Press; 1st Edition edition January 6, 2013