Universidad Nacional Abierta y a Distancia

Vicerrectoría Académica y de Investigación

Guía de actividades y rúbrica de evaluación – Tarea 1 –
Introducción a los modelos probabilísticos de decisión y
optimización

1. Descripción general del curso

Escuela o Unidad Escuela de Ciencias Básicas, Tecnología e

Académica Ingeniería
Nivel de formación Profesional
Campo de Formación Formación interdisciplinar básica común
Nombre del curso Métodos Probabilísticos
Código del curso 104561
Tipo de curso Teórico Habilitable Si ☒ No ☐
Número de créditos 2

2. Descripción de la actividad

Número
Tipo de
Individual ☒ Colaborativa ☐ de 4
actividad:
semanas
Momento de la Intermedia,
Inicial ☐ ☒ Final ☐
evaluación: unidad: 1 y 2
Peso evaluativo de la Entorno de entrega de actividad:
actividad: 110 puntos Seguimiento y evaluación
Fecha de inicio de la actividad: Fecha de cierre de la actividad: 1 de
6 de septiembre de 2019 octubre de 2019
Competencia a desarrollar:

El estudiante utiliza en situaciones reales, la representación probabilística de

datos, los modelos de pronósticos probabilísticos y los modelos de
inventarios probabilísticos para tomar decisiones que garanticen el desarrollo
y continuidad de procesos de producción y gestión.

El estudiante utiliza en situaciones reales, la programación probabilística de

proyectos, los modelos de línea de espera y los modelos de programación
estocástica para optimizar los recursos que garanticen el desarrollo y
continuidad de procesos de producción y gestión.
Temáticas a desarrollar:
Unidad 1 - Modelos probabilísticos de decisión.

1. Representación probabilística de datos.

Unidad 2 - Modelos probabilísticos de Optimización.

1. Programación de probabilística de proyectos.

Pasos, fases o etapa de la estrategia de aprendizaje a desarrollar

Paso 1 Consultar y procesar la información de la referencia propuesta para el

Ejercicio 1. Representación probabilística de datos en el entorno de
Conocimiento.
Paso 2 Descargar y analizar la Relación de tiempos para asignar los datos al
Ejercicio 1. Representación probabilística de datos en la Guía para el uso de
recursos educativos - Relación de datos para situaciones problema (entorno
de Aprendizaje práctico) para asignar los datos al Ejercicio 1. Representación
probabilística de datos.
Paso 3 Desarrollar y solucionar el Ejercicio 1. Representación probabilística
de datos en el Foro de interacción y producción intelectual Tarea 1 (entorno
de Aprendizaje colaborativo).

Paso 4 Consultar y procesar la información de la referencia propuesta para el

Ejercicio 2. Programación probabilística de proyectos en el entorno de
Conocimiento.
Paso 5 Descargar y analizar la Relación del proyecto de ampliación en la Guía
para el uso de recursos educativos - Relación de datos para situaciones
problema en el entorno de Aprendizaje práctico) para asignar los datos del
Ejercicio 2. Programación probabilística de proyectos.
Paso 6 Desarrollar y solucionar el Ejercicio 2. Programación probabilística de
proyectos en el Foro de interacción y producción intelectual Tarea 1 (entorno
de Aprendizaje colaborativo).

Paso 7 Construir el producto académico de forma individual en el Foro de

interacción y producción intelectual Tarea 1 (entorno de Aprendizaje
colaborativo).
Paso 8 Entregar el producto académico de forma individual el entorno de
Seguimiento y evaluación.
Actividades a desarrollar

A continuación, encontrara 2 ejercicios, uno sobre Representación

probabilística de datos y otro, sobre Programación probabilística de
proyectos, que debe desarrollar de manera individual en el Foro de
Interacción y producción intelectual Tarea 1 y entregar de manera individual,
en el entorno de Seguimiento y evaluación:

Ejercicio 1. Representación probabilística de datos

Consultar la referencia Hillier, F. y Lieberman, G. (2015). Introducción a la

investigación de operaciones (pp. 1014-1027), en los recursos educativos
requeridos de la Unidad 1 – Modelos probabilísticos de decisión (entorno de
Conocimiento) para identificar y revisar la representación probabilística de
datos a partir de las diferentes distribuciones de probabilidad.

En el entorno de Aprendizaje práctico, consultar la Relación de tiempos

que se encuentra en la Guía para el uso de recursos educativos - Relación de
datos para situaciones problema y seguir las instrucciones para asignar los
datos al Ejercicio 1. Representación probabilística de datos.

Se presenta la siguiente situación problema: Una compañía produce

dispositivos electrónicos para iluminación y requiere determinar la espera en
la línea de ensamble de una referencia específica, de forma aleatoria ha
tomado los tiempos que duran los operarios ensamblando el dispositivo que
se presentan en la Relación de tiempos, encomienda al departamento de
producción validar los tiempos mediante procedimientos estadísticos
rigurosos para tomar una decisión y les encarga la solución de los siguientes
aspectos:

1. Validación estadística para Tiempo de llegadas: representar y

analizar estadísticamente la Relación de tiempos para validar el tiempo de
llegadas mediante procedimientos estadísticos descriptivos e inferenciales
propios de la teoría de colas, para lograr esto debe:

 Diseñar una distribución empírica para tiempo de llegadas.

 Graficar la frecuencia relativa empírica y frecuencia empírica relativa
acumulada para tiempo de llegadas.
 Determinar la media y varianza para tiempo entre llegadas.
 Plantear una distribución exponencial teórica para tiempo de llegadas.
  Graficar la frecuencia relativa acumulada empírica vs frecuencia
relativa exponencial teórica de tiempo de llegadas.
 Determinar la distribución X2 Chi Cuadrado para tiempo de llegadas.
 Probar la hipótesis que los tiempos entre llegadas representan una
distribución exponencial con un nivel de confianza del 95% mediante la
Prueba de Bondad de Ajuste Distribución X2 Chi cuadrado.

2. Validación estadística para Tiempos de servicio: representar y

analizar estadísticamente la Relación de tiempos para validar el tiempo de
servicio mediante procedimientos estadísticos descriptivos e inferenciales
propios de la teoría de colas, para lograr esto debe:

 Diseñar una distribución empírica para tiempos de servicio.

 Graficar la frecuencia relativa empírica y frecuencia empírica relativa
acumulada para tiempos de servicio.
 Determinar la media y varianza para tiempos de servicio.
 Plantear una distribución exponencial teórica para tiempos de servicio.
 Graficar la frecuencia relativa acumulada empírica vs frecuencia
relativa exponencial teórica de tiempos de servicio.
 Determinar la distribución X2 Chi Cuadrado para tiempos de servicio.
 Probar la hipótesis que los tiempos de servicio representan una
distribución exponencial con un nivel de confianza del 95% mediante la
Prueba de Bondad de Ajuste Distribución X2 Chi Cuadrado.

3. Interpretar los resultados obtenidos en cada uno de los procedimientos de

validación estadística de tiempos para tomar decisiones.

Presentar en el Foro de interacción y producción intelectual Tarea 1 (entorno

de Aprendizaje colaborativo) los avances del planteamiento, desarrollo y
solución del Ejercicio 1. Representación probabilística de datos en hoja de
cálculo (Excel) de forma individual.

Ejercicio 2. Programación probabilística de proyectos.

Consultar la referencia Hillier, F. y Lieberman, G. (2015). Introducción a la

investigación de operaciones (pp. 930-934), en las referencias bibliográficas
de la Unidad 2 – Modelos probabilísticos de optimización (entorno de
Conocimiento) para identificar y revisar la programación probabilística de
proyectos.
En el entorno de Aprendizaje práctico, consultar la Relación del proyecto
de ampliación que se encuentra en la Guía para el uso de recursos
educativos - Relación de datos para situaciones y seguir las instrucciones
para asignar los datos al Ejercicio 2. Programación probabilística de
proyectos.

Se presenta la siguiente situación problema: Una compañía produce

dispositivos electrónicos para iluminación y ha propuesto un proyecto de
ampliación en su línea de ensamble, las actividades y sus tiempos
estimados, se presentan en la Relación del proyecto de ampliación,
encomienda al departamento de producción realizar una programación
probabilística de proyectos para optimizar la duración del proyecto y les
encarga la solución de los siguientes aspectos:

1. Programación de proyectos con estimación de tiempos. Plantear la

programación de proyectos con estimación de tiempos con base en la
Relación del proyecto de ampliación, para lograr esto, debe:

 Determinar media y varianza de la distribución Beta.

 Determinar la media y varianza esperadas normalmente distribuidas.
 Determinar el parámetro K para cada evento asociado a la distribución
normal.
 Determinar las probabilidades asociadas de cada evento.

2. Programación de proyectos con estimación extra de tiempo.

Plantear la programación de proyectos con estimación extra de tiempo con
base en la Relación del proyecto de ampliación, ampliando los tiempos
estimados en un 15% (índice multiplicador 1.15), para lograr esto debe:
 Determinar media y varianza de la distribución Beta.
 Determinar la media y varianza esperadas normalmente distribuidas.
 Determinar el parámetro K para cada evento asociado a la distribución
normal.
 Determinar las probabilidades asociadas de cada evento.

3. Interpretar los resultados obtenidos en cada uno de los aspectos de

Programación probabilística de proyectos para optimizar los recursos.

Presentar en el Foro de interacción y producción intelectual Tarea 1 (entorno

de Aprendizaje colaborativo) los avances del planteamiento, desarrollo y
solución del Ejercicio 2 Programación probabilística de proyectos en hoja de
cálculo (Excel) de forma individual.

Por último, de manera individual, construir en hoja de cálculo (Excel) el

producto académico a entregar con el planteamiento desarrollo, solución e
interpretación de resultados del Ejercicio 1. Representación probabilística de
datos y Ejercicio 2. Programación probabilística de proyectos, presentarlo en
el Foro de interacción y producción intelectual Tarea 1 (entorno de
Aprendizaje colaborativo) y entregarlo en el entorno de Seguimiento y
evaluación.

Ejercicio 3. Modelos de pronósticos probabilísticos.

Consultar las referencias Monks, J. (1988). Administración de operaciones

(pp. 168-170), Hillier, F. y Lieberman, G. (2010). Introducción a la
investigación de operaciones (pp. 807-812) y Rojas, A. y Ospina, A. Modelos
de pronósticos probabilísticos [OVI], en los recursos educativos requeridos
de la Unidad 1 – Modelos probabilísticos de decisión (entorno de
Conocimiento) para identificar y revisar los modelos de pronósticos
probabilísticos.

En el entorno de Aprendizaje práctico, consultar la Relación de la

demanda real que se encuentra en la Guía para el uso de recursos
educativos - Relación de datos para situaciones problema (entorno de
Aprendizaje práctico) y seguir las instrucciones para asignar los datos al
Ejercicio 1. Modelos de pronósticos probabilísticos, la Guía para el uso de
recursos educativos - Instalación Software de Optimización WinQSB y el Uso
del software de optimización WinQSB para comprobar los resultados.

Se presenta la siguiente situación problema: Una compañía produce

dispositivos electrónicos para iluminación y está proyectando la demanda
futura de una referencia específica para los siguientes 18 periodos.
Basándose en la demanda de periodos anteriores tomados aleatoriamente
como se presentan en la Relación de la demanda real, encomienda al
departamento de producción aplicar modelos de pronósticos para tomar una
decisión y les encarga encontrar la solución a los siguientes aspectos:

1. Modelo de pronóstico suavización exponencial simple. Plantear un

modelo de pronóstico de suavización exponencial simple a partir de la
Relación de la demanda real, para:

 Determinar el pronóstico para el siguiente periodo con un coeficiente

2
de alisamiento 𝛼 = 𝑛+1, donde n, es el número de periodos de la
demanda real.
 Proyectar la demanda futura para los próximos 18 periodos y graficar
la demanda real Vs la demanda proyectada.
 Comprobar los resultados utilizando software de optimización WinQSB.

2. Modelo de pronóstico suavización exponencial doble. Plantear un

modelo de pronóstico de suavización exponencial doble a partir de la
Relación de la demanda real, para:

 Determinar el pronóstico para el siguiente periodo con un coeficiente

2
de alisamiento 𝛼 = 𝑛+1, donde n, es el número de periodos de la
demanda real y coeficiente de alisamiento 𝛽 = 2𝛼.
 Proyectar la demanda futura para los próximos 18 periodos y graficar
la demanda real Vs la demanda proyectada.
 Comprobar los resultados utilizando software de optimización WinQSB.

3. Interpretar los resultados obtenidos en cada uno de los modelos de

pronósticos para tomar decisiones.

De forma individual, presentar en el Foro de interacción y producción

intelectual Tarea 2 (entorno de Aprendizaje colaborativo) los avances del
planteamiento, desarrollo, solución, comprobación de resultados mediante
capturas de pantalla e interpretación de resultados del Ejercicio 1. Modelos
de pronósticos probabilísticos en hoja de cálculo (Excel).
Ejercicio 4. Modelos de inventarios probabilísticos.
Consultar la referencia Monks, J. (1988). Administración de operaciones (pp.
243-247) y Rojas, A. y Ospina, A. Modelos de inventarios probabilísticos
[OVI], en los recursos educativos requeridos de la Unidad 1 – Modelos
probabilísticos de decisión (entorno de Conocimiento) para revisar e
identificar los modelos de inventarios probabilísticos.
En el entorno de Aprendizaje práctico, consultar la Relación del inventario
que se encuentra en la Guía para el uso de recursos educativos - Relación de
datos para situaciones problema y seguir las instrucciones para asignar los
datos al Ejercicio 2. Modelos de inventarios probabilísticos, la Guía para el
uso de recursos educativos - Instalación Software de Optimización WinQSB y
el Uso del software de optimización WinQSB para comprobar los resultados.
Se presenta la siguiente situación problema: Una compañía produce
dispositivos electrónicos para iluminación y desea aplicar un nuevo modelo
de inventario para una referencia específica, basándose en la Relación del
inventario y demanda futura, encomienda al departamento de producción
aplicar modelos de inventarios para tomar una decisión y les encarga
encontrar la solución de los siguientes aspectos:
1. Modelo de Inventario EOQ probabilizado. Plantear un modelo de
inventario EOQ probabilizado, utilizando la demanda futura, estimada en el
Ejercicio 1 mediante suavización exponencial simple y la Relación del
inventario, para:

 Determinar la cantidad óptima de pedido, la demanda diaria

normalmente distribuida, la varianza de la demanda diaria
normalmente distribuida.
 Determinar el tamaño de las existencias de reserva con un nivel de
significancia 𝛼 = 0.05.
 Determinar la política del inventario óptimo.
 Comprobar los resultados utilizando el software de optimización
WinQSB.
2. Modelo de Inventario EOQ probabilístico con faltantes. Plantear un
modelo de inventario EOQ probabilístico con faltantes, utilizando la demanda
futura, estimada en Ejercicio 1 mediante Suavización exponencial simple y la
Relación del inventario, para:

 Determinar la demanda uniforme durante el tiempo de espera

 Determinar la cantidad óptima de pedido con faltantes.
 Determinar la política del inventario óptimo.
 Determinar el costo total del inventario.
 Comprobar los resultados utilizando el software de optimización
WinQSB.

3. Interpretar los resultados obtenidos en cada uno de los modelos de

inventarios para tomar decisiones.

Ejercicio 5. Modelos de líneas de espera:

Consultar las referencias Hillier, F. y Lieberman, G. (2010). Introducción a la

investigación de operaciones (pp. 725-737) y Rojas, A. y Ospina, A. (2018).
Modelos de líneas de espera [OVI], en los recursos educativos requeridos de
la Unidad 2 – Modelos probabilísticos de optimización (entorno de
Conocimiento) para identificar y revisar los modelos de líneas de espera.

Consultar la Validación estadística para tiempo ente llegadas y la

Validación estadística para tiempos de servicio desarrolladas en el
Ejercicio 1. Representación probabilística de datos de la Tarea 1-
Introducción a los modelos probabilísticos de decisión y optimización para
determinar la tasa de llegada y tasa de servicio.

En el entorno de Aprendizaje práctico consultar la Guía para el uso de

recursos educativos - Instalación Software de Optimización WinQSB y el Uso
del software de optimización WinQSB para utilizar del software y comprobar
los resultados.

Se presenta la siguiente situación problema: Una compañía produce

dispositivos electrónicos para iluminación y requiere determinar la espera en
la línea de ensamble de una referencia específica, de forma aleatoria ha
tomado los tiempos que duran los operarios ensamblando el dispositivo que
se presentan en la Relación de Tiempos, encomienda al departamento de
producción conocer las medidas de desempeño mediante modelos de línea
de espera para optimizar la espera y les encarga la solución de los siguientes
aspectos:

1. Modelos de línea de espera con un solo servidor.

a. Plantear un modelo de línea de espera con un solo servidor y número de

clientes permitido en el sistema infinito (M/M/1): (DG/∞/∞) a partir de la
Validación estadística para tiempo de llegadas y Validación estadística para
tiempos de servicio desarrolladas en la Tarea 1, para:

 Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre

llegadas, según una Distribución de Exponencial o de Poisson.
 Determinar la tasa de servicio (µ) de acuerdo a los tiempos de servicio,
según una Distribución Exponencial o de Poisson.
 Formular y plantear el modelo de Líneas de Espera bajo condiciones de
estado estable (M/M/1): (DG/∞/∞).
 Proponer gráficamente el diseño de la instalación de servicio del
modelo de línea de espera.
 Determinar las medidas de desempeño de estado estable.
 Determinar las siguientes probabilidades de estado:
La probabilidad de inactividad en la instalación de servicio o la
probabilidad de estar desocupado el servidor o la probabilidad de que
no haya clientes en la fila.
La probabilidad de que un cliente tenga que esperar.
La probabilidad de que el cliente 5 sea atendido.
 La probabilidad de que por lo menos 10 clientes sean atendidos.
La cantidad de clientes que pueden ser atendidos por lo menos el 90%
de las veces.
 Comprobar los resultados utilizando el software de optimización
WinQSB.

b. Plantear un modelo de línea de espera con un solo servidor y número de

clientes permitido en el sistema finito (M/M/1): (DG/N/∞) si N = 40 a
partir de la validación estadística para tiempo de llegadas y Validación
estadística para tiempos de servicio desarrolladas en la Tarea 1, para:

 Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre

llegadas, según una Distribución de Exponencial o de Poisson.
 Determinar la tasa de servicio (µ) de acuerdo a los tiempos de servicio,
según una Distribución Exponencial o de Poisson.
 Formular y plantear el modelo de Líneas de Espera bajo condiciones de
estado estable o no (M/M/1): (DG/N/∞).
 Proponer gráficamente el diseño de la instalación de servicio del
modelo de línea de espera.
 Determinar las medidas de desempeño de estado.
 Determinar las siguientes probabilidades de estado:
La probabilidad de inactividad en la instalación de servicio o la
probabilidad de estar desocupado el servidor o la probabilidad de que
no haya clientes en la fila.
La probabilidad de que un cliente tenga que esperar.
La probabilidad de que el cliente 5 sea atendido.
La probabilidad de que por lo menos 10 clientes sean atendidos.
La cantidad de clientes que pueden ser atendidos por lo menos el 90%
de las veces.
 Comprobar los resultados utilizando el software de optimización
WinQSB.

2. Modelos de línea de espera con varios servidores.

a. Plantear un modelo de línea de espera para varios servidores y número de
clientes permitido en el sistema infinito (M/M/C): (DG/∞/∞) si C = 5, a
partir de la Validación estadística para tiempo de llegadas y Validación
estadística para tiempos de servicio desarrolladas en la Tarea 1, para:

 Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre

llegadas, según una Distribución de Exponencial o de Poisson.
 Determinar la tasa de servicio (µ) de acuerdo a los tiempos de servicio,
según una Distribución Exponencial o de Poisson.
 Formular y plantear el modelo de Líneas de Espera bajo condiciones de
estado (M/M/C): (DG/∞/∞).
 Proponer gráficamente el diseño de la instalación de servicio del
modelo de línea de espera.
 Determinar las medidas de desempeño de estado.
 Determinar las siguientes probabilidades de estado:
La probabilidad de inactividad en la instalación de servicio o la
probabilidad de estar desocupado el servidor o la probabilidad de que
no haya clientes en la fila.
La probabilidad de que un cliente tenga que esperar.
La probabilidad de que el cliente 5 sea atendido.
La probabilidad de que por lo menos 10 clientes sean atendidos.
La cantidad de clientes que pueden ser atendidos por lo menos el 90%
de las veces.
 Comprobar los resultados utilizando el software de optimización
WinQSB.
b. Plantear un modelo de línea de espera con varios servidores y número de
clientes permitido en el sistema finito (M/M/C): (DG/N/∞), si C = 5 y N =
200 a partir de la Validación estadística para tiempo de llegadas y Validación
estadística para tiempos de servicio desarrolladas en la Tarea 1, para:

 Determinar la tasa de llegada (λ) de acuerdo a los tiempos entre

llegadas, según una Distribución de Exponencial o de Poisson.
 Determinar la tasa de servicio (µ) de acuerdo a los tiempos de servicio,
según una Distribución Exponencial o de Poisson.
 Formular y plantear el modelo de Líneas de Espera bajo condiciones de
 estado estable o no (M/M/C) : (DG/N/∞).
 Proponer gráficamente el diseño de la instalación de servicio del
modelo de línea de espera.
 Determinar las medidas de desempeño de estado.
 Determinar las siguientes probabilidades de estado:
La probabilidad de inactividad en la instalación de servicio o la
probabilidad de estar desocupado el servidor o la probabilidad de que
no haya clientes en la fila.
La probabilidad de que un cliente tenga que esperar.
La probabilidad de que el cliente 5 sea atendido.
La probabilidad de que por lo menos 10 clientes sean atendidos.
La cantidad de clientes que pueden ser atendidos por lo menos el 90%
de las veces.
 Comprobar los resultados utilizando el software de optimización
WinQSB.
3. Interpretar los resultados obtenidos en cada uno de los modelos de línea
de espera para tomar decisiones en cuanto a su optimización.

Entorno de Conocimiento: Consultar la referencia de

Representación probabilística de datos en los recursos
educativos requeridos de la Unidad 1 – Modelos
probabilísticos de decisión y la referencia de Programación
de probabilística de proyectos en los recursos educativos
requeridos de la Unidad 2 - Modelos probabilísticos de
optimización.

Entorno De Aprendizaje Colaborativo: Presentar los

Entornos aportes y avances en el Foro de interacción y producción
para su intelectual Tarea 1 sobre el desarrollo y solución del Ejercicio
desarrollo 1. Representación probabilística de datos y Ejercicio 2.
Programación probabilística de proyectos.

Entorno de Aprendizaje Practico: Consultar la Guía para

el uso de recursos educativos - Relación de datos para
situaciones problema para descargar la Relación de tiempos
y la Relación del proyecto de ampliación.

Entorno de Seguimiento y Evaluación: Entregar el

 producto académico de la Tarea 1 de acuerdo a sus
especificaciones y disponibilidad programada en la Agenda
del curso.

Individuales:

Documento en hoja de cálculo (Excel) titulado Introducción

a los modelos probabilísticos de decisión y
optimización, que debe contener la siguiente información y
presentación:

Portada. Identificando la actividad, el autor, el tutor, el

curso, la institución, la escuela, el programa y el año.

Contenido:

Ejercicio 1.
1-Planteamiento, desarrollo y solución).
2-Interpretación de resultados.
Productos a
Ejercicio 2.
entregar por
1-Planteamiento, desarrollo y solución).
el estudiante
2-Interpretación de resultados.
Ejercicio 3.
1-Planteamiento, desarrollo y solución).
2-Interpretación de resultados.
3-pantallazos solución de los ejercicios WinQSB
Ejercicio 4.
1-Planteamiento, desarrollo y solución).
2-Interpretación de resultados.
3-pantallazos solución de los ejercicios WinQSB
Ejercicio 5.
1-Planteamiento, desarrollo y solución).
2-Interpretación de resultados.
3-pantallazos solución de los ejercicios WinQSB

Bibliografía (con norma APA).

 Archivo
Extensión: .xls
Identificación: Tarea 1_primer nombre_primer apellido.xls

3. Lineamientos generales del trabajo colaborativo para el

desarrollo de la actividad

Planeación
de
actividades
para el No aplica.
desarrollo
del trabajo
colaborativo
Roles a
desarrollar
por el
estudiante No aplica
dentro del
grupo
colaborativo
Roles y
responsabilid
ades para la La producción de los entregables es de tipo “individual”, por lo cual el
producción estudiante asume la responsabilidad de una construcción propia de
de los conceptos y procedimientos operativos en el desarrollo de las
entregables tareas estipuladas en la presente actividad.
por los
estudiantes
Uso de la norma APA, versión 3 en español (Traducción de
la versión 6 en inglés).
Uso de
referencias Las Normas APA es el estilo de organización y presentación
de información más usado en el área de las ciencias
sociales. Estas se encuentran publicadas bajo un Manual
 que permite tener al alcance las formas en que se debe
presentar un artículo científico. Aquí podrás encontrar los
aspectos más relevantes de la sexta edición del Manual de
las Normas APA, como referencias, citas, elaboración y
presentación de tablas y figuras, encabezados y seriación,
entre otros. Puede consultar como implementarlas
ingresando a la página http://normasapa.com/
En el acuerdo 029 del 13 de diciembre de 2013, artículo 99, se
considera como faltas que atentan contra el orden académico, entre
otras, las siguientes: literal e) “El plagiar, es decir, presentar como de
su propia autoría la totalidad o parte de una obra, trabajo,
documento o invención realizado por otra persona. Implica también el
uso de citas o referencias faltas, o proponer citad donde no haya
coincidencia entre ella y la referencia” y liberal f) “El reproducir, o
copiar con fines de lucro, materiales educativos o resultados de
productos de investigación, que cuentan con derechos intelectuales
reservados para la Universidad.
Políticas de
plagio
Las sanciones académicas a las que se enfrentará el estudiante son
las siguientes:
a) En los casos de fraude académico demostrado en el trabajo
académico o evaluación respectiva, la calificación que se impondrá
será de cero punto cero (0.0) sin perjuicio de la sanción disciplinaria
correspondiente.
b) En los casos relacionados con plagio demostrado en el trabajo
académico cualquiera sea su naturaleza, la calificación que se
impondrá será de cero punto cero (0.0), sin perjuicio de la sanción
disciplinaria correspondiente.

4. Formato de Rubrica de evaluación

Formato rúbrica de evaluación Tarea 1

Actividad Actividad
Tipo de actividad: ☒ ☐
individual colaborativa
Momento de la Intermedia,
Inicial ☐ ☒ Final ☐
evaluación unidad 1 y 2
Aspectos Niveles de desempeño de la actividad individual
Puntaje
evaluados Valoración alta Valoración media Valoración baja
 El estudiante El estudiante El estudiante no
desarrolla y desarrolla y desarrolla y
Utiliza el foro de presenta todas las presenta algunas presenta las
trabajo para actividades actividades actividades
propuestas en el propuestas en el propuestas en el 5
desarrollar y
presentar la Tarea 1 foro de trabajo de la foro de trabajo de la foro de trabajo de
Tarea 1. Tarea 1. la Tarea 1.
(Hasta 5 puntos) (Hasta 3 puntos) (Hasta 0 puntos)
El estudiante El estudiante
identifica y aplica identifica y aplica
Utiliza la correctamente el parcialmente el
El estudiante no
representación diseño estadístico diseño estadístico
identifica el diseño
probabilística de requerido en el requerido en el
estadístico
datos en la desarrollo y solución desarrollo y solución
requerido en el
validación del Ejercicio del Ejercicio
desarrollo y
estadística de Validación Validación 20
solución del
tiempo de llegadas estadística para estadística para
Ejercicio Validación
para tomar tiempo de llegada, tiempo de llegada,
estadística para
decisiones en un determinando determinando
tiempo de llegada.
procesos de correctamente todos correctamente
producción y gestión los aspectos algunos aspectos
solicitados. solicitados.
(Hasta 20 puntos) (Hasta 10 puntos) (Hasta 0 puntos)
El estudiante El estudiante
identifica y aplica identifica y aplica
Utiliza la correctamente el parcialmente el El estudiante no
representación diseño estadístico diseño estadístico identifica el diseño
probabilística de requerido en el requerido en el estadístico
datos en la desarrollo y solución desarrollo y solución requerido en el
validación del Ejercicio del Ejercicio desarrollo y
estadística para Validación Validación solución del 20
tiempos de servicio estadística para estadística para Ejercicio Validación
para tomar tiempos de servicio, tiempos de servicio, estadística para
decisiones en un determinando determinando tiempos de
proceso de correctamente todos correctamente servicio.
producción y gestión los aspectos algunos aspectos
solicitados. solicitados.
(Hasta 20 puntos) (Hasta 10 puntos) (Hasta 0 puntos)
Utiliza la El estudiante El estudiante El estudiante no
20
programación identifica y aplica identifica y aplica identifica la
 probabilística de correctamente la parcialmente la programación
proyectos en la programación programación probabilística de
programación de probabilística de probabilística de proyectos
proyectos con proyectos requerida proyectos requerida requerida en el
estimación de en el desarrollo y en el desarrollo y desarrollo y
tiempos para solución del solución del Ejercicio solución del
optimizar los Ejercicio Programación de Ejercicio
recursos en un Programación de proyectos con Programación de
proceso de proyectos con estimación de proyectos con
producción y gestión estimación de tiempos, estimación de
tiempos, determinando tiempos.
determinando correctamente
correctamente todos algunos aspectos
los aspectos solicitados.
solicitados.
(Hasta 20 puntos) (Hasta 10 puntos) (Hasta 0 puntos)
El estudiante
El estudiante
identifica y aplica
identifica y aplica
correctamente la El estudiante no
Utiliza la parcialmente la
programación identifica la
programación programación
probabilística de programación
probabilística de probabilística de
proyectos requerida probabilística de
proyectos en la proyectos requerida
en el desarrollo y proyectos
programación de en el desarrollo y
solución del requerida en el
proyectos con solución del Ejercicio
Ejercicio desarrollo y 20
estimación extra de Programación de
Programación de solución del
tiempo para proyectos con
proyectos con Ejercicio
optimizar los estimación extra de
estimación extra de Programación de
recursos en un tiempo,
tiempo, proyectos con
proceso de determinando
determinando estimación extra
producción y gestión correctamente
correctamente todos de tiempo.
algunos aspectos
los aspectos
solicitados.
solicitados.
(Hasta 20 puntos) (Hasta 10 puntos) (Hasta 0 puntos)
Producto académico El estudiante El estudiante El estudiante no
Introducción a los presenta el producto presenta el producto presenta el
modelos académico con el académico con el producto
25
probabilísticos de desarrollo y solución desarrollo y solución académico con el
decisión y correcta de los parcialmente desarrollo y
optimización Ejercicios correcta de los solución de los
 Representación Ejercicios Ejercicios
probabilística de Representación Representación
datos y probabilística de probabilística de
Programación datos y datos y
probabilística de Programación Programación
proyectos, con probabilística de probabilística de
excelente redacción, proyectos, con proyectos.
ortografía, citas y problemas de
referencias redacción,
bibliográficas ortografía, citas y
conforme a la referencias
norma APA en su bibliográficas
contenido. conforme a la
norma APA en su
contenido.
(Hasta 25 puntos) (Hasta 13 puntos) (Hasta 0 puntos)
Calificación final 110