Issuu on Google+

Universidad Ferm铆n Toro Facultad de Ciencias Econ贸micas y Sociales An谩lisis de Problemas y Toma de Decisiones

Autor: T.S.U. Nayira Aguirre CI: 18.997.242 Fecha de Elaboraci贸n: 07/02/2013


El método simplex comienza con una solución factible y prueba si es o no óptima. Si no lo es, el método sigue a una mejor solución. Se dice mejor en el sentido de nueva solución no es óptima, entonces se repite el procedimiento. En algún momento el método simplex conduce a una solución óptima, si es que existe. Además de ser eficiente, dicho método tiene otras ventajas 

Es completamente mecánico (se utilizan matrices, operaciones elementales sobre renglones y aritmética básica).

Asimismo, no implica el uso de geometría.

Resuelve problemas de programación lineal que tiene cualquier número de restricciones y variables.

La programación lineal constituye un importante campo de la optimización por varias razones, muchos problemas prácticos de la investigación de operaciones pueden plantearse como problemas de programación lineal. Una serie de algoritmos diseñados para resolver problemas de optimización constituyen casos particulares de la más amplia técnica de la programación lineal. Del mismo modo, la programación lineal es muy usada en la microeconomía y la administración de empresas, ya sea para aumentar al máximo los ingresos o reducir al mínimo los costos de un sistema de producción. Algunos ejemplos son la mezcla de alimentos, la gestión de inventarios, la cartera y la gestión de las finanzas, la asignación de recursos humanos y recursos de máquinas, la planificación de campañas de publicidad, entre otros

Optimización de la combinación de cifras comerciales en una red lineal de distribución de agua.

Aprovechamiento óptimo de los recursos de una cuenca hidrográfica, para un año con afluencias caracterizadas por corresponder a una determinada frecuencia.

Soporte para toma de decisión en tiempo real, para operación de un sistema de obras hidráulicas;

Solución de problemas de transporte.


La teoría Bayesiana se encarga de estudiar y analizar al consumidor, se observan las características y los atributos que describen el comportamiento del potencial cliente. Consiste en aislar los atributos que la persona en cuestión le asigna al determinado producto, y una vez hecho esto aislarlo, y estudiarlo y analizarlo. Se dejan de lado todos los otros factores, como características del producto, del cliente, entre otros y se centra simplemente en este atributo encontrado. El razonamiento bayesiano proporciona un enfoque probabilístico a la inferencia Está basado en la suposición de que las cantidad de interés son gobernadas por distribuciones de probabilidad y que se pueden tomar decisiones óptimas razonando sobre estas probabilidades junto con los datos obtenidos.

La teoría Bayesiana les da la libertad a los investigadores de estudiar la complejidad del comportamiento humano de una forma mucho más realista, de lo que era previamente posible. Aunque ningún método es 100 % exacto ya que la psiquis humana es demasiado compleja como para simplificarla en una teoría.

Es un área de la matemática aplicada que utiliza modelos para estudiar interacciones en estructuras formalizadas de incentivos y llevar a cabo procesos de decisión. Sus investigadores estudian las estrategias óptimas así como el comportamiento previsto y observado de individuos en juegos. Tipos de interacción aparentemente distintos pueden, en realidad, presentar estructura de incentivo similar y, por lo tanto, se puede representar mil veces conjuntamente un mismo juego.

En otras palabras, estudia la elección de la conducta óptima cuando los costes y los beneficios de cada opción no están fijados de antemano, sino que dependen de las elecciones de otros individuos


Para este tipo de problemas se considera que existe una red de fábricas, almacenes o cualquier otro tipo de puntos, orígenes o destinos de unos flujos de bienes. La localización de nuevos puntos en la red afectará a toda ella, provocando reasignaciones y reajustes dentro del sistema. Así mismo permite encontrar la mejor distribución de los flujos mencionados basándose, normalmente en la optimización de los costes de transporte (o, alternativamente, del tiempo, la distancia, el beneficio ) este método puede utilizarse para analizar la mejor ubicación de un nuevo centro, de varios a la vez y en general para cualquier reconfiguración de la red.

Para utilizar el método de transporte hay que considerar los siguientes pasos:

1. Los puntos de origen y la capacidad o abasto por período, para cada uno. 2. Los puntos de destino y la demanda por período para cada uno. 3. El costo de embarque por una unidad desde cada origen hacia cada destino.

La técnica Monte Carlo permite ver todos los resultados posibles de las decisiones que tomamos y evaluar el impacto del riesgo, lo cual nos permite tomar mejores decisiones en condiciones de incertidumbre. ofrece a la persona responsable de tomar las decisiones una serie de posibles resultados, así como la probabilidad de que se produzcan según las medidas tomadas El análisis de riesgo se puede realizar cualitativa y cuantitativamente. El análisis de riesgo cualitativo generalmente incluye la evaluación instintiva o “por corazonada” de una situación, y se caracteriza por afirmaciones como “Eso parece muy arriesgado” o “Probablemente obtendremos buenos resultados”. El análisis de riesgo cuantitativo trata de asignar valores numéricos a los riesgos, utilizando datos empíricos o cuantificando evaluaciones cualitativas. Vamos a concentrarnos en el análisis de riesgo cuantitativo.


tecnicas e instrumentos la toma de decisiones