Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword or section
Like this
14Activity
P. 1
Toma de Decisiones Bajo Certidumbre, Riesgo e Incertidumbre

Toma de Decisiones Bajo Certidumbre, Riesgo e Incertidumbre

Ratings: (0)|Views: 12,311|Likes:
Published by Rmayzb

More info:

Published by: Rmayzb on Nov 04, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

08/05/2013

pdf

text

original

 
 
TOMA DE DECISIONES BAJO CERTIDUMBRE,RIESGO E INCERTIDUMBRE
 
El análisis de decisiones proporciona una manera útil de clasificar los modelospara la toma de decisiones. Las situaciones de decisión se clasifican, generalmente,sobre la base de conocimiento que tenga el decisor(o crea tener) de la misma. Escostumbre dividir los grados de conocimiento o información en tres categorías,empezando desde el conocimiento completo hasta la ignorancia. Entre estascategorías están:1.
 
Certidumbre (información completa)2.
 
Riesgo (información parcial)3.
 
Incertidumbre (información limitada)
TOMA DE DECISIÓN BAJO CERTIDUMBRE
En el ambiente del proceso de toma de decisiones bajo certidumbre, quienes latoman conocen con certeza la consecuencia de cada una de las alternativas queimplica la selección de la decisión. Naturalmente, seleccionaran la alternativa quemaximizara su bienestar o que dará el mejor resultado.Las técnicas más representativas para representar toma de decisiones bajocertidumbre, son los modelos de programación lineal.
Programación Lineal
Herramienta que permite modelar y resolver problemas donde se requieremejorar el uso de recursos limitados. Un modelo de Programación Lineal (PL) seestructura usando un conjunto de variables de decisión con la que se forma una
 
función que describe lo que se quiere alcanzar, que por lo general recibe el nombre defunción objetivo, y un conjunto de restricciones.El modelo considera que las variables de decisión tienen un comportamientolineal, tanto en la función objetivo como en las restricciones del problema.
Supuestos Básicos de la Programación Lineal.
 
Linealidad
 
Modelos Deterministas
 
Variables reales
 
No Negatividad.La linealidad más allá de que la función objetivo y las restricciones nocontengan términos no lineales, requiere satisfacer dos propiedades:1.
 
La proporcionalidad, requiere que la contribución de cada variable, tanto enla función objetivo como en las restricciones, debe ser directamenteproporcional al valor de la variable. Un ejemplo que no cumple con estapropiedad sería el caso de venta de un producto donde se indique que es másbarato si se compra más de un docena, en este caso la contribución por laventa no es la misma si es menos de una docena.2.
 
La aditividad, la contribución total de las variables, tanto en la funciónobjetivo como en las restricciones, debe ser igual a la suma de la contribuciónindividual de cada variable, es decir la variación de una variable no debe

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->