EMILY SEQUERA C.I. 20.349.

997
ABRIL 2014

INTRODUCCIN En la toma de decisiones est inmersa la incertidumbre, ya que no hay nada que garantice que las condiciones en las que se tom la decisin, sigan siendo las mismas, ya que estamos en un medio que cambia constantemente; aunque las que se toman sin previo anlisis, al azar, estn ms expuestas que aquellas que siguen el proceso adecuado. Es de gran utilidad conocer que procesos se deben aplicar y abarcar para tomar decisiones efectivas. En el siguiente informe vemos tres (03) de las diferentes tcnicas y herramientas de uso cotidiano en el estudio de las organizaciones y la administracin. Para lograr una efectiva toma de decisiones se requiere de una seleccin racional, para lo que primero se debe aclarar el objetivo que se quiere alcanzar; eso s, se deben tener en cuenta varias alternativas, evaluando cada una de sus ventajas, limitaciones y adoptando la que se considere ms apropiada para conseguir el objetivo propuesto

PROGRAMACIN LINEAL La Programacin Lineal (PL) es un procedimiento matemtico para determinar la asignacin ptima de recursos escasos. La PL es un procedimiento que encuentra su aplicacin prctica en casi todas las facetas de los negocios, desde la publicidad hasta la planificacin de la produccin. Problemas de transporte, distribucin, y planificacin global de la produccin son los objetos ms comunes del anlisis de PL. La programacin lineal aborda una clase de problemas de programacin donde tanto la funcin objetivo a optimizar como todas las relaciones entre las variables correspondientes a los recursos son lineales. Rara vez una nueva tcnica matemtica encuentra una gama tan diversa de aplicaciones prcticas de negocios, comerciales e industriales y a la vez recibe un desarrollo terico tan exhaustivo en un perodo tan corto. Hoy en da, esta teora se aplica con xito a problemas de presupuestos de capital, diseo de dietas, conservacin de recursos, juegos de estrategias, prediccin de crecimiento econmico y sistemas de transporte. Recientemente la teora de la programacin lineal tambin contribuy a la resolucin y unificacin de diversas aplicaciones. Cuando se formula un problema de toma de decisiones como un programa lineal, se deben verificar las siguientes condiciones: 1. La funcin objetivo debe ser lineal. Vale decir que se debe verificar que todas las variables estn elevadas a la primera potencia y que sean sumadas o restadas (no divididas ni multiplicadas);

2. El objetivo debe ser ya sea la maximizacin o minimizacin de una funcin lineal. El objetivo debe representar la meta del decisor; y 3. Las restricciones tambin deben ser lineales. . Asimismo, la restriccin debe adoptar alguna de las siguientes formas ( , , O =, es decir que las restricciones de PL siempre estn cerradas). Un gerente de procesamiento de datos de una importante empresa petrolera recientemente calcul que del 5% al 10% del tiempo de procesamiento informtico de la empresa es destinado al procesamiento de modelos de PL y similares. La programacin lineal aborda una clase de problemas de programacin objetivo a relaciones lineales. Este problema fue formulado y resuelto por primera vez a fines de la dcada del 40. Rara vez una nueva tcnica matemtica encuentra una gama tan diversa de aplicaciones prcticas de negocios, comerciales e industriales y a la vez recibe un desarrollo terico tan exhaustivo en un perodo tan corto. Hoy en da, esta teora se aplica con xito a problemas de presupuestos de capital, diseo de dietas, conservacin de recursos, juegos de estrategias, prediccin de crecimiento econmico y sistemas de transporte. Recientemente la teora de la programacin lineal tambin contribuy a la resolucin y unificacin de diversas aplicaciones. donde entre a tanto como las los la funcin las son variables optimizar todas

correspondientes

recursos

MTODO SIMPLEX
Es una tcnica popular para dar soluciones numricas del problema de la programacin lineal. Es un mtodo numrico para optimizacin de problemas libres multidimensionales perteneciente a la clase ms general de algoritmos de bsqueda. Permite encontrar una solucin ptima en un problema de maximizacin o minimizacin, buscando en los vrtices del polgono. El proceso concluye cuando no es posible seguir mejorando ms dicha solucin. Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el mtodo consiste en buscar sucesivamente otro vrtice que mejore al anterior. La bsqueda se hace siempre a travs de los lados del polgono (o de las aristas del poliedro, si el nmero de variables es mayor). Cmo el nmero de vrtices (y de aristas) es finito, siempre se podr encontrar la solucin. Se basa en la siguiente propiedad: si la funcin objetivo, f, no toma su valor mximo en el vrtice A, entonces hay una arista que parte de A, a lo largo de la cual f aumenta. El mtodo simplex es muy eficiente en la prctica, en general, teniendo 2m a 3m iteraciones en la mayor parte (donde m es el nmero de restricciones de igualdad), y que convergen en la hora prevista para el polinomio de ciertas distribuciones de insumos al azar. La aplicacin del mtodo del Simplex, se utiliza cuando el problema es de un tamao suficientemente grande.

LGICA BAYESANA
Es la aplicacin de las frmulas derivadas del TEOREMA DE BAYES a la determinacin de las llamadas PROBABILIDADES REVISADAS; asociadas a un conjunto dado de HIPOTESIS (Escenarios factibles de presentarse) mutuamente excluyentes, como consecuencia de las EVIDENCIAS (hechos) observados. El modelo bayesiano est circunscrito, como tcnica de pronostico en las llamadas tcnicas cualitativas, cuya principal caracterstica es que sus insumos son juicios de valores; es decir, opiniones que dan una valoracin o cualificacin a hechos o datos observados. Su rol como instrumento de pronstico es muy importante ya que permite hacer inferencias sobre la probabilidad de ocurrencia de una situacin dada (hiptesis / escenario), sobre la base de las evidencias observadas; por ello, es un instrumento extraordinario para el monitoreo o seguimiento de situaciones de inters. Dentro de este contexto, juega un rol fundamental como herramienta de alerta, ante las evidencias obtenidas como consecuencia de la dinmica de los acontecimientos. La aplicacin del modelo bayesiano como tcnica de pronostico est sujeta a la posibilidad de hacer seguimiento a una situacin de inters determinada. Hay que tener presente de que si las evidencias no favorecen de manera significativa y relevante a ninguna de las hiptesis (escenarios) planteadas; entonces no ser posible inferir la ocurrencia de alguno de los escenarios, sobre la base de las evidencias observadas.

REFERENCIAS ELECTRNICAS http://www.virtual.unal.edu.co/cursos/sedes/manizales/4010 014/Contenidos/Capitulos%20PDF/CAPITULO%202.pdf http://www.virtual.unal.edu.co/cursos/sedes/manizales/4010 014/Contenidos/Capitulo2/Pages/2.14/214Tecnicas_CuantiC ualitativas_continuacion.htm