Simulación y optimización 1
|
|
- María Cristina Eva Poblete Quiroga
- hace 7 años
- Vistas:
Transcripción
1 Simulación y optimización 1 Carlos E. Azofeifa 2 Resumen Se presenta el complemento de Ball como una herramienta eficaz en problemas típicos de optimización de modelos bajo presencia de incertidumbre. Para ello se utiliza el OptQuest Ball el cual encuentra mediante técnicas avanzadas de optimización la combinación correcta de variables para producir el mejor resultado posible en modelos de simulación. Se resolverá primeramente el problema usando Solver, luego se comparan y analizan los resultados obtenidos con lo realizado en OptQuest. Palabras claves: pronóstico, optimización, estadística, riesgo, incertidumbre, Montecarlo, hipercubo latino Introducción Un problema relevante de un administrador o de un ingeniero en un ambiente altamente globalizado es realizar excelentes pronósticos del futuro, sobre todo en presencia de riesgo e incertidumbre. Por ejemplo, en problemas cotidianos de nuestro entorno como maximizar un portafolio de inversiones. Al considerar el modelo matemático de este portafolio, observamos que no es difícil encontrar una solución de manera que el retorno esperado sea máximo, esta posible solución del problema puede ser encontrada usando programación lineal en el caso en que el modelo se comporte como tal, o bien utilizando un método alternativo. Sin embargo esta solución solamente es una respuesta al momento presente, seguirá siendo válida dentro de un año, un mes o tres años?, o a largo plazo cuál será la mejor inversión? Observemos que no solamente queremos hacer un buen pronóstico de las inversiones, sino además queremos que éstas sean máximas en determinado tiempo, es decir que alcancen valores óptimos. Así esperaremos al final del proyecto de inversión un retorno máximo. Por tanto al hacerse más complejo el mundo de los negocios, ha aumentado la necesidad de asegurar, sobre cierta base racional, el futuro. Se necesitan planear ventas, tasas de interés para futuras inversiones, indicadores económicos para planeamiento financiero, niveles de ingreso, inventarios, tasas de natalidad, desempleo, etc. En el caso de optimizar un modelo lineal usando Solver de Excel y realizando el estudio de sensibilidad, podríamos mantener válida nuestra solución siempre y cuando, nuestras variables tengan un dominio adecuado dentro de los rangos asignados en el estudio de sensibilidad, de lo contrario tendríamos que volver a optimizar en cada caso y por tanto cambiar de nuevo nuestra inversión para posibles cambios del dominio de las variables. Optimización Un ejercicio cotidiano es elegir la opción más adecuada entre varias opciones, es decir, encontrar la mejor solución a un problema determinado, entre un conjunto factible de soluciones. La mayoría de las veces se nos presenta un conjunto grande de posibles restricciones y debemos obtener un modelo matemático del problema para poder resolverlo, desde luego también queremos que este modelo sea lo más cercano a la descripción del problema real. La teoría que nos proporciona los resultados y herramientas adecuadas para estudiar este tipo de problemas se llama Optimización Matemática. Las aportaciones de esta teoría se remontan a los años cuarenta y cincuenta del siglo pasado. Entre sus ramas importantes podemos mencionar la Programación 1 Este artículo fue financiado por el Proyecto No 820-A2-115, inscrito en la Vicerrectoría de Investigación de la U.C.R 2 Profesor Escuela de Matemática U.C.R U.N.A 1
2 lineal y no lineal, Programación entera, Programación Convexa, Optimización Dinámica, etc, siendo indispensable también un conocimiento general en Algebra Lineal y Análisis Matemático. En este tipo de problemas podemos encontrar optimización sin restricciones y con restricciones, sin embargo podemos observar que todos estos problemas sean con más o menos componentes matemáticos son determinísticos, es decir, cada uno de ellos se puede resolver con la técnica adecuada. Si no existen restricciones o bien la restricción es de igualdad y con un número menor o igual de variables que la función objetivo, entonces la respuesta al problema es el cálculo diferencial, pues solamente lo que necesitamos es buscar los extremos de una función; esto es, lo que conocemos como Optimización clásica. En cambio, si las restricciones contienen una cantidad mayor de variables que la función objetivo o hay restricciones de desigualdad, es fácil encontrar métodos de resolución. Por ejemplo, si las restricciones y la función objetivo son lineales se utiliza la Programación Lineal y el Solver de Excel (Optimización no clásica). Por el contrario, si las condiciones no se cumplen, tenemos las llamadas Condiciones de Khun-Tucker, que en algunos casos funcionan para localizar puntos críticos. En otros casos cuando fallan por ejemplo las condiciones anteriores se pueden usar en caso de tener información imperfecta (la función objetivo puede no conocerse) métodos numéricos, como por ejemplo el método de Runge Kuta (Matemática borrosa). Estos procesos de optimización tienen como propósito central asignar de la mejor manera posible los recursos para lograr el máximo de una función objetivo, teniendo en cuenta pocas o muchas restricciones. Es decir, debemos escoger los mejores valores para el conjunto formado por las variables de decisión con el fin de minimizar o maximizar una función objetivo satisfaciendo limitaciones o restricciones de estas variables, usualmente las restricciones se aplican mediante ecuaciones o inecuaciones. Por tanto debemos tener un modelo matemático que especifique la variable objetivo, por ejemplo: 1-.Maximizar utilidades o la producción, minimizar costos o recursos. 2-.Un conjunto de restricciones, y 3-.Un conjunto de variables de decisión. Ahora vamos a resolver un problema determinístico, a saber: optimizar un portafolio de inversiones usando Solver Problema de administración de cartera de valores El gerente de cartera de una administradora de pensiones, se le ha pide invertir $ del fondo de pensiones. El departamento de investigación de Inversiones ha identificado 6 fondos con estrategias de inversión variables, resultando en diferentes rendimientos potenciales, como se resume en la siguiente tabla: Tasa esperada de rendimiento de seis fondos de inversión ubicados en Fondos Devolución esperada % Ml Antonio Nicoya B Drake Escazú Jacó Parrita Una manera de controlar el riesgo es limitar la cantidad de dinero invertido en los diversos fondos. Para ese fin, la administración ha especificado las siguientes pautas: 1. La cantidad invertida en Manuel Antonio debe ser al menos de un 30% de la cartera. 2. La cantidad total invertida en Nicoya no debe ser mayor al 40% de la cartera. 3. La cantidad total invertida en Jacó no debe ser mayor al 25% de la cartera 4. La cantidad total invertida en Escazú no debe ser mayor al 25% de la cartera 5. La cantidad invertida en Parrita debe ser al menos de un 10% de la cartera 2
3 De acuerdo a las pautas anteriores, qué cartera debería recomendar el gerente para maximizar la tasa esperada de retorno? Planteamos y resolvemos el problema primeramente usando la hoja electrónica Excel. Su presentación y solución en la hoja se puede observar de la siguiente manera Para su resolución utilizamos Solver el cual se encuentra en Herramientas. Llenamos la información pedida de la siguiente manera: Haciendo clic en Opciones de Solver, ponemos además la siguiente información: Una vez que Solver ha resuelto el problema, coloca el siguiente mensaje: 3
4 Observamos que podemos marcar tres informes: Informe de Respuestas, Sensibilidad y de Límites, en el caso de marcar el informe de sensibilidad se obtiene la siguiente información: Podemos observar en las celdas G9:G14 el aumento permitido a los coeficientes de rentabilidad de manera que la solución no cambie, de igual manera se tienen en las celdas H9:H14 los decrementos permitidos a los coeficientes de rentabilidad para mantener la solución. En caso de que los coeficientes tomen valores fuera de estos dominios, tendríamos que volver a resolver el problema y posiblemente retomar el nuevo plan de inversión. En presencia de incertidumbre Ahora bien, por lo general los modelos de optimización no son completamente determinísticos, en la mayoría de los casos los datos presentan incertidumbre, lo que implica un riesgo el uso de la solución del problema. En el caso en que algunas variables tengan un comportamiento de alguna distribución de probabilidad, entonces los métodos anteriores se vuelven ineficientes, necesitan complementarse para poder tomar decisiones acertadas en caso de incertidumbre. Una ventaja de aplicar el método de simulación al proceso de optimización es que permite abordar problemas con incertidumbre, por eso los valores que arroja el proceso de optimización para las variables de control son valores óptimos. Además en un modelo de optimización probabilística las variables pronosticadas tendrán funciones de distribución condicionadas al conjunto de variables de decisión. 4
5 Desarrollo Hoy día con ayuda del computador, podemos realizar todas las actividades anteriores de manera fácil en hojas electrónicas como Excel, con ayuda de sus Ball. Estos softwares combinan simulación y optimización para encontrar el óptimo de modelos que contienen factores de incertidumbre. Algunos problemas que no se pueden resolver por métodos de optimización estándar lineales y no lineales, pueden ser resueltos por ejemplo, el RISKOptimizer el cual combina toda la tecnología análisis de riesgo, y Evolver, algoritmos genéticos de Palisade basados en Solver. Cuándo debemos usar RISKOptimizer? Cuándo debemos encontrar soluciones óptimas en problemas que contienen variables fuera de nuestro control y las cuales toman valores no conocidos? Variables de decisión Las variables de decisión requieren para su definición: 1.Límites: Estos determinan el rango que puede asumir la variable 2.Tipo: Si es discreta o continua 3.Pasos: Define las diferencias entre valores sucesivos de la variable. En algunos casos las variables continuas también requieren esta determinación. Mediante simulaciones se encuentra el mejor valor de estas variables. En el caso de Crystal Ball se tiene el complemento de Decisioneering: OptQuest para encontrar soluciones óptimas para hojas de cálculo con simulaciones. Esta técnica también está diseñada para encontrar soluciones que satisfacen una amplia variedad de limitaciones o restricciones. Proceso básico para la ejecución de OptQuest Crear el modelo de Crystal Ball de la variable de decisión Defina las variables de decisión con Crystal Ball Use OptQuest para seleccionar las variables a optimizar Especifique las restricciones de las variables de decisión Seleccione el pronóstico objetivo y defina todos los requerimientos Seleccione opciones de optimización Interprete los resultados. Con Crystal Ball el CB Predictor puede ser usado solamente para analizar los efectos de incertidumbre en pronósticos. Para el caso de optimizar con Crystal Ball se tiene OptQuest, con este producto se puede analizar el riesgo de nuevos mercados, evaluar experimentos e hipótesis, maximizar el tiempo, el dinero, etc. Lo más interesante es que para usar el OptQuest no se necesita mucho conocimiento estadístico, matemático o computacional para lograr el uso adecuado de la herramienta, lo cual podría ser tedioso y consumirle mucho tiempo en el caso de querer hacerlo manualmente. Para ilustrar el proceso retomaremos el problema anterior y le aplicaremos esta herramienta. Haciendo pruebas de bondad de ajuste tenemos los siguientes supuestos para los retornos de los fondos de inversión: Celda B5: una distribución uniforme con un mínimo de un 17% y un máximo de un 25% Celda C5: una distribución uniforme con un mínimo de un 18% y un máximo de un 23% Celda D5: una distribución uniforme con un mínimo de 16% y un máximo de 22% Celda E5: una distribución triangular con un mínimo de 12% y un máximo de 18% Celda F5: una distribución uniforme con un mínimo de 17% y un máximo de 25% Celda G5: una distribución uniforme con un mínimo de 10% y un máximo de 17% Por ejemplo, la información en la celda G5 se vería así: 5
6 De igual manera para las otras celdas. En el caso de la celda de salida, se tiene: En correr preferencias marcamos Para definir las variables de decisión, como por ejemplo en el caso de Parrita, nos posesionamos en la celda de interés en este caso G8, luego vamos a Cell Define decision y colocamos la información necesaria acerca del fondo de Parrita con las restricciones necesarias como se muestra en la siguiente figura. 6
7 Ahora hacemos clic en OptQuest / New Y creamos un archivo nuevo de optimización, donde se declaran los nombres de las variables así como sus limitaciones y naturaleza: Hacemos clic en Aceptar, también debemos especificar las restricciones, en este caso damos clic en Sum All variables, luego insertamos el uno. La pantalla debe verse así: Haciendo clic en Aceptar, seleccionamos en Select: Maximize Objective y como pronóstico estadístico el promedio o media. 7
8 Si hacemos clic en Aceptar, luego OptQuest nos pregunta si corremos la optimización Escogemos Sí, para obtener las siguiente información acerca del progreso de la optimización. También se ofrece de manera simultánea un progreso gráfico del proceso, así como un resumen del trabajo realizado. Digitamos un tiempo de optimización de cinco minutos, veamos los resultados: 8
9 Interpretación de resultados Puede suceder que la mejor solución identificada en el proceso no sea la solución verdadera del problema, pero esperamos que esté lo suficientemente cercana a la solución óptima. También la calidad de los resultados depende del tiempo seleccionado de búsqueda, la velocidad de la computadora, el número de variables de decisión y de hecho, de la complejidad del problema a resolver. Podemos observar que en la resolución del problema determinístico con Solver el rendimiento esperado del portafolio (optimizado por Solver) es del 21,15%, invirtiendo $ en Ml Antonio, $ en Escazú, $ en Jacó y $ en Parrita, además, no se debe invertir en Nicoya y B Drake. Esta inversión es para el momento presente, en cambio para el caso resuelto con OptQuest entendemos que es una inversión a largo plazo y por tanto se recomienda invertir $ en Ml Antonio, $ en Jacó, $ en Parrita y no invertir en B Drake, Escazú y Nicoya. Lo interesante es que al trasladar la inversión de Escazú a Ml Antonio, el retorno esperado del portafolio es mayor a largo plazo (0,2125). También aquí se recomienda no invertir en Nicoya y B Drake. Por supuesto que todo lo anterior es la respuesta a los rendimientos presentes (en el caso de Solver) y otros rendimientos posibles (a largo plazo) de acuerdo al comportamiento probabilística de los retornos en los fondos de inversión (en el caso de OptQuest). Se deben considerar otras variables que podrían también influir en los montos a invertir en los distintos fondos, como por ejemplo: cambios políticos, otros proyectos turísticos, marinas, centros comerciales, complejos habitacionales, cambios climáticos, bonanza económica, tratados de libre comercio, mano de obra disponible, etc. Todo lo anterior forma parte del conjunto de información para una toma de decisiones acertada, en escenarios donde hay presencia de incertidumbre de las variables consideradas. Una vez obtenida la solución óptima del problema nos gustaría también examinar el proceso de Simulación Ball usando los valores de la solución óptima para tener una idea del riesgo asociado al usar la solución recomendada por OptQuest. A continuación realizamos una simulación de 5000 ensayos con la solución recomendada, en efecto; Observamos que el retorno esperado del rendimiento del portafolio es de un 21%, valor bastante cercano al valor óptimo encontrado por OptQuest, en efecto: 9
10 Aquí podemos obtener también mucha información valiosa usando la distribución normal de la salida del pronóstico, por ejemplo cuál es la probabilidad de que el retorno de la cartera se encuentre entre un 19% y un 22%?, o cuál es la probabilidad de que éste sea mayor al 20%?, o menor al 16%, cuál es el retorno menor o cuál es el más alto?, etc. Información sobre la variabilidad del proceso es importante, para nuestro caso observamos una variabilidad pequeña observando la desviación estándar. Conclusión Para obtener información adecuada bajo un respaldo estadístico con el fin de escoger el modelo más confiable de pronóstico de una manera rápida y fácil tenemos un Ball, él nos proporciona las herramientas adecuadas cuando Solver no puede resolver nuestros problemas, ya sea por tener incertidumbre, o bien por no cumplir las características necesarias, para ello contamos con: la simulación Montecarlo para efectos de riesgo de inversión, el CB Predictor para realizar pronósticos con los estudios estadísticos correspondientes que respaldan la escogencia del método adecuado, y, el OptQuest para encontrar la solución o inversión adecuada a largo plazo optimizando el retorno del portafolio Bibliografía 1. Anderson, Sweeney, Williams. Métodos cuantitativos para los negocios. Séptima edición. México. Editorial Thomson Azarang,M-Gracía, E. Simulación y análisis de modelos estocásticos. McGraw-Hill. México Bierman, Bonini, Hausman. Análisis cuantitativo para la toma de decisiones. Editorial McGraw-Hill. México Crystal Ball. OptQuest 2.1 User Manual Decisioneering. Denver, Colorado Eppen, F/ Gould, G/ Schmidt, C.P/ Moore, J/ Weatherford, L. Investigación de operaciones en la ciencia administrativa. Prentice Hall. México Evans J-Olson D. Introduction to Simulation and Risk Analysis. Prentice Hall.New Jersey Hanke / Reitsch. Pronósticos en los negocios. Prentice Hall. México Hillier /Hillier/Lieberman. Métodos cuantitativos para administración. Un enfoque y casos de estudio, con hoja de cálculo. McGraw-Hill, Inc. México Makridakis.S. Forcasting in the 21st Century, Internacional Journal of forcasting, 7(2)(1991): Mathur, K/ Solow, D. Investigación de operaciones. El arte de la toma de decisiones. Prentice Hall. México
V FESTIVAL INTERNACIONAL DE MATEMÁTICA APLICACIÓN DEL PREDICTOR DE CRYSTAL BALL CON EXCEL EN LOS PRONÓSTICOS 1
V FESTIVAL INTERNACIONAL DE MATEMÁTICA De costa a costa Matemática como lenguaje para interpretar nuestro entorno 29 al 31 de marzo, 2006 APLICACIÓN DEL PREDICTOR DE CRYSTAL BALL CON EXCEL EN LOS PRONÓSTICOS
MODELIZACION 01. Universidad Nacional de La Pampa Facultad de Ciencias Económicas y Jurídicas 18 - Métodos Cuantitativos para la Administración
Bibliografía Mathur y Solow; Investigación de Operaciones - El arte de la toma de decisiones. Ed. Prentice Hall Anderson, Sweeney y Williams; Introducción a los modelos cuantitativos para Administración.
Aplicaciones con. Eduardo Herrera Lana
Aplicaciones con Eduardo Herrera Lana Todos los derechos reservados. Prohibida su reproducción total o parcial por cualquier medio, electrónico o mecánico, para cualquier propósito, sin autorización escrita
OPTIMIZACION DETERMINISTICA
OPTIMIZACION DETERMINISTICA 1 PROBLEMA GENERAL Además de analizar los flujos de caja de las las alternativas de inversión, también se debe analizar la forma como se asignan recursos limitados entre actividades
Aplicación de la Simulación MonteCarlo en la Administración de Proyectos utilizando Excel Ball 1
Aplicación de la Simulación MonteCarlo en la Administración de Proyectos utilizando Excel y @Crystal Ball 1 Carlos E. Azofeifa 2 Resumen Una técnica efectiva usada para analizar la ruta crítica es la simulación
ANEXO 1. RESOLUCIÓN DE PROBLEMAS DE SIMULACIÓN Y OPTIMIZACIÓN CON RISK SOLVER PLATFORM
ANEXO 1. RESOLUCIÓN DE PROBLEMAS DE SIMULACIÓN Y OPTIMIZACIÓN CON RISK SOLVER PLATFORM La definición del un modelo de resolución en Risk Solver Platform de Excel no tiene porque resultar una tarea complicada.
Asignatura: Horas: Total (horas): Obligatoria X Teóricas 4.0 Semana 4.0 Optativa Prácticas 16 Semanas 64.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTADES DE ECONOMÍA E INGENIERÍA LICENCIATURA EN ECONOMÍA Y NEGOCIOS PROGRAMA DE ESTUDIO Investigación de Operaciones II P87 /P76 /P97 8 Asignatura: Clave Semestre
Cómo maximizar el beneficio de nuestras inversiones con Solver en Excel
Cómo maximizar el beneficio de nuestras inversiones con Solver en Excel Cómo maximizar el beneficio de nuestras inversiones con Solver en Excel 1 Cómo maximizar el beneficio de nuestras inversiones con
INVESTIGACION DE OPERACIONES
Semana 1 INVESTIGACION DE OPERACIONES INTRODUCCIÓN A LA CONSTRUCCIÓN DE MODELOS. MODELOS DE PROGRAMACION LINEAL CON VARIABLES TIPO X i. 1.1 Introducción a la Investigación de Operaciones y tipos de modelos:
Entre sus requisitos se encuentra el curso DN-3520 Principios de Finanzas.
UNIVERSIDAD DE COSTA RICA FACULTAD DE CIENCIAS ECONOMICAS ESCUELA DE ADMINISTRACION DE NEGOCIOS CATEDRA DE METODOS CUANTITATIVOS PARA LA TOMA DE DECISIONES PROGRAMA DEL PRIMER CICLO DEL 2006 Lic. Anaida
Cómo utilizar Solver en Excel 2007 y 2010 (maximizar los beneficios de producción)
Cómo utilizar Solver en Excel 2007 y 2010 (maximizar los beneficios de producción) www.funcionarioseficientes.com Índice Introducción:... 1 1) Creamos la tabla de datos... 1 2) Activamos solver... 2 3)
Práctica 2: Análisis de sensibilidad e Interpretación Gráfica
Práctica 2: Análisis de sensibilidad e Interpretación Gráfica a) Ejercicios Resueltos Modelización y resolución del Ejercicio 5: (Del Conjunto de Problemas 4.5B del libro Investigación de Operaciones,
Ingeniería Mecánica e Industrial Ingeniería Industrial Ingeniería Industrial División Departamento Carrera(s) en que se imparte
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO Aprobado por el Consejo Técnico de la Facultad de Ingeniería en su sesión ordinaria del 15 de octubre de 2008 INVESTIGACIÓN
Contenidos. Actividades Estocásticas Tipos de Modelos Métodos Numéricos Optimización Programación Lineal Aplicaciones con Solver Excel
Contenidos Modelación de Sistemas Actividades Estocásticas Tipos de Modelos Métodos Numéricos Optimización Programación Lineal Aplicaciones con Solver Excel Modelación de Sistemas Sistema: Conjunto de
MODELOS DE INVESTIGACION DE OPERACIONES
MODELOS DE INVESTIGACION DE OPERACIONES CARACTERÍSTICAS Los modelos se dividen en determinísticos (no probabilisticos) y estocásticos (probilisticos). Hay otros modelos híbridos porque incluyen las dos
Aplicación de la Simulación Monte Carlo en el cálculo del riesgo usando Excel
Azofeifa, Carlos E. Aplicación de la Simulación Monte Carlo en el cálculo del riesgo usando Excel Tecnología en Marcha. Vol. 17 N 1. Aplicación de la Simulación Monte Carlo en el cálculo del riesgo usando
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS Facultad de Ciencias Administrativas ESCUELA PROFESIONAL DEL ADMINISTRACIÓN DEL TURISMO
SILABO MÉTODOS CUANTITATIVOS I. DATOS INFORMATIVOS 1.1. Código : 062422 1.2.. Ciclo : IV 1.3. Créditos : 4 1.4 Área curricular : Formación Profesional 1.5. Condición : Obligatoria 1.6. Semestre Académico
UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA
UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DEPARTAMENTO DE FORMACIÓN BÁSICA PROGRAMA DE ASIGNATURA POR COMPETENCIAS I. DATOS DE IDENTIFICACIÓN 1. Unidad Académica(s) FACULTAD DE INGENIERÍA 2. Programa (s)
Carrera: IFM Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Investigación de operaciones I Licenciatura en Informática IFM - 0420 3-2-8 2.-
Carrera: IFM Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Investigación de operaciones I Licenciatura en Informática IFM - 0420 3-2-8 2.-
Los complementos proporcionan comandos y funciones. opcionales de Excel, que deben ser instalados y, en algunos
Complementos Los complementos proporcionan comandos y funciones opcionales de Excel, que deben ser instalados y, en algunos casos, activados para poder usarlos. Algunos están integrados a Excel, como Solver
FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN CIENCIAS POLÍTICAS Y ADMINISTRACIÓN PÚBLICA PROGRAMA DE ASIGNATURA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN CIENCIAS POLÍTICAS Y ADMINISTRACIÓN PÚBLICA PROGRAMA DE ASIGNATURA CLAVE 5º SEMESTRE MÉTODOS PARA LA TOMA
CARACTERÍSTICAS GENERALES DE LA PROGRAMACIÓN DINÁMICA
PROGRAMACIÓN DINÁMICA Inicialmente tenemos que los creadores de la programación dinámica fueron, Richard Bellman y G.B. Dantzig; inicialmente la programación dinámica se llama programación lineal estocástica,
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS Facultad de Ciencias Administrativas Escuela Profesional de Administración
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS Facultad de Ciencias Administrativas Escuela Profesional de Administración SILABO HERRAMIENTAS PARA LA TOMA DE DECISIONES EN ADMINISTRACIÓN I. DATOS INFORMATIVOS
INSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: CARRERA: ESPECIALIDAD: DEPARTAMENTO: COORDINACIÓN: UPIICSA INGENIERÍA INDUSTRIAL ACADEMIAS DE INVESTIGACIÓN DE OPERACIONES CIENCIAS DE LA INGENIERÍA ASIGNATURA: INVESTIGACIÓN DE OPERACIONES II
CONTENIDO Prefacio CAPITULO 1: Qué es la investigación de operaciones? CAPITULO 2: Introducción a la programación lineal...
CONTENIDO Prefacio XV CAPITULO 1: Qué es la investigación de operaciones? 1 1.1 Modelos de investigación de operaciones 1 1.2 Solución del modelo de investigación de operaciones.. 4 1.3 Modelos de colas
FACULTAD DE INGENIERÍAS Y ARQUITECTURA ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA CIVIL SÍLABO. 1.1 Asignatura: INVESTIGACIÓN DE OPERACIONES
SÍLABO I. DATOS GENERALES 1.1 Asignatura: INVESTIGACIÓN DE OPERACIONES 1.2 Carácter: Electivo 1.3 Carrera Profesional: Ingeniería Civil 1.4 Código: 0802-08E02 1.5 Ciclo Académico: sexto ciclo 1.6 Horas
Estadística y Decisiones
Estadística y Decisiones UDLA Agosto 2015 Expositor: Eduardo Herrera eduardo@cydhem.com Propósito El principal propósito de utilizar métodos estadísticos es asistir la toma de decisiones bajo incertidumbre
INDICE Parte I. Modelos y Toma de Decisiones 1. Introducción al Análisis Cuantitativo 2. Introducción a la Construcción de Modelos
INDICE Parte I. Modelos y Toma de Decisiones 1 1. Introducción al Análisis Cuantitativo 3 Decisiones empresariales 3 Abstracción y simplificación 4 Construcción de modelos 5 Soluciones 5 Errores 6 Técnicas
1. Datos descriptivos de la asignatura y del profesorado
1. Datos descriptivos de la asignatura y del profesorado Código: 619 Asignatura: Técnicas Cuantitativas de Decisión Empresarial Titulación: Licenciado en Administración y Dirección de Empresas Centro:
Que es Crystal Ball?
Francisco Parodi Que es Crystal Ball? Crystal Ball está Orientado hacia el manejo y administración de riesgo. Dirigido hacia personas vinculadas a procesos de decisiones sujetos a incertidumbre. Dirigido
Oracle Crystal Ball Simulación Monte Carlo
Oracle Crystal Ball 11.1 - Simulación Monte Carlo Por Francisco Riccio Introducción Oracle Crystal Ball es un conjunto de programas basados en la aplicación de modelos predictivos, previsión, simulación
2. Intención didáctica 3. Competencia de la asignatura
Tecnológico Nacional de México Dirección Académica Instrumentación Didáctica para la Formación y Desarrollo de Competencias Profesionales Periodo: Enero-Junio 2017 Nombre de la asignatura: Investigación
Foja 1 de 5. Programa de: Modelos Cuantitativos para la Toma de Decisiones. Código: OP4. Carrera: Maestría en Ciencias de la Ingeniería.
Programa de: Foja 1 de 5 Modelos Cuantitativos para la Toma de Decisiones UNIVERSIDAD NACIONAL DE CORDOBA FACULTAD DE CIENCIAS EXACTAS, FÍSICAS Y NATURALES REPUBLICA ARGENTINA Carrera: Maestría en Ciencias
Información general. Programación Lineal. Obligatoria básica o de fundamentación X. 3 Horas de trabajo independiente del estudiante
Información general Asignatura Programación Lineal Código Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos 3 Tipo de crédito Horas de trabajo con acompañamiento directo del profesor
CAPÍTULO 8 SIMULACIÓN DE ESCENARIOS
CAPÍTULO 8 SIMULACIÓN DE ESCENARIOS Simulación es el proceso de diseñar y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propósito de entender
Facultad de Ciencias Económicas, Jurídicas y Sociales - Métodos Cuantitativos para los Negocios
Ubicación dentro del Programa Unidad III UNIDAD II: PROGRAMACIÓN LINEAL 1. Característica. Formulación matemática de un problema de programación lineal. Planteo e interpretación de un sistema de inecuaciones.
CAPITULO I. Simulación En Minería
CAPITULO I Simulación En Minería En un esfuerzo por rastrear la historia de la Simulación en minería desde la publicación del primer documento en 1961 hasta nuestros días, las contribuciones importantes
UNIVERSIDAD NACIONAL AUTONOMA DE NICARAGUA UNAN-MANAGUA FAREM - CARAZO
UNIVERSIDAD NACIONAL AUTONOMA DE NICARAGUA UNAN-MANAGUA FAREM - CARAZO INVESTIGACIÓN DE OPERACIONES Laboratorio #1 GRAFICA DE REGIONES CONVEXAS Y SOLUCIÓN POR MÉTODO GRÁFICO DE UN PROBLEMA DE PROGRAMACIÓN
Excel Intermedio: Aplicado a Finanzas, Riesgo y Proyectos
Excel Intermedio: Aplicado a Finanzas, Riesgo y Proyectos Introducción: Actualmente, el Excel es uno de los software más utilizados por muchas instituciones y empresas en sus áreas de Finanzas, Riesgos
LIBRO GUIA: INVESTIGACIÓN DE OPERACIONES Hamdy A. Taha. Editorial Pearson Prentice Hall, 2004
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS: ELÉCTRICA, ELECTRÓNICA, FÍSICA Y CIENCIAS DE LA COMPUTACIÓN PROGRAMA INGENIERÍA DE SISTEMAS Y COMPUTACIÓN ASIGNATURA: INVESTIGACIÓN DE OPERACIONES
UNIDAD II. PROGRAMACIÓN LINEAL
UNIDAD II. PROGRAMACIÓN LINEAL OBJETIVO DE APRENDIZAJE: El alumno identificará y analizará problemas de optimización de funciones y recursos para mejorar la operación de una organización. Introducción
INFORME TÉCNICO PREVIO DE EVALUACIÓN DE SOFTWARE CONTRATACION DEL SERVICIO DE SERVICIO DE SOPORTE Y MANTENIMIENTO DE LICNECIAS DTS
INFORME TÉCNICO PREVIO DE EVALUACIÓN DE SOFTWARE CONTRATACION DEL SERVICIO DE SERVICIO DE SOPORTE Y MANTENIMIENTO DE LICNECIAS DTS 1. Nombre del Área : Gerencia de Sistemas y TI 2. Responsables de la Evaluación
PREFACIO... xvi. CAPÍTULO 1 Introduction... 1
ÍNDICE PREFACIO... xvi CAPÍTULO 1 Introduction... 1 1.1 Orígenes de la investigación de operaciones... 1 1.2 Naturaleza de la investigación de operaciones... 2 1.3 Efecto de la investigación de operaciones...
Tema 4: Programación lineal
Tema 4: Programación lineal 1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX) que consiste en una serie de métodos y procedimientos que permiten resolver
Para conocer la conveniencia de la aplicación SOLVER de EXCEL Microsoft, se utilizará un ejemplo práctico:
INSTRUCTIVO PARA USO DEL SOLVER DE EXCEL Documento Original: Ing. Mario René Galindo Modificado por: Ing. Golfredo Molina (mayo, 2009) La utilización de software para resolver problemas de programación
FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS E INFORMÁTICA
FACULTAD DE INGENIERÍA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS E INFORMÁTICA SÍLABO DE PROGRAMACIÓN LINEAL I. DATOS GENERALES 1.0 Unidad Académica : Ingeniería de Sistemas e Informática
Nivel de formación: PREGRADO. Requisitos: Estadística II 1. PRESENTACION DE LA ASIGNATURA
Página 1 de 10 Semestre: 5 Numero de créditos: 4 Nivel de formación: PREGRADO Requisitos: Estadística II Intensidad semanal: 4 horas Área: Formación Profesional Subárea: Producción y Operaciones Profesor:
Integradora 3. Modelos de Programación Lineal
Métodos Cuantitativos para la Toma de Decisiones Integradora 3. Modelos de Programación Lineal Objetivo Al finalizar la actividad integradora, serás capaz de: R l bl d PL di d l ét d Resolver problemas
Análisis de Presupuestos, Herramientas de Análisis Y Si
Análisis de Presupuestos, Herramientas de Análisis Y Si http://www.infop.hn Autor:Swamy Matute Análisis de Presupuestos, Herramientas de Análisis Y Si Objetivos de la Unidad Al finalizar la presente unidad
INSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UPIICSA CARRERA: ADMINISTRACION INDUSTRIAL ESPECIALIDAD: DEPARTAMENTO: CIENCIAS DE LA INGENIERÍA COORDINACIÓN: ACADEMIAS DE INVESTIGACIÓN DE OPERACIONES ASIGNATURA: INVESTIGACIÓN DE OPERACIONES
CAPÍTULO 1 PRESENTACIÓN DEL PROBLEMA DE OPTIMIZACIÓN DE CARTERAS DE INVERSIÓN
CAPÍTULO 1 PRESENTACIÓN DEL PROBLEMA DE OPTIMIZACIÓN DE CARTERAS DE INVERSIÓN Este capítulo da una introducción al problema de Optimización de Carteras de Inversión. Se menciona el objetivo general y los
SIGED Página 1 Sistema Integrado de. INVESTIGACIÓN DE OPERACIONES II Código: Nivel de formación: Pregrado Post-grado
SIGED Página 1 INVESTIGACIÓN DE OPERACIONES II Código: 562203 Nivel de formación: Pregrado Post-grado Numero de Créditos: 3 Área de formación: Asignatura Teórico-Practica: Si No Departamento que la oferta:
SOLVER PLANTEAR EL SIGUIENTE EJERCICIO CON SUS PASOS A SEGUIR Y DISEÑAR UN MODELO MATEMATICO CON SUS RESPECTIVAS FUNCIONES
SOLVER PLANTEAR EL SIGUIENTE EJERCICIO CON SUS PASOS A SEGUIR Y DISEÑAR UN MODELO MATEMATICO CON SUS RESPECTIVAS FUNCIONES 1. Analizar el problema ya que se tiene que realizar 2 tablas una para plantear
UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA
, UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA,, DEPARTAMENTO DE FORMACION BASICA PROGRAMA DE ASIGNATURA POR COMPETENCIAS :;::~ ':: : :.; _ ~. :- -. '.._.,,. _,.. '. :;: -: ' :'::-:'. ',;: ' -;,_..,. : : :..:
Pontificia Universidad Católica del Ecuador
1. DATOS INFORMATIVOS: MATERIA O MÓDULO: INVESTIGACION DE OPERACIONES CÓDIGO: CARRERA: NIVEL: INGENIERÍA DE SISTEMAS Cuarto No. CRÉDITOS: 4 CRÉDITOS TEORÍA: CRÉDITOS PRÁCTICA: SEMESTRE / AÑO ACADÉMICO:
Tema 4: Programación lineal
Tema 4: Programación lineal 1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX) que consiste en una serie de métodos y procedimientos que permiten resolver
Pontificia Universidad Católica del Ecuador
1. DATOS INFORMATIVOS: MATERIA O MÓDULO: INVESTIGACION DE OPERACIONES CÓDIGO: CARRERA: NIVEL: INGENIERÍA DE SISTEMAS Cuarto No. CRÉDITOS: 4 CRÉDITOS TEORÍA: CRÉDITOS PRÁCTICA: SEMESTRE / AÑO ACADÉMICO:
PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS
PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA DE SISTEMAS 1. DATOS INFORMATIVOS MATERIA: INVESTIGACIÓN DE OPERACIONES CODIGO: CARRERA: Ingeniería de Sistemas
Fundamentación de la materia dentro del plan de estudios.
Departamento: SISTEMAS Carrera: INGENIERIA EN SISTEMAS DE INFORMACIÓN Área: MODELOS Asignatura: INVESTIGACIÓN OPERATIVA Nivel: 4 Tipo: CUATRIMESTRAL Adjunto: CRISTINA ROJAS Auxiliares: JAVIER CANTÓ Planificación
Anexo I. Manual Crystal Ball
Anexo I. Manual Crystal Ball A1.1. Crystal Ball Este anexo presenta los conceptos básicos necesarios para comprender la simulación Monte Carlo, iniciar Crystal Ball, analizar los menús y las barras de
CM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Técnicas de optimización. Introducción.
Técnicas de optimización. Introducción. Diego A. Patino Pontificia Universidad Javeriana 18 de julio de 2016 1/ 20 Definición Composición Tipos de problemas Ejemplos 2/ 20 Qué es optimización? 3/ 20 Qué
UNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE lngenlería INDUSTRIAL
VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE lngenlería INDUSTRIAL PROGRAMA: INVESTIGACION DE OPERACIONES I CÓDIGO ASIGNATURA: 2215-948 PRE-REQUISITO: ALGEBRA Y PROGRAMACION
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) FACULTAD DE CIENCIAS ECONÓMICAS ESCUELA ACADÉMICO PROFESIONAL DE ECONOMÍA Semestre Académico 2014-II SÍLABO Curso INVESTIGACIÓN
El riesgo en los proyectos
El riesgo en los proyectos por Gabriel Pruneda El riesgo de un proyecto se define como la posibilidad de tener diferencias o bien, variabilidad, entre los flujos de cajas reales respecto a los flujos estimados.
MÉTODO DE MONTE CARLO MÉTODO DE BOOTSTRAP HEINZ ROQUE
Programa de Capacitación y Actualización de las Mejores Prácticas en Materia de Asociaciones Público Privadas MÉTODO DE MONTE CARLO MÉTODO DE BOOTSTRAP HEINZ ROQUE MÉXICO DF, MÉXICO, OCTUBRE, 2013 ÍNDICE
Investigación de Operaciones Contenido propuesto. Código de Asignatura 0489 Sitio del curso:
Investigación de Operaciones Contenido propuesto Código de Asignatura 0489 Sitio del curso: http://humberto-r-alvarez-a.webs.com Objetivos Aprender técnicas para la representación y resolución de situaciones
Información de la cátedra Profesores: Grupo 01: Prof. Fernando Sanchez.
2008: Hacia el proceso de autoevaluación y autorregulación. Asumiendo el reto para la excelencia profesional Misión Promover la formación humanista y profesional en el área de los negocios, con responsabilidad
Carrera: AGM Participantes Representante de las academias de Ingeniería Agronomía de los Institutos Tecnológicos. Academias
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Investigación de Operaciones Ingeniería en Agronomía AGM 0622 3 2 8 2. HISTORIA
UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA
UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DEPARTAMENTO DE FORMACIÓN BÁSICA PROGRAMA DE ASIGNATURA POR COMPETENCIAS I. DATOS DE IDENTIFICACIÓN 1. Unidad Académica(s) FACULTAD DE INGENIERÍA 2. Programa (s)
Sílabo del curso Tecnologías de Información Para Finanzas
Sílabo del curso Tecnologías de Información Para Finanzas Agosto diciembre 2018 VII Ciclo Profesor Jesús Calderón Contreras 1 I. Datos generales del curso Asignatura : Tecnologías de información para finanzas
UNIVERSIDAD AUTÓNOMA DE BUCARAMANGA Vicerrectoría Académica Departamento de Matemáticas y Ciencias Naturales
UNIVERSIDAD AUTÓNOMA DE BUCARAMANGA Vicerrectoría Académica Departamento de Matemáticas y Ciencias Naturales GUÌA DE CÀTEDRA DE ESTADISTICA GENERAL Fecha de actualización: junio 02 de 2015 1. Identificación
Actualizado UACE. Página 1
UNIVERSIDAD PILOTO DE COLOMBIA PLAN DE CURSO PROGRAMA: ADMINISTRACIÓN DE EMPRESAS FACULTAD DE CIENCIAS SOCIALES Y EMPRESARIALES 1. PRESENTACIÓN DEL CURSO Nombre. Métodos Cuantitativos Avanzados Código.
1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE
Practica 1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE I. INTRODUCCION Las planillas de cálculo se han
Año Académico 2009 INGENIERÍA INDUSTRIAL E INGENIERÍA DE SISTEMAS
Año Académico 2009 INGENIERÍA INDUSTRIAL E INGENIERÍA DE SISTEMAS Investigación de operaciones I UNIDAD Unidad I: Programación lineal Conjuntos convexos, propiedades. Solución gráfica del problema bidimensional
Sílabo del curso Investigación de Operaciones
Sílabo del curso Investigación de Operaciones Cursos Intensivos de Invierno 2017 V Ciclo Luis Miguel Sierra Flores I. Datos generales del curso Asignatura : Investigación de Operaciones Código : 01961
Facultad de Ciencias Exactas y Tecnología Universidad Autónoma Gabriel René Moreno CARRERA DE INGENIERIA INDUSTRIAL
DATOS GENERALES PROGRAMA ANALITICO DE LA ASIGNATURA INVESTIGACION OPERATIVA I (IND 150) ASIGNATURA:. Investigación Operativa I SIGLA Y CODIGO:... IND 150 CURSO:.. Quinto Semestre PREREQUISITOS: IND 110
INNOVACIÓN MODELOS DE TRANSPORTE APLICADOS A LAS ORGANIZACIONES. Jairo Alejandro Munar Mercado. Carlos Andrés Rubio Cárdenas
INNOVACIÓN MODELOS DE TRANSPORTE APLICADOS A LAS ORGANIZACIONES Jairo Alejandro Munar Mercado Ingeniero Industrial, Especialista en Gerencia de Mercadeo Estratégico, Diplomado en Sistemas Integrales de
UNIVERSIDAD AUTÓNOMA DE BUCARAMANGA Vicerrectoría Académica Departamento de Matemáticas y Ciencias Naturales
UNIVERSIDAD AUTÓNOMA DE BUCARAMANGA Vicerrectoría Académica Departamento de Matemáticas y Ciencias Naturales GUÌA DE CÀTEDRA DE ESTADISTICA DESCRIPTIVA Fecha de actualización: Noviembre 11 de 2016 1. Identificación
Programa de estudio INVESTIGACIÓN DE OPERACIONES
1.-Área académica Técnica 2.-Programa educativo INGENIERÍA MECÁNICA ELÉCTRICA 3.-Dependencia académica Facultad de Ingeniería Mecánica Eléctrica Región Xalapa, Veracruz, Cd. Mendoza, Poza Rica y Coatzacoalcos.
PROGRAMA DE UNIDAD CURRICULAR MÉTODOS CUANTITATIVOS PARA LA GERENCIA
UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS CÁTEDRA DE: OPERACIONES Y ANÁLISIS CUANTITATIVO MÉRIDA VENEZUELA PROGRAMA DE UNIDAD CURRICULAR
MANUAL DE USO PROGRAMA SENSIBAR
MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS
M. C. Jorge Enrique Valle Can Fecha de elaboración: Agosto de 2004 Fecha de última actualización: Julio de 2010
PROGRAMA DE ESTUDIO Investigación de Operaciones Programa Educativo: Área de Formación : Licenciatura en Actuaría Integral Profesional Horas teóricas: 2 Horas prácticas: 2 Total de Horas: 4 Total de créditos:
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA)
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA ESCUELA PROFESIONAL DE INGENIERÍA DE SOFTWARE 1. DATOS GENERALES Nombre
Fundamentos de la programación lineal. Función Objetivo (F.O.): Para seleccionar qué función objetivo debe elegirse se toma en cuenta lo siguiente:
Fundamentos de la programación lineal Se llama programación lineal al conjunto de técnicas matemáticas que pretenden resolver la situación siguiente: Optimizar (maximizar o minimizar) una función objetivo,
Tema 7: Problemas clásicos de Programación Lineal
Tema 7: Problemas clásicos de Programación Lineal 1.- Características generales de un problema de transporte y asignación Surgen con frecuencia en diferentes contextos de la vida real. Requieren un número
SEMESTRE ACADEMICO 2009-II
Pág. 1/7 SEMESTRE ACADEMICO 2009-II SILABO DE TEORIA DE DECISIONES 1. DATOS GENERALES 1.1 Escuela Profesional : Administración Turística y Hotelera 1.2 Código : TH-026 1.3 Semestre Académico : 2009 II
ANÁLISIS DE SENSIBILIDAD DE UN PROGRAMA MATEMATICO
ANÁLISIS DE SENSIBILIDAD DE UN PROGRAMA MATEMATICO En el mundo real, las condiciones de trabajo no suelen permanecer estáticas, sino en continuo estado de cambio. Así las cosas, son usuales las variaciones
Información general. Obligatoria básica o de fundamentación X. Obligatoria profesional. Horas de trabajo independiente del estudiante
Guía de asignatura Formato institucional Rev. Abril 2013 Información general Asignatura E S T A D I S T I C A Código 73210011 Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos
Finanzas I (Finanzas Corporativas) Finanzas y Negocios Internacionales Parcial 1 Marzo 8 de 2012
Nombre Código Profesor: Escriba el nombre de sus compañeros Al frente Izquierda Atrás Derecha Se puede consultar lo que tengan disponible, excepto el uso de Internet, chats, etc. No se puede prestar o
PC-0490 INVESTIGACIÓN DE OPERACIONES
PC-0490 INVESTIGACIÓN DE OPERACIONES DATOS DEL CURSO PROGRAMA DEL CURSO PC-0490 INVESTIGACIÓN DE OPERACIONES II CICLO 2018 Carrera Dirección de Empresas Curso del VII Ciclo de plan de estudios del 2002
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÍA DE SISTEMAS ASIGNATURA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÍA DE SISTEMAS SEMESTRE ASIGNATURA 5to INVESTIGACION DE OPERACIONES CÓDIGO HORAS
Información general. Álgebra y programación lineal. Obligatoria básica o de fundamentación X. A 3 Horas de trabajo independiente del estudiante
Guía de asignatura Información general Asignatura Código 73210015 Álgebra y programación lineal Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos 3 Tipo de crédito Horas de trabajo
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN Programa de la asignatura: MATEMÁTICAS VI (INVESTIGACIÓN DE OPERACIONES) LICENCIATURA: INFORMÁTICA CLAVE: SEMESTRE: 6º. PLAN: