La Optimización
Para que un sistema funcione en la realidad tiene que cumplir una serie de condiciones, en primer lugar tiene que ser un sistema eficaz, es decir, tiene que ser capaz de conseguir buenos resultados, calificaré de buenos resultados aquellos que superen al buy and hold de una forma clara, y además obtener un porcentaje de aciertos elevado, lo que dotará al sistema de seguridad; en segundo lugar para que el sistema funcione en su aplicación real será necesario que confiemos en el y que por lo tanto actuemos en consecuencia según sus señales, este es quizás el punto más complicado, existen en la actualidad muchos sistemas que dan muy buenos resultados, pero a veces es difícil confiar en ellos debido a que el mercado nos influye, el propio mercado es el mayor enemigo que tenemos a la hora de obtener beneficios, de forma que si no confiamos en nuestro sistema de inversión, y nos dejamos influir , fracasaremos.
¿ Es necesario un sistema de inversión ?, ¿ Porqué?, Seguir un sistema de inversión es totalmente necesario, debemos de tener en cuenta que dentro del Análisis Técnico hay multitud de instrumentos, osciladores, tipos de gráficos., en un elevado número de ocasiones nos vamos a encontrar que los diferentes instrumentos se contradicen, ¿ quiere decir esto que no sean válidos ? , efectivamente dentro del Análisis Técnico nos encontraremos con instrumentos que realmente no son válidos, pero existen muchos que si lo son, la razón de que en ocasiones se contradigan es que la mayoría de los osciladores son correctos solo en determinadas ocasiones, no existen osciladores que consigan rentabilidad y fiabilidad en todas las situaciones. Un sistema no tiene porque utilizar un solo indicador para dar sus señales, puede utilizar varios indicadores dotando de flexibilidad interna al modelo, de forma que con un solo sistema intentemos conseguir rentabilidad y fiabilidad en toda situación.
Para que un sistema funcione en la realidad tiene que cumplir una serie de condiciones, en primer lugar tiene que ser un sistema eficaz, es decir, tiene que ser capaz de conseguir buenos resultados, calificaré de buenos resultados aquellos que superen al buy and hold de una forma clara, y además obtener un porcentaje de aciertos elevado, lo que dotará al sistema de seguridad; en segundo lugar para que el sistema funcione en su aplicación real será necesario que confiemos en el y que por lo tanto actuemos en consecuencia según sus señales, este es quizás el punto más complicado, existen en la actualidad muchos sistemas que dan muy buenos resultados, pero a veces es difícil confiar en ellos debido a que el mercado nos influye, el propio mercado es el mayor enemigo que tenemos a la hora de obtener beneficios, de forma que si no confiamos en nuestro sistema de inversión, y nos dejamos influir , fracasaremos.
¿ Es necesario un sistema de inversión ?, ¿ Porqué?, Seguir un sistema de inversión es totalmente necesario, debemos de tener en cuenta que dentro del Análisis Técnico hay multitud de instrumentos, osciladores, tipos de gráficos., en un elevado número de ocasiones nos vamos a encontrar que los diferentes instrumentos se contradicen, ¿ quiere decir esto que no sean válidos ? , efectivamente dentro del Análisis Técnico nos encontraremos con instrumentos que realmente no son válidos, pero existen muchos que si lo son, la razón de que en ocasiones se contradigan es que la mayoría de los osciladores son correctos solo en determinadas ocasiones, no existen osciladores que consigan rentabilidad y fiabilidad en todas las situaciones. Un sistema no tiene porque utilizar un solo indicador para dar sus señales, puede utilizar varios indicadores dotando de flexibilidad interna al modelo, de forma que con un solo sistema intentemos conseguir rentabilidad y fiabilidad en toda situación.
. De esta forma intenta dar respuesta a un tipo general de problemas de la forma:
Donde x = (x1,...,xn) es un vector y representa variables de decisión, f(x) es llamada función objetivo y representa o mide la calidad de las decisiones (usualmente números enteros o reales) y Ω es el conjunto de decisiones factibles o restricciones del problema.
Algunas veces es posible expresar el conjunto de restricciones Ω como solución de un sistema de igualdades o desigualdades.
Programación Lineal (PL)
La programación lineal muchas veces es uno de los temas preferidos tanto de profesores como de alumnos. La capacidad de introducir la PL utilizando un abordaje gráfico, la facilidad relativa del método de solución, la gran disponibilidad de paquetes de software de PL y la amplia gama de aplicaciones hacen que la PL sea accesible incluso para estudiantes con poco conocimiento de matemática. Además, la PL brinda una excelente oportunidad para presentar la idea del análisis what-if o análisis de hipótesis ya que se han desarrollado herramientas poderosas para el análisis de post optimalidad para el modelo de PL.
La Programación Lineal (PL) es un procedimiento matemático para determinar la asignación óptima de recursos escasos. La PL es un procedimiento que encuentra su aplicación práctica en casi todas las facetas de los negocios, desde la publicidad hasta la planificación de la producción. Problemas de transporte, distribución, y planificación global de la producción son los objetos más comunes del análisis de PL. La industria petrolera parece ser el usuario más frecuente de la PL. Un gerente de procesamiento de datos de una importante empresa petrolera recientemente calculó que del 5% al 10% del tiempo de procesamiento informático de la empresa es destinado al procesamiento de modelos de PL y similares.
La programación lineal aborda una clase de problemas de programación donde tanto la función objetivo a optimizar como todas las relaciones entre las variables correspondientes a los recursos son lineales. Este problema fue formulado y resuelto por primera vez a fines de la década del 40. Rara vez una nueva técnica matemática encuentra una gama tan diversa de aplicaciones prácticas de negocios, comerciales e industriales y a la vez recibe un desarrollo teórico tan exhaustivo en un período tan corto. Hoy en día, esta teoría se aplica con éxito a problemas de presupuestos de capital, diseño de dietas, conservación de recursos, juegos de estrategias, predicción de crecimiento económico y sistemas de transporte. Recientemente la teoría de la programación lineal también contribuyó a la resolución y unificación de diversas aplicaciones.
Es importante que el lector entienda desde el comienzo que el término "programación" tiene un significado distinto cuando se refiere a Programación Lineal que cuando hablamos de Programación Informática. En el primer caso, significa planificar y organizar mientras que en el segundo caso, significa escribir las instrucciones para realizar cálculos. La capacitación en una clase de programación tiene muy poca relevancia directa con la otra clase de programación. De hecho, el término "programación lineal" se acuñó antes de que la palabra programación se relacionara con el software de computación. A veces se evita esta confusión utilizando el término optimización lineal como sinónimo de programación lineal.
Cualquier problema de PL consta de una función objetivo y un conjunto de restricciones. En la mayoría de los casos, las restricciones provienen del entorno en el cual usted trabaja para lograr su objetivo. Cuando usted quiere lograr el objetivo deseado, se dará cuenta de que el entorno fija ciertas restricciones (es decir, dificultades, limitaciones) para cumplir con su deseo (vale decir, el objetivo). Es por eso que las religiones, como el Budismo entre otras, prescriben vivir una vida abstemia. Sin deseo, no hay dolor. ¿Puede usted seguir este consejo con respecto a su objetivo de negocios?
Qué es una función: una función es una cosa que hace algo. Por ejemplo, una máquina de moler café es una función que transforma los granos de café en polvo. La función (objetivo) traza, traduce el dominio de entrada (denominado región factible) en un rango de salida con dos valores finales denominados valores máximo y mínimo.
Cuando se formula un problema de toma de decisiones como un programa lineal, se deben verificar las siguientes condiciones:
1. 1. La función objetivo debe ser lineal. Vale decir que se debe verificar que todas las variables estén elevadas a la primera potencia y que sean sumadas o restadas (no divididas ni multiplicadas);
2. 2. El objetivo debe ser ya sea la maximización o minimización de una función lineal. El objetivo debe representar la meta del decisor; y
3. 3. Las restricciones también deben ser lineales. . Asimismo, la restricción debe adoptar alguna de las siguientes formas ( £, ³, O =, es decir que las restricciones de PL siempre están cerradas).
Por ejemplo, el siguiente problema no es un problema de PL: Max X, sujeta a < 1. Este problema tan sencillo no tiene solución.
Como siempre, se debe tener cuidado al categorizar un problema de optimización como un problema de PL. ¿El siguiente problema es un problema de PL?
Max X2sujeta a:X1 + X2 £ 0X12 - 4 £ 0
Aunque la segunda restricción parece "como si" fuera una restricción no lineal, esta restricción puede escribirse también de la siguiente forma:X1 ³ -2, y X2 £ 2. En consecuencia, el problema es de hecho un problema de PL.
Para la mayoría de los problemas de PL, podemos decir que existen dos tipos importantes de objetos: en primer lugar, los recursos limitados, tales como terrenos, capacidad de planta, o tamaño de la fuerza de ventas; en segundo lugar, las actividades, tales como "producir acero con bajo contenido de carbono", y "producir acero con alto contenido de carbono". Cada actividad consume o probablemente contribuye cantidades adicionales de recursos. Debe haber una función objetivo, es decir, una manera de discriminar una mala de una buena o una mejor decisión. El problema es determinar la mejor combinación de niveles de actividades, que no utilice más recursos de los disponibles. Muchos gerentes se enfrentan a esta tarea todos los días. Afortunadamente, el software de programación lineal ayuda a determinar esto cuando se ingresa un modelo bien formulado.
El método Simplex es un algoritmo de solución muy utilizado para resolver programas lineales. Un algoritmo es una serie de pasos para cumplir con una tarea determinada.
El logarítmo en base a de un número n, es otro número b, tal que cumple esta ecuación: ab = n.
Dicho matemáticamente loga n = b ==> ab = n.
No continúes mientras no te grabes esta definición en tu cabeza de tal manera que no se te olvide nunca.
Si lo comprendes puedes continuar.
Supongamos que el logarítmo en base a de un numero n1 sea b1 (loga n1 = b1).
Entonces ab1 = n1.
Supongamos que el logarítmo en base a de un numero n2 sea b2 (loga n2 = b2).
Entonces ab2 = n2.
Supongamos que nos piden que calculemos el logarítmo del producto n1.n2, y digamos que es b. Si tenemos en cuenta las igualdades anteriores nos queda:
loga n1.n2 = loga ab1.ab2 = b
ab = ab1.ab2 = ab1+b2
Para que esta igualdad se cumpla b = b1 + b2, por lo tanto el logarítmo de un producto es igual a la suma de los logaritmos de los factores.
De igual manera se demostraría que el logarítmo de un cociente es la diferencia de los logaritmos del numerador y denominador, y con un poco más de trabajo que el logarítmo de una exponenciación es igual al exponente por el logarítmo de la base.
Ya podemos responder a la pregunta de para qué sirven los logarítmos: Hace no muchos años, no había ordenadores, ni calculadoras, y por lo tanto multiplicar y dividir (y muchisimo mas la exponenciación) cuando los números implicados eran grandes, era una tarea árdua (y casi seguro que se cometían errores). Con los logarítmos las multiplicaciones se convierten en sumas, las divisiones en restas y la exponenciación en multiplicaciones, con lo que se facilitaban mucho las operaciones. Una vez obtenido el resultado se calculaba el antilogarítmo para obtener el numero real.
Donde x = (x1,...,xn) es un vector y representa variables de decisión, f(x) es llamada función objetivo y representa o mide la calidad de las decisiones (usualmente números enteros o reales) y Ω es el conjunto de decisiones factibles o restricciones del problema.
Algunas veces es posible expresar el conjunto de restricciones Ω como solución de un sistema de igualdades o desigualdades.
Programación Lineal (PL)
La programación lineal muchas veces es uno de los temas preferidos tanto de profesores como de alumnos. La capacidad de introducir la PL utilizando un abordaje gráfico, la facilidad relativa del método de solución, la gran disponibilidad de paquetes de software de PL y la amplia gama de aplicaciones hacen que la PL sea accesible incluso para estudiantes con poco conocimiento de matemática. Además, la PL brinda una excelente oportunidad para presentar la idea del análisis what-if o análisis de hipótesis ya que se han desarrollado herramientas poderosas para el análisis de post optimalidad para el modelo de PL.
La Programación Lineal (PL) es un procedimiento matemático para determinar la asignación óptima de recursos escasos. La PL es un procedimiento que encuentra su aplicación práctica en casi todas las facetas de los negocios, desde la publicidad hasta la planificación de la producción. Problemas de transporte, distribución, y planificación global de la producción son los objetos más comunes del análisis de PL. La industria petrolera parece ser el usuario más frecuente de la PL. Un gerente de procesamiento de datos de una importante empresa petrolera recientemente calculó que del 5% al 10% del tiempo de procesamiento informático de la empresa es destinado al procesamiento de modelos de PL y similares.
La programación lineal aborda una clase de problemas de programación donde tanto la función objetivo a optimizar como todas las relaciones entre las variables correspondientes a los recursos son lineales. Este problema fue formulado y resuelto por primera vez a fines de la década del 40. Rara vez una nueva técnica matemática encuentra una gama tan diversa de aplicaciones prácticas de negocios, comerciales e industriales y a la vez recibe un desarrollo teórico tan exhaustivo en un período tan corto. Hoy en día, esta teoría se aplica con éxito a problemas de presupuestos de capital, diseño de dietas, conservación de recursos, juegos de estrategias, predicción de crecimiento económico y sistemas de transporte. Recientemente la teoría de la programación lineal también contribuyó a la resolución y unificación de diversas aplicaciones.
Es importante que el lector entienda desde el comienzo que el término "programación" tiene un significado distinto cuando se refiere a Programación Lineal que cuando hablamos de Programación Informática. En el primer caso, significa planificar y organizar mientras que en el segundo caso, significa escribir las instrucciones para realizar cálculos. La capacitación en una clase de programación tiene muy poca relevancia directa con la otra clase de programación. De hecho, el término "programación lineal" se acuñó antes de que la palabra programación se relacionara con el software de computación. A veces se evita esta confusión utilizando el término optimización lineal como sinónimo de programación lineal.
Cualquier problema de PL consta de una función objetivo y un conjunto de restricciones. En la mayoría de los casos, las restricciones provienen del entorno en el cual usted trabaja para lograr su objetivo. Cuando usted quiere lograr el objetivo deseado, se dará cuenta de que el entorno fija ciertas restricciones (es decir, dificultades, limitaciones) para cumplir con su deseo (vale decir, el objetivo). Es por eso que las religiones, como el Budismo entre otras, prescriben vivir una vida abstemia. Sin deseo, no hay dolor. ¿Puede usted seguir este consejo con respecto a su objetivo de negocios?
Qué es una función: una función es una cosa que hace algo. Por ejemplo, una máquina de moler café es una función que transforma los granos de café en polvo. La función (objetivo) traza, traduce el dominio de entrada (denominado región factible) en un rango de salida con dos valores finales denominados valores máximo y mínimo.
Cuando se formula un problema de toma de decisiones como un programa lineal, se deben verificar las siguientes condiciones:
1. 1. La función objetivo debe ser lineal. Vale decir que se debe verificar que todas las variables estén elevadas a la primera potencia y que sean sumadas o restadas (no divididas ni multiplicadas);
2. 2. El objetivo debe ser ya sea la maximización o minimización de una función lineal. El objetivo debe representar la meta del decisor; y
3. 3. Las restricciones también deben ser lineales. . Asimismo, la restricción debe adoptar alguna de las siguientes formas ( £, ³, O =, es decir que las restricciones de PL siempre están cerradas).
Por ejemplo, el siguiente problema no es un problema de PL: Max X, sujeta a < 1. Este problema tan sencillo no tiene solución.
Como siempre, se debe tener cuidado al categorizar un problema de optimización como un problema de PL. ¿El siguiente problema es un problema de PL?
Max X2sujeta a:X1 + X2 £ 0X12 - 4 £ 0
Aunque la segunda restricción parece "como si" fuera una restricción no lineal, esta restricción puede escribirse también de la siguiente forma:X1 ³ -2, y X2 £ 2. En consecuencia, el problema es de hecho un problema de PL.
Para la mayoría de los problemas de PL, podemos decir que existen dos tipos importantes de objetos: en primer lugar, los recursos limitados, tales como terrenos, capacidad de planta, o tamaño de la fuerza de ventas; en segundo lugar, las actividades, tales como "producir acero con bajo contenido de carbono", y "producir acero con alto contenido de carbono". Cada actividad consume o probablemente contribuye cantidades adicionales de recursos. Debe haber una función objetivo, es decir, una manera de discriminar una mala de una buena o una mejor decisión. El problema es determinar la mejor combinación de niveles de actividades, que no utilice más recursos de los disponibles. Muchos gerentes se enfrentan a esta tarea todos los días. Afortunadamente, el software de programación lineal ayuda a determinar esto cuando se ingresa un modelo bien formulado.
El método Simplex es un algoritmo de solución muy utilizado para resolver programas lineales. Un algoritmo es una serie de pasos para cumplir con una tarea determinada.
El logarítmo en base a de un número n, es otro número b, tal que cumple esta ecuación: ab = n.
Dicho matemáticamente loga n = b ==> ab = n.
No continúes mientras no te grabes esta definición en tu cabeza de tal manera que no se te olvide nunca.
Si lo comprendes puedes continuar.
Supongamos que el logarítmo en base a de un numero n1 sea b1 (loga n1 = b1).
Entonces ab1 = n1.
Supongamos que el logarítmo en base a de un numero n2 sea b2 (loga n2 = b2).
Entonces ab2 = n2.
Supongamos que nos piden que calculemos el logarítmo del producto n1.n2, y digamos que es b. Si tenemos en cuenta las igualdades anteriores nos queda:
loga n1.n2 = loga ab1.ab2 = b
ab = ab1.ab2 = ab1+b2
Para que esta igualdad se cumpla b = b1 + b2, por lo tanto el logarítmo de un producto es igual a la suma de los logaritmos de los factores.
De igual manera se demostraría que el logarítmo de un cociente es la diferencia de los logaritmos del numerador y denominador, y con un poco más de trabajo que el logarítmo de una exponenciación es igual al exponente por el logarítmo de la base.
Ya podemos responder a la pregunta de para qué sirven los logarítmos: Hace no muchos años, no había ordenadores, ni calculadoras, y por lo tanto multiplicar y dividir (y muchisimo mas la exponenciación) cuando los números implicados eran grandes, era una tarea árdua (y casi seguro que se cometían errores). Con los logarítmos las multiplicaciones se convierten en sumas, las divisiones en restas y la exponenciación en multiplicaciones, con lo que se facilitaban mucho las operaciones. Una vez obtenido el resultado se calculaba el antilogarítmo para obtener el numero real.
¿Cómo se cambia de base un logarítmo?
Según la definición de logarítmo, loga b = c, quiere decir que b = ac
Tomando logarítmos en base n, a esta última expresión, logn b = c logn a, pero c = loga b. Entonces loga b= logn b / logn a
Orígenes
Los logaritmos se atribuyen a John Napier. Publicó su trabajo en 1614 en el libro Mirifici logarithmorum canonis descriptio (Descripción de la maravillosa regla de los logaritmos).
Napier era un terrateniente escocés (no era por lo tanto, un profesional de las matemáticas).
Napier seguramente estudió las sucesiones de las potencias de un número y se percató que los productos y cocientes de dos números de dichas sucesiones son iguales a las potencias de las sumas o diferencias de los exponentes de dichos números (an.am = a(n+m)). Pero estas sucesiones no resultaban útiles para el cálculo porque entre dos potencias sucesivas había un hueco muy grande y la interpolación que había que hacer era muy imprecisa.
Para conseguir que los términos de la progresión geométrica formada por las potencias enteras de un número estuviesen proximas, tomó un número muy próximo a 1 (Napier tomó el número 0,9999999 = 1- 10-7). Para evitar el uso de decimales multiplicó todas las potencias por 107. Entonces cualquier número a = 107(1-10-7)b . b sería el logaritmo de a.
Napier llamó al principio a estos número artificiales, pero mas tarde se decidió por la unión de dos palabras griegas logos (razón) y arithmos (número).
Este sistema de cálculo fue aceptado con gran rapidez. Entre los mas entusiastas estaba Henry Briggs. Briggs visitó a Napier en 1615 y entre los dos vieron la posibilidad de hacer algunas modificaciones.
Briggs, en vez de tomar un número muy próximo a 1, partió de la igualdad log 10 = 1 y después fue calculando otros logartimos tomando raices sucesivamente (como la raiz cuadrada de 10 es 3,1622, entonces el logaritmo de 3,1622 es 2).
En 1617 publicó Logarithnmorum chilias prima (Logaritmos de los números 1 al 1000) y en 1624 publicó Arithmetica logarithmica.
¿qué es la Investigación de operaciones? Definición
La terminología “Investigación de operaciones” es algo desafortunada o aún divertida, puesto que no se refiere para nada a operaciones, ni su aplicación implica cualquier investigación en el sentido tradicional. Algunas buenas definiciones de Investigación de operaciones son:
· La investigación de operaciones (OR) es la disciplina de aplicar métodos analíticos avanzados para ayudar a tomar mejores decisiones. Usando técnicas tales como modelos matemáticos para analizar situaciones complejas, la investigación de operaciones da a ejecutivos el poder de tomar decisiones más eficaces y de construir sistemas más productivos.
· O.R. está la disciplina profesional esa los acuerdos con la aplicación de la tecnología de información para la toma de decisiones informada. Apunta a proporcionar las bases racionales para la toma de decisiones intentando entender y estructurar situaciones complejas y utilizar esta comprensión para predecir el comportamientos del sistema y para mejorar el desempeño del mismo. Mucho de este trabajo son técnicas analíticas y numéricas hechas para desarrollar y manipular modelos matemáticos y de computadora que simulen los sistemas de organización, los mismos que están integrados por el personal, las máquinas, y los procedimientos.
· O.R. atrae sobre ideas de la ingeniería, de la gestión, de matemáticas, y de psicología de contribuir a una variedad amplia de dominios de la aplicación; el campo se relaciona de cerca con varios otros campos dentro de las “ciencias decisionales” - matemáticas aplicadas, informática, economía, ingeniería industrial, e ingeniería de sistemas.
· O.R. es la ciencia de la toma de decisiones racional y del estudio, el diseño y la integración de situaciones y de sistemas complejos con la meta desempeño del sistema que predice del sistema del comportamiento y el mejorar o de la optimización. Abarca toma de decisiones directivas, el modelo matemático y de computadora, y el uso de la tecnología de la información para la toma de decisiones informadas.
Como ciencia, O.R. remonta sus raíces de nuevo a la Segunda Guerra Mundial, cuando los planificadores militares tales como Frederick Lanchester y Patrick Blackett buscaron maneras de llevar los cálculos científicos a los Aliados contra la Alemania nazi.
Según la definición de logarítmo, loga b = c, quiere decir que b = ac
Tomando logarítmos en base n, a esta última expresión, logn b = c logn a, pero c = loga b. Entonces loga b= logn b / logn a
Orígenes
Los logaritmos se atribuyen a John Napier. Publicó su trabajo en 1614 en el libro Mirifici logarithmorum canonis descriptio (Descripción de la maravillosa regla de los logaritmos).
Napier era un terrateniente escocés (no era por lo tanto, un profesional de las matemáticas).
Napier seguramente estudió las sucesiones de las potencias de un número y se percató que los productos y cocientes de dos números de dichas sucesiones son iguales a las potencias de las sumas o diferencias de los exponentes de dichos números (an.am = a(n+m)). Pero estas sucesiones no resultaban útiles para el cálculo porque entre dos potencias sucesivas había un hueco muy grande y la interpolación que había que hacer era muy imprecisa.
Para conseguir que los términos de la progresión geométrica formada por las potencias enteras de un número estuviesen proximas, tomó un número muy próximo a 1 (Napier tomó el número 0,9999999 = 1- 10-7). Para evitar el uso de decimales multiplicó todas las potencias por 107. Entonces cualquier número a = 107(1-10-7)b . b sería el logaritmo de a.
Napier llamó al principio a estos número artificiales, pero mas tarde se decidió por la unión de dos palabras griegas logos (razón) y arithmos (número).
Este sistema de cálculo fue aceptado con gran rapidez. Entre los mas entusiastas estaba Henry Briggs. Briggs visitó a Napier en 1615 y entre los dos vieron la posibilidad de hacer algunas modificaciones.
Briggs, en vez de tomar un número muy próximo a 1, partió de la igualdad log 10 = 1 y después fue calculando otros logartimos tomando raices sucesivamente (como la raiz cuadrada de 10 es 3,1622, entonces el logaritmo de 3,1622 es 2).
En 1617 publicó Logarithnmorum chilias prima (Logaritmos de los números 1 al 1000) y en 1624 publicó Arithmetica logarithmica.
¿qué es la Investigación de operaciones? Definición
La terminología “Investigación de operaciones” es algo desafortunada o aún divertida, puesto que no se refiere para nada a operaciones, ni su aplicación implica cualquier investigación en el sentido tradicional. Algunas buenas definiciones de Investigación de operaciones son:
· La investigación de operaciones (OR) es la disciplina de aplicar métodos analíticos avanzados para ayudar a tomar mejores decisiones. Usando técnicas tales como modelos matemáticos para analizar situaciones complejas, la investigación de operaciones da a ejecutivos el poder de tomar decisiones más eficaces y de construir sistemas más productivos.
· O.R. está la disciplina profesional esa los acuerdos con la aplicación de la tecnología de información para la toma de decisiones informada. Apunta a proporcionar las bases racionales para la toma de decisiones intentando entender y estructurar situaciones complejas y utilizar esta comprensión para predecir el comportamientos del sistema y para mejorar el desempeño del mismo. Mucho de este trabajo son técnicas analíticas y numéricas hechas para desarrollar y manipular modelos matemáticos y de computadora que simulen los sistemas de organización, los mismos que están integrados por el personal, las máquinas, y los procedimientos.
· O.R. atrae sobre ideas de la ingeniería, de la gestión, de matemáticas, y de psicología de contribuir a una variedad amplia de dominios de la aplicación; el campo se relaciona de cerca con varios otros campos dentro de las “ciencias decisionales” - matemáticas aplicadas, informática, economía, ingeniería industrial, e ingeniería de sistemas.
· O.R. es la ciencia de la toma de decisiones racional y del estudio, el diseño y la integración de situaciones y de sistemas complejos con la meta desempeño del sistema que predice del sistema del comportamiento y el mejorar o de la optimización. Abarca toma de decisiones directivas, el modelo matemático y de computadora, y el uso de la tecnología de la información para la toma de decisiones informadas.
Como ciencia, O.R. remonta sus raíces de nuevo a la Segunda Guerra Mundial, cuando los planificadores militares tales como Frederick Lanchester y Patrick Blackett buscaron maneras de llevar los cálculos científicos a los Aliados contra la Alemania nazi.
No hay comentarios:
Publicar un comentario