CLACIFICACION DE LOS MODELOS DE OPTIMIZACION

Plus de détails

7 HERRAMIENTAS DE LA CALIDAD

par LUIS ALFONSO

Pruebas saber 11 2021

par hector mario olarte gutierrez

Importancia de la Investigación Educativa

par El Hombre Araña

Línea de Tiempo "Historia, Evolución, Hechos Destacables, Situación Actual y Expectativas de las Investigaciones de Mercado"

par Alex M.Esquivel

2- CLASIFICACIÓN DE LOS MODELOS DE OPTIMIZACIÓN: Estos modelos pueden representar varios sistemas los cuales muestran un comportaniento Lineal o no lineal, estatico o dinamico

PUNTO 3- el uso de los modelos nos permite un mejor análisis de las diferentes situaciones, adicional mente los modelos nos ayudan a la toma de decisiones y evitar errores

BIBLIOGRAFIA https://prezi.com/bonabp8zukrq/modelo-estatico-dinamico/, https://www.sopadebits.com/modelos-lineales-regresion-lineal

ALGUNOS MODELOS SEGÚN WINSTON 2005 SON:

MODELOS DETERMINÍSTICOS Y ESTOCASTICOS

Modelo Estócastico: Por el contrario, en los modelos estocásticos también conocidos como modelos probabilísticos, algún elementó no se conoce con anticipación, incorporando así la incertidumbre

Modelos Deterministicos: Los modelos determinísticos son aquellos donde se supone que los datos se conocen con certeza, es decir, se supone que cuando el modelo sea analizado se tiene disponible toda la información necesaria para la toma de decisiones.

MODELO ENTEROS Y NO ENTEROS

Modelos NO enteros: cuando todas las variables de decisión son libres para asumir valores fraccinarios

Modelos enteros: Los modelos de programación entera son una extensión de los modelos lineales en los que algunas variables toman valores enteros. Con frecuencia las variables enteras sólo toman valores en 0-1, ya que este tipo de variables permiten representar condiciones lógicas.

MODELOS ESTÁTICOS Y DINÁMICO:

Modelo Dinámico: las características que muestran este modelo es el cambio que presentan las variables en función del tiempo, pronósticos y programación dinamica

Modelo Estático: el modelo Estático es donde las las variables de decisión no requieren sucesiones de decisiones para periodos múltiples y esta no manejan la variable tiempo, por que representa a un sistema en un punto en particular

MODELOS LINEALES O NO LINEALES:

Modelos No Lineales: NO LINEAL se puede definir como un ajuste a cualquier modelo diferente del modelo de una LINEA RECTA.

Modelos lineales: Cuando las variables de decisión aparecen en la,función objetivo y en las restricciones de un modulo de optimizacion, se multiplican por contantes y acomodadas en forma de suma; este modelo es el llamado lineal, Los modelos lineales son un tipo de estadística multivariante (o multivariable), pero ni mucho menos el único. El análisis multivariante se centra en estudiar conjuntos de variables y su peso en los análisis para poder descartar las menos representativas. En el caso de los modelos lineales se parte de la base que existe un proceso (debido a una secuencia de causas) que genera el efecto a analizar, y en el cual intervienen una serie de perturbaciones aleatorias ajenas al proceso, y denominadas error.l

Subtema