TEORIA DE LAS DECISIONES - (212066A_761)

Unit 2: Task 2 - Uncertainty environments and game theory

JOSE MIGUEL MAHCHA RODRIGUEZ

JARLINSON HERRERA
CATHERINE LORENA VALENCIA
LEIDY JOHANNA BARRERA
ELSON PALACIOS

TUTOR
RICARDO JAVIER PINEDA

212066_39

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERIA
FORMACIÓN PROFESIONAL
Formación Interdisciplinar Básica Común
 Exercise 1. Laplace, Wald or

In the company ABC several alternatives are presented to choose the best technology of four po
benefits of each alternative and degree of adaptation of the

Está basado en el principio de razón insuficiente, la ausencia de

Criteria the Laplace: conocimiento sobre el estado de la naturaleza equivale a afirmar qu
todos los estados son equiprobables.

𝑉𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 𝜆_𝑖= {1/𝑛

∑_(𝑗=1)^𝑛▒𝑅_𝑖𝑗 }
Probability (1/5) (1/5) (1/5) (1/5) (1/5)
Fits Fits Fits very
Alternative Does not fit Fits well
acceptably successfully well
Technology 1 2118 2168 2213 2265 2230
Technology 2 2109 2158 2245 2252 2328
Technology 3 2145 2177 2232 2256 2303
Technology 4 2130 2166 2206 2255 2322
Technology 5 2128 2165 2213 2275 2335

Max profit

Es el criterio conservador. Es un criterio pesimista, debido a que

Criteria the wald or
razona sobre la peor situación que se le pueda presentar al deciso
Pessimistic:
una vez elegida una alternativa.

𝑉𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 𝜆_𝑖= 𝑀𝑎𝑥 (𝑚𝑖𝑛"|" _(=1)^𝑛

(𝑅_𝑖𝑗))
Fits Fits Fits very
Alternative Does not fit Fits well
acceptably successfully well
Technology 1 2118 2168 2213 2265 2230
Technology 2 2109 2158 2245 2252 2328
Technology 3 2145 2177 2232 2256 2303
Technology 4 2130 2166 2206 2255 2322
Technology 5 2128 2165 2213 2275 2335

Maximum
 El decisor que sigue este criterio identifica cada alternativa con el
Criteria Optimistic: mejor resultado posible, optando por la alternativa que corresponda
con dicho valor.

𝑉𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 𝜆_𝑖= 𝑀𝑎𝑥 (𝑚𝑎𝑥"|"

_(=1)^𝑛 (𝑅_𝑖𝑗))
Fits Fits Fits very
Alternative Does not fit Fits well
acceptably successfully well
Technology 1 2118 2168 2213 2265 2230
Technology 2 2109 2158 2245 2252 2328
Technology 3 2145 2177 2232 2256 2303
Technology 4 2130 2166 2206 2255 2322
Technology 5 2128 2165 2213 2275 2335

Maximum
 1. Laplace, Wald or pessimistic, optimistic, Hurwicz and Savage criteria (Profit Matrix):

technology of four possible, whose performance depends on the adaptation of the workers who will manipulate th
ee of adaptation of the workers are given in the table, in millions of pesos ($). For Hurwicz please assume an alph

ente, la ausencia de
equivale a afirmar que
bables.
Este criterio representa un abanico de actitudes,
Criteria the Hurwicz:
aplicar este criterio de decisión, se define el

𝑉𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 𝜆_𝑖= (𝑀𝑎𝑥 𝑅_𝑖𝑗

∗𝛼+𝑚𝑖𝑛 〖 𝑅〗 _𝑖𝑗∗(1−𝛼))

VM Fits Fits
Alternative Does not fit
acceptably successfully
2198.8 Technology 1 2118 2168 2213
2218.4 Technology 2 2109 2158 2245
2222.6 Technology 3 2145 2177 2232
2215.8 Technology 4 2130 2166 2206
2223.2 Technology 5 2128 2165 2213

2223.2

imista, debido a que Transforma la matriz de resultados en una matriz

a presentar al decisor Criteria the Savage: se evalua facilmente el coste de oportunidad en
tiva. tomar una decisión equivocad

Matrix of expected benefits

Fits Fits
VM Alternative Does not fit
acceptably successfully
2118 Technology 1 2118 2168 2213
2109 Technology 2 2109 2158 2245
2145 Technology 3 2145 2177 2232
2130 Technology 4 2130 2166 2206
2128 Technology 5 2128 2165 2213
Maximum 2145 2177 2245
2145
Errors matrix
ada alternativa con el
Fits Fits
ativa que corresponda Alternative Does not fit
acceptably successfully
Technology 1 27 9 32
Technology 2 36 19 0
Technology 3 0 0 13
Technology 4 15 11 39
Technology 5 17 12 32
VM
2265
2328
2303
2322 Conclusion:
To choose the optimal level of decision, all the applied methods are compared
2335
that has the greatest utility is chosen, between technology 3 and 5, technology
exercise, because it is the one that has the greatest utility.
2335
 fit Matrix):

workers who will manipulate the equipments that comprise it. The expected
Hurwicz please assume an alpha of 0,7.

senta un abanico de actitudes, desde la más pesimista a la más optimista. Para

riterio de decisión, se define el coeficiente de optimismo entre el 0 y el 1.
𝛼

𝑎𝑥 𝑅_𝑖𝑗
Optimistic Alpha 0.7
Pessimistic Alpha 0.3
Fits very
Fits well Maximum Minimum VM
well
2265 2230 2265 2118 2220.9
2252 2328 2328 2109 2262.3
2256 2303 2303 2145 2255.6
2255 2322 2322 2130 2264.4
2275 2335 2335 2128 2272.9

Maximum 2272.9

triz de resultados en una matriz de errorres. Donde

ente el coste de oportunidad en el que incurre por
tomar una decisión equivocada.

Fits very
Fits well
well
2265 2230
2252 2328
2256 2303
2255 2322
2275 2335
2275 2335
 Fits very
Fits well VM
well
10 105 105
23 7 36
19 32 32
20 13 39
0 0 32

Minimum 32

clusion:
applied methods are compared and the technology
echnology 3 and 5, technology 5 is chosen for this
ne that has the greatest utility.
 Cost matrix

LAPLACE

We average the values ​that we get a result and we get the minimum value

Probability (1/5) (1/5) (1/5) (1/5)

Event
Alternative e1(610) e2(630) e3(680) e4(715)

e1(610) 2109 2197 2236 2271

e2(630) 2112 2152 2228 2281
e3(680) 2137 2168 2240 2275
e4(715) 2110 2176 2238 2286
e5(730) 2136 2173 2243 2287

OPTIMIST

First we take out the minimum values ​and each point and then we select the general
minimum

Event
Alternative e1(610) e2(630) e3(680) e4(715)

e1(610) 2109 2197 2236 2271

e2(630) 2112 2152 2228 2281
e3(680) 2137 2168 2240 2275
e4(715) 2110 2176 2238 2286
e5(730) 2136 2173 2243 2287

SAVAGE

We take the minimum cost per event and then subtract it from each element, and then
build the new matrix

Event
 Alternative e1(610) e2(630) e3(680) e4(715)

e1(610) 2109 2197 2236 2271

e2(630) 2112 2152 2228 2281
e3(680) 2137 2168 2240 2275
e4(715) 2110 2176 2238 2286
e5(730) 2136 2173 2243 2287
Min 2109 2152 2228 2271

SAVAGE

We get the maximum value of each point and then subtract it to make the new
matrix
Event
Fits
Fits successfu
Alternative Does not fit Fits well
acceptably lly
Technology 1 2118 2168 2213 2265
Technology 2 2109 2158 2245 2252
Technology 3 2145 2177 2232 2256
Technology 4 2130 2166 2206 2255
Technology 5 2128 2165 2213 2275
Maximo 2145 2177 2245 2275

New matrix

Event
Fits
Fits successfu
Alternative Does not fit Fits well
acceptably lly
Technology 1 27 9 32 10
Technology 2 36 19 0 23
Technology 3 0 0 13 19
Technology 4 15 11 39 20
Technology 5 17 12 32 0
 WALD O PESSIMIST

We get the minimum value of each alternative, with the

value and select such alternative
the minimum value

(1/5) Event
Alternative e1(610) e2(630)
e5(730) VE (A)
e1(610) 2109 2197
2332 2229 e2(630) 2112 2152
2315 2217.6 e3(680) 2137 2168
2317 2227.4 e4(715) 2110 2176
2331 2228.2 e5(730) 2136 2173
2329 2233.6

Min 2217.6

HURWICZ

hen we select the general

We have the values ​max (0.7) and Minim

e5(730) Valor
minimo Event
2332 2109
Alternative e1(610) e2(630)
2315 2112
2317 2137 e1(610) 2109 2197
2331 2110 e2(630) 2112 2152
2329 2136 e3(680) 2137 2168
e4(715) 2110 2176
Min 2109 e5(730) 2136 2173

New matrix

each element, and then Event

Alternative e1(610) e2(630)

e1(610) 0 45
 e2(630) 3 0
e5(730)
e3(680) 28 16
2332 e4(715) 1 24
2315 e5(730) 27 21
2317
2331
2329
2315

t it to make the new

Fits very
well
2230
2328
2303
2322
2335
2335

Fits very
Maximum
well
 105 105
7 36
32 32
13 39
0 32

Minimum 32
of each alternative, with the result, we choose the minimum
native

Event
e3(680) e4(715) e5(730) Maximum
2236 2271 2332 2332
2228 2281 2315 2315
2240 2275 2317 2317
2238 2286 2331 2331
2243 2287 2329 2329

Min 2315

values ​max (0.7) and Minimum (0.3) with this we carry out the exercise

Optimism Alpha 0.7

Pessimism Alpha 0.3
Event 0.7 0.3
e3(680) e4(715) e5(730) Minimum Maximum VE

2236 2271 2332 2109 2332 2175.9

2228 2281 2315 2112 2315 2172.9
2240 2275 2317 2137 2317 2191
2238 2286 2331 2110 2331 2176.3
2243 2287 2329 2136 2329 2193.9

Min 2172.9

Event
e3(680) e4(715) e5(730) Maximum

8 0 17 45
0 10 0 10
12 4 2 28
10 15 16 24
15 16 14 27

Min 10
3. Criterios de ejercer Laplace, o Wald, Hurwicz y Savage (matriz de costos) pesimista,
optimista:

Un almacén de productos terminados que arrienda sus servicios a las importaciones de los
EE.UU., debe planificar su nivel de suministro para satisfacer la demanda de sus clientes en
el día del amor y la amistad. El número exacto de cajas no se conoce, pero se espera que
caiga en una de cinco categorías: 580, 720, 750, 790 y 830 cajas. Hay por lo tanto cuatro
niveles de suministro. Se espera que la desviación del número de tolvas para dar lugar a
costes adicionales, ya sea debido al suministro excesivo o porque la demanda no puede ser
satisfecha. La siguiente tabla muestra los costos en cientos de dólares (US $). Por favor
Hurwicz suponer un alfa de 0,55.

Event
ALTERNATIVE E1(580) E2(720) E3(750) E4(790) E5(830)

E1(580) 1147 1152 1238 1283 1311

E2(720) 1109 1193 1222 1298 1314
E3(750) 1106 1181 1245 1281 1346
E4(790) 1134 1177 1249 1276 1349
E5(830) 1149 1197 1248 1260 1328

SOLUCIONES

MODELO MAXIMIN O DE WALD

Event
ALTERNATIVE E1(580) E2(720) E3(750) E4(790) E5(830)

E1(580) 1147 1152 1238 1283 1311

E2(720) 1109 1193 1222 1298 1314
E3(750) 1106 1181 1245 1281 1346
E4(790) 1134 1177 1249 1276 1349
E5(830) 1149 1197 1248 1260 1328

E1(580) 1147
E2(720) 1109 LA CATEGORÍA 5 ES LA MAS ALTA ENTRE
E3(750) 1106 LAS PEORES
E4(790) 1134
E5(830) 1149
 MODELO MAXIMAX

Event
ALTERNATIVE E1(580) E2(720) E3(750) E4(790) E5(830)

E1(580) 1147 1152 1238 1283 1311

E2(720) 1109 1193 1222 1298 1314
E3(750) 1106 1181 1245 1281 1346
E4(790) 1134 1177 1249 1276 1349
E5(830) 1149 1197 1248 1260 1328

E1(580) 1311
E2(720) 1314 LA CATEGORÍA 4 ES LA MAS ALTA ENTRE
E3(750) 1346 LAS MEJORES
E4(790) 1349
E5(830) 1328

Modelo de Hurwicz

Event
ALTERNATIVE E1(580) E2(720) E3(750) E4(790) E5(830)

E1(580) 1147 1152 1238 1283 1311

E2(720) 1109 1193 1222 1298 1314
E3(750) 1106 1181 1245 1281 1346
E4(790) 1134 1177 1249 1276 1349
E5(830) 1149 1197 1248 1260 1328

α= 0.55 1-α= 0.45

E1(580) 1220.8
E2(720) 1201.25
E3(750) 1214
E4(790) 1230.75
E5(830) 1229.55

LA OPCION A ELEGIR EN ESTE CASO ES LA CATEGORÍA 4

 Modelo de razón insufiencente o de Laplace

Event
ALTERNATIVE E1(580) E2(720) E3(750) E4(790) E5(830)

E1(580) 1147 1152 1238 1283 1311

E2(720) 1109 1193 1222 1298 1314
E3(750) 1106 1181 1245 1281 1346
E4(790) 1134 1177 1249 1276 1349
E5(830) 1149 1197 1248 1260 1328

SE APLICA LA MISMA PROBALIBIDAD

E1(580) 1226.2
E2(720) 1227.2
E3(750) 1231.8
E4(790) 1237
E5(830) 1236.4

LA OPCION A ELEGIR EN ESTE CASO ES LA CATEGORÍA 4

Modelo de Savage

Event
ALTERNATIVE E1(580) E2(720) E3(750) E4(790) E5(830)

E1(580) 1147 1152 1238 1283 1311

E2(720) 1109 1193 1222 1298 1314
E3(750) 1106 1181 1245 1281 1346
E4(790) 1134 1177 1249 1276 1349
E5(830) 1149 1197 1248 1260 1328
MAXIMO VALOR 1149 1197 1249 1298 1349

Event
ALTERNATIVAS E1(580) E2(720) E3(750) E4(790) E5(830)

E1(580) 2 45 11 15 38
E2(720) 40 4 27 0 35
E3(750) 43 16 4 17 3
E4(790) 15 20 0 22 0
E5(830) 0 0 1 38 21

LA OPCION A ELEGIR EN ESTE CASO ES LA CATEGORÍA 4

https://www.pdcahome.com/4655/modelos-para-la-toma-de-decisiones/
SUMA
111
106
83
57
60
Exercise 4. Game Theory method:

Graphical solutions are only applicable to games in which at least one of the players has only two strategies. Co

According to Table 4 find the value of the game by means of the graphical method applied to matrices 2 x n or m

Player 2
Strategy
A B
Ⅰ 27 33
Player 1
Ⅱ 19 25

For the column player

Strategy A

X1 + X2 = 1
Replace X2 X2 = 1 - X1

V. expe = 27X1 + 19X2

V. expe = 27X1 + 19(1 - X1)
V. expe = 27X1 + 19 - 19X1
V. expe = 8X1 + 19

Strategy A
Si X1 = 1 Ve = 27
Si X1 = 0 Ve = 19

Strategy B

X1 + X2 = 1
Replace X2 X2 = 1 - X1

V. expe = 33X1 + 25X2

V. expe = 33X1 + 25(1 - X1)
V. expe = 33X1 + 25 - 25X1
V. expe = 8X1 + 25

Strategy B
Si X1 = 1 Ve = 33
Si X1 = 0 Ve = 25
 Strategy C

X1 + X2 = 1
Replace X2 X2 = 1 - X1

V. expe = 38X1 + 31X2

V. expe = 38X1 + 31(1 - X1)
V. expe = 38X1 + 31 - 31X1
V. expe = 7X1 + 31

Strategy A
Si X1 = 1 Ve = 38
Si X1 = 0 Ve = 31

Player 2
Strategy
A B
Ⅰ 27 33
Player 1
Ⅱ 19 25

Strategy 1 Strategy 2

Y1 + Y2 = 1 Y1 + Y2 = 1
Replace Y2 Y2 = 1 - Y1 Replace Y2

V. expe = 27Y1 + 33Y2 V. expe =

V. expe = 27Y1 + 33(1 - Y1) V. expe =
V. expe = 27Y1 + 33 - 33Y1 V. expe =
V. expe = -6Y1 + 33 V. expe =

Strategy 1 Strategy 2
Si Y1 = 1 Ve = 27 Si Y1 = 1
Si Y1 = 0 Ve = 33 Si Y1 = 0

Strategy 3 Strategy 4

Y1 + Y2 = 1 Y1 + Y2 = 1
Replace Y2 Y2 = 1 - Y1 Replace Y2

V. expe = 19Y1 + 25Y2 V. expe =

V. expe = 19Y1 + 25(1 - Y1) V. expe =
V. expe = 19Y1 + 25 - 25Y1 V. expe =
V. expe = -6Y1 + 25 V. expe =

Strategy 3 Strategy 4
Si Y1 = 1 Ve = 19 Si Y1 = 1
Si Y1 = 0 Ve = 25 Si Y1 = 0

Strategy 5 Strategy 6

Y1 + Y2 = 1 Y1 + Y2 = 1
Replace Y2 Y2 = 1 - Y1 Replace Y2

V. expe = 33Y1 + 38Y2 V. expe =

V. expe = 33Y1 + 38(1 - Y1) V. expe =
V. expe = 33Y1 + 38 - 38Y1 V. expe =
V. expe = -5Y1 + 38 V. expe =

Strategy 5 Strategy 6
Si Y1 = 1 Ve = 33 Si Y1 = 1
Si Y1 = 0 Ve = 38 Si Y1 = 0
he players has only two strategies. Consider the following 2 x n game:

l method applied to matrices 2 x n or m x 2.

Player 2
C
38
31
Player 2
C
38
31

Strategy 2

Y2 = 1 - Y1

27Y1 + 38Y2
27Y1 + 38(1 - Y1)
27Y1 + 38 - 38Y1
-11Y1 + 38

Strategy 2
Ve = 27
Ve = 38

Strategy 4

Y2 = 1 - Y1

19Y1 + 31Y2
19Y1 + 31(1 - Y1)
19Y1 + 31 - 31Y1
 -12Y1 + 31

Strategy 4
Ve = 19
Ve = 31

Strategy 6

Y2 = 1 - Y1

25Y1 + 31Y2
25Y1 + 31(1 - Y1)
25Y1 + 31 - 31Y1
-6Y1 + 31

Strategy 6
Ve = 25
Ve = 31
 Las soluciones gráficas solo son aplicables a juegos en los que al
menos uno de los jugadores solo tiene dos estrategias. Considere el
siguiente juego m x 2:

Player 2
Strategy
A B
I 27 33
Player 1 II 19 25
II 33 37

Para el jugador columna

Estrategia 1 Estrategia 2

P1+P2=1 P1+P2=1

Vesperado=27P1 + 19P2 P2=1-P1 Vesperado=27P1 + 33P2

Vesperado= 27P1 + 19(1-P1) Reemplazamos Vesperado= 27P1 + 33(1-P1)
Vesperado= 27P1+ 19-19P1 Vesperado= 27P1+ 33-33P1
Vesperado=8P1 + 19 Vesperado=-6P1 + 33

Estrategia 3 Estrategia 4

P1+P2=1 P1+P2=1

Vesperado=19P1 + 33P2 P2=1-P1 Vesperado=33P1 + 25P2

Vesperado= 19P1 + 33(1-P1) Reemplazamos Vesperado= 33P1 + 25(1-P1)
Vesperado= 19P1+ 33-33P1 Vesperado= 33P1+ 25-25P1
Vesperado=-14P1 + 33 Vesperado=8P1 + 25

Estrategia 5 Estrategia 6

P1+P2=1 P1+P2=1

Vesperado=33P1 + 37P2 P2=1-P1 Vesperado=25P1 + 27P2

Vesperado= 33P1 + 37(1-P1) Reemplazamos Vesperado= 25P1 + 27(1-P1)
Vesperado= 33P1+ 37-37P1 Vesperado= 25P1+ 27-27P1
Vesperado=-4P1 + 37 Vesperado=-2P1 + 27

Para estrategia 1 Para estrategia 2

Si P1=1 Ve=27 Si P1=1 Ve=27

Si P1=0 Ve=19 Si P1=0 Ve=33

Para estrategia 4 Para estrategia 5

Si P1=1 Ve=33 Si P1=1 Ve=33
Si P1=0 Ve=25 Si P1=0 Ve=37

40

35

30

25

20

0 1

Para el jugador fila

Player 2
Strategy
A B
I 27 33
Player 1 II 19 25
II 33 37

Estrategia 1

Q1+Q2=1

Vesperado=27Q1 + 33Q2 Q2=1-Q1

Vesperado= 27Q1 + 33(1-Q1) Reemplazamos
Vesperado= 27Q1+ 33-33Q1
Vesperado=-6Q1 + 33

Estrategia 3
Q1+Q2=1

Vesperado=33Q1 + 37Q2 Q2=1-Q1

Vesperado= 33Q1 + 37(1-Q1) Reemplazamos
Vesperado= 33Q1+ 37-37Q1
Vesperado=-4Q1 + 37

Para estrategia 1 Para estrategia 2

Si Q1=1 Ve=27 Si Q1=1 Ve=19

Si Q1=0 Ve=33 Si Q1=0 Ve=25

40

35

30

25

20

0
 Vesperado=27P1 + 33P2 P2=1-P1
Vesperado= 27P1 + 33(1-P1) Reemplazamos
Vesperado= 27P1+ 33-33P1
Vesperado=-6P1 + 33

Vesperado=33P1 + 25P2 P2=1-P1

Vesperado= 33P1 + 25(1-P1) Reemplazamos
Vesperado= 33P1+ 25-25P1
Vesperado=8P1 + 25

Vesperado=25P1 + 27P2 P2=1-P1

Vesperado= 25P1 + 27(1-P1) Reemplazamos
Vesperado= 25P1+ 27-27P1
Vesperado=-2P1 + 27

Para estrategia 3

Si P1=1 Ve=19
Si P1=0 Ve=33

Para estrategia 6
Si P1=1 Ve=25
Si P1=0 Ve=27

Luego de 3 y de 4

Vesperado=-14P1 + 33 Estrategia 3

Vesperado=8P1 + 25 Estrategia 4

25-33
-8
P1 0.36363636

P2=1-P1= 1-(-8/-22)
P2= 0.63636364

Valor del juego

Vesperado=-14P1 + 33 27.9090909

Si ambos jugadores determinan las probabilidades de acciones de

cada uno de sus estrategias ambos tendran la posibilidad de ganar
28.

Estrategia 2

Q1+Q2=1

Vesperado=19Q1 + 25Q2 Q2=1-Q1

Vesperado= 19Q1 + 25(1-Q1) Reemplazamos
Vesperado= 19Q1+ 25-25Q1
Vesperado=-6Q1 + 25
 Para estrategia 3

Si Q1=1 Ve=33
Si Q1=0 Ve=37

1
 F.O Min Z Q1 Q2 Q3 Q4 Q5
87 1 0 0 0 0
F.O Max Z 87 Player B
P1 0 81 83 81 80 91
P2 0 84 83 86 86 82

Player A
P3 0 82 78 86 89 84
P4 1 87 87 91 89 88
P5 0 83 85 35 88 81
Suma 1 VE 87 87 91 89 88
Suma
1
VE
81 Max v 1
84
82
87
83
Microsoft Excel Answer Report
Worksheet: Exercise 6
Report Created:Thu Apr 02 2020 13:27:00 GMT-0500 (Hora est. Pacífico, Sudamérica)
Result: Solver found a solution. All constraints and optimality conditions are satisfied.
Engine: Standard LSGRG Nonlinear
Solution Time: 0 milliseconds
Iterations: 0
Subproblems: 0
Incumbent Solutions: 0

Objective Cell (Max)

Cell Original Value Final Value
$L$6 1 1

Decision Variable Cells

Cell Original Value Final Value
$D$4 1 1
$E$4 0 0
$F$4 0 0
$G$4 0 0
$H$4 0 0

Constraints
Cell Original Value Final Value Lower Bound Upper Bound Slack
Microsoft Excel Sensitivity Report
Worksheet: Exercise 6
Report Created:Thu Apr 02 2020 13:27:00 GMT-0500 (Hora est. Pacífico, Sudamérica)
Engine: Standard LSGRG Nonlinear

Objective Cell (Max)

Cell Original Value Final Value
$L$6 1 1

Decision Variable Cells

Final Reduced
Cell Value Gradient
$D$4 1 0
$E$4 0 0
$F$4 0 0
$G$4 0 0
$H$4 0 0

Constraints
Final Lagrange
Cell Value Multiplier
REFERENCES
Pineda, R. (2017). Virtual learning object Unit 1 - Decision models under risks. [Video File]. Retrieved from htt
Sharma, J. (2016). Operations Research : Theory and Applications. (pp. 347-378), New Delhi: Laxmi Publicatio
deo File]. Retrieved from http://hdl.handle.net/10596/13263
New Delhi: Laxmi Publications Pvt Ltd, v. Sixth edition. Retrieved from http://bibliotecavirtual.unad.edu.co/login?url=http://search.eb
o/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=nlebk&AN=1950625&lang=es&site=eds-live&scope=site&ebv=EB
ds-live&scope=site&ebv=EB&ppid=pp_C