1.

Investigación de operaciones: La investigación de operaciones, también llamada investigación operativa, es una disciplina
que se ocupa de la aplicación de métodos analíticos avanzados para ayudar a tomar mejores decisiones. La investigación de
operaciones es una rama de las matemáticas que se vale de modelos, análisis estadístico y algoritmos para tomar decisiones
operativas.
2. Programación lineal: La programación lineal es el campo de la programación matemática dedicado a maximizar o minimizar una
función lineal, denominada función objetivo, de tal forma que las variables de dicha función estén sujetas a una serie de restricciones
expresadas mediante un sistema de ecuaciones o inecuaciones también lineales. Está diseñada para modelos con funciones
objetivo y restricciones lineales.
3. Programación entera: Un modelo de Programación Entera es aquel cuya solución óptima tiene sentido solamente si una
parte o todas las variables de decisión toman valores restringidos a números enteros, permitiendo incorporar en el
modelamiento matemático algunos aspectos que quedan fuera del alcance de los modelos de Programación Lineal. En la
cual las variables asumen valores enteros.
4. Programación dinámica: En informática, la programación dinámica es un método para reducir el tiempo de ejecución de
un algoritmo mediante la utilización de subproblemas superpuestos y subestructuras óptimas. En la cual el modelo original
puede descomponerse en subproblemas más pequeños y manejables.
5. Programación de red: En la cual el problema puede modelarse como una red.
6. Programación no lineal: En la cual las funciones del modelo son no lineales.
7. Alternativas: Las alternativas o condicionales controlan el flujo de un programa, tomando decisiones en base a
expresiones. Nosotros como programadores debemos anticiparnos y deducir qué posibilidades pueden ocurrir en un
algoritmo o programa y dar respuesta a cada una de ellas.
8. Restricciones lineales: Las restricciones lineales son los límites superior e inferior para una función de componentes en
un diseño de mezclas. Por el contrario, un límite de componente establece límites superior e inferior para cada componente.
9. Variables: Las variables son números reales mayores o iguales a cero. En caso de que se requiera que el valor resultante de
las variables sea un número entero, el procedimiento de resolución se denomina Programación entera. Por otro lado cuando
se requiera que el valor resultante de las variables solo tome 2 Valores (0, 1), el procedimiento de resolución se
denomina Programación Binaria.
10. Algoritmos: Un algoritmo proporciona reglas fijas de cálculo que se aplican en forma repetitiva al problema, y cada repetición
(llamada iteración) acerca la solución a lo óptimo.
11. Iteración: Iteración significa repetir varias veces un proceso con la intención de alcanzar una meta deseada, objetivo o
resultado. Cada repetición del proceso también se le denomina una "iteración", y los resultados de una iteración se utilizan
como punto de partida para la siguiente iteración.
12. Heurística: La heurística que significa «hallar, inventar» aparece en más de una categoría gramatical. Cuando se usa como
sustantivo, se refiere a la disciplina, el arte o la ciencia del descubrimiento. Cuando aparece como adjetivo, se refiere a cosas
más concretas, como estrategias, reglas, silogismos y conclusiones.
13. Metaheurística: Una metaheurística es un método heurístico para resolver un tipo de problema computacional general, usando
los parámetros dados por el usuario sobre unos procedimientos genéricos y abstractos de una manera que se espera eficiente.
Normalmente, estos procedimientos son heurísticos.
14. Reglas empíricas: Es la descripción de la proporción de observaciones que se encuentran alrededor de la media, en unidades de
desviaciones estándar, siempre que la distribución de frecuencias sea aproximadamente simétrica.
15. Modelos: Un modelo de Programación Lineal (PL) considera que las variables de decisión tienen un comportamiento lineal,
tanto en la función objetivo como restricciones del problema. Los Modelos Matemáticos se dividen básicamente
en Modelos Deterministas (MD) o Modelos Estocásticos (ME).
16. Modelos de colas y simulación: Las colas y la simulación estudian las líneas de espera. No son técnicas de optimización;
más bien determinan medidas de desempeño de las líneas de espera, como tiempo de espera promedio en la cola, tiempo de
espera promedio para el servicio, y el uso de las instalaciones de servicio.
17. Datos: Un dato es la representación de una variable que puede ser cuantitativa o cualitativa que indica un valor que se le
asigna a las cosas y se representa a través de una secuencia de símbolos, números o letras. Los datos describen hechos
empíricos.
18. Fuentes de datos: Una fuente de datos carga datos estáticos o casi en tiempo real en un análisis en tiempo real o de big data.
En los análisis en tiempo real, las fuentes de datos cargan datos utilizados junto con herramientas que requieren un dataset
espacial o tabular auxiliar para enriquecer, filtrar, unir o calcular la distancia entre eventos. En los análisis de big data, las
fuentes de datos cargan los datos que se procesarán con las herramientas y se escribirán en las salidas.
19. Agregación de datos: La agregación de datos es un tipo de proceso de minería de datos e información en el que
los datos son buscados, recopilados y presentados en un formato resumido basado en informes para lograr objetivos o
procesos comerciales específicos y / o realizar análisis humanos.
20. Región factible: En optimización matemática, una región factible, un conjunto factible, un espacio de búsqueda o un espacio
de solución es el conjunto de todos los puntos posibles de un problema de optimización que satisface las restricciones del
problema, incluyendo potencialmente desigualdades, igualdades y restricciones enteras.
21. Apoyo a las decisiones: Uso de datos, modelos y análisis en la obtención de conocimientos que ayudan en la toma de
decisiones.
22. Ciencia administrativa: Aplicación sistemática del proceso de construcción de modelos a situaciones administrativas.
23. Construcción de modelos de inferencia: Formulación de un modelo simbólico en el cual las variables, los parámetros y las
relaciones matemáticas entre ellos son estimaciones obtenidas por medio del análisis de datos.
24. Construcción de modelos deductivos: Formulación de un modelo simbólico en el cual los valores de las variables, los
parámetros y las relaciones matemáticas entre ellos son suposiciones derivadas de conocimientos anteriores.
25. Decisión (variable de decisión). Variable exógena cuyo valor está bajo el control de la persona a cargo de tomar las
decisiones y es determinado por ella.
26. Medida de desempeño (función objetivo). Variable endógena que permite determinar hasta qué punto ha alcanzado sus
metas un modelo.
27. Modelo análogo. Es aquél en el cual se utiliza un medio diferente para representar propiedades reales, como cuando se usa
el desplazamiento de las manecillas de un reloj para representar el tiempo.
28. Modelo de caja negra. Modelo simbólico incompleto en el cual sólo están definidas las variables de entrada y salida, pero no
hay relaciones matemáticas definidas.
29. Modelo de decisión. Modelo simbólico que incluye variables de decisión y, por lo menos, una medida de desempeño.
30. Modelo determinístico. Es aquél en el que todos los datos se conocen con certeza.
31. Modelo físico. Es una representación, como la maqueta de un avión, cuyos componentes son reproducciones físicas que
muestran las propiedades reales del objeto representado.
32. Modelo probabilístico. Es aquél donde algunos datos no se conocen con certeza, pero cuyo grado de incertidumbre está
determinado por probabilidades conocidas.
33. Modelo simbólico (modelo cuantitativo). Es aquél en el que se usan datos, variables y relaciones matemáticas para
representar propiedades abstractas, como un modelo sobre la economía de un país.
34. Modelo simbólico PL. Representación algebraica de un PL.
35. Parámetro. Variable cuyo valor no está determinado por la persona a cargo de tomar las decisiones, sino que se establece en
forma exógena.
36. Proceso de construcción de modelos. Aplicación iterativa de la abstracción, la construcción de modelos, el análisis y la
interpretación, combinados con la intuición y el buen juicio, como ayuda para la toma de decisiones.
37. Programa lineal (PL). Modelo determinístico formado por ecuaciones lineales, y que contiene una sola medida de desempeño
(función objetivo) por optimizar, sujeta a satisfacer un conjunto dado de restricciones.
38. Variable de consecuencia. Variable endógena que proporciona información adicional para ayudar a la gerencia en la
interpretación de los resultados del modelo.
39. Variables endógenas. Variables cuantitativas cuyos valores están determinados por las relaciones incluidas en un modelo
simbólico, es decir, que son salidas de un modelo simbólico.
40. Variables exógenas. Variables cuantitativas cuyos valores se determinan por medio de un proceso externo, en relación con
un modelo simbólico, es decir, que son entradas de un modelo simbólico