Inhalt

Abstract:

Decision Analysis is a field that analyzes human decision behavior and provides decision support in terms of mathematical models and quantitative methodologies. It is applied in many practical applications, including production planning, facility location, freight transport, and portfolio selection.
In this course, you will learn how to model real world scenarios with quantitative models and solve them efficiently.
Decision Making can be divided into three types: DM under uncertainty, under risk and under certainty. The course includes an introduction to decision making and to solution methods for decision making under risk and under uncertainty. With regard to decision making under certainty, the course addresses various mathematical optimization approaches, including linear optimization, discrete optimization and nonlinear optimization.
In order to illustrate the theoretical constructs presented in this course, the course contains practical examples and exercises in the programming language R.

Gliederung:

1. Decision Making  
a) Introduction
b) Decision Making under Uncertainty and under Risk  
c) Decision Making and Utility  
d) Implementation in R  

2. Linear Programming
a) Introduction  
b) Geometrical Perspective  
c) Algorithmic Perspective  
d) Transportation Problem  
e) Implementation in R  

3. Discrete Optimization
a) Introduction  
b) Motivational Examples  
c) Branch & Bound Algorithm  
d) Implementation in R  

4. Nonlinear Programming
a) Introduction  
b) Motivational Examples  
c) Modelling Nonlinear Programs  
d) Solving Nonlinear Programs  
e) Implementation in R

Detaillierter Inhalt:

The course starts with an introduction to the programming environment R (no precognition required). The remainder of the course is structured as follows:  

Section 1 (Decision Making):
- Decision Making under Uncertainty and under Risk (Maximin Criterion, Minimax Regret
  Criterion, Maximax Criterion, Principle of Insufficient Reason)
- Decision Making Under Risk (Expected Value Criterion, Hodges-Lehmann Criterion,   Expected Value of Perfect Information, Decision Making with Imperfect Information,   Expected Value of Sample Information)
- Decision Making and Utility (Equivalent Lottery Method, Risk Preferences)
- Implementation in R

Section 2 (Linear Programming):
- Geometrical Perspective (Solving Linear Programs graphically, Sensitivity Analysis, Shadow Prices)
- Algorithmic Perspective (Simplex Algorithm)
- Transportation Problem (Models, Northwest Corner Method, Minimum-Cost Method,
   Vogel's Approximation Method, Stepping Stone Method)
- Implementation in R

Section 3 (Discrete Optimization):
- Applications in Project Planning and in Logistics
- Branch & Bound Algorithm
- Implementation in R

Section 4 (Nonlinear Programming):
- Applications in Facility Location Planning, Portfolio Selection, Production Planning
- Models: Constrained vs. Unconstrained Optimization, Convex Optimization  
- Algorithms: Bisection Method, Gradient Method
- Implementation in R

Lern-/Qualifikationsziele:

(1) Kompetenzstufe Wiedergeben:  
Nach erfolgreicher Beendigung dieses Kurses sind die Studierenden in der Lage, die Bedeutung verschiedener Modellierungs- und Lösungsansätze für spezifische wirtschaftsinformatische und betriebswirtschaftliche Entscheidungsprobleme wiederzugeben. Die Definition zentraler Begriffe ist den Studierenden bekannt und kann von ihnen wiedergegeben werden.  
(2) Kompetenzstufe Wissen und Anwenden:  
Die Studierenden sind in der Lage, die erlernten Modellierungs- und Lösungsansätze zu erklären und anzuwenden. Sie können differenzieren, welche Verfahren für welche reale Problemstellung besser oder schlechter geeignet ist. Sie sind in der Lage, einfache Aufgabenstellungen zu berechnen. Sie können geeignete Verfahren aus der Entscheidungslehre und der Optimierung auswählen und auf reale Problemstellungen anwenden.  
(3) Kompetenzstufe Probleme bearbeiten:  
Die Studierenden haben einen guten Überblick über grundlegende mathematische Entscheidungsmethoden in der Wirtschaftsinformatik und der Betriebswirtschaftslehre, was es ihnen erlaubt, neue Problemstellungen (z. B. bei empirischen Fragen im Rahmen einer Bachelorarbeit) eigenständig zu analysieren und zu lösen. Sie sind in der Lage, formale Aspekte wirtschaftsinformatischer und betriebswirtschaftlicher Fragestellungen mit Hilfe grundlegender Verfahren aus der Entscheidungslehre und der Optimierung zu untersuchen und in R zu implementieren.  

Kompetenzen:
- Mathematische Modellierung betriebswirtschaftlicher Entscheidungsprobleme
- Auswahl geeigneter Algorithmen zur Lösung betriebswirtschaftlicher Entscheidungsmodelle
- Praktische Modellierung und Lösung von Entscheidungsproblemen mittels der  
  Programmiersprache R

Lern-/Qualifikationsziele:

-

Lehrveranstaltungstyp:

Kurs

Interaktionsformen mit Betreuer/in:

E-Mail, Übungsaufgaben, Übungsaufgaben für Selbstlernbetrieb

Interaktionsformen mit Mitlernenden:

Chat, Foren

Kursdemo:

zur Kursdemo

Nutzung

Kurs ist konzipiert für:

Ingeneurwissenschaften, Mathematik, Informatik, Naturwissenschaftliche Studiengänge, Wirtschaftswissenschaftliche Studiengänge, Wirtschaftsinformatik, Operations Research

Formale Voraussetzungen:

keine

Erforderliche Vorkenntnisse:

Grundlagen der Mathematik, insb. Lineare Algebra (Gaußsches Eliminationsverfahren) und Analysis (Differentialrechnung für mehrdimensionale, reellwertige Funktionen)

Hinweise zur Nutzung:

keine

Kursumsetzung (verwendete Medien):

-

Erforderliche Technik:

-

Nutzungsentgelte:

für andere Personen als (reguläre) Studenten der vhb Trägerhochschulen nach Maßgabe der Benutzungs- und Entgeltordnung der vhb

Rechte hinsichtlich des Kursmaterials:

-

Verantwortlich

Anbieterhochschule:

Uni Regensburg

Anbieter:

Prof. Dr. Guido Schryen

Autoren:

Guido Schryen

Michael Scholz

Gerhard Rauchecker

Olga Ivanova

Betreuer:

Prof. Dr. Guido Schryen

Prüfung

Prüfungsangebot zur Lehrveranstaltung Decision Analysis in Information Systems

Art der Prüfung:

schriftlicher Leistungsnachweis (Klausur)

Bemerkung:

–

Prüfer:

Prof. Dr. Guido Schryen

Prüfungsanmeldung erforderlich:

ja

Anmeldeverfahren:

Die Anmeldung zur Prüfung erfolgt über das vhb-Portal.

Prüfungsanmeldefrist:

01.03.2015 00:00 Uhr bis 31.05.2015 23:59 Uhr

Prüfungsabmeldefrist:

01.03.2015 00:00 Uhr bis 31.05.2015 23:59 Uhr

Kapazität:

–

Prüfungsdatum:

–

Prüfungszeitraum:

–

Prüfungsdauer:

–

Prüfungsort:

Ort (an der Universität Regensburg)  wird noch bekannt gegeben.

Zuständiges Prüfungsamt:

Prüfunsgamt der Heimathochschule

Zugelassene Hilfsmittel:

Nicht-programmierbarer Taschenrechner.

Formale Voraussetzungen für die Prüfungsteilnahme:

Teilnahme am Online-Kurs.

Inhaltliche Voraussetzungen für die Prüfungsteilnahme:

Gymnasiale Oberstufen-Mathematik.

Zertifikat:

Nein

Anerkennung:

–