本文的目的是使读者了解用于阐述简单数学模型的逻辑的主题，这些数学模型可为决策制定提供支持，因为该模型的复杂程度很高。知道相关术语，使用这些程序的优势，模型类型的可变性（取决于要评估的变量）。
关键词
逻辑，建模，决策，复杂的数学模型
也许很多人不知道，或者决策问题是在无意识的情况下进行的，那就是，它在很大程度上取决于个人，他们的知识，性格和所涉及的问题，但在许多情况下是合理的还是不合理的对替代方案进行了分析，从而导致了逻辑的使用，其中基于权重和变量，在支持复杂决策的情况下，进行了简短的模型（有时更为详尽）。也许这个事实更多地出现在行政，科学研究，研究等领域，在这些领域中，人们总是在等待最佳选择，而这些都是决策的依据。
宇宙是复杂的，在现代世界中，需要更精确的解决方案，因此，加大了对新工具的搜索，以增进对这种复杂性的理解。在十九世纪提出了基于微积分的自然过程分析方法（牛顿和莱布尼茨并行开发）。通过这种方式，数学物理的基本方程式在100年前就已经形成了，但是由于自动计算机（来自Babagge的机器）的进步，其数值解在本世纪才变得流行。 （多明格斯·卡勒，2000年）
决策分析支持所有管理功能。经理所做的任何事情都比使用可用的最佳信息来做出正确的决定更为重要。通过最仔细的计划或完美的实施，无法避免由于基本错误的决定对组织造成的损害。（Borea和Velez Couple）
背景
直到几十年前，主要的范式是基于笛卡尔思想的机械范式，我们可以用“分而治之”来概括。这种范例导致专业化。显然，专家比没有专家能够更好地解决某种类型的问题。但是，存在一些问题，即涉及多个以上专业的“复杂问题”，要解决这些问题，需要一个跨学科的专家团队。（Caselles Moncho，2007年）
概念
甲数学模型是决策问题，其中感兴趣的变量，目标和约束由数学符号和方程表示的简化表示。（Chamorro G.，2002）
根据Vasco（2006）的说法，他将建模描述为允许变分思维发展的要素，并将其描述为动态思维方式：“因此，变分思维的对象是数量级之间的协变的捕获和建模，主要是-但不仅如此-随时间变化”（Bossio Velez，2014年）
系统.-一组相互关联的元素，组成结构上一致的整体，并作为一个单元对其环境的影响做出反应。（多明格斯·卡勒，2000年）
决策不仅仅是事实的命题，因为它们描述了未来的事务状态，而从严格的经验意义上来说，这种描述是对还是错？但是它们也具有当务之急的品质：他们选择事物的未来状态优先于另一事物，并将其行为导向所选的事物。一言以蔽之，它们既具有道德内容又具有事实内容。（Borea和Velez Couple）
发展逻辑思维
（PeñalvaRosales LP，2010年）
经常听到逻辑代表了数学发展的基本基础。我们还申明，数学又可以发展思想逻辑或逻辑思想。最后一条语句需要区分我们正在讨论的逻辑类型。
如果人们想到一种形式逻辑，就像我们传统上所知道的那样，在其中形式和规则的验证结论不受限制，那么通过数学构建的路径就可以成为自由发展思想和能力的束缚。从学习到学习。相反，我们认为支持数学作为反思性学习发展工具的逻辑是辩证逻辑，其中看起来相反和自相矛盾的概念，例如具体抽象，分析综合，归纳除其他外，推论不是对对方的否定，而是对偶要素，即思想之间的两极移动。
数学建模及其验证
在一些文献中，数学建模的研究被认为是有助于社会，科学和技术领域数学教育发展的教学过程。（Bossio Velez，2014年）
数学模型的验证与问题求解器同时进行，将问题的解决方案与数学结果的解释进行比较。（Bossio Velez，2014年）
数学模型分类
（多明格斯·卡勒，2000年）
有各种各样的数学模型，并且已经进行了分类。尽管没有单一的分类，但下面介绍的分类保留了现有分类（Kovalenko，1993； Refsgaard，1996）中最一般的方面，并得到了作者的个人见解。
根据这种分类，有必要具体化以下定义：
确定性模型
它是对两组相同参数产生相同响应的模型。这些模型服从明确的因果关系，而没有考虑具有实现不确定性的响应的可能性。
随机模型
该模型对于两个相同的参数集可以产生不同的响应。这是由于以下事实：考虑到实现的不确定性，它考虑了建模过程某些特性的随机性。
保税模型
这是一种将建模控制量特征集中反映在一个点上的模型。在盆地的情况下，这将对应于通过其面积，平均坡度，平均高度等与其质心相关联来描述其几何形状。
分布式模型
它考虑了建模域特征的空间变化以及控制仿真过程的参数和变量的空间变化。
数学模型在决策中的优势
（Anahuac，2010年）
该模型的一些优点如下：
- 他们需要对问题有很好的了解，需要识别所有相关的（可控和不可控）变量，有助于理解变量之间的关系，成本和协商，可以操纵变量并测试替代课程行动。代议制经济。例如，在图表上建造一个工业综合体要比在地面上建造便宜，模型允许分析和体验复杂的情况，如果要在现实中建立该系统则不可能。
数学模型的一般方案
（多明格斯·卡勒，2000年）
每个数学模型都由三个元素组成，分别是：输入，输出和数学结构。本文已经定义了前两个元素，另一方面，数学结构是负责将输入（从数字角度）转换为输出的运算符。
数学模型的一般图（Dominguez Calle，2000，p.36）
系统思考
（Chica Salgado，2006年）
当谈到系统性思维时，它往往与系统理论无关，而与计算机系统有关，更具体地说与控制论有关。即使两个概念之间有着明显的联系，它们的起源，发展和可能性，如果没有控制论的话，系统理论的发展也是不可能的。因此，要理解该理论，就必须了解如何通过哲学，数学，物理学和生物学的发展，使一系列知识成为可能，这些知识的融合产生了这一新科学。
数学及其与现实的关系
（Chica Salgado，2006年）
数学与现实之间的统一性不仅在于我们将数学描述近似于我们要建模的可能性，而且还要求将现实近似于数学，从而产生可以用以下形式数学描述的表现形式：最接近的可能。（Hernández，1991，第34页）。
对于某些不信奉者，可能无法通过数学和实践证明假设的真实性，并且当实践受到理性成分的证明时，也不能将其与实践相反。总之，数学的任务不仅是尝试或证明其适用性，而且还要说服。
因此，可以说数学是理解现实的基本要素，没有数学作为游戏的实践即探索，换句话说，就是不科学的检验。数学科学在实践中得到了满足，但是各种系统之间相互作用的宇宙被视为过高的“实验室”，并且由于技术而变成了这种“实验室”。
数学思维方式
（Bossio Velez，2014年）
数学思维方式不被视为数学技能，而被视为对如何使用数学的偏爱。从以下组成部分进行描述：1）外部化内部表示和想象力； 2）“整体”分别是解决数学问题的方法。
- 视觉思维方式（图片-整体）：人们通过理解数学事实和通过说明问题的表示来表现出对不同的图片内部图像和图片表示的偏好，这些图片内部图片和图片表示被外部化。从这个意义上讲，我们理解结果倾向于在建模过程中根据情境的含义来表达。分析（符号）思维方式：分析思想家具有通过以下方式理解和表达数学事实的能力象征性或口头表达。描述解决问题的分步程序。集成的思维方式：一个人同时结合视觉和分析思维方式的能力。
做决定
决策在不同类型的组织中非常不同，因为管理管理的过程取决于组织的年龄以及与组织进行交互的个人（Mintzberg，1993）。
在团结组织中，理事机构永久地在简单情况之前做出决定，有时甚至在先验事项之前做出决定；在每种情况下选择的行动方式取决于心理因素，经验和可用信息。（Chica Salgado，2006年）
事实与价值观
（Borea和Velez Couple）
每个决策都包含两种元素，称为：
- “事实”的要素（事实主张）“价值”的要素（伦理主张）
这种区别对于政府来说是至关重要的，因为它一方面导致理解“正确的”行政决定所理解的内容，另一方面又澄清了政治和行政问题之间的区别。
事实主张
事实陈述是关于我们可以看到的世界及其运作方式的陈述。可以对它们进行测试，以确定它们是对还是错，他们对世界的看法是真的发生了还是没有发生。
道德主张
决策是对还是错的问题，可以通过诸如“职责”，“善良”和“偏好”等道德术语是否具有纯粹基于个人经验的含义来解决。显然，并非所有人的价值观都相同，这就是为什么没有办法理性地证明这些主张的正确性的原因。
决定类型
（Borea和Velez Couple）
在任何组织中，我们都可以确定两种类型或类别的决策：程序化和非计划性决策（实际上，它们之间是连续的）。
计划的决策（或实施方案）是重复性的常规程序。使用一组规则或决策程序对它们进行解释。它们反映在有关规则，决策表和规定的书中。因为所有结果或后果都是事先知道的，所以它们涉及确定的决策。
另一方面，尽管计划外的决策是指非结构化或重大问题。与以前的规则不同，它们没有预先建立的规则或程序。
做决定
（Borea和Velez Couple）
该过程包括从多个选项中选择一个。
- 规范性理论。-这是一种规范性方法，它定义并试图解释决策的方式。它提出了做出正确决策所必须遵循的步骤以及必须考虑的关键点描述性理论-描述了如何实际做出决策，而决策通常受到诸如喜欢个人的个性或情况的压力。
经营组织的人员必须做出决定的方式（描述性理论）和最终做出决定的方式（描述性理论）可能非常不同。
结论
毫无疑问，逻辑的重要性对于良好的决策至关重要，因为除了这种情况下涉及的所有因素之外，对冲动或预感采取行动不会带来最佳结果。
简单数学模型中应用的逻辑的目标是，基于数据（通常称为输入）进行处理并获得输出，这种类型的过程在组织方面非常适合于建立未来计划，或者扩张，业务变化，最终关闭公司或出现的其他任何挑战，而决策通常是至关重要的，并由各种变量决定。
应用这种知识可以降低风险，因为考虑了场景并且不确定性较小，从而提供了一定程度的可靠性，这可以为所有相关人员带来收益。
参考书目
- Anahuac。 （2010）。分析，定量和决策过程。于2015年10月22日从虚拟大学的Anahuac检索：http://uva.anahuac.mx/content/catalogo/diplanes/modulos/mod2/l2t1m2.htmBorea，F 。，&Velez Pareja，I.（sf）。入门模块决策理论。于2015年10月22日从马坦萨国立大学检索：http://www.cienciared.com.ar/ra/usr/4/26/m0.pdfBossio Velez，JL（2014）。根据香蕉种植情况的数学建模过程。麦德林（Medellin）：安蒂奥基亚大学（University of Antioquia）。CasellesMoncho，A.（2007）。复杂系统的建模和仿真。巴伦西亚：巴伦西亚大学Chamorro G.，A. d。 （2002）。简单流行病的数学建模。国家公共卫生学院，加利福尼亚州奇卡萨尔加多市161-183（2006年12月）。关于多标准数学模型的建议。于2015年10月22日从哥伦比亚国立大学检索：http：//www.bdigital.unal.edu.co/1202/1/carlosalbertochicasalgado.2006.pdfDominguez Calle，EA（2000）。水文过程数学建模的协议。哥伦比亚气象局，第33-38页，PeñalvaRosales，LP（2010年1月）。数学在元认知的发展。政治与文化，135-151.PeñalvaRosales，LP，YsunzaBreña，M.和Fernandez Ruvalcaba，M.（2009年12月29日）。数学与逻辑思维的发展。 2015年10月22日，从UAM检索：http://dcsh.xoc.uam.mx/congresodcsh/ponencias_fin/30sep/guerreroamdocencia/pens amientologico.pdfReyes，S.（2013年2月23日）。用于决策的数学建模。于2015年10月22日从SlideShare检索：http：//es.slideshare.net/severeyes1/modelling-matematico-para-la-toma-dedecisionesVasco，CE（2009-2010年）。变异思维和数学建模。于2015年10月22日从马尼萨莱斯大学检索：http://pibid.mat.ufrgs.br/2009-2010/arquivos_publicacoes1/indicacoes_01/pensamento_variacional_VASCO.pdf
