In the vast majority of decisions w

In the vast majority of decisions we may encounter, the objectives and outcomes are directly quantifiable. Thus, the private firm, such as the steel-maker, can compute the profit results of alternative price and output plans. Analogously, a government decision maker may know the computed net benefits (benefits minus costs) of different program options. Given enough time, the decision maker could determine a preferred course of action by enumeration, that is, testing a number of alternatives and selecting the one that best meets the objective. This is fine for decisions involving a small number of choices, but it is impractical for more complex problems.
For instance, what if the steel firm drew up a list of two dozen different pricing and production plans, computed the profits of each, and settled on the best of the lot? How could management be sure this choice is truly «optimal,» that is, the best of all possible plans? What if a more profitable plan, say, the twenty-fifth candidate, was overlooked? Expanding the enumerated list could reduce this risk, but at considerable cost.
Fortunately, the decision maker need not rely on the painstaking method of enumeration to solve such problems. A variety of methods can identify and cut directly to the best or optimal decision. These methods rely to varying extents on marginal analysis, linear programming, decision trees, and benefit-cost analysis. These approaches are important not only for computing optimal decision but for checking why they are optimal.

Результаты (русский) 1:

В подавляющем большинстве решений, которыми мы можем столкнуться непосредственно поддающиеся количественному определению цели и результаты. Таким образом частные фирмы, такие как сталь мейкера, может вычислить результаты прибыли альтернативных цен и планов вывода. Аналогичным образом принимающее решение правительства могут знать вычисляемые чистые преимущества различных опциях (выгоды за вычетом расходов). Учитывая достаточно времени, принимающее решение может определить предпочтительный курс действий путем перечисления, то есть тестирование несколько вариантов и выбрать тот, который наилучшим образом соответствует цели. Это хорошо для принятия решений с участием небольшого числа вариантов, но это непрактично для более сложных проблем.Например что если стальная фирма подготовила список из двух десятков различных планов ценообразования и производства, вычислить прибыль каждого и поселились на лучшие партии? Как управление может быть уверен, этот выбор действительно «оптимальный», то есть, лучше всех возможных планов? Что делать, если более прибыльный план, скажем, двадцать пятого кандидата, упускается из виду? Расширение списка может уменьшить этот риск, но со значительными издержками.К счастью принимающее решение не нужно полагаться на кропотливого метод перечисления для решения таких проблем. Различные методы можно идентифицировать и вырезать непосредственно к лучшим или оптимального решения. Эти методы полагаются в различной степени на маржинального анализа, линейное программирование, деревья решений и анализ затрат и выгод. Эти подходы имеют важное значение не только для вычисления оптимального решения, но для проверки почему они являются оптимальными.

Результаты (русский) 2:

В подавляющем большинстве решений мы можем столкнуться, цели и результаты непосредственно поддаются количественной оценке. Таким образом, частная фирма, такие как сталевар, можно вычислить результаты прибыли альтернативных ценовых планов и выходных. Аналогичным образом , правительство , принимающее решение, может знать , вычисленных чистой прибыли (выгоды минус затраты) различных вариантов программы. Учитывая достаточно времени, принимающее решение, может определить предпочтительный курс действий по перечислению, то есть, тестирование ряда альтернатив и выбрать тот , который наилучшим образом соответствует поставленной цели. Это хорошо для решений с участием небольшого числа вариантов, но это непрактично для более сложных задач.
Например, что если сталь фирмы составил список из двух десятков различных ценовых и производственных планов, рассчитали прибыль каждого из них, и поселились на лучший из партии? Каким образом руководство может быть уверен , что этот выбор действительно «оптимальным» , то есть, самый лучший из всех возможных планов? Что делать , если более прибыльный план, скажем, двадцать пятый кандидат, был упускать из виду? Расширение нумерованного списка может снизить этот риск, но со значительными издержками. К
счастью, принимающее решение, нужно не полагаться на кропотливой метод перечисления для решения таких проблем. Различные методы могут идентифицировать и вырезать непосредственно к наилучшим или оптимальным решением. Эти методы основаны на той или иной степени на маржинальный анализ, линейное программирование, деревья решений, а также анализ затрат и выгод. Эти подходы имеют важное значение не только для вычисления оптимального решения , но для проверки , почему они являются оптимальными.