At give de studerende både teoretisk og praktisk forståelse af, hvordan komplekse beslutningsproblemer præget af usikker information kan gribes an. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Analysere et konkret beslutningsproblem for at udpege usikkerheder og forstå, hvilken effekt disse usikkerheder kan have på beslutningen.
• Beskrive fremgangsmåden i hver af de præsenterede metoder til beslutningsproblemer præget af usikker information.
• Forklare styrker og svagheder for de forskellige metoder.
• Relatere de forskellige metoder til hinanden; herunder liste fællestræk og forskelle.
• Argumentere for hvornår hver af de præsenterede metoder bør benyttes.
• Forklare hvordan forskellige metoder kan komplementere hinanden for at opnå yderligere indsigt.
• Anvende hver af de præsenterede metoder på konkret beslutningsproblem præget af usikker information.
• Udlede anbefaling på baggrund af anvendelsen af de præsenterede metoder til beslutningsproblemer præget af usikker information.

Studerende introduceres til forskellige kvantitative metoder til beslutninger præget af usikker information. Disse metoder inkluderer Monte Carlo simulering og optimering under usikkerhed (herunder chance constraints of stokastisk programmerin). Metoderne eksemplificeres gennem forskellige cases. E-learning anvendes i form af podcast lectures, interactive quiz, chat room, discussion board/blog og web-based tools. 21. april, 2021