INTRODUCCION

En general un modelo puede ser entendido como una representacin,

bien sea abstracta, anloga, fenomenolgica o idealizada, de un objeto
que puede ser real o ficticio. En este caso y por su naturaleza, el
programa
de
maestra
propuesto
se ocupar
de
modelos
fenomenolgicos y/o modelos de procesos que requieren el uso formal
de herramientas matemticas y/o computacionales para representar
algn sistema y su comportamiento.
OBJETIVOS
1. Definir Modelo Deterministico
2. Definir Modelo Estocastico
MARCO TEORICO
Concepto de modelos Determinsticos:
Son modelos cuya solucin para determinadas condiciones es nica y
siempre la misma.
Segn Jeffer (2002), los modelos determinsticos, son aquellos que a
cada valor de la variable independiente corresponde otro valor de la
variable dependiente. Son especialmente tiles en los sistemas que
evolucionan con el tiempo, como son los sistemas dinmicos. En ellos
podemos conocer el estado del sistema transcurrido cierto tiempo una
vez que hemos dado valores a los distintos parmetros que aparecen en
el modelo"
Segn Crhirtofer (2007), "es un modelo matemtico donde las mismas
entrada
producirn invariablemente
las
mismas
salidas,
no
contemplndose la existencia del azar ni el principio de incertidumbre.
Est estrechamente relacionado con la creacin de entornos simulados a
travs de simuladores para el estudio de situaciones hipotticas, o para
crear sistemas de gestin que permitan disminuir la incertidumbre. La
inclusin de mayor complejidad en las relaciones con una cantidad
mayor de variables y elementos ajenos al modelo determinstico har
posible que este se aproxime a un modelo probabilstico o de enfoque
estocstico.
Los modelos determinsticos son los que hacen predicciones definidas de
cantidades, dentro de cualquier distribucin de probabilidades; tambin
se les puede definir como aquellos que se aplican a problemas en los

que hay un solo estado de la naturaleza, y donde variables, limitaciones

y alternativas son, despus de que se aceptan los supuestos, conocidos,
definibles, finitos y predecibles con confidencia estadstica. Algunos
modelos, herramientas o tcnicas determinsticas son: programacin
lineal, anlisis de Markov, costo/beneficio, entre otros (krone, 1980;
Lpez, 2001). En otras palabras, un modelo determinstico se construye
para una condicin de certeza supuesta, y el modelo asume que solo
hay un resultado posible (el cual es conocido) para cada accin o curso
alternativo (Malczewski, 1999).
Los modelos determinsticos tienen las siguientes caractersticas:
- Como la literatura del modelo estocstico se ha ganado la atencin en
la economa, los modelos determinsticos se han convertido en algo raro.
Los ejemplos incluyen los modelos OLG (Modelos de Generaciones
Traslapadas) sin incertidumbre agregada.
- Estos modelos suelen ser introducidos para estudiar el impacto de un
cambio en el rgimen, como la introduccin de nuevo impuesto, por
ejemplo.
- Asume toda la informacin, hay suposicin perfecta y no hay
incertidumbre en torno a los choques.
- Los choques pueden afectar a la economa de hoy o la de cualquier
momento en el futuro, dado el caso de previsin perfecta. Tambin
puede durar uno o varios perodos.
- Muy a menudo, sin embargo, los modelos introducen un choque
positivo hoy y ningn choque a partir de entonces (con certeza).
- La solucin no requiere de linealizacin, de hecho, ni siquiera
realmente necesita de un estado estacionario. En su lugar, se trata la
simulacin numrica para encontrar las rutas exactas de las variables
endgenas de primer orden que cumplan con las condiciones del modelo
y la estructura del choque.
- Este mtodo de solucin por lo tanto puede ser til cuando la economa
est muy lejos del estado estacionario.
Los modelos determinsticos son importantes por cinco razones:
1. Una asombrosa variedad de importantes problemas de administracin
pueden formularse como modelos determinsticos.

2. Muchas hojas de clculo electrnicas cuentan con la tecnologa

necesaria para optimizar modelos determinsticos, es decir, para
encontrar decisiones ptimas. Cuando se trata en particular de modelos
PL grandes, el procedimiento puede realizarse con mucha rapidez y
fiabilidad.
3. El subproducto de las tcnicas de anlisis es una gran cantidad de
informacin muy til para la interpretacin de los resultados por la
gerencia.
4. La optimizacin restringida, en particular, es un recurso
extremadamente util para reflexionar acerca de situaciones concretas,
aunque no piense usted construir un modelo y optimizarlo.
5. La prctica con modelos determinsticos le ayudara a desarrollar su
habilidad para la formulacin de modelos en general.
Modelo Probabilstico (Estocstico)
Modelo probabilstico, es la forma que pueden tomar un conjunto de
datos obtenidos de muestreos de datos con comportamiento que se
supone aleatorio.
El modelo probabilstico como modelo de recuperacin de independencia
binaria fue desarrollado por Robertson y Spark Jones. Este modelo afirma
que pueden caracterizarse los documentos de una coleccin mediante el
uso de trminos de indizacin. Obviamente existe un subconjunto ideal
de documentos que contiene nicamente los documentos relevantes a
una necesidad de informacin para la cual se realiza una ponderacin de
los trminos que componen la consulta realizada por el usuario. A
continuacin el sistema calcula la semejanza entre cada documento de
la coleccin y la consulta y presentando los resultados ordenados por
grado de probabilidad de relevancia en la relacin a la consulta. Este
modelo evita la comparacin exacta ( existencia o no de un trmino de
la consulta en el documento) y posibilita al usuario realizar un proceso
de retroalimentacin valorando la relevancia de los documentos
recuperados para que el sistema pueda calcular la probabilidad en
posteriores consultas de que los documentos recuperados sean o no
relevantes en funcin de los trminos utilizados en la consulta sean o no
relevantes.

Pueden ser modelos probabilsticos discretos o continuos. Los primeros,

en su mayora se basan en repeticiones de pruebas de Bernoulli. Los
ms utilizados son:
Modelo de Bernoulli
Modelo Binomial.
Modelo Geomtrico.
Modelo Binomial negativo.
Modelo Hipergeomtrico.
Modelo de Poisson.
Por otro lado, tal como se ha mencionado antes, existen modelos
probabilsticos continuos, entre ellos destacamos:
Distribucin Normal: usada ampliamente en muestras mayores a 30
datos.
Distribucin Chi Cuadrado: usada en muestras pequeas.
Distribucin Exponencial: usada en duracin o donde interviene el paso
del tiempo.
Distribucin F o distribucin F de Snedecor: usada para controlar la
varianza de 2 distribuciones.

CONCLUSION
La Utilizacin de Modelos es importante para as poder utilizar de
manera correcta los programas Simuladores.
RECOMENDACIONES
Antes de comenzar a utilizar un software de simulacin siempre hay que
ver cual modelo es ms conveniente utilizar.
BIBLIOGRAFIA
http://modelo-determinisco.webnode.com.ve/news/modelodeterministico/

http://es.wikipedia.org/wiki/Modelo_probabilstico