INTRODUCCIONEn 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.OBJETIVOS1. Definir Modelo Deterministico2. Definir Modelo EstocasticoMARCO TEORICOConcepto 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 BernoulliModelo 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.

CONCLUSIONLa Utilizacin de Modelos es importante para as poder utilizar de manera correcta los programas Simuladores.RECOMENDACIONESAntes de comenzar a utilizar un software de simulacin siempre hay que ver cual modelo es ms conveniente utilizar.BIBLIOGRAFIAhttp://modelo-determinisco.webnode.com.ve/news/modelo-deterministico/http://es.wikipedia.org/wiki/Modelo_probabilstico