METODOS DETERMINISTICOS

Son aquellos donde se supone que los datos se conocen con certeza, es decir, se supone
que cuando el modelo sea analizado se tiene disponible toda la información necesaria para la
toma de decisiones.  Además de ser una herramienta fundamental para la toma de decisiones,
optimiza los resultados logísticos, administrativos y financieros de una organización con el fin de
mejorar procesos, reducir costos y mejorar sus recursos técnicos.

Así mismo, plantea distintos métodos para solucionar problemas relacionados con el transporte, la

asignación y la distribución, elementos claves para la solución eficiente de inconvenientes y/o
dificultades que se puedan presentar en el ejercicio empresarial.

 Los modelos determinísticos son aquellos donde se supone que los datos se conocen con
certeza, es decir, se supone que cuando el modelo sea analizado se tiene disponible toda
la información necesaria para la toma de decisiones. 
 Por el contrario, en los modelos estocásticos también conocidos como modelos
probabilísticos, algún elementó no se conoce con anticipación, incorporando así la
incertidumbre.
 Los modelos determinísticos son aquellos donde se supone que los datos se conocen con
certeza, es decir, se supone que cuando el modelo sea analizado se tiene disponible toda
la información necesaria para la toma de decisiones. 
 Por el contrario, en los modelos estocásticos también conocidos como modelos
probabilísticos, algún elementó no se conoce con anticipación, incorporando así la
incertidumbre.
Ejemplo de Modelos determinísticos: la planificación de una línea de producción, asignación de las
salas de clases en una universidad

METODOS PROBABILISTICOS

Los modelos probabilísticos están ampliamente basados en aplicaciones estadísticas para la

evaluación de eventos incontrolables (o factores), así como también la evaluación del riesgo de sus
decisiones. La Probabilidad se deriva del verbo probar lo que significa "averiguar" lo que no es tan
fácil de obtener o entender. La palabra "prueba" tiene el mismo origen el cual proporciona los
detalles necesarios para entender lo que se requiere que sea cierto.

 Un modelo es estocástico cuando al menos una variable del mismo es tomada como un
dato al azar y las relaciones entre variables se toman por medio de funciones
probabilísticas. Sirven por lo general para realizar grandes series de muestreos, quitan
mucho tiempo en el computador son muy utilizados en investigaciones científicas.
Para lograr modelar correctamente un proceso estocástico es necesario comprender
numerosos conceptos de probabilidad y estadística.
Dentro del conjunto de procesos estocásticos se encuentran, por ejemplo, el tiempo de
funcionamiento de una máquina entre avería y avería, su tiempo de reparación y el
tiempo que necesita un operador humano para realizar una determinada operación.

Ejemplos: Modelos estocásticos: filas de espera, administración de proyectos y pronóstico