MODELOS

DETERMINSTICOS
VS
MODELOS ESTOCSTICOS
 Los modelos determinsticos 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 informacin necesaria para la toma de
decisiones.
Por el contrario, en los modelos estocsticos tambin
conocidos como modelos probabilsticos, algn element
no se conoce con anticipacin, incorporando as la
incertidumbre.

- See more at: http://upcmodelos.blogspot.mx/2013/03/modelos-estocasticos-y-deterministas.html#sthash.bfpjtV98.dpuf

DEFINICIONES
 Modelo determinstico
Un Modelo determinstico es un modelo matemtico donde las
mismas entradas 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 ste se aproxime a un modelo
probabilstico o de enfoque estocstico.
 Modelos estocsticos
Un modelo es estocstico 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 probabilsticas. Sirven por lo general
para realizar grandes series de muestreos, quitan mucho tiempo en
el computador son muy utilizados en investigaciones cientficas.
Para lograr modelar correctamente un proceso estocstico es
necesario comprender numerosos conceptos de probabilidad y
estadstica.
Dentro del conjunto de procesos estocsticos se encuentran, por
ejemplo, el tiempo de funcionamiento de una mquina entre avera
y avera, su tiempo de reparacin y el tiempo que necesita un
operador humano para realizar una determinada operacin.
 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 TIENEN

LAS SIGUIENTES CARACTERSTICAS:
 Estos tipos de modelos tienden a ser ms populares en la literatura. Ejemplo:
incluyen la mayora de los modelos de RBC (Ciclo Real de Negocios), o
nuevos modelos monetarios keynesianos.
En estos modelos, los choques golpean el da de hoy (con una sorpresa),
pero despus su valor esperado es cero. Se esperan choques futuros, o
cambios permanentes en las variables exgenas que no pueden ser
manejados por el uso de aproximaciones de Taulor en torno a un estado
estacionario.
Hay que tener en cuenta que cuando estos modelos son linealizados al
primer orden, los agentes se comportan como si los choques futuros fueran
iguales a cero (ya que su expectativa es nula), que es la certeza de la
propiedad de equivalencia. Se trata de una frecuencia en un punto alto en
la literatura que induce a un error de los lectores en el supuesto de que sus
modelos puedan ser determinsticos.

LOS MODELOS ESTOCSTICOS, EN

CAMBIO, TIENEN LAS SIGUIENTES
CARACTERSTICAS:
Ejemplos
Modelos determinsticos: la planificacin de una lnea de produccin, asignacin de las salas de
clases en una universidad.
Modelos estocsticos: filas de espera, administracin de proyectos y pronstico.
- See more at: http://upcmodelos.blogspot.mx/2013/03/modelos-estocasticos-y-
deterministas.html#sthash.bfpjtV98.dpuf