1. Modelo cuantitativoes aquel cuyos principales símbolos
representan números. Son los más comunes y útiles en los
negocios.
Modelo cualitativoaquel modelo cuyos símbolos representan
en su mayoría a Cualidades no numéricas. Una fuente
importante es la teoría de conjuntos.
Modelo Probabilístico aquellos basados en la estadística y
probabilidades (donde se incorpora las incertidumbres que por
lo general acompañan nuestras observaciones de eventos
reales).
Modelo Determinístico corresponde a aquel modelo
cuantitativo que no contiene consideraciones probabilísticas.
Modelo Descriptivocuando el modelo simplemente describe una
situación del mundo real en términos matemáticos,
descripción que puede emplearse para exponer una situación
con mayor claridad, para indicar como pueden reajustarse o
aún para determinar los valores de ciertos aspectos de la
situación.
Modelo Optimizadorcorresponde al modelo ideado para
seleccionar entre varias alternativas, de acuerdo a
determinados criterios, la más óptima.
Los modelos de cualquier clase, sin importar su refinamiento y
exactitud, pueden probar ser poco prácticos si no están respaldados

2. con datos confiables. Si se distorsionan las estimaciones, la solución
obtenida, pese a ser óptima en un sentido matemático, en realidad
será de calidad inferior desde la perspectiva del sistema real. En
consecuencia, la disponibilidad de datos puede tener un efecto
directo en la precisión del modelo. La recopilación de datos puede
ser la parte más difícil para determinar un modelo y
desgraciadamente no se pueden sugerir reglas para este
procedimiento.
Por lo común los modelos matemáticos son de índole iterativa, vale
decir, se llega a la respuesta final en pasos o iteraciones y cada
iteración acerca la solución al nivel óptimo, pero no todos los
modelos matemáticos poseen algoritmos de solución que converjan
al nivel óptimo por dos razones:
El algoritmo de solución converge al nivel óptimo solo en
teoría. La convergencia teórica señala que hay un límite
superior finito, pero sin indicar cuan alto puede ser ese límite.
Por lo tanto, se puede gastar horas y horas de computadora
sin alcanzar la iteración final.
La complejidad del modelo matemático puede hacer imposible
idear un algoritmo de solución. Por lo tanto, el modelo puede
mantenerse no factible en términos de cálculo.