Los modelos determinísticos suponen que toda la información es conocida con certeza, mientras que los modelos estocásticos incorporan elementos aleatorios para representar la incertidumbre. Los modelos determinísticos incluyen planificación de líneas de producción y asignación de aulas, mientras que los modelos estocásticos se usan para filas de espera, gestión de proyectos y pronósticos.

1. MODELOS
DETERMINÍSTICOS
VS
MODELOS ESTOCÁSTICOS

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

3.  Modelo determinístico
 Un Modelo determinístico es un modelo matemático donde las mismas
entradas producirán invariablemente las mismas salidas, no
contemplándose la existencia del azar ni el principio de incertidumbre.
estrechamente relacionado con la creación de entornos simulados a
de simuladores para el estudio de situaciones hipotéticas, o para crear
sistemas de gestión que permitan disminuir la incertidumbre.
La inclusión de mayor complejidad en las relaciones con una cantidad
mayor de variables y elementos ajenos al modelo determinístico hará
posible que éste se aproxime a un modelo probabilístico o de enfoque
estocástico.

4.  Modelos estocásticos
 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
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
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.

5. LOS MODELOS DETERMINÍSTICOS TIENEN
LAS SIGUIENTES CARACTERÍSTICAS:
 Como la literatura del modelo estocástico se ha ganado la atención en la economía, los modelos
determinísticos 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 régimen, como la
introducción de nuevo impuesto, por ejemplo.
 Asume toda la información, hay suposición perfecta y no hay incertidumbre en torno a los choques.
 Los choques pueden afectar a la economía de hoy o la de cualquier momento en el futuro, dado el caso de
previsión perfecta. También puede durar uno o varios períodos.
 Muy a menudo, sin embargo, los modelos introducen un choque positivo hoy y ningún choque a partir de
entonces (con certeza).
 La solución no requiere de linealización, de hecho, ni siquiera realmente necesita de un estado estacionario. En
su lugar, se trata la simulación numérica para encontrar las rutas exactas de las variables endógenas de primer
orden que cumplan con las condiciones del modelo y la estructura del choque.
 Este método de solución por lo tanto puede ser útil cuando la economía está muy lejos del estado
estacionario.

6. LOS MODELOS ESTOCÁSTICOS, EN CAMBIO,
TIENEN LAS SIGUIENTES CARACTERÍSTICAS:
 Estos tipos de modelos tienden a ser más populares en la literatura. Ejemplo:
incluyen la mayoría de los modelos de RBC (Ciclo Real de Negocios), o nuevos
modelos monetarios keynesianos.
 En estos modelos, los choques golpean el día de hoy (con una sorpresa), pero
después su valor esperado es cero. Se esperan choques futuros, o cambios
permanentes en las variables exógenas 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 determinísticos.

7. Ejemplos
Modelos determinísticos: la planificación de una línea de producción, asignación de las salas de
clases en una universidad.
Modelos estocásticos: filas de espera, administración de proyectos y pronóstico.
- See more at: http://upcmodelos.blogspot.mx/2013/03/modelos-estocasticos-y-
deterministas.html#sthash.bfpjtV98.dpuf