Modelo matemático: se define como una descripción desde el punto de vista de

las matemáticas de un hecho o fenómeno del mundo real, desde el tamaño de

la población, hasta fenómenos físicos como la velocidad, aceleración
o densidad. El objetivo del modelo matemático es entender ampliamente el
fenómeno y tal vez predecir su comportamiento en el futuro.

El proceso para elaborar un modelo matemático es el siguiente:

1. Encontrar un problema del mundo real.

2. Formular un modelo matemático acerca del problema,
identificando variables (dependientes e independientes) y
estableciendo hipótesis lo suficientemente simples para tratarse de
manera matemática.
3. Aplicar los conocimientos matemáticos que se posee para llegar a
conclusiones matemáticas.
4. Comparar los datos obtenidos como predicciones con datos reales. Si los
datos son diferentes, se reinicia el proceso.

Es importante mencionar que un modelo matemático no es completamente

exacto con problemas de la vida real, de hecho, se trata de una idealización.
Hay una gran cantidad de funciones que representan relaciones observadas en
el mundo real; las cuales se analizarán en los párrafos siguientes, tanto
algebraicamente como gráficamente.

Una definición de modelo matemático es la siguiente: un modelo matemático es

una construcción matemática abstracta y simplificada relacionada con una parte
de la realidad y creada para un propósito particular. Así, por ejemplo, un gráfico,
una función o una ecuación pueden ser modelos matemáticos de una situación
específica.
Los modelos matemáticos pueden ser clasificados como:

A) CUALITATIVOS - CUANTITATIVOS.
Cualitativos: Son aquellos que se ocupan de los problemas de acuerdo a sus
cualidades, propiedades o características.
Cuantitativos: Se refiere a la construcción de un modelo matemático
representada por símbolos, en función a las variables y constantes del mismo.

B) ESTÁNDAR - HECHO A LA MEDIDA

Estándar: Son aquellos que son utilizados en forma repetitiva, aplicando el
mismo procedimiento y se generarán resultados que no cambian en esencia;
pero sí numéricamente.
Modelo hecho a la medida: Es aplicable para resolver un problema en
específico, en consecuencia, quedará posteriormente obsoleto.

C) PROBABILÍSTICO - DETERMINÍSTICO.
Probabilísticos o estocásticos: Se hace uso de este modelo cuando no se
tiene certeza de lo que pueda suceder, los eventos estarán bajo cierto grado de
incertidumbre.
Determinísticos: Son modelos donde se tiene total certeza de lo que sucederá.

D) DESCRIPTIVOS - HEURÍSTICOS.
Descriptivos o de optimización: En Investigación de Operaciones, los modelos
son comúnmente iterativos por naturaleza, o sea, que existen repeticiones
análogas. La respuesta final llega a pasos y cada nueva interpretación se acerca
a la solución del nivel óptimo.
Heurísticos: En esencia, emplean reglas intuitivas que servirán para explorar
las trayectorias más probables para llegar a una conclusión.

E) ESTÁTICO - DINÁMICO.
Estático: Determinan una respuesta para una serie especial de condiciones fijas
que probablemente no cambiarán significativamente a corto plazo.
Dinámico: Está sujeto al factor tiempo, ya que desempeña un papel esencial en
la secuencia de decisiones. Sin importar cuales hayan sido el resultado de la
decisión anterior, el modelo matemático nos permite encontrar las decisiones
óptimas para los períodos que queden todavía en el futuro.

F) SIMULACIÓN - NO SIMULACIÓN.
Simulación: Son generalmente softwares, o programas de computación que
hacen réplica del comportamiento del sistema. Pueden manejarse sistemas
bastante complejos que difícilmente se lograrían de manera manual.
No simulación: Estadísticamente hablando, no realiza experimentos sobre los
datos de una muestra más que sobre el universo entero.

Modelo lineal: es usado en diferentes maneras de acuerdo al contexto. La

manera más frecuente es en conexión con modelos de regresión y el término a
menudo se toma como un sinónimo del modelo de regresión lineal. Sin embargo,
el término es también usado en análisis de series de tiempo con un significado
diferente. En cada caso, la denominación como "lineal" es usada para identificar
una subclase de modelos para los cuales la reducción en complejidad de
la teoría estadística relacionada es posible.

Tipos de Modelos Matemáticos

Modelo Probabilísticas: Es la forma que pueden tomar un conjunto de datos

obtenidos de muestreos de datos con comportamiento que se supone aleatorio.
Este modelo afirma que pueden caracterizarse los documentos de una colección
mediante el uso de términos de indización.
Modelo Determinísticos: es un modelo matemático donde las
mismas entradas producirán invariablemente las mismas salidas, no
contemplándose la existencia del azar ni el principio de incertidumbre. Está
estrechamente relacionado con la creación de entornos simulados a través
de simuladores para el estudio de situaciones hipotéticas, o para crear sistemas
de gestión que permitan disminuir la incertidumbre.
Modelos Lineales: Tratan de explicar el comportamiento de una variable
aleatoria mediante su relación lineal con los valores de otras que pueden influirla.
La manera más frecuente es en conexión con modelos de regresión y el término
a menudo se toma como un sinónimo del modelo de regresión lineal. Sin
embargo, el término es también usado en análisis de series de tiempo con un
significado diferente
Modelos Causales: Son una herramienta metodológica utilizada en las ciencias
sociales y del comportamiento como una alternativa a las técnicas
experimentales y correlacionales. El objetivo de estos modelos es lograr
relaciones casuales entre las variables en primer plano y las relaciones
estructurales que operan en un sistema dado. Este artículo presenta una visión
general del fundamento metodológico de tales modelos que haciendo aplicación
acentúan haciendo análisis de las variables que intervienen en la adquisición y
el aprendizaje de una segunda lengua.
Modelos de Sistemas Dinámicos: En la predicción del comportamiento
dinámico de un sistema (fase de análisis), o en su mejora en la evolución
temporal o frecuencial (fase de diseño), se requiere del conocimiento del modelo
matemático tanto del equipo como de las señales que hay en su alrededor.
Cuando un nuevo producto se está diseñando, antes de iniciar las etapas de
realización física del sistema, éste debe haber superado las pruebas de la
simulación. Los simuladores son programas de ordenador que predicen el
comportamiento dinámico de los sistemas. Estos paquetes softwares se basan
en el modelado matemático de los elementos que constituyen los sistemas y de
las señales que les atacan.
Modelado de Sistema de Control: Se puede definir el modelado de un sistema
de control de un determinado proceso como la obtención de un conjunto de
funciones matemáticas que permiten representar, al menos de forma
aproximada, el comportamiento de las variables de mayor interés del sistema de
bajo estudio.
Modelo de Sistema de Pensamiento: Es una propuesta para estudiar y
gestionar la retroalimentación de sistemas complejos tales los que uno encuentra
en las corporaciones y otros sistemas sociales. De hecho, se ha utilizado para
describir prácticamente toda clase de sistema de retroalimentación. Las
dinámicas de sistemas son más o menos igual que los Sistemas de
Pensamientos, pero acentúa el uso de herramientas de simulación
computacional.
Modelos Computacionales: Un modelo computacional es un modelo
matemático en las ciencias de la computación que requiere extensos recursos
computacionales para estudiar el comportamiento de un sistema complejo por
medio de la simulación por computadora. El sistema bajo estudio es a menudo
un sistema complejo no lineal para el cual las soluciones analíticas simples e
intuitivas no están fácilmente disponibles. En lugar de derivar una solución
analítica matemática para el problema, la experimentación es hecha con el
modelo cambiando los parámetros del sistema en la computadora, y se estudian
las diferencias en el resultado de los experimentos. Las teorías de la operación
del modelo se pueden derivar/deducir de estos experimentos de
computacionales.
Ejemplos de modelos de computacionales comunes son modelos de
el pronóstico del tiempo, modelos del Earth Simulator, modelos de simulador de
vuelo, modelos de plegamiento molecular de proteínas, y modelos de red neural.