Hernndez Mazn Cinthia Feb/15

Pronsticos determinsticos.
Son modelos cuya solucin para determinadas condiciones es nica y siempre
la misma.
Segun Jeffer (2002), los modelos determinsticos, "son aquellos que a cada
valor de la variable independiente corresponde otro valor de la variable
dependiente. Son especialmente tiles en los sistemas que evolucionan con el
tiempo, como son los sistemas dinmicos. En ellos podemos conocer el estado
del sistema transcurrido cierto tiempo una vez que hemos dado valores a los
distintos parmetros que aparecen en el modelo"
Segun Crhirtofer (2007), "es un modelo matemtico donde las mismas entrada
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
determinsticos har posible que este se aproxime a un modelo probabilstico o
de enfoque estocstico.
Los modelos determinsticos son los que hacen predicciones definidas de
cantidades, dentro de cualquier distribucin de probabilidades; tambin se les
puede definir como aquellos que se aplican a problemas en los que hay un solo
estado de la naturaleza, y donde variables, limitaciones y alternativas son,
despus de que se aceptan los supuestos, conocidos, definibles, finitos y
predecibles con confidencia estadstica. Algunos modelos, herramientas o
tcnicas determinsticas son: programacin lineal, anlisis de Markov,
costo/beneficio, entre otros (krone, 1980; lopez, 2001). En otras palabras, un
modelo determinstico se construye para una condicin de certeza supuesta, y
el modelo asume que solo hay un resultado posible (el cual es conocido) para
cada accin o curso alternativo (Malczewski, 1999).
Los modelos determinsticos tienen las siguientes caractersticas:
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.

Hernndez Mazn Cinthia Feb/15

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 son importantes por cinco razones:
1. Una asombrosa variedad de importantes problemas de administracin
pueden formularse como modelos determinsticos.
2. Muchas hojas de clculo electrnicas cuentan con la tecnologa necesaria
para optimizar modelos determinsticos, es decir, para encontrar decisiones
optimas. Cuando se trata en particular de modelos PL grandes, el
procedimiento puede realizarse con mucha rapidez y fiabilidad.
3. El subproducto de las tcnicas de anlisis es una gran cantidad de
informacin muy til para la interpretacin de los resultados por la gerencia.
4. La optimizacin restringida, en particular, es un recurso extremadamente til
para reflexionar acerca de situaciones concretas, aunque no piense usted
construir un modelo y optimizarlo.
5. La prctica con modelos determinsticos le ayudara a desarrollar su habilidad
para la formulacin de modelos en general.