1. Utiliza técnicas matemáticas y estadísticas para explicar, o pronosticar, distintas variables económicas.
1.1. Emplea como principal herramienta de trabajo la econometría.
1.2. Aplica estas técnicas usando la teoría económica como base.
2. Ventajas del modelado matematico
2.1. 1- Un modelo podría ser preciso en extremo. Un modelo válido es preciso y representa correcta mente el problema o sistema que se investiga.
2.1.1. 2. Los modelos ayudan a quien toma decisiones a formular problemas. por ejemplo, un tomador de decisiones determina los factores importantes o qué contribuye a los ingresos y a los gastos, como ventas, rendimientos, gastos de venta, costos de producción, costos de transporte, etcétera.
2.1.1.1. 3. Los modelos brindan conocimiento e información. Por ejemplo, al usar el modelo de la ganancia de la sección anterior, se observa qué impacto tienen los cambios en ingresos y en gastos sobre las ganancias.
2.1.1.1.1. 4. Los modelos podrían ahorrar tiempo y dinero en la toma de decisiones y en la solución de problemas . Un modelo de ganancias sirve para analizar la influencia de una nueva campaña de marketing sobre las ganancias, los ingresos y gastos
2.2. Un modelo matemático es la expresión formal de las relaciones entre los componentes de un modelo. La construcción de un modelo de este tipo implica la selección y cuantificación de los componentes, variables y relaciones presentes en el sistema para representarlo con el nivel de detalle requerido.
3. Enfoque
3.1. Utiliza la recolección y el análisis de datos para contestar preguntas de investigación y probar hipótesis establecidas previamente y confía en la medición numérica, el conteo y frecuentemente en el uso de la estadística para establecer con exactitud patrones de comportamiento de una población
3.2. El enfoque del análisis cuantitativo consiste en definir un problema, desarrollar un modelo, obtener los datos de entrada, desarrollar una solución, probar la solución, analizar los resultados e implementarlos
4. Clasificación de los modelos según su riesgo
4.1. Empíricos o basados en principios físicos
4.1.1. Se basa en las leyes físicas que rigen los procesos, un modelo empírico se basa en relaciones estadísticamente significativas entre variables.
4.1.1.1. Las ecuaciones que describen un modelo estadístico no son por tanto físicamente o dimensionalmente consistentes ni universales, ya que en rigor sólo son válidas para el contexto espacio-temporal en el que se calibraron.
4.1.1.1.1. Se caracterizan por un alto poder predictivo pero una escasa capacidad explicativa, es decir reproducen el funcionamiento del sistema razonablemente bien pero no permiten saber por que el sistema funciona así.
4.2. Estocásticos o deterministas
4.2.1. Incluyen generadores de procesos aleatorios dentro del modelo que modifican ligeramente algunas de las variables. De esta manera, para un mismo conjunto de datos de entrada, las salidas no serían siempre las mismas. La distinción ente modelos deterministas o estocásticos se confunde a veces con la anterior, relacionando equivocadamente modelos estocásticos con empíricos y deterministas con físicos.
4.2.1.1. En realidad un modelo determinista es aquel en el que dado un conjunto de de parámetros y variables de entrada va a producir siempre el mismo conjunto de variables de salida. En el caso de un modelo estocástico los valores de las variables de salida van a a variar de unas ejecuciones del modelo a otras ya que se deja intervenir al azar.
4.2.1.1.1. En el caso de estimación del riesgo de inundación resulta muy difícil determinar cual será la altura máxima de la lámina de agua. Los modelos estocásticos permitirían obtener una distribución de probabilidades de altura de agua, lo que sería más interesante de cara a la planificación del territorio.
4.3. Agregados o distribuidos
4.3.1. Toda el área de estudio se considera de forma conjunta, por ejemplo una cuenca hidrográfica. Se tiene un único valor para todos los parámetros del modelo. El modelo predice unas salidas para las entradas aportadas sin informar de lo que ocurre dentro del sistema.
4.3.1.1. En un modelo distribuido, tendremos el área de estudio dividida en porciones cada una de ellas con su propio conjunto de parámetros y sus propias variables de estado. Cada porción recibe un flujo de materia y energía de algunas de sus vecinas que a su vez reemite a otras.
4.3.1.1.1. La incorporación de la componente espacial en los modelos resulta bastante compleja. Si se opta por un modelo distribuido es necesario establecer un modelo de datos espaciales que permita asignar valores de los parámetros y las variables de estado a los diferentes puntos del área de estudio. Puede tratarse de distribuciones de puntos, de mallas raster o de redes irregulares de triángulos (TIN).
4.4. Estáticos o dinámicos
4.4.1. Los modelos estáticos dan un resultado agregado para todo el período de tiempo considerado este puede ser por ejemplo un caudal medio o un caudal punta. Los modelos dinámicos devuelven las series temporales de las variables consideradas a lo largo del período de estudio
4.4.1.1. Los parámetros se distinguen de las variables en que aquellos son invariantes a la escala espacio-temporal del modelo. Las variables de entrada y salida representan flujos de materia y energía desde y hacia el interior del sistema. Las variables de estado representan cambios en la cantidad de materia y energía disponible. La distinción entre variables y parámetros depende de la escala, espacial y temporal, del modelo.
4.4.1.1.1. Si el modelo tiene en cuenta de forma explícita el espacio estamos ante un modelo espacialmente distribuido, si se tiene en cuenta el tiempo tenemos un modelo dinámico.