Un modelo se define como probabilístico cuando siempre que se somete a un mismo estimulo, reacciona de forma diferente.
En los problemas de toma de decisiones con frecuencia se tiene la necesidad de tomar decisiones con base en fenómenos asociados con la incertidumbre. Esta incertidumbre es la consecuencia de una variación constante del sistema debido a causas que no se pueden controlar. A este tipo de problemas se les puede incorporar el modelo matemático y manejarlos de forma cuantitativa.
Un ejemplo típico de este tipo de problemas lo constituyen los problemas de colas o líneas de espera mencionados anteriormente, como uno de los problemas que han sido estudiados por la investigación de operaciones.
Si en un banco se tiene el problema de determinar cuántas ventanillas debe tener abiertas para brindar el servicio de depósitos y cambio de cheques, es necesario estudiar las tasas de llegadas de los clientes al banco, así como los tiempos que tardan los cajeros en brindar los servicios. Sin embargo, debe tenerse presente que la llegada de los clientes al banco es una variable incontrolable y desconocida para el análisis de investigación de operaciones, lo que convierte el problema en problema de condiciones de incertidumbre. Por lo tanto, los modelos se han agrupado en modelos para sistemas deterministas, y modelos para sistemas probabilistas.
Diferencia y utilidad de los modelos deterministas y probabilistas.
Las primeras diferencias que existen entre ambos modelos, es que los modelos probalistas no necesitan encontrar una solución óptima debido a que los estados futuros del sistema nunca serán los mismos como consecuencia de las causas de variación incontrolables a las que está sometido dicho sistema. Recuérdese, como se dijo anteriormente, que este tipo de soluciones son exclusivas de los modelos deterministas.
Los modelos probabilistas producen entonces información llamada empírica o experimental, por lo que se hace necesario hacer uso del proceso de inferencia. Por inferencia a partir de datos experimentales.
Cuando no es posible del todo o es muy complejo encontrar una solución óptima, o el procedimiento de cálculo es ineficiente, entonces se recurre a procedimientos sistemáticos que reducen el esfuerzo necesario para encontrar una solución satisfactoria, aunque no necesariamente esta solución es óptima. Este tipo de procedimientos se conocen con el nombre de modelos heurísticos, y corresponden tanto a modelos determinísticos como a probabilísticos.
Lo que si garantizan estos procedimientos es que la solución que ofrecen generalmente está muy cerca de la solución óptima, bajo algunas condiciones de trabajo.