虽然我们考虑的这些模型是抽象的（即数学上的），“模型”这个词的含义在这里的意义，与它在“模型飞机”中的意义类似。模型是一种简化。模型飞机一般不会拥有发动机，机翼可能不会动。在化学课上，我们可以使用棍棒和球构建分子模型，以帮助我们了解它们的属性。分子模型可能无法显示单个原子的组成。同样，数学模型也不可能在公式中把包括所有可能影响结果的因素都包含进来。它们通常包括简化的公式，因为完全正确的公式是未知的，或过于复杂。例如，我们可以在简单的公式中，使用“重力加速度”常量来确定一个物体从高处下落，撞到地面所需的时间。我们在公式中忽略了风的影响，但是，在某些日子里，风力可能会产生较大影响。
●人口增长
●某政府计划提案的成本
●二手烟的影响
●什么时候某种重要自然资源会耗尽
●减税对经济的影响
●全球变暖的威胁
●什么时候可能会发生大地震
物理模型通常与真实东西的大小并不相同。模型飞机比真实的要小很多，而分子模型则比真实的更大。在数学模型中，与现实有区别的往往是时间，而不是其物理尺寸。在计算机上做一个复杂的物理过程的细节建模，所需的计算往往比发生实际过程需要花费更多的时间。对于大范围现象的模型，如人口增长和气候变化，计算必须要比真实现象花费更少时间，因为只有这样的结果才是有用的。
从昂贵的计算机和复杂的计算机程序做出的预测，可以打动许多人，但是模型的质量是千差万别的。有些模型毫无价值；其他模型则非常可靠。政治家和特殊利益集团使用模型预测的结果，来判断数十亿美元的计划和法律的可行性，这会对经济产生重大影响，也会影响千百万人的生活水准和抉择。对于计算机专家和广大民众来说，重要的是，要稍微了解一下这样的计算机程序中拥有什么东西，其中的不确定性和弱点可能是什么，以及如何评价它们所声称的结果。而对于设计和开发公共问题模型的人来说，他们有职业和道德上的责任，诚实和准确地描述他们的模型的结果、假设和限制。
以下问题可以帮助我们确定一个模型的准确性和实用性。
1. 建模的人是否清楚他们所研究的系统背后的科学或理论（不管是物理学、化学、经济学，或其他学科）？他们是否很好地理解所涉及材料的相关属性？这些数据的准确性和完整度如何？
2. 模型必然涉及对现实的假设和简化。那么在该模型中采取了哪些假设和简化？
3. 该模型的结果或预测与物理实验结果或实际经验中的结果之间有多么接近？
美国政府开发了三个模型用来预测在采用全国医保系统之后可能对医疗保险开支带来的影响，但是它们的预测结果之间有数千亿美元的差别。两个模型预测开支会大幅增加，而另外一个则预测会大幅减少。为什么会有这样的区别？对于模型为什么不准确，可能会有政治和技术方面的原因。特别是对于这个例子来说，政治原因可能是显而易见的。除了该问题本身可能造成的一些技术方面的原因（对于所建模的系统拥有的不完整的知识、不完整或不准确的数据、错误或过于简单的假设）之外，其他原因还包括：所拥有的计算能力无法满足对该系统的全部复杂性进行建模所需的计算量，以及对表示人类价值和选择的变量进行数字量化的巨大困难，或者甚至根本不可能进行量化。
●在丢弃一个传统尿布之前，家长一般会重复使用多少次？（数值范围：从90到167次。）
●该模型中应该考虑通过废物焚烧而回收的能量吗？还是说焚烧带来的污染可能会抵消其带来的利益？
●在给孩子换尿布的时候，家长每次会使用几片尿布？（为了增加保护，许多家长会一次使用两片尿布。（模型中数值范围：1.72-1.9。）
●在该模型中会如何计算在棉花种植中使用农药的影响？
可重复使用（用可洗布制作）的尿布是否比一次性尿布更加环保呢？当环保主义者提出对一次性尿布实施禁令和加税时，在此争议中消耗的能源几乎和生产尿布一样多。几个建模者开发了计算机模型来研究这个问题。我们把这种特殊的模型称作是“生命周期分析”。它试图考虑一个产品的生产、使用和丢弃等各个方面可能会对资源利用和环境产生的影响。为了说明这样的研究有多么困难，列出在建模中所做假设的几个问题。根据不同的假设，会得到不同的结论。值得注意的是，该模型集中考虑的只是一个质量，即对环境的影响。在做出个人决定时，我们可能会考虑该模型的结果（如果我们认为它是可靠的），同时我们还会考虑其他因素，例如成本、美观、方便、舒适和健康风险。