常用的数学模型包括：线性模型、非线性模型、概率统计模型、决策模型、优化模型等。
线性模型是最为基础和广泛应用的数学模型之一。它描述的是变量间存在的线性关系。线性模型形式简单，易于理解和计算。在线性模型中，自变量和因变量之间的关系是线性的，即一种变量的变化会导致另一种变量按比例变化。线性回归分析和线性方程都是线性模型的典型应用。
非线性模型则是描述变量间非线性关系的模型。在实际问题中，许多现象和过程呈现出非线性特征，因此非线性模型具有广泛的应用。非线性模型的形式多样，包括指数模型、对数模型、幂函数模型等。这些模型能够更精确地描述复杂系统的行为。
概率统计模型是描述随机现象的数学模型。它通过对数据的概率分布进行分析，揭示数据背后的规律和趋势。概率统计模型广泛应用于风险评估、预测分析、决策制定等领域。例如，回归分析、时间序列分析等都是概率统计模型的典型应用。
决策模型是描述决策问题的数学模型。它帮助人们在面临多个选择时，通过定量分析和优化，找到最优的决策方案。决策模型通常涉及优化理论、博弈论等数学方法，帮助决策者评估不同方案的风险和收益。
优化模型则是寻找最优解决方案的数学模型。在解决实际问题时，如工程设计、资源分配、经济规划等，都需要在多个约束条件下找到最优解决方案。优化模型通过数学方法，如微积分、线性规划等，找到满足约束条件的最佳解决方案。
除了以上几种常见的数学模型，还有如微分方程模型、离散数学模型、排队模型等，都在不同的领域和场景中发挥着重要作用。这些数学模型为我们提供了理解和解决复杂问题的有力工具。