Muchos modelos matemáticos de optimización, asociados con los procesos técnico-económicos de problemas del mundo real, tienen elementos de incertidumbre en su estructura, lo que los sitúa en la programación de optimización estocástica. Su diversidad y complejidad, debido al gran espacio de incertidumbre, requieren métodos especiales de resolución, ya que no hay un método de solución general. Dentro de este contexto, en este documento consideramos la categoría de modelos de optimización que pueden contener coeficientes de tipo variable aleatoria y/o niveles de probabilidad impuestos en las restricciones. El propósito del documento es proponer una metodología dedicada a estos modelos estudiados. La aplicación de la metodología conduce al desarrollo de un modelo determinístico de programación lineal, asociado con el modelo estocástico inicial. De hecho, la metodología propuesta reduce la formulación estocástica a una formulación determinística. La metodología se ilustra con un estudio de caso numérico basado en un problema de fabricación. La resolución del modelo determinístico obtenido se lleva a cabo en la versión asistida por un producto de software especializado (Versión 2.0). Permite realizar un análisis de sensibilidad de la solución óptima y/o un análisis paramétrico relativo a ciertos coeficientes del modelo, ambos también presentados en el documento. El principal resultado del estudio en este documento es la metodología propuesta, que es aplicable a gran escala, para cualquier modelo matemático de optimización estocástica del tipo mencionado, independientemente de la complejidad, dimensiones y el dominio del proceso al que está asociado. Los resultados numéricos obtenidos al aplicar esta metodología indican su eficiencia y efectividad en la búsqueda de la solución para los modelos estudiados. El enfoque de este tema en el presente documento está determinado por la amplia gama de problemas de optimización estocástica en los diversos procesos de la vida real estudiados y por la necesidad imperativa de adoptar las mejores decisiones en condiciones de incertidumbre.