Las máquinas de inducción se han convertido en el estándar para aplicaciones industriales altamente exigentes. Esto ha llevado a la utilización de técnicas de control modernas en tiempo discreto (como el control predictivo basado en modelos) que requieren la estimación de variables internas que no están sujetas a medición (como la velocidad de rotación en aplicaciones sin sensor). Desde este punto de vista, es fundamental contar con modelos precisos en tiempo discreto de máquinas de inducción, especialmente dada su naturaleza no lineal, para que las técnicas de control cumplan con los requisitos de diseño. A pesar de lo anterior, la modelización de máquinas de inducción no ha recibido mucha atención en la literatura, a pesar de que actualmente se están utilizando máquinas más potentes y microcontroladores más rápidos. Para comprender mejor los modelos de máquinas de inducción para control, en este artículo desarrollamos y comparamos varios modelos en tiempo discreto de máquinas de inducción basados en los métodos de Euler, Taylor y Runge-Kutta. Además, comparamos el Filtro de Kalman Extendido y el Filtro de Kalman Inconsistente para la estimación de estado en términos de precisión y carga computacional. Los modelos se derivan y comparan a través de extensas simulaciones de Monte Carlo y las técnicas de estimación de estado se comparan en términos de error cuadrático medio, tiempo de ejecución y error absoluto máximo. Nuestras simulaciones muestran que, en general, el método de Taylor produce modelos más precisos que tanto los métodos de Runge-Kutta como de Euler. En particular, el método de Taylor resulta en un error cuadrático medio que es un orden de magnitud más pequeño que el método de Euler para la corriente del estator y los enlaces de flujo del rotor. Para la velocidad angular del rotor, los métodos de Runge-Kutta son más precisos que tanto los métodos de Taylor como de Euler, lo que resulta en un error cuadrático medio que es dos órdenes de magnitud más pequeño que el método de Euler. Por otro lado, el Filtro de Kalman Extendido resulta en un tiempo de ejecución más pequeño que el Filtro de Kalman Inconsistente, hasta dos órdenes de magnitud. En términos de error cuadrático medio y error absoluto máximo, ambos algoritmos de filtrado se desempeñan de manera similar.