Se sabe que los modelos matemáticos de sistemas biológicos a menudo tienen muchos parámetros y la elección de valores para esos parámetros puede ser una limitación en las aplicaciones prácticas. De hecho, la medición experimental de los parámetros del modelo es difícil y la estimación de parámetros ingenua conduce a problemas de identificación de parámetros. En esta tesis presentamos un método para la selección de parámetros informado por análisis de sensibilidad global y por datos. Aplicamos estas técnicas a un modelo de cáncer de próstata bajo bloqueo androgénico intermitente. Primero, clasificamos los parámetros del modelo de acuerdo con su contribución a la varianza de verosimilitud. Clasificamos un parámetro a la vez para lidiar con las múltimples escalas de la verosimilitud. En segundo lugar, utilizamos selección de modelos bajo el paradigma bayesiano para comparar la parametrización del modelo propuesto con la parametrización de un modelo de referencia de la literatura. Usamos datos sintéticos para presentar nuestros hallazgos y ofrecer una discusión sobre otras aplicaciones de nuestro método.