Stochastische Modellierung ist eine Technik zur Darstellung von Daten oder zur Vorhersage von Ergebnissen, die einen gewissen Grad an Zufälligkeit oder Unvorhersehbarkeit berücksichtigt. Die Versicherungswirtschaft ist beispielsweise in hohem Maße auf stochastische Modellierung angewiesen, um den zukünftigen Zustand der Unternehmensbilanzen vorherzusagen, da diese von unvorhersehbaren Ereignissen abhängen können, die zur Zahlung von Schadenfällen führen können. Viele andere Branchen und Studienrichtungen können von der stochastischen Modellierung profitieren, beispielsweise Statistik, Aktieninvestitionen, Biologie, Linguistik und Quantenphysik.
Insbesondere in der Versicherungswelt ist die stochastische Modellierung entscheidend, um zu bestimmen, welche Ergebnisse erwartet werden können und welche unwahrscheinlich sind. Anstatt feste Variablen wie bei anderen mathematischen Modellen zu verwenden, verwendet ein stochastisches Modell zufällige Variationen, um zukünftige Bedingungen vorherzusagen und zu sehen, wie sie aussehen könnten. Natürlich impliziert die Möglichkeit einer zufälligen Variation, dass viele auftreten können. Aus diesem Grund werden stochastische Modelle nicht nur einmal, sondern hundert- oder sogar tausendmal durchlaufen. Diese umfangreichere Datensammlung drückt nicht nur aus, welche Ergebnisse am wahrscheinlichsten sind, sondern auch, welche Spannen zu erwarten sind.
Um die Idee der stochastischen Modellierung zu verstehen, kann es hilfreich sein zu bedenken, dass sie in gewisser Weise das Gegenteil der deterministischen Modellierung ist. Aus dieser zweiten Art der Modellierung besteht der Großteil der elementaren Mathematik. Die Lösung eines Problems kann normalerweise nur eine richtige Antwort haben, und der Graph einer Funktion kann nur eine bestimmte Menge von Werten haben. Stochastische Modellierung hingegen ist, als würde man ein kompliziertes mathematisches Problem leicht variieren, um zu sehen, wie die Lösung beeinflusst wird, und das dann so oft und auf unterschiedliche Weise. Diese leichten Variationen repräsentieren die Zufälligkeit oder Unvorhersehbarkeit von realen Ereignissen und deren Auswirkungen.
Eine weitere reale Anwendung der stochastischen Modellierung neben Versicherungen ist die Fertigung. Die Herstellung wird als stochastischer Prozess angesehen, da sich unbekannte oder zufällige Variablen auf das Endergebnis auswirken können. Zum Beispiel wird eine Fabrik, die ein bestimmtes Produkt herstellt, immer feststellen, dass ein kleiner Prozentsatz der Produkte nicht wie beabsichtigt herauskommt und nicht verkauft werden kann. Dies kann an einer Vielzahl von Faktoren liegen, wie unter anderem an der Qualität der Inputs, dem Arbeitszustand der Produktionsmaschinen und der Kompetenz der Mitarbeiter. Die Unvorhersehbarkeit, wie sich diese Faktoren auf die Ergebnisse auswirken, kann modelliert werden, um eine bestimmte Fehlerrate in der Fertigung vorherzusagen, die im Voraus geplant werden kann.