Los analistas de riesgos deben a menudo tener en cuenta dos orígenes de variación en sus modelos:
Incertidumbre: suposiciones que no son seguras porque no tiene suficiente información sobre un valor verdadero, pero desconocido. Entre los ejemplos de incertidumbre se incluyen el tamaño de las reservas de un campo petrolífero y el tipo de interés básico a 12 meses. Puede describir una suposición de incertidumbre con una distribución de probabilidad. En teoría, puede eliminar la incertidumbre recopilando más información. En la práctica, puede faltar información debido a que no la haya recopilado o a que sea demasiado costosa de recopilar.
Variabilidad: suposiciones que cambian porque describen una población con valores diferentes. Entre los ejemplos de variabilidad se incluyen los pesos corporales individuales en una población o el número diario de productos vendidos durante un año. Puede describir una suposición de variabilidad con una distribución discreta (o aproximada con una distribución continua). La variabilidad es inherente al sistema, por lo que no se puede eliminar recopilando más información.
Para muchos tipos de evaluaciones de riesgos, es importante distinguir claramente entre incertidumbre y variabilidad (consulte la referencia de Hoffman y Hammonds en la bibliografía). Separar estos conceptos en una simulación permite detectar de forma más precisa la variación en una previsión, debido a la falta de conocimientos y la variación causada por la variabilidad natural en una medida o población. De la misma forma que una simulación de una sola dimensión generalmente es mejor que las estimaciones de un único punto para mostrar la verdadera probabilidad de riesgo, una simulación de dos dimensiones generalmente es mejor que la simulación de una sola dimensión para caracterizar el riesgo.
La herramienta Simulación en 2D ejecuta un bucle externo para simular los valores de incertidumbre y, a continuación, congela los valores de incertidumbre mientras ejecuta un bucle interno (de todo el modelo) para simular la variabilidad. Este proceso se repite para una serie de simulaciones externas, proporcionando una visión general de cómo varía la distribución de previsión debido a la incertidumbre.
El resultado principal de este proceso es un gráfico que representa una serie de distribuciones de frecuencia acumuladas. Puede interpretar este gráfico como el rango de posibles curvas de riesgos asociado a una población.