Les analystes de risques doivent souvent prendre en compte deux sources de variation dans leurs modèles :
Incertitude : hypothèses incertaines car vous ne disposez pas de suffisamment d'informations sur une valeur réelle, mais inconnue. Par exemple, on parle d'incertitude pour la taille des réserves de pétrole et pour le taux d'intérêt d'ici 12 mois. Vous pouvez décrire une hypothèse d'incertitude avec une loi de probabilité. En théorie, vous pouvez dissiper tous vos doutes en rassemblant plus d'informations. D'un point de vue pratique, il risque de vous manquer des données que vous n'avez pas collectées ou dont le coût d'acquisition est trop élevé.
Dispersion : hypothèses changeantes car elles décrivent une population avec des valeurs différentes. Par exemple, on parle de dispersion pour le poids des personnes au sein de la population ou le nombre de produits vendus quotidiennement sur une année. Vous pouvez décrire une hypothèse de dispersion avec une loi discrète (ou générer une approximation avec une loi continue). La dispersion est inhérente au système, et vous ne pouvez pas l'éliminer en rassemblant plus d'informations.
Pour de nombreux types d'évaluation des risques, il est important de bien faire la distinction entre incertitude et dispersion (reportez-vous aux références de Hoffman et Hammonds dans la bibliographie). La séparation de ces concepts dans une simulation permet de détecter plus précisément la variation d'une prévision en raison d'un manque d'informations et la variation due à la dispersion naturelle d'une mesure ou de la population. De la même manière qu'une simulation unidimensionnelle est généralement plus pertinente que des estimations à point unique pour représenter la probabilité réelle d'un risque, une simulation bidimensionnelle génère de meilleurs résultats qu'une simulation unidimensionnelle pour caractériser un risque.
L'outil de simulation 2D exécute une boucle externe pour simuler les valeurs d'incertitude, puis il fige celles-ci lorsqu'il exécute une boucle interne (de tout le modèle) pour simuler la dispersion. Ce processus se répète pour un certain nombre de simulations externes, indiquant ainsi les variations de la loi de prévision en fonction de l'incertitude.
Le principal résultat de ce processus est un graphique représentant une série de lois des effectifs cumulés. Vous pouvez interpréter ce graphique en tant que plage des courbes de risque possible associé à une population.