Stokastisk modellering är en teknik för att presentera data eller förutsäga utfall som tar hänsyn till en viss grad av slumpmässighet, eller oförutsägbarhet. Försäkringsbranschen, till exempel, är i hög grad beroende av stokastiska modeller för att förutsäga det framtida tillståndet för företagens balansräkningar, eftersom dessa kan bero på oförutsägbara händelser som leder till utbetalning av skador. Många andra branscher och studieområden kan dra nytta av stokastisk modellering, såsom statistik, aktieinvesteringar, biologi, lingvistik och kvantfysik.
Särskilt i försäkringsvärlden är stokastisk modellering avgörande för att avgöra vilka resultat som kan förväntas, jämfört med vilka som är osannolika. Istället för att använda fasta variabler som i annan matematisk modellering, innehåller en stokastisk modell slumpmässiga variationer för att förutsäga framtida förhållanden och för att se hur de kan se ut. Möjligheten till en slumpmässig variation innebär naturligtvis att många kan förekomma. Av denna anledning körs stokastiska modeller inte bara en gång, utan hundratals eller till och med tusentals gånger. Denna större insamling av data uttrycker inte bara vilka utfall som är mest sannolika, utan även vilka intervall som kan förväntas.
För att förstå idén med stokastisk modellering kan det vara bra att tänka på att det på sätt och vis är motsatsen till deterministisk modellering. Denna andra typ av modellering är vad det mesta av elementär matematik består av. Lösningen på ett problem kan vanligtvis bara ha ett rätt svar, och grafen för en funktion kan bara ha en specifik uppsättning värden. Stokastisk modellering, å andra sidan, är som att variera ett komplicerat matematiskt problem något för att se hur lösningen påverkas, och sedan göra det många gånger och på olika sätt. Dessa små variationer representerar slumpmässigheten eller oförutsägbarheten i verkliga händelser och deras effekter.
En annan verklig tillämpning av stokastisk modellering, förutom försäkring, är tillverkning. Tillverkning ses som en stokastisk process på grund av den effekt som okända eller slumpmässiga variabler kan ha på slutresultatet. Till exempel kommer en fabrik som tillverkar en viss produkt alltid att upptäcka att en liten andel av produkterna inte kommer ut som avsett och inte kan säljas. Detta kan bero på en mängd olika faktorer, såsom kvaliteten på insatsvarorna, produktionsmaskineriets arbetstillstånd och medarbetarnas kompetens. Oförutsägbarheten av hur dessa faktorer påverkar utfallen kan modelleras för att förutsäga en viss felfrekvens i tillverkningen, som kan planeras i förväg.