Stochastinis modeliavimas yra duomenų pateikimo arba rezultatų prognozavimo metodas, kuriame atsižvelgiama į tam tikrą atsitiktinumo arba nenuspėjamumo laipsnį. Pavyzdžiui, draudimo pramonė labai priklauso nuo stochastinio modeliavimo, skirto prognozuoti būsimą įmonių balansų būklę, nes tai gali priklausyti nuo nenuspėjamų įvykių, dėl kurių bus apmokėtos žalos. Daugeliui kitų pramonės šakų ir studijų sričių gali būti naudingas stochastinis modeliavimas, pavyzdžiui, statistika, investavimas į akcijas, biologija, kalbotyra ir kvantinė fizika.
Ypač draudimo pasaulyje stochastinis modeliavimas yra labai svarbus nustatant, kokių rezultatų galima tikėtis, o kurie iš jų yra mažai tikėtini. Užuot naudoję fiksuotus kintamuosius, pavyzdžiui, kituose matematiniuose modeliuose, stochastinis modelis apima atsitiktinius variantus, kad būtų galima numatyti būsimas sąlygas ir pamatyti, kokios jos gali būti. Žinoma, vieno atsitiktinio varianto galimybė reiškia, kad gali atsirasti daug. Dėl šios priežasties stochastiniai modeliai paleidžiami ne vieną kartą, o šimtus ar net tūkstančius kartų. Šis didesnis duomenų rinkinys ne tik išreiškia, kurie rezultatai yra labiausiai tikėtini, bet ir kokių diapazonų galima tikėtis.
Norint suprasti stochastinio modeliavimo idėją, gali būti naudinga manyti, kad jis tam tikra prasme yra priešingas deterministiniam modeliavimui. Šis antrasis modeliavimo tipas yra tai, ką sudaro dauguma elementariosios matematikos. Problemos sprendimas paprastai gali turėti tik vieną teisingą atsakymą, o funkcijos grafikas gali turėti tik vieną konkrečią reikšmių rinkinį. Kita vertus, stochastinis modeliavimas yra tarsi sudėtingos matematikos problemos pakeitimas, kad pamatytumėte, kaip sprendimas paveikiamas, ir tai daroma daug kartų ir įvairiais būdais. Šie nedideli skirtumai rodo realaus pasaulio įvykių ir jų padarinių atsitiktinumą arba nenuspėjamumą.
Kitas realus stochastinio modeliavimo pritaikymas, be draudimo, yra gamyba. Gamyba vertinama kaip stochastinis procesas, nes nežinomi arba atsitiktiniai dydžiai gali turėti įtakos galutiniam rezultatui. Pavyzdžiui, gamykla, gaminanti tam tikrą produktą, visada pastebės, kad nedidelė dalis gaminių pagaminama ne taip, kaip buvo numatyta, ir jų negalima parduoti. Tai gali lemti įvairūs veiksniai, pvz., sąnaudų kokybė, gamybos mašinų darbo būklė ir darbuotojų kompetencija. Šių veiksnių įtakos rezultatams nenuspėjamumas gali būti modeliuojamas taip, kad būtų galima numatyti tam tikrą gamybos klaidų lygį, kurį galima planuoti iš anksto.