Manažeři se setkávali s rizikem odjakživa. Většinou se však na riziko pohlíželo jako na autonomní součást rozhodování – vzalo se v potaz a dále se neřešilo. Kvantifikace rizika se začalo využívat až v posledních desetiletích, avšak přesto se i dnes v naprosté většině analýz pracuje s bodovými odhady skutečnosti.
Jednoduchý model vytvořený prostřednictvím bodových odhadů zobrazuje níže uvedená tabulka. Pokud se na její strukturu podíváme podrobněji, uvědomíme si, že již na takto malém modelu lze najít mnoho chyb plynoucích právě z používání bodových odhadů. Prvním významným nedostatkem je ignorování vnitřních závislostí mezi jednotlivými proměnnými. Tyto závislosti mezi veličinami se nazývají korelace a jako příklad lze uvést z ekonomické teorie klesající poptávky vyplývající negativní korelaci mezi cenou jednoho kusu a počtem prodaných kusů. Stejně tak bude zřejmě existovat nelineární závislost mezi počtem prodaných kusů a variabilními náklady, která vyplývá z mikroekonomické teorie nákladových křivek firmy.
| Počet prodaných kusů | 10 |
| Cena kusu | 10 Kč |
| Celkové tržby | 100 Kč |
| Variabilní náklady | 5 Kč |
| Fixní náklady | 20 Kč |
| Celkové náklady | 70 Kč |
| Čistý zisk | 30 Kč |
Výstupem tohoto modelu je vypočtený čistý zisk na konci období v hodnotě přesně 30 Kč. Stěžejní otázka však zní: „Jaká je pravděpodobnost, že jsme odhadli uvedené hodnoty jednotlivých proměnných správně?“ Částečnou odpověď nám nabízí statistická teorie spojitého rozdělení, dle které se na konci příštího období vyskytne přesně tato hodnota s pravděpodobností blízké nule. Je to, jako bychom se do pokoje podívali skrz klíčovou dírku a doufali, že tak poznáme jeho obyvatele. Jistě, i pohled klíčovou dírkou nám mnohé napoví, avšak mnohem více získáme, až když do tohoto pokoje vstoupíme.
Jedním ze způsobů, jak se s tímto problémem analytici vypořádávají, je vytváření scénářů. Nejčastěji se vytvářejí tři modely s hodnotami zachycujícími pesimistický, optimistický a realistický odhad. Ani z těchto analýz se však nedá získat příliš informací, jelikož neřeší výše uváděné problémy. Bez pomocí simulace totiž stále pracujeme pouze s bodovými odhady, které jsou bez širšího kontextu velmi zavádějící a nezřídka tak podporují mylné závěry. Nic totiž nevypovídají o skutečném chování sledované veličiny a pouze nabízejí jednorázové náhledy na oblast jejich očekávaného výskytu.
Co tedy vlastně víme o této oblasti očekávaného výskytu? Velmi často se za těmito hodnotami skrývá aritmetický průměr, který lze jednoduše interpretovat a zároveň se vyskytuje i v běžném lidském vyjadřování. Běžně tak narážíme odhad aritmetického průměru tam, kde by bylo na místě využít jinou statistiku. Jen velmi málo reálných veličin totiž kopíruje ve svém výskytu normální rozdělení, kde by byla přibližně polovina hodnot souboru menších a polovina větších než aritmetický průměr.
Jako příklad takto zavádějící interpretace lze uvést rozdělení nominálních hrubých mezd v České republice za rok 2005, jejichž aritmetický průměr dosáhl 21 674 Kč. Co tedy tato informace vypovídá o jejich skutečném rozložení? Lepší představu poskytne medián, který byl pouze 18 589 Kč. Vezme-li se navíc v úvahu existence minimální mzdy 8 000 Kč, je evidentní, že rozdělení nominálních mezd bude hodně zešikmené.
Mnohem více informací však poskytne až skutečný náhled na průběh rozdělení mezd, jehož výsledek nabízí obrázek. Na něm je zachycena struktura hrubých měsíčních mezd žen a mužů. V roce 2005 činila u žen průměrná mzda 18 221 Kč a medián 16 443 Kč, u mužů pak byla průměrná mzda 24 271 Kč a medián 20 265 Kč. V grafu je pro srovnání zakreslen výše uvedený aritmetický průměr a medián nominálních hrubých mezd pro obě pohlaví (Zdroj dat: ČSÚ, Obrázek: ČSÚ).
Na tomto příkladu je jasně vidět, že bodový odhad je skutečně velmi zkreslující a o realitě toho vypovídá jen velmi málo. Právě simulace tak mohou v nejrůznějších případech pomoci odhalit skutečné chování sledované proměnné, jelikož jen zřídka je možné podívat se na skutečné chování sledované veličiny tak, jako tomu bylo v tomto případě.