Stohhastiline modelleerimine on andmete esitamise või tulemuste ennustamise tehnika, mis võtab arvesse teatud juhuslikkust või ettearvamatust. Näiteks kindlustussektor sõltub suuresti stohhastilisest modelleerimisest ettevõtete bilansi seisu ennustamisel, kuna see võib sõltuda ettearvamatutest sündmustest, mis toovad kaasa kahjude väljamaksmise. Stohhastilisest modelleerimisest saavad kasu paljud teised tööstusharud ja õppevaldkonnad, näiteks statistika, aktsiainvesteeringud, bioloogia, lingvistika ja kvantfüüsika.
Eelkõige kindlustusmaailmas on stohhastiline modelleerimine otsustava tähtsusega, et teha kindlaks, milliseid tulemusi võib oodata ja millised on ebatõenäolised. Selle asemel, et kasutada fikseeritud muutujaid, nagu näiteks muus matemaatilises modelleerimises, sisaldab stohhastiline mudel juhuslikke variatsioone, et ennustada tulevasi tingimusi ja näha, millised need võivad olla. Muidugi tähendab ühe juhusliku variatsiooni võimalus, et neid võib esineda palju. Sel põhjusel ei käivitata stohhastilisi mudeleid mitte ainult üks kord, vaid sadu või isegi tuhandeid kordi. See suurem andmekogu ei väljenda mitte ainult seda, millised tulemused on kõige tõenäolisemad, vaid ka seda, milliseid vahemikke võib oodata.
Stohhastilise modelleerimise idee mõistmiseks võib olla kasulik mõelda, et see on teatud mõttes vastupidine deterministlikule modelleerimisele. Sellest teist tüüpi modelleerimisest koosneb suurem osa elementaarsest matemaatikast. Ülesande lahendusel saab tavaliselt olla ainult üks õige vastus ja funktsiooni graafikul võib olla ainult üks konkreetne väärtuste komplekt. Stohhastiline modelleerimine seevastu on nagu keerulise matemaatikaülesannete pisut muutmine, et näha, kuidas lahendus mõjutab, ja seejärel teha seda mitu korda ja erineval viisil. Need väikesed variatsioonid näitavad reaalsete sündmuste ja nende mõju juhuslikkust või ettearvamatust.
Teine stohhastilise modelleerimise reaalmaailma rakendus peale kindlustuse on tootmine. Tootmist peetakse stohhastiliseks protsessiks, kuna tundmatud või juhuslikud muutujad võivad lõpptulemusele avaldada mõju. Näiteks tehas, mis valmistab teatud toodet, avastab alati, et väike osa toodetest ei tule välja nii, nagu ette nähtud, ja neid ei saa müüa. See võib olla tingitud erinevatest teguritest, näiteks sisendite kvaliteedist, tootmismasinate töötingimustest ja töötajate pädevusest. Ettearvamatust, kuidas need tegurid mõjutavad tulemusi, saab modelleerida, et ennustada teatud veamäära tootmises, mida saab ette planeerida.