Jednoduchý model založený na bodových odhadech zobrazuje Tabulka 1, ve které můžeme najít několik nepřesností. Jistě by nebylo správné zde upravovat vstupní veličiny (například prodejní cena, počet prodaných kusů nebo jednotkové variabilní náklady) a přímo sledovat dopad na zisk společnosti vypočtený automaticky vzorci v buňkách, jelikož tímto přístupem zcela ignorujeme vnitřní závislosti mezi jednotlivými proměnnými. Jako příklad lze uvést z klesající funkce 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, jak vyplývá z mikroekonomické teorie nákladových křivek firmy.
Tabulka 1
Výstupem tohoto modelu je vypočtený zisk na konci období, resp. 30 Kč. Pravděpodobnost výskytu přesně této hodnoty je však limitně blízká nule. Obecně pro všechny odhady totiž platí, že jde o nejisté číslo, jehož výskyt zřejmě nastane na nějakém intervalu s proměnlivou hustotou očekávání po celé své délce. Zachycení této nejistoty umožňuje rozložení pravděpodobností očekávaných výskytů mezi diskrétními hodnotami či spojitými intervaly. Pokud model pracuje s bodovými odhady, využívá pouze jednoho čísla z celého intervalu. Tím je zpravidla střední či modální hodnota těchto rozdělení, čímž se vytrácí velmi významná informace o jejich rozptylu (tedy míře variability, tj. rizika/nejistoty, modelované veličiny), zároveň však i o jejich tvaru, který nemusí být vždy symetrický či unimodální.
Jedním ze způsobů, jak se s tímto problémem vypořádat, je vytváření scénářů. Nejčastěji s hodnotami zachycujícími pesimistický, optimistický a realistický odhad. Ani z těchto analýz se však nedá získat příliš informací a navíc neřeší výše uváděné problémy. Bez pomocí simulace totiž stále pracujeme pouze s bodovými odhady, které jsou bez širšího kontextu zavádějící a nezřídka podporují mylné závěry. Nic totiž nevypovídají o skutečném chování nejisté veličiny a pouze nabízejí dílčí informaci vydrženou z kontextu.
Za těmito hodnotami se často skrývá aritmetický průměr, který lze jednoduše interpretovat a zároveň se vyskytuje i v běžném 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).
Z tohoto příkladu je zřejmé, že bodový odhad je skutečně zkreslující a o realitě toho mnoho nevypovídá. Jediným problémem tedy zůstává přesvědčení všech uživatelů finančních modelů o tom, že výstupem nemůže být pouze jediné číslo, ale celé pravděpodobnostní rozdělení. Protože i z dvourozměrného vyjádření hodnoty sledované veličiny můžeme dodatečně velmi jednoduše získat bodový odhad (zpravidla se využije některá ze středních hodnot rozdělení), tato hodnota však již bude zahrnovat možnou variabilitu a navíc si budeme vědomi, které informace ztrácíme uvedením pouze jednoho čísla. To je zcela odlišná situace od té, kdy prostřednictvím tradičního modelovacího přístupu dojdeme k nějaké hodnotě, o které ani přibližně netušíme, kde se v rámci reálného rozdělení všech možných scénářů nachází.