При моделировании процессов не обязательно преобразовывать математическую модель в специальную систему уравнений относительно искомых величин. Достаточно имитировать сами явления, описываемые математической моделью, с сохранением их логической структуры, последовательности чередования во времени, физическое содержание. «Имитировать» значит вообразить, постичь суть явления, не прибегая к экспериментам  на реальном объекте. По существу, каждая модель или представление вещи есть форма имитации. Когда имитационная модель строится для системы, входы и (или) функциональные соотношения между различными компонентами которой содержат элементы случайности, подчиняющиеся вероятностным законам, то она называется имитационной стохастической моделью.

Имитационное моделирование полезно при наличии следующих условий:

1) не существует законченной математической задачи, либо еще не разработаны аналитические методы сформулированной математической задачи;

2) аналитические методы имеются, но математические процедуры столь сложны и трудоемки, что имитационная модель дает более простой способ решения;

 К достоинствам имитационной модели относят то, что она

    Все имитационные системы модели являются по существу черным ящиком. Они обеспечивают выдачу входного сигнала, если на ее взаимодействующие подсистемы поступает входной сигнал. Поэтому для получения необходимой информации необходимо осуществлять «прогон» моделей, а не решать их. Имитационные модели не способны формировать свое собственное решение в том виде, в каком это имеет место в аналитической модели, а могут лишь служить в качестве средства для анализа поведения системы в условиях, которые определяются экспериментатором. Следовательно, имитационное моделирование это не теория, а методология решения проблемы.

Является ли имитационное моделирование наиболее эффективным способом решения задач? Ответ является отрицательным по следующим причинам:

1) разработка хорошей имитационной модели очень дорога, длительна и требует высококвалифицированных специалистов;

Машинная имитация позволяет исследовать модель, как в определенные моменты времени, так и в течение продолжительных периодов времени (т.е. статическое и динамическое моделирование). В первом случае необходимо ответить на вопрос, сколько раз надо повторить один частный имитационный эксперимент, чтобы достичь данного уровня статистической точности. Во втором случае необходимо ответить на вопрос, как долго надо проводить динамическую имитацию, чтобы любой статистический вывод относительно поведения системы не был подвержен воздействию начальных условий или исходного состояния.

    Большинство имитационных экспериментов с моделями являются стохастической имитацией. Так как результаты, полученные при воспроизведении на имитационной стохастической модели, являются реализациями случайных процессов, то для нахождения устойчивых характеристик требуется его многократное воспроизведение с последующей статистической обработкой. При реализации процессов в таких моделях необходимо имитировать воздействие многочисленных случайных факторов сложной природы на различные элементы модели. Каждое такое воздействие на процесс в модели представляется «розыгрышем» случайного явления с помощью процедуры, дающей случайный результат. Множество таких реализаций в ходе одного варианта имитации дает одну реализацию процесса. Затем следует статистическая обработка для получения характеристик процесса. Для построения имитационных моделей необходимо знать сущность метода статистических испытаний, способы расчета необходимого числа реализаций, алгоритмы имитации псевдослучайных чисел, имеющих типовые распределения.

    При имитационном эксперименте на ЭВМ с моделями следуют процедуре, состоящей из следующих этапов:

1) формулировка проблемы;

2) формулировка математической модели;

3) составление программы для ЭВМ;

4) оценка пригодности модели;

5) планирование эксперимента;

6) обработка результатов эксперимента.

    Формулировка проблемы обычно состоит из формулировки целей эксперимента, которые формулируются либо в виде 1) вопросов, на которые надо ответить, либо 2) гипотез, которые нужно проверить, либо 3) воздействий, которые нужно оценить. При формулировке подготавливают не только вопросы, но и формулируют критерий оценки возможных ответов на них.

При формулировке математической модели

1) выбирают переменные модели (входные и выходные);

2) определяют степень сложности модели и связи.

Для оценки пригодности модели (адекватности) следует ответить на следующие вопросы:

1) нет ли в модели несущественных переменных, которые не улучшают нашу способность предсказывать поведение системы;

2) все ли существенные переменные включены в модель;

3) правильно ли сформулированы функциональные связи между входными и выходными  переменными систем;

4) верно ли оценены параметры модели и уравнений;

5) являются ли оценки параметров модели статистически значимыми;

6) в какой степени совпадают теоретические величины, полученные на основе ручного счета, с фактическими значениями.