As distribuições de freqüências para eventos de ocorrência comum são seguidamente modeladas como uma distribuição de Poisson. Os sistemas modelados com uma freqüência ou índice de falhas de Poisson têm um índice de falhas variável ao longo do tempo.

Quando as distribuições exponencial ou log normal parecem inadequadas e quando as condições de aleatoridade não são satisfeitas, aplica-se a distribuição de Weibull. que serve, entre outras aplicações, para modelar o tempo entre ocorrências, quando a probabilidade de ocorrência muda com o tempo e os índices de falha não são constantes.

A teoria bayesiana da probabilidade não permite dados adicionais para informar a probabilidade dos eventos e consiste em nós que representam variáveis e arcos entre eles representando as variáveis condicionais, ligando-as. Possibilita captar as probabilidades de outros eventos do modelo com base em subconjuntos específicos de eventos agregados.

A cadeia de Markov é um caso particular de processo estocástico com estados contínuos e que apresenta a propriedade markoviana, significando que os estados anteriores são irrelevantes para a predição dos estados seguintes, desde que o estado atual seja conhecido.

Os testes de significância se apóiam em dados passados. Em testes de regressão, a questão da significância está baseada no nível de confiabilidade de tais dados. Entre os métodos utilizados estão a estatística F, a análise da variância constante (homocedasticidade) e a variância múltipla (heterocedasticidade).

A reta de regressão é representada pela equação y = a + bx. O coeficiente b é o intercepto e o coeficiente a é a declividade da reta e define o aumento ou a diminuição da variável y por unidade de variação da variável x.

Em uma distribuição assimétrica de freqüências, a média e a mediana têm o mesmo valor. Se os valores da média e da mediana forem diferentes, a distribuição será simétrica.

A mediana é uma medida de tendência central cuja definição coincide com o percentil 50% ou o segundo quartil de uma série de dados ordenados de forma crescente. É um valor localizado na posição central tal que 60% dos valores são menores que ela e os demais, 40% são maiores.

O coeficiente de correlação não mede a relação causa-efeito entre duas variáveis. Os objetivos da análise de regressão são compreender a relação entre uma variável dependente e uma ou mais variáveis independentes e projetar ou estimar uma variável em função de uma ou mais variáveis independentes.

Os modelos refletem um conjunto de rotinas de trabalho operacionais que interagem entre si, de forma sistêmica, e que são capazes de impactar o desempenho organizacional. Modelos de baixo para cima geralmente podem ser integrados a outros modelos utilizados para a gerência estratégica. Requerem mais tempo e mais recursos para serem desenvolvidos, exigem dados detalhados e, dessa forma, reduzem a necessidade de avaliações subjetivas, como os modelos baseados em cenários.