Um dos objetivos desta tese é analisar o custo computacional do método de Monte Carlo aplicado a um problema modelo de dinâmica, considerando incertezas na força de atrito. O sistema mecânico a ser estudado é composto por um oscilador de um grau de liberdade que se desloca sobre uma esteira em movimento. Considera-se a existência de atrito seco entre a massa do oscilador e a esteira. Devido a uma descontinuidade na força de atrito, a dinâmica resultante pode ser dividida em duas fases que se alternam, chamadas de stick e slip. Neste estudo, um parâmetro da força de atrito dinâmica é modelado como uma variável aleatória. A propagação de incerteza é estudada por meio da aplicação do método de Monte Carlo, considerando três abordagens diferentes para calcular aproximações da resposta dos problemas de valor inicial que modelam a dinâmica do problema: NV) aproximações numéricas calculadas usando método de Runge-Kutta de quarta e quinta ordens com passo de integração variável; NF) aproximações numéricas calculadas usando método de Runge-Kutta de quarta ordem com passo de integração fixo; AN) aproximação analítica obtida com o método de múltiplas escalas. Nas abordagens NV e NF, para cada valor de parâmetro, uma aproximação numérica foi calculada. Já para a AN, apenas uma aproximação analítica foi calculada e avaliada para os diferentes valores usados. Entre as variáveis aleatórias de interesse associadas ao custo computacional do método de Monte Carlo, encontram-se o tempo de execução e o espaço em disco consumido. Devido à propagação de incertezas, a resposta do sistema é um processo estocástico com uma sequência aleatória de fases de stick e slip. Essa sequência pode ser caracterizada pelas seguintes variáveis aleatórias: instantes de transição entre as fases de stick e slip, suas durações e o número de fases. Para estudar as variáveis associadas ao custo computacional e ao processo estocástico foram construídos modelos estatísticos, histogramas normalizados e gráficos de dispersão. O objetivo é estudar a dependência entre as variáveis do processo estocástico e o custo computacional. Porém, a construção destas análises não é simples devido à dimensão do problema e à impossibilidade de visualização das distribuições conjuntas de vetores aleatórios de três ou mais dimensões.