La metodología de cuantificación de incertidumbre ha demostrado ser un estudio indispensable para mejorar la confiabilidad y robustez de los sistemas de ingeniería en la fase de diseño inicial. Los métodos de modelado de sustitución de baja y alta fidelidad se han utilizado para reemplazar los costosos análisis de alta fidelidad que deben repetirse muchas veces para la cuantificación de incertidumbres. Sin embargo, dado que el número de análisis requeridos para construir un modelo de sustitución preciso aumenta de forma exponencial con el número de variables de entrada aleatorias, la mayoría de los métodos de modelado de sustitución sufren la maldición de la dimensionalidad. Como enfoque alternativo, el método de Aproximación de Rango Bajo puede aplicarse a estudios de cuantificación de incertidumbres de alta dimensionalidad con un bajo costo computacional, donde el número de coeficientes para construir el modelo de sustitución aumenta solo linealmente con el número de variables de entrada aleatorias. En este estudio, el método de Aproximación de Rango Bajo se implementa para aplicaciones de múltiple fidelidad con enfoques de corrección aditiva y multiplicativa para hacer el análisis de cuantificación de incertidumbre de alta dimensionalidad más eficiente y preciso. La metodología desarrollada de cuantificación de incertidumbre se prueba en problemas de diseño de aeronaves supersónicas y sus predicciones se comparan con los resultados de los métodos de Expansión de Caos Polinómico de fidelidad simple y múltiple y los métodos de Monte Carlo. Para el mismo costo computacional, el método de Aproximación de Rango Bajo superó tanto en modelado de sustitución como en casos de cuantificación de incertidumbre para todos los puntos de referencia y problemas de ingeniería del mundo real abordados en el presente estudio.