Cuando hay incertidumbre en el valor de los parámetros de los componentes aleatorios de entrada de un modelo de simulación estocástica, se utilizan algoritmos de simulación anidada de dos niveles para estimar la expectativa de las variables de rendimiento de interés. En el nivel externo del algoritmo se generan observaciones para los parámetros, y en el nivel interno se generan observaciones del modelo de simulación con los valores de los parámetros fijados en los valores generados en el nivel externo. En este artículo, consideramos el caso en el que las observaciones en ambos niveles del algoritmo son independientes y mostramos cómo la varianza de las observaciones puede descomponerse en la suma de una varianza paramétrica y una varianza estocástica. A continuación, derivamos teoremas del límite central que nos permiten calcular intervalos de confianza asintóticos para evaluar la precisión de los estimadores basados en simulación para la previsión puntual y los componentes de varianza. Bajo este marco, derivamos expresiones analíticas para la previsión puntual y los componentes de varianza de un modelo bayesiano para prever la demanda esporádica, y utilizamos estas expresiones para ilustrar la validez de nuestros resultados teóricos realizando experimentos de simulación con este modelo de previsión. Encontramos que, dado un número fijo de observaciones totales, se recomienda la elección de solo una replicación en el nivel interno para obtener un estimador más preciso para la expectativa de una variable de rendimiento.