Existe incertidumbre en los resultados de cualquier modelo matemático debido a diferentes razones. Es importante estimar esta incertidumbre. El análisis de sensibilidad se utiliza comúnmente para estimar cómo los cambios en los parámetros de entrada afectan las soluciones del modelo. En este documento, discutimos diferentes formas de realizar análisis de sensibilidad local y global y aplicarlos a dos modelos: un modelo de epidemia y un nuevo modelo de infarto de miocardio, ambos basados en ecuaciones diferenciales ordinarias. El primer modelo es un modelo simple utilizado para explicar las ideas, mientras que el segundo muestra cómo aplicarlos a un modelo con más variables de estado y parámetros. Descubrimos que si los parámetros no se conocen con precisión, el análisis de sensibilidad local puede ser engañoso y que los métodos de sensibilidad global que muestrean todo el espacio de parámetros, variando todos los valores de los parámetros al mismo tiempo, son los más confiables. También mostramos cómo los resultados del análisis de sensibilidad se pueden utilizar para determinar la incertidumbre en los resultados del modelo. Presentamos simulaciones numéricas.