Digitala datorer använder finit precisionsaritmetik, vilket innebär att de bara kan representera tal med ett begränsat antal siffror. Detta kan leda till fel vid modellering av kaotiska system, som ofta kännetecknas av mycket små skillnader i initiala förhållanden som leder till stora skillnader i långsiktigt beteende.

För att illustrera detta, överväg följande enkla kaotiska system:

$$\begin{equation}

x_{n+1} =4x_n(1-x_n)

\end{equation}$$

där $x_n$ är systemets tillstånd vid tiden $n$. Om vi ​​simulerar detta system med hjälp av en dator med aritmetik med ändlig precision, kommer vi oundvikligen att införa fel i beräkningen av $x_n$. Dessa fel kommer att växa med tiden, vilket så småningom leder till stora skillnader mellan systemets simulerade och faktiska beteende.

Noggrannheten i en digital datorsimulering av ett kaotiskt system kan förbättras genom att använda aritmetik med högre precision, men detta kommer på bekostnad av ökad beräkningstid och minnesanvändning. I vissa fall kan det vara nödvändigt att använda speciella tekniker, såsom adaptiv stegstorlekskontroll, för att säkerställa att felen förblir tillräckligt små för att inte signifikant påverka resultaten av simuleringen.