Las herramientas de simulación para flujos de masa gravitacional (por ejemplo, avalanchas, flujos de escombros) se utilizan comúnmente para la investigación y aplicaciones en la evaluación de riesgos o la planificación de mitigación. Como base para un proceso de toma de decisiones transparente y reproducible, es necesario identificar las incertidumbres asociadas para cuantificar y eventualmente comunicar las variabilidades asociadas a los resultados. Las principales fuentes de variabilidad en los resultados de la simulación están asociadas con variaciones de parámetros que surgen de las incertidumbres de observación y modelo. Estas están conectadas a las inexactitudes de medición o a una comprensión deficiente del proceso y la implementación del modelo numérico. Los enfoques probabilísticos proporcionan varios conceptos teóricos para tratar estas incertidumbres, pero su aplicación directa no es sencilla. Para proporcionar una herramienta integral, introduciendo probabilidades de salida condicionales para el proceso de toma de decisiones, (i) introducimos un marco matemático basado en conceptos bayesianos bien establecidos, (ii) desarrollamos un flujo de trabajo que acopla este marco a la herramienta de simulación existente r.avaflow, y (iii) aplicamos el flujo de trabajo a dos estudios de caso, destacando su potencial de aplicación y limitaciones. El enfoque presentado permite cálculos hacia atrás, hacia adelante y predictivos. Los cálculos hacia atrás se utilizan para determinar distribuciones de parámetros, identificando y mapeando las incertidumbres del modelo, la implementación y los datos. Estas distribuciones de parámetros sirven como base para cálculos hacia adelante y predictivos, integrados en el marco probabilístico. La variabilidad de los resultados se cuantifica en términos de probabilidades condicionales con respecto a los datos observados y las incertidumbres asociadas a la simulación y los datos. Para comunicar la variabilidad de los resultados, las probabilidades condicionales se visualizan, permitiendo identificar áreas con gran o poca variabilidad de resultados. Las probabilidades condicionales son particularmente interesantes para simulaciones predictivas de avalanchas en ubicaciones sin información previa, donde la visualización muestra explícitamente las variabilidades de resultados basadas en distribuciones de parámetros derivadas a través de cálculos hacia atrás desde ubicaciones con observaciones bien documentadas.