Un’accurata verifica sismica degli edifici esistenti in muratura richiede la considerazione di tutte le fonti di incertezza coinvolte nel problema e del loro effetto sulla risposta sismica degli edifici stessi. Tra queste incertezze, sono senz’altro non trascurabili quelle legate alle ipotesi di modellazione, intese come scelta del tipo di modellazione (elementi finiti, telaio equivalente, ecc.), del tipo di analisi (statica/dinamica, lineare/non lineare), delle diverse opzioni che concorrono alla definizione del modello. Questo lavoro si ripropone di fornire una valutazione quantitativa, in termini probabilistici, dell’effetto di tali incertezze di modellazione sulla risposta sismica, rappresentata in termini dell’accelerazione del terreno che porta la struttura al raggiungimento di predefiniti stati limite. Si è deciso di far riferimento all’analisi statica non lineare, considerato come il metodo di riferimento utilizzato dai professionisti per la verifica sismica di edifici esistenti. Tra i diversi approcci disponibili in letteratura, si è scelta la modellazione a telaio equivalente per mezzo di macroelementi, ritenuta un compromesso soddisfacente tra tempi computazionali e accuratezza dei risultati. Si sono quindi considerate le diverse possibili scelte riguardanti la definizione della geometria del telaio equivalente, la distribuzione dei carichi dei solai tra i maschi murari, il grado di accoppiamento tra le pareti ortogonali, la definizione della rigidezza fessurata degli elementi strutturali. Al fine di valutarne l’effetto sulla risposta, si è utilizzato un approccio ad albero logico, in cui a ciascuna scelta è stata attribuita una probabilità, ottenendo così la distribuzione probabilistica dei valori di accelerazione di picco del terreno corrispondente agli stati limite selezionati. Questa procedura è stata applicata a otto prototipi di edificio, per i quali sono stati calcolati i valori del fattore di variabilità, definito come rapporto tra il valore corrispondente al quinto percentile della distribuzione e il valore medio. Questi fattori sono quindi una misura quantitativa, in termini probabilistici, della dispersione dei risultati dovuta alle incertezze di modellazione considerate.