Online Tool Store
Simulador Monte Carlo
Simula resultados usando muestreo aleatorio para estimar probabilidades, riesgos y resultados de decisión.
Esta herramienta funciona totalmente en tu navegador. Tus archivos nunca se suben a un servidor.
Matemáticas y Ciencias
Simulador de Monte Carlo
Una entrada por línea: name: low-high, o name: low-mode-high para una estimación triangular sesgada.
Combine los nombres de sus entradas con + − × ÷ ^, paréntesis y abs(), sqrt(), min(), max().
Se ejecuta completamente en su navegador — no se sube nada.
Cómo funciona el Simulador de Monte Carlo
- Enumere cada entrada incierta como un nombre con un rango de mínimo a máximo, o de mínimo-moda-máximo para una estimación sesgada.
- Escriba la fórmula de resultado que combina esas entradas por nombre — el cálculo exacto que ejecuta su modelo en cada prueba.
- Elija una forma de distribución, un número de pruebas y un valor objetivo con una dirección ("alcanzar o superar" o "mantenerse en o por debajo del objetivo").
- Ejecute la simulación. Cada prueba muestrea valores nuevos para cada entrada a partir de la distribución elegida y evalúa la fórmula una vez.
- Lea los percentiles, la probabilidad de alcanzar su objetivo y el histograma — no el promedio, que oculta la forma.
El método
Una simulación de Monte Carlo muestrea cada entrada incierta al azar, calcula el resultado y repite el proceso — construyendo una distribución empírica en lugar de una única estimación puntual.
para cada prueba: muestrear entradas → evaluar fórmula → recopilar resultado; luego leer los percentiles de todos los resultados recopilados
Promediar sus entradas y calcular una sola vez da un número que puede estar lejos del resultado mediano, sobre todo cuando el modelo multiplica valores inciertos entre sí. Los resultados se pueden copiar como un resumen de una línea o descargar como CSV para un análisis más detallado.
Preguntas frecuentes
¿Cuántas pruebas necesito?
Las suficientes para que la respuesta deje de cambiar. Ejecute diez mil dos veces; si los percentiles coinciden de cerca, es suficiente. Las probabilidades de cola necesitan más pruebas que las medianas.
¿Qué distribución debo usar?
Triangular cuando tiene una estimación baja, probable y alta — que es la mayoría de los casos empresariales. Normal cuando la cantidad es una suma de muchos efectos pequeños. Uniforme solo cuando realmente no sabe nada más que los límites.
¿Por qué no usar simplemente el promedio de cada entrada?
Porque el promedio de una función no es la función de los promedios en cuanto algo se multiplica o se limita. Esa brecha es exactamente lo que una simulación revela.
¿Cómo escribo la fórmula de resultado?
Haga referencia a cada entrada por el nombre que le puso a la izquierda de su rango, combinado con + − × ÷ ^, paréntesis y abs(), sqrt(), min(), max(). Por ejemplo, con las entradas "cost: 90-140" y "demand: 800-1400", una fórmula de (demand - cost) * 10 calcula un resultado simulado por prueba.
¿Se envían mis datos a algún sitio?
No. Cada prueba se muestrea y calcula en su navegador con el propio generador de números aleatorios de JavaScript — nada de lo que escriba se sube a ningún servidor.
Cómo nos comparamos
| Función | Online Tool Store | Numiqo Monte Carlo Calculator | ScopeCone Delivery Forecast | Share Predictions Trading Simulator |
|---|---|---|---|---|
| Fórmula personalizada con múltiples entradas | ✓ | ✓ | Solo remuestrea una entrada de tiempo de ciclo | Campos fijos de tasa de éxito y riesgo |
| Elección de la forma de distribución de entrada | ✓ | ✓ | Remuestrea datos históricos, sin forma que elegir | Solo probabilidad de tasa de éxito |
| Probabilidad de alcanzar su propio objetivo | ✓ | ✓ | Solo P50/P85/P95 fijos | ✓ |
| Descargar resultados de pruebas en bruto como CSV | ✓ | No disponible | No disponible | No disponible |
El Simulador de Monte Carlo informa percentiles en lugar de un promedio, porque el promedio es el número con más probabilidades de engañar una decisión.