Online Tool Store
Simulateur Monte Carlo
Simulez les résultats en utilisant l'échantillonnage aléatoire pour estimer probabilités, risques et résultats décisionnels.
Cet outil fonctionne entièrement dans votre navigateur. Vos fichiers ne sont jamais envoyés sur un serveur.
Mathématiques et sciences
Simulateur de Monte-Carlo
Une entrée par ligne : name: low-high, ou name: low-mode-high pour une estimation triangulaire asymétrique.
Combinez vos noms d'entrées avec + − × ÷ ^, des parenthèses, et abs(), sqrt(), min(), max().
S'exécute entièrement dans votre navigateur — rien n'est téléversé.
Comment fonctionne le Simulateur de Monte-Carlo
- Listez chaque entrée incertaine sous forme de nom avec une plage bas-haut, ou bas-mode-haut pour une estimation asymétrique.
- Écrivez la formule de résultat qui combine ces entrées par leur nom — le calcul exact que votre modèle exécute à chaque essai.
- Choisissez une forme de distribution, un nombre d'essais et une valeur cible avec une direction (« atteindre ou dépasser » ou « rester à ou sous la cible »).
- Lancez la simulation. Chaque essai échantillonne de nouvelles valeurs pour chaque entrée selon la distribution choisie et évalue la formule une fois.
- Lisez les percentiles, la probabilité d'atteindre votre cible et l'histogramme — pas la moyenne, qui masque la forme.
La méthode
Une simulation de Monte-Carlo échantillonne chaque entrée incertaine au hasard, calcule le résultat et recommence — construisant une distribution empirique plutôt qu'une seule estimation ponctuelle.
pour chaque essai : échantillonner les entrées → évaluer la formule → collecter le résultat ; puis lire les percentiles de tous les résultats collectés
Faire la moyenne de vos entrées et calculer une seule fois donne un nombre qui peut être bien loin du résultat médian, en particulier lorsque le modèle multiplie des valeurs incertaines entre elles. Les résultats peuvent être copiés sous forme de résumé sur une ligne ou téléchargés en CSV pour une analyse plus poussée.
Questions fréquentes
De combien d'essais ai-je besoin ?
Assez pour que la réponse cesse de changer. Lancez dix mille essais deux fois ; si les percentiles concordent étroitement, c'est suffisant. Les probabilités de queue nécessitent plus d'essais que les médianes.
Quelle distribution devrais-je utiliser ?
Triangulaire lorsque vous avez une estimation basse, probable et haute — ce qui correspond à la plupart des cas d'entreprise. Normale lorsque la quantité est une somme de nombreux petits effets. Uniforme seulement lorsque vous ne connaissez vraiment que les bornes.
Pourquoi ne pas simplement utiliser la moyenne de chaque entrée ?
Parce que la moyenne d'une fonction n'est pas la fonction des moyennes dès que quelque chose est multiplié ou plafonné. Cet écart est exactement ce qu'une simulation révèle.
Comment écrire la formule de résultat ?
Référencez chaque entrée par le nom que vous lui avez donné à gauche de sa plage, combiné avec + − × ÷ ^, des parenthèses, et abs(), sqrt(), min(), max(). Par exemple, avec les entrées « cost: 90-140 » et « demand: 800-1400 », une formule (demand - cost) * 10 calcule un résultat simulé par essai.
Mes données sont-elles envoyées quelque part ?
Non. Chaque essai est échantillonné et calculé dans votre navigateur avec le générateur de nombres aléatoires propre à JavaScript — rien de ce que vous saisissez n'est téléversé.
Comment nous nous comparons
| Fonctionnalité | Online Tool Store | Numiqo Monte Carlo Calculator | ScopeCone Delivery Forecast | Share Predictions Trading Simulator |
|---|---|---|---|---|
| Formule personnalisée sur plusieurs entrées | ✓ | ✓ | Ré-échantillonne une seule entrée de temps de cycle | Champs fixes de taux de réussite et de risque |
| Choix de la forme de distribution des entrées | ✓ | ✓ | Ré-échantillonne des données historiques, aucune forme à choisir | Probabilité de taux de réussite uniquement |
| Probabilité d'atteindre votre propre cible | ✓ | ✓ | P50/P85/P95 fixes uniquement | ✓ |
| Télécharger les résultats bruts des essais en CSV | ✓ | Non proposé | Non proposé | Non proposé |
Le Simulateur de Monte-Carlo indique des percentiles plutôt qu'une moyenne, car la moyenne est le chiffre le plus susceptible d'induire une décision en erreur.