Online Tool Store
Monte Carlo-simulator
Simuleer uitkomsten met willekeurige steekproeven om waarschijnlijkheden, risico en besluitresultaten in te schatten.
Deze tool werkt volledig in je browser. Je bestanden worden nooit naar een server geüpload.
Wiskunde & Wetenschap
Monte-Carlosimulator
Eén invoer per regel: name: low-high, of name: low-mode-high voor een scheve driehoekige schatting.
Combineer uw invoernamen met + − × ÷ ^, haakjes en abs(), sqrt(), min(), max().
Draait volledig in uw browser — er wordt niets geüpload.
Zo werkt de Monte-Carlosimulator
- Vermeld elke onzekere invoer als een naam met een laag-hoog bereik, of een laag-modus-hoog bereik voor een scheve schatting.
- Schrijf de uitkomstformule die deze invoerwaarden op naam combineert — precies de berekening die uw model bij elke proef uitvoert.
- Kies een verdelingsvorm, een aantal proeven en een doelwaarde met een richting ("halen of overtreffen" of "op of onder het doel blijven").
- Voer de simulatie uit. Elke proef bemonstert nieuwe waarden voor elke invoer uit de gekozen verdeling en evalueert de formule één keer.
- Lees de percentielen, de kans om uw doel te halen en het histogram — niet het gemiddelde, dat de vorm verbergt.
De methode
Een Monte-Carlosimulatie bemonstert elke onzekere invoer willekeurig, berekent de uitkomst en herhaalt dit — zo ontstaat een empirische verdeling in plaats van één puntschatting.
voor elke proef: invoer bemonsteren → formule evalueren → uitkomst verzamelen; lees vervolgens de percentielen van alle verzamelde uitkomsten af
Het gemiddelde van uw invoer nemen en één keer rekenen geeft een getal dat ver van de mediane uitkomst kan liggen, vooral wanneer het model onzekere waarden met elkaar vermenigvuldigt. De uitkomsten kunnen worden gekopieerd als een samenvatting van één regel of gedownload als CSV voor verdere analyse.
Veelgestelde vragen
Hoeveel proeven heb ik nodig?
Genoeg zodat het antwoord ophoudt te veranderen. Voer tienduizend proeven twee keer uit; als de percentielen goed overeenkomen, is dat voldoende. Staartkansen hebben meer proeven nodig dan medianen.
Welke verdeling moet ik gebruiken?
Driehoekig wanneer u een lage, waarschijnlijke en hoge schatting heeft — wat de meeste zakelijke gevallen zijn. Normaal wanneer de grootheid een som is van veel kleine effecten. Uniform alleen wanneer u werkelijk niets weet behalve de grenzen.
Waarom niet gewoon het gemiddelde van elke invoer gebruiken?
Omdat het gemiddelde van een functie niet de functie van de gemiddelden is zodra er iets wordt vermenigvuldigd of begrensd. Precies dat gat legt een simulatie bloot.
Hoe schrijf ik de uitkomstformule?
Verwijs naar elke invoer met de naam die u links van het bereik hebt gegeven, gecombineerd met + − × ÷ ^, haakjes en abs(), sqrt(), min(), max(). Met de invoer "cost: 90-140" en "demand: 800-1400" berekent een formule van (demand - cost) * 10 bijvoorbeeld één gesimuleerde uitkomst per proef.
Worden mijn gegevens ergens naartoe gestuurd?
Nee. Elke proef wordt bemonsterd en berekend in uw browser met de eigen randomgenerator van JavaScript — niets van wat u typt wordt geüpload.
Hoe we ons verhouden
| Functie | Online Tool Store | Numiqo Monte Carlo Calculator | ScopeCone Delivery Forecast | Share Predictions Trading Simulator |
|---|---|---|---|---|
| Eigen formule over meerdere invoerwaarden | ✓ | ✓ | Bemonstert alleen opnieuw één cyclustijd-invoer | Vaste win-ratio- en risicovelden |
| Keuze van invoerverdelingsvorm | ✓ | ✓ | Bemonstert historische gegevens opnieuw, geen vorm te kiezen | Alleen win-ratiokans |
| Kans om uw eigen doel te halen | ✓ | ✓ | Alleen vaste P50/P85/P95 | ✓ |
| Ruwe proefuitkomsten downloaden als CSV | ✓ | Niet aangeboden | Niet aangeboden | Niet aangeboden |
De Monte-Carlosimulator rapporteert percentielen in plaats van een gemiddelde, omdat het gemiddelde het getal is dat een beslissing het meest waarschijnlijk misleidt.