Online Tool Store
Симулятор Монте-Карло
Смоделируйте результаты, используя случайную выборку для оценки вероятностей, рисков и результатов решений.
Этот инструмент работает полностью в вашем браузере. Ваши файлы никогда не загружаются на сервер.
Математика и наука
Симулятор Монте-Карло
Одна переменная на строку: name: low-high, либо name: low-mode-high для смещённой треугольной оценки.
Объединяйте имена переменных с помощью + − × ÷ ^, скобок и abs(), sqrt(), min(), max().
Полностью выполняется в вашем браузере — ничего не отправляется.
Как работает симулятор Монте-Карло
- Перечислите каждую неопределённую переменную как имя с диапазоном минимум-максимум, либо минимум-мода-максимум для смещённой оценки.
- Напишите формулу результата, объединяющую эти переменные по имени — точный расчёт, который ваша модель выполняет при каждом испытании.
- Выберите форму распределения, количество испытаний и целевое значение с направлением («достижение или превышение цели» или «оставаться на уровне цели или ниже»).
- Запустите симуляцию. При каждом испытании для каждой переменной берётся новое значение из выбранного распределения, и формула вычисляется один раз.
- Смотрите на процентили, вероятность достижения цели и гистограмму — а не на среднее значение, которое скрывает форму распределения.
Метод
Симуляция Монте-Карло случайным образом выбирает значение каждой неопределённой переменной, вычисляет результат и повторяет процесс — так строится эмпирическое распределение вместо единственной точечной оценки.
для каждого испытания: выбрать значения переменных → вычислить формулу → сохранить результат; затем считать процентили всех сохранённых результатов
Усреднение переменных и однократный расчёт дают число, которое может быть далеко от медианного результата, особенно когда модель перемножает неопределённые значения между собой. Результаты можно скопировать в виде однострочной сводки или скачать в формате CSV для дальнейшего анализа.
Часто задаваемые вопросы
Сколько испытаний мне нужно?
Достаточно, чтобы ответ перестал меняться. Запустите десять тысяч испытаний дважды; если процентили близко совпадают, этого достаточно. Хвостовые вероятности требуют больше испытаний, чем медианы.
Какое распределение мне использовать?
Треугольное — когда у вас есть низкая, вероятная и высокая оценка, что относится к большинству бизнес-случаев. Нормальное — когда величина является суммой множества небольших эффектов. Равномерное — только когда вы действительно не знаете ничего, кроме границ.
Почему бы просто не использовать среднее значение каждой переменной?
Потому что среднее значение функции не является функцией средних значений, как только что-то умножается или ограничивается. Именно этот разрыв и раскрывает симуляция.
Как написать формулу результата?
Ссылайтесь на каждую переменную по имени, указанному слева от её диапазона, объединяя их с помощью + − × ÷ ^, скобок и abs(), sqrt(), min(), max(). Например, при переменных «cost: 90-140» и «demand: 800-1400» формула (demand - cost) * 10 вычисляет один смоделированный результат за испытание.
Отправляются ли мои данные куда-либо?
Нет. Каждое испытание выбирается и вычисляется в вашем браузере с помощью собственного генератора случайных чисел JavaScript — ничего из введённого вами не отправляется.
Как мы сравниваем
| Функция | Online Tool Store | Numiqo Monte Carlo Calculator | ScopeCone Delivery Forecast | Share Predictions Trading Simulator |
|---|---|---|---|---|
| Собственная формула для нескольких переменных | ✓ | ✓ | Пересэмплирует только одну переменную времени цикла | Фиксированные поля доли побед и риска |
| Выбор формы распределения переменных | ✓ | ✓ | Пересэмплирует исторические данные, форму выбрать нельзя | Только вероятность доли побед |
| Вероятность достижения собственной цели | ✓ | ✓ | Только фиксированные P50/P85/P95 | ✓ |
| Скачивание необработанных результатов испытаний в CSV | ✓ | Не предлагается | Не предлагается | Не предлагается |
Симулятор Монте-Карло показывает процентили вместо среднего значения, потому что среднее — это число, которое с наибольшей вероятностью введёт в заблуждение при принятии решения.