Online Tool Store
Симулятор Монте-Карло
Моделюйте результати, використовуючи випадкову вибірку для оцінки ймовірностей, ризиків та результатів рішень.
Цей інструмент працює повністю у вашому браузері. Ваші файли ніколи не завантажуються на сервер.
Математика і наука
Симулятор Монте-Карло
Одна змінна на рядок: name: low-high, або name: low-mode-high для асиметричної трикутної оцінки.
Поєднуйте назви змінних за допомогою + − × ÷ ^, дужок і abs(), sqrt(), min(), max().
Виконується повністю у вашому браузері — нічого не завантажується.
Як працює Симулятор Монте-Карло
- Перелічіть кожну невизначену змінну як ім'я з діапазоном мінімум-максимум, або мінімум-мода-максимум для асиметричної оцінки.
- Напишіть формулу результату, яка поєднує ці змінні за іменем — точний розрахунок, який ваша модель виконує при кожному випробуванні.
- Оберіть форму розподілу, кількість випробувань і цільове значення з напрямком («досягнення або перевищення цілі» чи «залишатися на рівні цілі або нижче»).
- Запустіть симуляцію. У кожному випробуванні для кожної змінної береться нове значення з обраного розподілу, і формула обчислюється один раз.
- Дивіться на процентилі, ймовірність досягнення цілі та гістограму — а не на середнє значення, яке приховує форму розподілу.
Метод
Симуляція Монте-Карло випадковим чином вибирає значення кожної невизначеної змінної, обчислює результат і повторює процес — так будується емпіричний розподіл замість однієї точкової оцінки.
для кожного випробування: вибрати значення змінних → обчислити формулу → зібрати результат; потім прочитати процентилі всіх зібраних результатів
Усереднення змінних і одноразовий розрахунок дають число, яке може бути далеким від медіанного результату, особливо коли модель перемножує невизначені значення між собою. Результати можна скопіювати як однорядкове резюме або завантажити у форматі CSV для подальшого аналізу.
Поширені запитання
Скільки випробувань мені потрібно?
Достатньо, щоб відповідь перестала змінюватися. Запустіть десять тисяч випробувань двічі; якщо процентилі близько збігаються, цього достатньо. Хвостові ймовірності потребують більше випробувань, ніж медіани.
Який розподіл мені використати?
Трикутний — коли у вас є низька, ймовірна та висока оцінка, що стосується більшості бізнес-випадків. Нормальний — коли величина є сумою багатьох невеликих ефектів. Рівномірний — лише коли ви справді не знаєте нічого, крім меж.
Чому б просто не використати середнє значення кожної змінної?
Тому що середнє значення функції не є функцією середніх значень, щойно щось множиться або обмежується. Саме цей розрив і розкриває симуляція.
Як написати формулу результату?
Посилайтеся на кожну змінну за іменем, вказаним ліворуч від її діапазону, поєднуючи їх за допомогою + − × ÷ ^, дужок та abs(), sqrt(), min(), max(). Наприклад, зі змінними «cost: 90-140» і «demand: 800-1400» формула (demand - cost) * 10 обчислює один змодельований результат за випробування.
Чи надсилаються мої дані кудись?
Ні. Кожне випробування вибирається та обчислюється у вашому браузері за допомогою власного генератора випадкових чисел JavaScript — ніщо з введеного вами не завантажується.
Як ми порівнюємось
| Функція | Online Tool Store | Numiqo Monte Carlo Calculator | ScopeCone Delivery Forecast | Share Predictions Trading Simulator |
|---|---|---|---|---|
| Власна формула для кількох змінних | ✓ | ✓ | Повторно вибирає лише одну змінну часу циклу | Фіксовані поля частки перемог і ризику |
| Вибір форми розподілу змінних | ✓ | ✓ | Повторно вибирає історичні дані, форму обрати не можна | Лише ймовірність частки перемог |
| Ймовірність досягнення власної цілі | ✓ | ✓ | Лише фіксовані P50/P85/P95 | ✓ |
| Завантаження необроблених результатів випробувань у CSV | ✓ | Не пропонується | Не пропонується | Не пропонується |
Симулятор Монте-Карло показує процентилі замість середнього значення, оскільки середнє — це число, яке з найбільшою ймовірністю введе в оману під час ухвалення рішення.