# Construtor de Simulação Monte Carlo

Defina distribuições de entrada (normal/uniforme/lognormal/triangular), escreva uma fórmula, execute milhares de ensaios e obtenha o histograma com intervalos de confiança.

> Página canônica: https://elysiatools.com/pt/tools/monte-carlo-simulation-builder

- **Categoria:** Data Analysis

- **Palavras-chave:** monte carlo, simulação, probabilidade, distribuição, normal, uniforme, lognormal, triangular, intervalo de confiança, risco, previsão, aleatório

## Visão geral

Construa simulações Monte Carlo combinando entradas aleatórias.

**1. Declare variáveis** — uma por linha, formato: `name = tipo [params]`

| Tipo | Parâmetros | Exemplo |
|------|-----------|---------|
| `normal` | [média, sigma] | `revenue = normal [100, 20]` |
| `uniform` | [min, max] | `rate = uniform [0.02, 0.08]` |
| `lognormal` | [mu, sigma] | `loss = lognormal [0, 0.5]` |
| `triangular` | [a, b, c] | `demand = triangular [50, 100, 200]` |

**2. Fórmula de saída** — expressão aritmética com nomes de variáveis. Suporta `+`, `-`, `*`, `/`, `%`, `^`, parênteses e `abs/sqrt/exp/log/min/max/pow/sin/cos/tan`, constantes `PI` e `E`.

**3. Executar** — a ferramenta amostra cada entrada N vezes (PRNG com semente, reprodutível), avalia a fórmula e retorna média/mediana/σ, histograma, IC e P(resultado > 0).

## Entradas

- **Distribuições (uma por linha: name = tipo \[params\])** (textarea): Declare cada entrada. Tipos: normal \[média, sigma\], uniform \[min, max\], lognormal \[mu, sigma\], triangular \[a, b, c\].
- **Fórmula de saída** (text): Expressão aritmética sobre as variáveis. Suporta + - * / % ^, parênteses, abs/sqrt/exp/log/min/max/pow, PI, E.
- **Número de ensaios** (number): Quantas amostras. Mais → histograma mais suave (100–200000).
- **Semente aleatória (opcional, reprodutível)** (text): Semente fixa = reprodutível. Vazio = novo sorteio.
- **Nível de confiança (%)** (number): Faixa percentil do IC (50–99,9%). Padrão 90% → P5–P95.

## Quando usar

- Quando você precisa estimar a viabilidade financeira ou o lucro de um projeto sob condições de incerteza de custos e receitas.
- Para calcular a propagação de erros ou variações físicas em fórmulas de engenharia e design de produtos.
- Ao avaliar riscos operacionais e prever a probabilidade de um resultado de negócios ultrapassar ou ficar abaixo de um determinado limite.

## Como funciona

- Declare suas variáveis de entrada na caixa de texto, definindo o nome e o tipo de distribuição com seus respectivos parâmetros (como normal, uniforme, lognormal ou triangular).
- Insira a fórmula matemática que combina essas variáveis usando operadores aritméticos básicos e funções matemáticas suportadas.
- Defina o número de ensaios (simulações) desejado e, opcionalmente, configure uma semente aleatória para garantir resultados reprodutíveis.
- Clique em executar para processar as amostras e visualizar o histograma interativo, a média, a mediana e o intervalo de confiança configurado.

## Casos de uso

- Projeção de lucro líquido estimando receitas sob distribuição normal e custos operacionais sob distribuição uniforme.
- Cálculo da área de superfícies físicas ou volumes considerando a tolerância e variação dimensional de peças de engenharia.
- Análise de risco de portfólio financeiro combinando taxas de retorno variáveis e perdas potenciais lognormais.

## Perguntas frequentes

### Quais tipos de distribuições de probabilidade posso utilizar?

Você pode utilizar as distribuições normal [média, sigma], uniforme [min, max], lognormal [mu, sigma] e triangular [a, b, c].

### Como posso garantir que os resultados da simulação sejam sempre os mesmos?

Insira um valor numérico ou de texto no campo 'Semente aleatória' para fixar o gerador de números pseudoaleatórios e obter resultados idênticos em execuções futuras.

### Quais operadores e funções matemáticas são suportados na fórmula?

A fórmula suporta operadores básicos (+, -, *, /, %, ^), parênteses, constantes como PI e E, além de funções como abs, sqrt, exp, log, min, max, pow, sin, cos e tan.

### O que representa o intervalo de confiança gerado pela ferramenta?

Representa a faixa de valores dentro da qual o resultado final da fórmula deve cair, com base no percentual de confiança escolhido (por exemplo, 90% de confiança exibe os percentis de P5 a P95).

### Qual é o limite de ensaios que posso simular de uma vez?

A ferramenta suporta a execução de 100 até 200.000 ensaios individuais por simulação.

## Ferramentas relacionadas

- [Calculadora de Significância A/B](https://elysiatools.com/pt/tools/ab-test-significance-calculator): Insira dados de controle/tratamento para obter diferença de taxas, intervalos de confiança 95%/99%, p-value do Z-test (proporções) ou t de Welch (contínuas), significância, lift, tamanho amostral para 80%/90% de potência, dias recomendados, aviso de sequential testing e correção de Bonferroni.
- [Etiquetas PDF QR/Codigo de Barras](https://elysiatools.com/pt/tools/pdf-qr-barcode-labels): Gera etiquetas PDF em lote com QR e codigo de barras
- [Detector de anomalias em series temporais](https://elysiatools.com/pt/tools/time-series-anomaly-detector): Envia dados de serie temporal em CSV ou JSON, detecta anomalias com Z-Score e IQR e retorna um relatorio com grafico
- [Traçador de distribuição normal](https://elysiatools.com/pt/tools/normal-distribution-plotter): Traça uma curva normal em SVG com marcadores z, sombreamento de intervalo/cauda e faixas σ 68/95/99.7.
- [Calculadora do Escore APACHE II](https://elysiatools.com/pt/tools/apache-ii-score): Calcula o escore APACHE II: escore fisiológico agudo (APS, 12 variáveis, 0-4 pontos cada, pior valor nas primeiras 24 h na UTI) + pontos de idade (0-6) + saúde crônica (0/2/5); total 0-71; quanto maior, pior o prognóstico. Oxigenação: se FiO₂≥0.5 usa gradiente A-a, senão PaO₂; creatinina ×2 em insuficiência renal aguda; GCS = 15−GCS. Inclui a predição de mortalidade do modelo base (logit=−3.517+0.146×escore, sem peso diagnóstico). Fontes: Knaus 1985 Crit Care Med, tabela SFAR. Não substitui julgamento clínico. Não é conselho médico.
- [Calculadora de Intervalo de Confianca](https://elysiatools.com/pt/tools/confidence-interval-calculator): Calcula intervalos de confianca para media amostral ou proporcao usando dados brutos ou estatisticas resumidas
- [Calculadora de integral de convolução (numérica)](https://elysiatools.com/pt/tools/convolution-integral-calculator): Calcula numericamente a convolução de dois sinais (f*g)(t) = ∫ f(τ)g(t−τ)dτ: modo causal (ambos os sinais são zero para t<0, integral em \[max(τmin,0), min(τmax,t)\], ideal para produtos do domínio de Laplace) e modo de janela direta (integral em todo \[τmin, τmax\], ideal para sinais bilaterais como gaussianas), pela regra de Simpson composta (2000 intervalos por padrão). Clássicos: e^(−t)*e^(−2t) = e^(−t)−e^(−2t), 0.2325 em t=1; duas gaussianas convoluem para √(π/2)·e^(−t²/2).
- [Processador de Outliers de Dados](https://elysiatools.com/pt/tools/data-outlier-processor): Ferramenta avançada de detecção e processamento de outliers que identifica, remove ou substitui valores anômalos em dados numéricos usando múltiplos métodos estatísticos. Perfeita para limpeza de dados, análise estatística e preparação de dados para machine learning. Recursos: - Múltiplos métodos de detecção (IQR, Z-score, Z-score modificado, Isolation Forest) - Estratégias flexíveis de manejo (Remover, Substituir por média/mediana/moda, Limitar) - Otimização automática de limiares - Detecção de outliers multidimensional - Estatísticas e relatórios visuais de outliers - Capacidades de processamento em lote - Níveis de sensibilidade personalizáveis - Análise de impacto abrangente Casos de Uso Comuns: - Limpeza e pré-processamento de dados - Preparação para análise estatística - Limpeza de conjuntos de dados para machine learning - Controle de qualidade na manufatura - Detecção de anomalias financeiras - Validação de dados de sensores

## Exemplos

- [Exemplos de Processamento de Imagem Android Java](https://elysiatools.com/pt/samples/android-image-processing-java): Exemplos de processamento de imagem Android Java incluindo leitura/escrita, dimensionamento e conversão de formato
- [Exemplos de Processamento de Imagem Android Kotlin](https://elysiatools.com/pt/samples/android-image-processing-kotlin): Exemplos de processamento de imagem Android Kotlin incluindo leitura/escrita, dimensionamento e conversão de formato
- [Exemplos de Processamento de Imagem Web Python](https://elysiatools.com/pt/samples/web-image-processing-python): Exemplos de processamento de imagem Web Python usando PIL/Pillow incluindo leitura, salvamento, redimensionamento e conversão de formato
- [Exemplos de Processamento de Imagem Web Rust](https://elysiatools.com/pt/samples/web-image-processing-rust): Exemplos de processamento de imagem Web Rust incluindo leitura/gravação, redimensionamento e conversão de formato