Welche Verteilungstypen werden für die Variablen unterstützt?

Sie können die Typen normal (Mittelwert, Sigma), uniform (Min, Max), lognormal (Mu, Sigma) und triangular (Min, Peak, Max) deklarieren.

Wie kann ich sicherstellen, dass meine Simulationsergebnisse reproduzierbar sind?

Tragen Sie einen festen Wert in das Feld 'Zufalls-Seed' ein. Bei gleichem Seed liefert die Simulation bei jedem Durchlauf identische Ergebnisse.

Welche mathematischen Funktionen kann ich in der Formel verwenden?

Die Formel unterstützt Grundrechenarten, Klammern, Potenzen sowie Funktionen wie abs, sqrt, exp, log, min, max, pow, trigonometrische Funktionen und die Konstanten PI und E.

Wie viele Durchläufe (Trials) kann ich maximal simulieren?

Sie können zwischen 100 und maximal 200.000 Durchläufen wählen. Mehr Durchläufe führen zu einer glatteren und präziseren Verteilungskurve.

Was sagt das Konfidenzniveau in den Ergebnissen aus?

Es definiert den Prozentbereich (z. B. 90%), in dem die Simulationsergebnisse liegen. Bei 90% zeigt es die Grenzen zwischen dem 5. und 95. Perzentil an.

Elysia Tools

Mobile Navigation

Data Analysis

Monte-Carlo-Simulations-Builder

Definieren Sie Eingangsverteilungen (normal/uniform/lognormal/triangular), schreiben Sie eine Formel, führen Sie Tausende Durchläufe aus und erhalten Sie das Histogramm mit Konfidenzintervallen.

Einzelheiten

Wobei dieses Tool hilft

Erstellen Sie Monte-Carlo-Simulationen durch Kombination zufälliger Eingaben.

1. Variablen deklarieren — eine pro Zeile, Format: name = typ [params]

Typ	Parameter	Beispiel
`normal`	[Mittelwert, 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. Ausgabeformel — arithmetischer Ausdruck mit Variablennamen. Unterstützt +, -, *, /, %, ^, Klammern und abs/sqrt/exp/log/min/max/pow/sin/cos/tan, Konstanten PI und E.

3. Ausführen — das Tool zieht N Stichproben je Eingabe (geseedeter PRNG, reproduzierbar), wertet die Formel aus und liefert Mittelwert/Median/σ, Histogramm, KI und P(Ergebnis > 0).

Ausführung

Dieses Tool ausführen

Fülle das Formular aus, starte das Tool und prüfe das Ergebnis an einem Ort.

Vorbereitete Beispielausführungen

Klicken Sie auf ein Beispiel, um das Formular automatisch auszufüllen. Dateien müssen weiterhin hochgeladen werden.

2 Beispiele

Projektgewinn (Erlös − Kosten)

Erlös normal [100,20], Kosten uniform [30,50].

<div class="mc-wrap">10,000 seeded trials. Mean 59.9599, median 60.1987, std dev 20.7086, 90% CI [25.8798, 93.717], P(outcome > 0) = 99.8%.</div>

Kreisfläche bei verrauschtem Radius

Radius ~ normal [5, 0.5], Fläche = π·r².

<div class="mc-wrap">20,000 seeded trials. Mean 79.3635, median 78.5676, std dev 15.7396, 95% CI [50.7869, 112.3056], P(outcome > 0) = 100.0%.</div>

Eingaben

Fülle die erforderlichen Felder aus und starte das Tool.

5 Optionen

InhaltHaupteingaben einfügen oder eingeben.3

Verteilungen (eine pro Zeile: name = typ [params])textareaPflichtDeklarieren Sie jede Eingabe. Typen: normal [Mittelwert, Sigma], uniform [min, max], lognormal [mu, sigma], triangular [a, b, c].AusgabeformeltextPflichtArithmetischer Ausdruck über Variablen. Unterstützt + - * / % ^, Klammern, abs/sqrt/exp/log/min/max/pow, PI, E.Zufalls-Seed (optional, reproduzierbar)textOptionales FeldFester Seed = reproduzierbar. Leer = neuer Zufallswurf.

EinstellungenFormate, Bereiche, Zahlen und Modi anpassen.2

Anzahl DurchläufenumberOptionales FeldAnzahl Stichproben. Mehr → glatteres Histogramm (100–200000).Konfidenzniveau (%)numberOptionales FeldPerzentilband des KI (50–99,9%). Standard 90% → P5–P95.

Ergebnis

Bereit zum Start

Nach dem Ausführen erscheinen hier Dateien, Text, strukturierte Daten oder Stream-Ausgaben.

Beispiele

Beispiele zu diesem Tool

Verwandt

Monte-Carlo-Simulations-Builder

Wobei dieses Tool hilft

Dieses Tool ausführen

Vorbereitete Beispielausführungen

Eingaben

Ergebnis

Beispiele zu diesem Tool

Mit verwandten Tools und Themen fortfahren

Vorbereitete Beispielausführungen

Eingaben

Ergebnis

Erfahren Sie, wann dieses Tool passt, was es unterstützt und wie Nutzer es anwenden.

Wichtige Fakten

Überblick

Wann verwenden

So funktioniert es

Anwendungsfälle

Beispiele

1. Projektgewinn-Prognose unter Unsicherheit

2. Flächenberechnung mit ungenauem Radius

FAQ

Android Java Bildverarbeitungsbeispiele

Android Kotlin Bildverarbeitungsbeispiele

Web Python Bildverarbeitung Beispiele

Web Rust Bildverarbeitungsbeispiele

A/B-Test Signifikanzrechner

PDF-QR/Barcode-Etiketten

Zeitreihen-Anomalie-Detektor

Konfidenzintervall-Rechner

Werkzeuge fur Barcodes, QR-Codes und Etiketten