Какие типы распределений поддерживает инструмент?

Поддерживаются нормальное (normal), равномерное (uniform), логнормальное (lognormal) и треугольное (triangular) распределения.

Зачем нужно поле «Случайное зерно» (seed)?

Зерно инициализирует генератор случайных чисел. Использование одного и того же зерна позволяет получать идентичные результаты при повторных запусках симуляции.

Какие математические функции можно использовать в формуле?

Доступны базовые операции (+, -, *, /, %, ^), скобки, константы PI и E, а также функции abs, sqrt, exp, log, min, max, pow, sin, cos, tan.

Какое максимальное количество испытаний можно запустить?

Вы можете настроить от 100 до 200 000 испытаний. Большее количество испытаний дает более точную и гладкую гистограмму распределения.

Что показывает уровень доверия в результатах?

Он определяет границы доверительного интервала (например, при 90% выводятся перцентили P5 и P95), внутри которых лежит указанный процент результатов симуляции.

Elysia Tools

Навигация

Data Analysis

Конструктор Симуляций Монте-Карло

Задайте входные распределения (нормальное/равномерное/логнормальное/треугольное), напишите формулу, выполните тысячи испытаний и получите гистограмму с доверительными интервалами.

Детали

С чем помогает этот инструмент

Стройте симуляции Монте-Карло, комбинируя случайные входы.

1. Объявите переменные — по одной на строку, формат: name = тип [параметры]

Тип	Параметры	Пример
`normal`	[среднее, сигма]	`revenue = normal [100, 20]`
`uniform`	[мин, макс]	`rate = uniform [0.02, 0.08]`
`lognormal`	[мю, сигма]	`loss = lognormal [0, 0.5]`
`triangular`	[a, b, c]	`demand = triangular [50, 100, 200]`

2. Формула вывода — арифметическое выражение с именами переменных. Поддерживает +, -, *, /, %, ^, скобки и abs/sqrt/exp/log/min/max/pow/sin/cos/tan, константы PI и E.

3. Запуск — инструмент сэмплирует каждый вход N раз (ГПСЧ с зерном, воспроизводимо), вычисляет формулу и возвращает среднее/медиану/σ, гистограмму, ДИ и P(результат > 0).

Запуск

Запустить этот инструмент

Заполните форму, запустите инструмент и посмотрите результат на этой же странице.

Подготовленные примеры запуска

Нажмите пример, чтобы автоматически заполнить форму. Файлы по-прежнему нужно загрузить.

2 примеров

Прибыль проекта (доход − затраты)

Доход normal [100,20], затраты 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>

Площадь круга с шумным радиусом

Радиус ~ normal [5, 0.5], площадь = 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>

Ввод

Заполните нужные поля и запустите инструмент.

5 параметров

СодержимоеВставьте или введите основные значения.3

Распределения (по строке: name = тип [параметры])textareaОбязательноОбъявите каждый вход. Типы: normal [среднее, сигма], uniform [мин, макс], lognormal [мю, сигма], triangular [a, b, c].Формула выводаtextОбязательноАрифметика над переменными. Поддерживает + - * / % ^, скобки, abs/sqrt/exp/log/min/max/pow, PI, E.Случайное зерно (опц., воспроизводимо)textНеобязательноЗерно = воспроизводимость. Пусто = новый случайный розыгрыш.

НастройкиНастройте форматы, диапазоны, числа и режимы.2

Число испытанийnumberНеобязательноЧисло выборок. Больше → глаже гистограмма (100–200000).Уровень доверия (%)numberНеобязательноПроцентный диапазон ДИ (50–99,9%). По умолчанию 90% → P5–P95.

Результат

Готово к запуску

После запуска здесь появятся файлы, текст, структурированные данные или потоковый вывод.

Примеры

Примеры для этого инструмента

Связано

Конструктор Симуляций Монте-Карло

С чем помогает этот инструмент

Запустить этот инструмент

Подготовленные примеры запуска

Ввод

Результат

Примеры для этого инструмента

Продолжить с похожими инструментами и темами

Подготовленные примеры запуска

Ввод

Результат

Узнайте, когда использовать этот инструмент, что он поддерживает и как его применяют пользователи.

Ключевые факты

Обзор

Когда использовать

Как это работает

Сценарии использования

Примеры

1. Прогнозирование чистой прибыли проекта

2. Расчет площади круга с погрешностью радиуса

FAQ

Примеры Обработки Изображений Android Java

Примеры Обработки Изображений Android Kotlin

Примеры Обработки Изображений Web Python

Примеры Обработки Изображений Web Rust

Калькулятор значимости A/B-теста

PDF-этикетки QR/штрихкод

Детектор аномалий временных рядов

Калькулятор доверительных интервалов

Инструменты для штрихкодов, QR-кодов и этикеток