Monte Carlo simülatörü
Tek sayı yerine aralık verin. Girdilerin belirsizliğini (en az, olası, en çok) tanımlayın, bir model şablonu seçin; araç on binlerce rastgele senaryo çalıştırıp sonucun dağılımını, olası aralığını ve hedefi aşma olasılığını gösterir.
Girdiler
Girdi A
Girdi B
Girdi C
100 ile 200.000 arası. Büyük N ortalamanın rastgele hatasını küçültür.
Aynı tohum ve aynı girdilerle sonuç birebir tekrarlanır. 0 ile 4.294.967.295 arası tam sayı.
Sonucun bu değeri aşma olasılığını hesaplar (ör. bütçe ya da kâr hedefi).
Simülasyon tarayıcınızda çalışır; girdileriniz hiçbir yere gönderilmez.
Belirsizliği karara çevirmek için modelinizi gerçek verinizle kurup doğrulamayı birlikte yapalım.
Görüşme talep edin01
Nasıl kullanılır
A
Bir model şablonu seçin ve her girdi için dağılımı ve parametrelerini girin (emin değilseniz en az, olası ve en çok değerli üçgen dağılım kullanın) ya da örnek modeli yükleyin.
B
İsterseniz bir hedef değer girin, tekrar sayısını ve tohumu belirleyip simülasyonu çalıştırın.
C
Ortalamayı, P5/P50/P95 aralığını, hedefi aşma olasılığını ve histogramla birikimli grafiği okuyun; sonucu kopyalayın.
02
Monte Carlo benzetimi nasıl çalışır?
Her tekrarda her girdi kendi dağılımından rastgele bir değer alır, bu değerler model şablonuyla birleştirilir ve bir sonuç üretilir. Bunu on binlerce kez yapınca sonuçların dağılımı, belirsiz girdilerin birlikte yarattığı olası sonuç aralığını gösterir. Tek bir "en olası" senaryo yerine "hedefi tutturma olasılığı %70" gibi bir cevap alırsınız.
Rastgele sayılar tohumlu bir üreteçten (mulberry32) gelir: aynı tohum ve girdilerle sonuç hep aynıdır, böylece analiz tekrarlanabilir. Tohumu değiştirmek, rastgele hatanın büyüklüğünü görmenin pratik yoludur.
03
Dağılım seçimi: üçgen, normal, düzgün
Üçgen dağılım, bir şeyi "en az şu, en olası şu, en çok şu" diye tahmin edebildiğinizde uygundur; veri azken proje süresi ve maliyet tahminlerinde yaygındır. Normal dağılım, çok sayıda küçük etkenin toplamı olan ve ortalama çevresinde simetrik değişen büyüklükler (ölçüm hatası, talep sapması) için uygundur; teorik olarak sınırsızdır, negatif değerler de çıkabilir.
Düzgün dağılım, yalnızca alt ve üst sınırı bildiğinizde ve aralıkta her değerin eşit olası olduğunu düşündüğünüzde kullanılır. Seçiminiz sonucu belirgin biçimde değiştirebilir; emin olmadığınızda iki dağılımla çalıştırıp farkı karşılaştırın.
04
Sonucu nasıl okumalı?
P5, P50 ve P95; sonuçların sırasıyla yüzde 5'inin, yarısının ve yüzde 95'inin altında kaldığı değerlerdir. P5–P95 aralığı, sonucun yaklaşık %90 olasılıkla kalacağı bandı verir. Medyan ile ortalamanın ayrışması, dağılımın çarpık olduğunu gösterir (ör. çarpımlarda sağa çarpıklık).
Hedefi aşma olasılığı, hedefin üzerinde kalan tekrarların oranıdır. Bu bir tahmindir ve ± rastgele hata içerir; N büyüdükçe hata küçülür. Girdiler gerçekte ilişkiliyse (ör. fiyat arttıkça adet düşüyorsa) bağımsızlık varsayımı sonucu yanıltabilir.
Sık sorulanlar
- Kaç tekrar yeterli?
- Ortalama için 10.000 tekrar çoğu amaç için yeterlidir; P5 ve P95 gibi uç yüzdelikler ve küçük olasılıklar için daha fazlası gerekir. Ortalamanın standart hatası σ/√N olarak gösterilir; N'yi 100 katına çıkarmak hatayı 10'da birine indirir.
- Tohum ne işe yarar?
- Rastgele sayı üretecinin başlangıç değeridir. Aynı tohum ve aynı girdilerle sonuç tam olarak tekrarlanır; bu, bir analizi başkasıyla paylaşırken ya da yeniden çalıştırırken tutarlılık sağlar. Farklı tohumlar farklı rastgele örnekler üretir.
- Dağılım parametrelerini nasıl seçmeliyim?
- Geçmiş veriniz varsa ortalama ve standart sapmayı ondan alın (normal) ya da en düşük, tipik ve en yüksek değerlerini kullanın (üçgen). Veri yoksa uzman tahmini; ancak insanlar belirsizliği genellikle olduğundan dar tahmin eder, aralığı biraz geniş tutun.
- Girdiler birbirine bağlıysa ne olur?
- Araç girdileri bağımsız varsayar. Gerçekte aynı yönde hareket eden girdiler (ör. maliyet kalemleri) toplam belirsizliği bağımsız varsayımdan daha geniş yapar; ters yönde hareket edenler daha dar yapar. Güçlü bağımlılık varsa korelasyonlu bir model gerekir.
- Neden serbest formül yazamıyorum?
- Güvenlik ve sadelik için yalnızca dört sabit şablon sunulur (A+B+C, A×B, A×B−C, A×B×C). Böylece tarayıcıda hiçbir kod değerlendirilmez. Daha karmaşık modeller için modelinizi birlikte kurabiliriz.
- Hedefi aşma olasılığı kesin bir risk değeri mi?
- Hayır. Seçtiğiniz dağılımlara ve bağımsızlık varsayımına bağlı bir tahmindir. Girdi tahminleri yanlışsa sonuç da yanlış olur. Karar için duyarlılık analizi yapın: girdilerin aralığını değiştirip olasılığın nasıl oynadığına bakın.
Belirsizliği karar desteğine çevirin
Maliyet, süre ya da talep tahminlerinizi gerçek verinizle destekleyip risk ve senaryo analizine dönüştürelim; hangi girdinin sonucu en çok oynattığını birlikte bulalım.