Calculadora de simulación de Monte Carlo

Esta calculadora de simulación de Monte Carlo permite modelar la incertidumbre de una previsión, un proceso o una ecuación empresarial. En lugar de devolver un único valor medio, ejecuta numerosos ensayos aleatorios a partir de las distribuciones de probabilidad definidas y muestra el rango de resultados posibles directamente en el navegador.

¿Qué es una simulación de Monte Carlo?

La simulación de Monte Carlo estima el resultado de un proceso incierto repitiendo un cálculo miles de veces con valores de entrada aleatorios. Cada entrada se describe mediante una distribución de probabilidad. La simulación combina las entradas en una ecuación, guarda el resultado de cada ensayo y genera una distribución de resultados posibles. Así se pueden estimar riesgos, probabilidades de superar límites y las variables que más influyen en el resultado. Consulta también el tutorial de simulación de Monte Carlo.

Introduce las variables que afectan al resultado y selecciona para cada una una distribución normal, uniforme, triangular, lognormal, exponencial o discreta. También puedes elegir una variable de tus datos y ajustar automáticamente los parámetros de la distribución. Después, define una o varias salidas mediante ecuaciones. Una salida posterior puede utilizar una salida anterior, por ejemplo, Beneficio calculado a partir de Ingresos.

Funciones de la calculadora

• Seis distribuciones de entrada: normal, uniforme, triangular, lognormal, exponencial y discreta.
• Ajuste a datos: estima los parámetros a partir de una variable métrica cargada.
• Varias salidas encadenadas: utiliza entradas y salidas anteriores en las ecuaciones.
• Límites de especificación: calcula porcentajes fuera de los límites, PPM y Ppk.
• Percentiles configurables: muestra cualquier lista de percentiles entre 0 y 100.
• Análisis de sensibilidad: compara correlaciones de Spearman o Pearson.
• Comprobación de normalidad: aplica la prueba de Anderson-Darling a cada salida.
• Resultados reproducibles: una semilla fija produce exactamente los mismos resultados.
• Ejecución en segundo plano: un trabajador web evita que la página se bloquee.
• Guardado automático: el modelo se conserva localmente en el navegador.

¿Cuándo se utiliza?

La simulación de Monte Carlo resulta útil cuando una salida depende de entradas inciertas y un único escenario medio no representa bien el riesgo. Algunos usos habituales son:

• Estudios de capacidad y calidad de procesos
• Previsiones financieras, presupuestos e ingresos
• Análisis de riesgos de costes y plazos de proyectos
• Acumulación de tolerancias y márgenes de ingeniería
• Planificación de demanda e inventario
• Evaluación de riesgos de inversión

Cómo utilizar la calculadora

1. Define cada factor incierto y selecciona su distribución, o ajústala a tus datos.
2. Comprueba los parámetros e introduce valores y probabilidades si utilizas una distribución discreta.
3. Define las salidas con ecuaciones como Ingresos = Visitantes * TasaConversion * ValorPedido.
4. Añade límites inferiores o superiores si necesitas calcular defectos, PPM o Ppk.
5. Configura las iteraciones, la semilla, los percentiles y el método de sensibilidad.
6. Revisa el diagrama del modelo y ejecuta la simulación.
7. Interpreta el histograma, los percentiles, los límites y el análisis de sensibilidad.

Preguntas frecuentes

¿Tengo que instalar algún programa?

No. La calculadora funciona en el navegador y no requiere instalación ni licencia.

¿Cuántas iteraciones debo utilizar?

Unos pocos miles suelen bastar para estabilizar la media y la desviación estándar. Utiliza 50.000 o más cuando necesites estimar con precisión un suceso poco frecuente.

¿Puedo ajustar una distribución a mis propios datos?

Sí. Con un conjunto de datos cargado puedes vincular una entrada a una variable métrica. La calculadora estima los parámetros usando al menos cinco valores numéricos.

¿Los resultados son reproducibles?

Sí. El mismo modelo y la misma semilla aleatoria producen exactamente los mismos resultados.

¿Qué significan PPM y Ppk?

PPM estima cuántas salidas defectuosas habría por millón. Ppk resume el rendimiento del proceso respecto a los límites de especificación y tiene en cuenta la distancia entre la media y el límite más cercano.

¿Necesito límites de especificación?

No. Sin límites, la calculadora sigue mostrando la media, la desviación estándar, el rango, los percentiles, el histograma y la sensibilidad.

Los resultados son aproximaciones basadas en las distribuciones y ecuaciones introducidas. Cuanto mejores sean los supuestos de entrada, más útil será la estimación del riesgo.