Como executar uma comparação 01 Escolha um preset ou digite um modelo. Os presets incluem y = x², x₁·x₂ e o pêndulo, então as falhas interessantes estão a um clique. 02 Dê uma distribuição a cada entrada. Normal, retangular, triangular, t escalada e deslocada, log-normal ou arco seno, com ν onde for conhecido. 03 Defina M, a semente e a cobertura. O padrão é 100 000 tentativas, semente 20250101 e 95 %. 04 Leia as duas linhas. y, u(y), o intervalo simétrico e as diferenças §8; o texto do veredito diz como interpretá-las. 05 Decida o que reportar. Quando as diferenças de extremos ficam dentro da tolerância, cite o resultado de primeira ordem; quando a excedem, cite o Monte Carlo.
Exemplo resolvido Semente 20250101, M = 100 000, cobertura de 95 %; δ é a tolerância numérica §8 sobre a incerteza padrão.
Modelo
u(y) GUM
u(y) MC
Intervalo MC de 95 %
Diferenças de extremos vs δ = 5.00e-2
Veredito
x^2, x ~ N(0, 1)
0
1,41508161
[0,00092727, 5,05221926]
9,27e-4 / 5,05 — concordam: não
não linear: usar MC (assimetria 2,7978 )
x1 * x2, N(10, 1), N(5, 0,5)
7,07106781
7,0995449
[36,9247005, 64,60907171]
7,84e-1 / 7,50e-1 — não resolvido neste M
aumentar M
x1 + x2 + x3 + x4, quatro N(0, 1)
2
2,00529595
[−3,90620878, 3,96027218]
1,37e-2 / 4,03e-2 — dentro de δ
primeira ordem validada
O preset do quadrado é a falha mais limpa de toda a seção de ciências: em x = 0 a derivada 2x se anula, então a linha GUM lê u = 0 e um intervalo de largura zero, enquanto a distribuição verdadeira é do tipo χ² com média 1,00083028 , incerteza padrão 1,41508161 e um intervalo de 95 % de 0,00092727 até 5,05221926 . O Monte Carlo também reconhece a forma: assimetria 2,7978 e um intervalo mais curto [0 , 3,84543713 ] bem mais estreito que o simétrico.
O teste §8 e o que ele exige A JCGM 101 §8 fixa uma tolerância numérica δ = ½·10^l, em que u(y) = c·10^l com c inteiro do número de dígitos escolhido — 5,00e-2 para estes exemplos. O resultado de primeira ordem só é validado se as duas extremidades do intervalo diferirem das extremidades do Monte Carlo em no máximo δ. Duas condições precisam valer para que essa comparação signifique algo: o ruído do Monte Carlo deve ser pequeno frente a δ, e os intervalos devem ser do mesmo tipo. A aba também informa se a comparação está resolvida — exigindo δ ≥ 3× o ruído de amostragem u(y)/√M —, porque com M pequeno o veredito alterna ao acaso em vez de medir a não linearidade. O preset do quadrado permanece resolvido de M = 10⁴ a 10⁶ enquanto falha a concordância todas as vezes; o u do preset do produto difere do valor GUM em apenas 0,4011 % do valor de Monte Carlo (a aba mede a diferença em relação a u_MC), mas seu veredito com M = 100 000 é não resolvido , porque as diferenças de extremos (0,784 e 0,750 ) ofuscam δ e o ruído (2,25e-2 ) é grande demais para uma decisão limpa.
Limites e o que ele não faz
O Monte Carlo é tão bom quanto as distribuições de entrada. Uma distribuição retangular não é uma normal de mesmo σ, e o intervalo de cobertura muda de forma em consequência — veja as quatro entradas uniformes, cujo intervalo [−3,86488045, 3,90530028] é mais estreito que o ±3,92 do caso normal com o mesmo u.
O modelo precisa ser uma expressão tipada. Correlações entram como uma matriz informada explicitamente; uma medição cujas entradas compartilham uma deriva sem correlação registrada é silenciosamente otimista.
A armadilha: uma diferença minúscula de u não é aprovação As incertezas padrão do preset do produto diferem apenas 0,4011 % do valor de Monte Carlo — pequeno o bastante para parecer concordância —, mas a checagem §8 compara intervalos, não u, e falha. Inversamente, a concordância pode ser coincidência de um M favorável: antes de citar um veredito validado, leia a linha de resolução. A terceira armadilha mora no zero do preset do quadrado: u = 0 não é uma afirmação forte, é a linearização informando que a inclinação é plana no ponto de avaliação, o que nada diz sobre a dispersão a 1,4 unidades de distância.
Onde é usado Relatórios de calibração e ensaio Um relatório que cita uma incerteza linearizada para um modelo curvo pode errar no segundo dígito. Rodar os dois métodos e anexar o veredito §8 torna a escolha do resultado auditável.
Ensinar por que derivadas não bastam Os presets do quadrado e do produto são pequenos o suficiente para calcular à mão: um mostra uma derivada que se anula, o outro o termo u₁²u₂² ausente. Eles transformam "use Monte Carlo" de slogan em falha demonstrada.
Privacidade A análise, a amostragem e a comparação rodam no seu navegador com um gerador com semente; o modelo e as entradas nunca são enviados.
Referências
BIPM JCGM, JCGM 100:2008 — o método GUM de primeira ordem. bipm.org (访问日期:2026-10-07)
BIPM JCGM, JCGM 101:2008 — propagação Monte Carlo, §7.9 tolerância e §8 validação. bipm.org (访问日期:2026-10-07)
NIST, Technical Note 1297 — avaliar e expressar a incerteza. nist.gov (访问日期:2026-10-07)
Wikipedia, Propagation of uncertainty — a linearização e sua falha. en.wikipedia.org (访问日期:2026-10-07)
Wikipedia, Monte Carlo method — amostrar através de um modelo. en.wikipedia.org (访问日期:2026-10-07)
Calculators in this hub
Hand-picked tools, one click away. The mini versions compute live and carry your values into the full calculator.
Sources & review
Updated 2026-10-07