Pembangkit Random Number

Slides:



Advertisements
Presentasi serupa
Bab 4. Variabel Acak dan Distribusi Probabilitas
Advertisements

Pendahuluan Landasan Teori.
DISTRIBUSI PELUANG.
Distribusi Probabilitas
TEKNIK SIMULASI Informatika Undip.
DISTRIBUSI TEORETIS.
PEUBAH ACAK DAN DISTRIBUSI PROBABILITAS
Distribusi Probabilitas Kontinu()
Oleh : FITRI UTAMININGRUM, ST, MT
DISTRIBUSI TEORETIS Tujuan :
DISTRIBUSI PELUANG STATISTIKA.
Fungsi distribusi dari Y adalah : G(y)=Pr(Y≤y)=Pr(u(X ≤y)=Pr(X≤w(y))=
Konsep Dasar Probabilitas
Pembangkit Random Number. Definisi _1 (i). Himp. Semua hasil yang mungkin dari suatu eksperimen dan dinyatakan dengan S. (i). Himp. Semua hasil yang mungkin.
BAB IV PEMBANGKIT RANDOM VARIATE
PEMBANGKIT RANDOM NUMBER
NILAI HARAPAN (HARAPAN MATEMATIK)
OFC-11: Pengertian Random Number
Pembangkit Random Number
Peubah Acak dan Distribusi Peluang Kontinu
Pembangkit Random Variate
RANDOM VARIATE DISTRIBUSI DISKRIT
BILANGAN BULAT (lanjutan 2).
Bab 2 PROBABILITAS.
F2F-7: Analisis teori simulasi
BILANGAN BULAT (lanjutan 2).
BAB IV PEMBANGKIT RANDOM VARIATE
Random variate Distribusi Kontinu dan Diskrit
BAB 7 METODE REJECTION.
VARIABEL ACAK DAN NILAI HARAPAN
VARIABEL ACAK DAN NILAI HARAPAN
Pembangkitan Random Variates
Pertemuan 18 Aplikasi Simulasi
(PROBABILITAS LANJUTAN) DISTRIBUSI PELUANG DISKRIT DAN KONTINU
VARIABEL ACAK DAN NILAI HARAPAN
DISTRIBUSI PELUANG Jika melakukan undian sebuah mata uang maka peristiwa yang terjadi muncul = G dan A. Jika X menyatakan banyaknya G maka X = 0, 1 Maka.
DISTRIBUSI PROBABILITAS
VARIABEL RANDOM VARIABEL RANDOM (VR) pada dasarnya adalah bilangan random. Misalkan kita melempar 3 koin, maka ruang sampelnya adalah: Beberapa contoh.
BAB IV PEMBANGKIT RANDOM VARIATE
Bab 4 Limit dan Kesinambungan Fungsi
Random Variate Distribusi Kontinu dan Diskrit
Simulasi Monte Carlo.
RNG ‘n Teori Game Pertemuan 4 MOSI T.Informatika Ganjil 2008/2009
Variabel Acak dan Distribusi Probabilitas
BAB II VARIABEL ACAK DAN NILAI HARAPAN.
VARIABEL ACAK DAN NILAI HARAPAN
Oleh : FITRI UTAMININGRUM, ST, MT)
Fungsi Probabilitas Kumulatif (Fungsi Sebaran) Untuk Satu Peubah Acak
Pembangkit Bilangan Acak Semu
Pertemuan ke-6 RELASI DAN FUNGSI.
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
EXPEKTASI, KOVARIAN DAN KORELASI
Random Variable (Peubah Acak)
PEMBANGKIT RANDOM VARIATE
PEMBANGKIT RANDOM NUMBER
RNG MUHAMMAD YUSUF Teknik Informatika – Universitas Trunojoyo
PEUBAH ACAK & DISTRIBUSI PELUANG. PENGERTIAN PEUBAH ACAK STATISTIKA  Penarikan kesimpulan tentang (karakteristik dan sifat) populasi. Contoh : Pemeriksaan.
PELUANG.
Teknik Simulasi Bilangan Random oleh Veni Wedyawati, S.Kom, M. Kom
DISTRIBUSI VARIABEL RANDOM DISKRIT
PEUBAH ACAK DAN DISTRIBUSI PELUANG
Variabel Acak Diskrit & Distribusi Peluang
Veni Wedyawati, M. Kom MODEL DAN SIMULASI
BAB 10 DISTRIBUSI PROBABILITAS Pada berbagai peristiwa dalam probabilitas jika frekuensi percobaannya banyak, maka untuk peristiwa yang bersifat independent.
Oleh : FITRI UTAMININGRUM, ST, MT)
Variabel Acak Sebuah variabel acak merupakan hasil numerik dari sebuah proses acak atau kejadian acak Contoh: pelemparan koin S = {HHH,THH,HTH,HHT,HTT,THT,TTH,TTT}
DISTRIBUSI PELUANG STATISTIKA.
Random Variate Distribusi Kontinu dan Diskrit
Simulasi Manual.
1. TEORI PENDUKUNG 1.1 Pendahuluan 1.2 Variabel acak
Transcript presentasi:

Pembangkit Random Number BAB III Pembangkit Random Number

Ruang Sampel dan Peristiwa Definisi _1 (i). Himp. Semua hasil yang mungkin dari suatu eksperimen dan dinyatakan dengan S. (ii). Suatu kejadian ad/ himp. bagian dari S. Eksperimen: Perlombaan 3 ekor semut, maka ruang sampel yg diperoleh ad/ S={1, 2, 3}. Misal hasilnya ad/{ 2,3,1} maka yg duluan tiba semut no 2.

Variabel Acak Definisi_3: Misalkan E suatu eksperimen acak dan S ruang sampelnya, suatu fungsi X yg memberikan pada setiap elemen dari S suatu bil.real disebut variable acak

Distribusi Peluang var Diskrit Definisi_4: Himp pas terurut (x,f(x)) merupakan suatu dist. peluang va diskrit jika untuk setiap hasil X yang mungkin berlaku

Distribusi Peluang var kontinu Definisi_5 Fungsi f(x) ad/ f. densitas peluang v.a kontinu X yg didefinisikan semua bil real R, jika

Harapan (Ekspektasi) Jika X ad/ va diskrit yg menggunakan salah satu nilai yg mungkin x1, x2, …, maka harapan atau nilai yg diharapkan dari X ditandai dgn E[X]. Ditetapkan dgn

Jika X ad/ va kontinu yg memiliki fungsi densitas f(x), maka nilai yg diharapkan dari X ad/

Jika X merupakan va diskrit yg memiliki f Jika X merupakan va diskrit yg memiliki f. massa probabilitas p(x), maka sementara jika X kontinu dgn f. densitas probabilitas f(x), maka Jika a dan b konstan maka

Untuk dua variabel acak X1 dan X2 manapun E[X1+X2]=E[X1]+E[X2] Jika digeneralisasikan diperoleh

Random Number Generator Random Number Generator adalah suatu algoritma yang digunakan untuk menghasilkan urutan-urutan atau sequence dari angka-angka sebagai hasil dari perhitungan dengan komputer yang diketahui distribusinya sehingga angka-angka tersebut muncul secara random dan digunakan terus-menerus.

a. ADDITIVE/ARITHMATIC RNG Rumusnya : Zi+1=(a . Zi + c) mod m Dimana : Zi+1 = RN baru Zi = RN lama/ semula c = angka konstan yg bersyarat m = angka modulo

Syarat-syarat, yaitu : Konstan a harus lebih besar dari dan biasanya dinyatakan dgn syarat Untuk konstan c harus berangka ganjil apabila m bernilai pangkat dua. Tidak boleh kelipatan m. Untuk modulo m harus bil prima atau bilangan tidak terbagikan, shg mempermudahkan atau memperlancar perhitungan2 dalam komputer. Z0 harus merupakan angka integer, ganjil, dan cukup besar

B. MULTIPLICATIVE RNG Zi+1=(a.Zi) mod m Dimana Zi+1= RN baru a>1;c=0;m>1 Zi = RN semula Syarat2 lainnya sama dengan Additive RNG.

Pemilihan nilai2 terbaik Pemilihan nilai m (modulo) satu angka integer yg cukup besar dan merupakan 1 kata dari yg dipakai pd komputer. 1. misal komp IBM 360/370 sistem sbh kata ad/ 32 bits panjangnya, berarti angka integer yg terbesar dlm satu kata komp ad/ , 232-1-1=2147483647 maka nilai m harus lebih satu integer, atau m= 232-1=2147483648 m= 2b-1

2. microkomputer 8 bits m= 28-1=128. dimana m merupakan pembagi dari nilai (axZi) yg mengikuti operasi modulo b. Pemilihan konstanta multiplier a harus tepat a harus bil prima thdp m dan a harus ganjil, atau dgn rumus

c. Z0(SEED) harus relatif prima terhadap m c. Z0(SEED) harus relatif prima terhadap m. Biasanya diambil sembarang asal bil ganjil dan cukup besar. ISEED=12357 d. Bil c harus bukan merupakan kelipatan dari m dan juga harus bil ganjil.

MIXED PSEUDO RNG Pseudo Random Number ini dapat dirumuskan dengan :