Random Variate Distribusi Kontinu dan Diskrit

Slides:



Advertisements
Presentasi serupa
Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
Advertisements

DISTRIBUSI PROBABILITAS YANG UMUM
Distribusi Probabilitas Diskrit dan Kontinu
Pendahuluan Landasan Teori.
BEBERAPA EKSPEKTASI KHUSUS
DISTRIBUSI TEORITIS.
VARIABEL RANDOM.
Distribusi Poisson Percobaan Poisson memiliki ciri-ciri sbb :
DISTRIBUSI TEORETIS.
Distribusi Gamma dan Chi Square
Distribusi Probabilitas Kontinu()
BAB IX DISTRIBUSI TEORITIS
TRANSFORMASI VARIABEL RANDOM DISKRIT
Oleh : FITRI UTAMININGRUM, ST, MT
DISTRIBUSI TEORETIS Tujuan :
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 2
DISTRIBUSI PELUANG Pertemuan ke 5.
BAB VII Simulasi Monte Carlo.
BAB VII Simulasi Monte Carlo.
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
Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
Pembangkit Random Variate
RANDOM VARIATE DISTRIBUSI DISKRIT
F2F-7: Analisis teori simulasi
BAB VI Metode Rejection.
BAB IV PEMBANGKIT RANDOM VARIATE
Random variate Distribusi Kontinu dan Diskrit
BAB 7 METODE REJECTION.
Pertemuan 18 Aplikasi Simulasi
DISTRIBUSI TEORITIS.
OLEH: RESPATI WULANDARI, M.KES
Soal Distribusi Kontinu
(PROBABILITAS LANJUTAN) DISTRIBUSI PELUANG DISKRIT DAN KONTINU
STATISTIKA Pertemuan 5: Distribusi Peluang Normal Dosen Pengampu MK:
BAB IV PEMBANGKIT RANDOM VARIATE
DISTRIBUSI PROBABILITAS
Random Variate Distribusi Kontinu dan Diskrit
Fungsi Distribusi normal
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 1
DISTRIBUSI KONTINYU.
Simulasi Monte Carlo.
SIMULATION (STATISTICAL INSIDE).
DISUSUN OLEH : IPHOV KUMALA SRIWANA
Variabel Acak dan Distribusi Probabilitas
DISTRIBUSI PROBABILITAS DISKRIT (1)
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2
Pembangkit Random Number
Distribusi Variabel Random
DISTRIBUSI PROBABILITA COUNTINUES
Variable Acak Normal Standar
RANDOM VARIATE DISTRIBUSI DISKRIT
1.3 Distribusi Probabilitas Kontinu
Random Variable (Peubah Acak)
DISTRIBUSI PROBABILITAS DISKRET
Bagian 5 – DISTRIBUSI KONTINYU Laboratorium Sistem Produksi 2004
PEMBANGKIT RANDOM VARIATE
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 1
Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
FUNGSI PEMBANGKIT MOMEN P.A. DISKRIT KHUSUS
Distribusi Variabel Acak Kontiyu
PRESENTASI STATISTIKA DASAR SOAL NO. 9
BAB 10 DISTRIBUSI PROBABILITAS Pada berbagai peristiwa dalam probabilitas jika frekuensi percobaannya banyak, maka untuk peristiwa yang bersifat independent.
B. Pengembangan Rumus Turunan Fungsi Aljabar
DISTRIBUSI PROBABILITAS YANG UMUM
PENGERTIAN DISTRIBUSI TEORITIS
1. TEORI PENDUKUNG 1.1 Pendahuluan 1.2 Variabel acak
DISTRIBUSI PROBABILITAS YANG UMUM
. Distribusi Binomial adalah suatu distribusi probabilitas yang dapat digunakan bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses.
Transcript presentasi:

Random Variate Distribusi Kontinu dan Diskrit BAB V Random Variate Distribusi Kontinu dan Diskrit

PEMBANGKIT RANDOM VARIATE PEMBANGKIT RANDOM VARIATE DISKRIT PEMBANGKIT RANDOM VARIATE KONTINU RANDOM VARIATE DISTRIBUSI DENSITAS DISKRIT RANDOM NUMBER

1.PEMBANGKIT RANDOM VARIATE DISKRIT Random Number disini adalah untuk menentukan nilai terbaik suatu fungsi distribusi variate diskrit. Adapun langkah-langkahnya: Buat tabel CDF(Cummulative Distribution Function) Bangkitkan RN (Random Number) Tentukan Tag Numbernya Buat Tabel simulasi Tentukan nilai terbaik dengan melihat RN terhadap taq numbernya.

2. PEMBANGKIT RANDOM VARIATE KONTINU Penentuan nilai terbaiknya tidak berbeda jauh dengan fungsi dist. Var. diskrit, dimana langkah2nya: Tentukan CDFnya, yaitu F(x) Transformasikan F(x), dimana F(x)=R shg diperoleh random variate untuk X Tentukan RN Subtitusikan RN Tentukan nilai terbaik untuk X

3. RANDOM VARIATE DISTRIBUSI DENSITAS Langkah-langkahnya: Tentukan CDFnya yaitu F(x) Tentukan nilai fungsi densitas, yaitu F(x)=1, kemudian perhatikan interval fungsi tsb. Subtitusikan nilai yang diperoleh ke dalam F(x) Transformasikan F(x), sampai diperoleh random variate X Tentukan RN Subtitusikan RN ke random variate X sehingga diperoleh nilai terbaik untuk X

4. DISKRIT RANDOM NUMBER Pembangkit variabel acak diskrit ini sangat penting dalam simulasi untuk berbagai persoalan distribusi diskrit yang belum diketahui. Disini kita tidak perlu membuat tag number yang tepat untuk RN. Adapun Random Variate Xnya adalah X=int(n. U)+1, dimana U= RN n=1,2,3,… int=Integer

RANDOM VARIATE DISTRIBUSI DISKRIT DISTRIBUSI DISKRIT UNIFORM DISTRIBUSI BINOMIAL DISTRIBUSI POISSON DISTRIBUSI GEOMETRI

1. DISTRIBUSI DISKRIT UNIFORM Fungsi densitas prob adl Dari fdp diatas kita lakukan Tentukan CDFnya Transformasikan F(x) Tentukan Random variate X Bangkitkan RN Subtitusikan RN

2. DISTRIBUSI BINOMIAL Jika diketahui nilai p dan k, FDPnya Jika diketahui nilai p dan k, Tentukan semua nilai f(j=0) s.d. f(j=k) Dari nilai yg diperoleh tsb, tentukan tag numbernya Bangkitkan RN Tentukan Random variate untuk X yg merupakan solusinya

3. DISTRIBUSI POISSON FDP Pada dist. Poisson, untuk membangkitkan Random variate X digunakan hub. dgn dist eksponensial, yaitu merumuskan pertambahan waktu t dgn batasan sbb: Dgn bukti matematik, diperoleh Maka rumus ini ad/ penentu simulasi untuk mendapatkan jumlah kedatangan dari diist poisson dgn mean= per unit waktu

4. DISTRIBUSI GEOMETRI Random variate untuk X adalah

RANDOM VARIATE DISTRIBUSI KONTINU FUNGSI DENSITAS UNIFORM DISTRIBUSI EKSPONENSIAL

1. FUNGSI DENSITAS UNIFORM FDP Dari fdp diatas kita tentukan CDF Transformasikan F(x) sampai diperoleh random variate X Bangkitkan RN Subtitusikan ke random variate X

2. DISTRIBUSI EKSPONENSIAL FDP Dari FDP diatas Tentukan CDF Transformasikan F(x), sampai diperoleh random variate X Bangkitkan RN Subtitusikan RN ke random variate X.

3. Distribusi Normal