BAB IV PEMBANGKIT RANDOM VARIATE

Slides:



Advertisements
Presentasi serupa
DISTRIBUSI MULTIVARIAT
Advertisements

EKSPEKTASI DAN VARIANSI
Distribusi Beta, t dan F.
Distribusi Probabilitas Diskrit dan Kontinu
Distribusi Peluang Diskrit
PROBABILITAS BERSYARAT DAN EKSPEKTASI BERSYARAT
Pendahuluan Landasan Teori.
DISTRIBUSI PROBABILITAS
BEBERAPA EKSPEKTASI KHUSUS
DISTRIBUSI PELUANG.
EKSPEKTASI DARI VARIABEL RANDOM
TEKNIK SIMULASI Informatika Undip.
BAB 1 MENGENAL SIMULASI.
DISTRIBUSI TEORETIS.
BAB IX DISTRIBUSI TEORITIS
Distribusi Peluang Diskrit atau Teoritis (z, t, F dan chi square)
TRANSFORMASI VARIABEL RANDOM DISKRIT
Oleh : FITRI UTAMININGRUM, ST, MT
DISTRIBUSI TEORETIS Tujuan :
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 2
I. Pendahuluan I.1 TUJUAN MEMPELAJARI SIMULASI
BAB II VARIABEL ACAK DAN NILAI HARAPAN.
Fungsi distribusi dari Y adalah : G(y)=Pr(Y≤y)=Pr(u(X ≤y)=Pr(X≤w(y))=
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
OFC-11: Pengertian Random Number
Pembangkit Random Number
Pembangkit Random Variate
RANDOM VARIATE DISTRIBUSI DISKRIT
BILANGAN BULAT (lanjutan 2).
F2F-7: Analisis teori simulasi
BAB VI Metode Rejection.
Random variate Distribusi Kontinu dan Diskrit
BAB 7 METODE REJECTION.
Pembangkitan Random Variates
Analisis Output Pemodelan Sistem.
Pertemuan 18 Aplikasi Simulasi
(PROBABILITAS LANJUTAN) DISTRIBUSI PELUANG DISKRIT DAN KONTINU
BAB IV PEMBANGKIT RANDOM VARIATE
DISTRIBUSI PROBABILITAS
Random Variate Distribusi Kontinu dan Diskrit
Simulasi Monte Carlo.
RNG ‘n Teori Game Pertemuan 4 MOSI T.Informatika Ganjil 2008/2009
SIMULATION (STATISTICAL INSIDE).
Variabel Acak dan Distribusi Probabilitas
BAB II VARIABEL ACAK DAN NILAI HARAPAN.
Variabel Acak dan Nilai Harapan
RANDOM VARIATE DISTRIBUSI KONTINU
Pertemuan #5 Generating Random Variates
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
DISTRIBUSI VARIABEL RANDOM “DISKRIT” KHUSUS “ Bernoulli ” PMtk III B
Pembangkit Random Number
Metode Rejection.
Simulasi sistem persediaan
EXPEKTASI, KOVARIAN DAN KORELASI
RANDOM VARIATE DISTRIBUSI DISKRIT
PEMBANGKIT RANDOM VARIATE
PEMBANGKIT RANDOM NUMBER
RNG MUHAMMAD YUSUF Teknik Informatika – Universitas Trunojoyo
DATA STATISTIK Definisi : Data Atau Fakta.
HARGA HARAPAN.
Teknik Simulasi Bilangan Random oleh Veni Wedyawati, S.Kom, M. Kom
BAB 10 DISTRIBUSI PROBABILITAS Pada berbagai peristiwa dalam probabilitas jika frekuensi percobaannya banyak, maka untuk peristiwa yang bersifat independent.
HARGA HARAPAN.
DISTRIBUSI PROBABILITAS YANG UMUM
Random Variate Distribusi Kontinu dan Diskrit
Pembangkitan Peubah Acak Kontinyu I
1. TEORI PENDUKUNG 1.1 Pendahuluan 1.2 Variabel acak
DISTRIBUSI PROBABILITAS YANG UMUM
Transcript presentasi:

BAB IV PEMBANGKIT RANDOM VARIATE

PEMBANGKIT RANDOM VARIATE PEMBANGKITAN RANDOM VARIATE DISKRIT PEMBANGKITAN RANDOM VARIATE KONTINU RANDOM VARIATE DISTRIBUSI DENSITAS SIMULASI PADA PERMAINAN DISKRIT RANDOM NUMBER

Suatu random variate diartikan sebagai nilai suatu random variabel yang mempunyai distribusi tertentu. Pendekatan yang umumnya digunakan adalah: Inverse Transformation Composition Convulotion Acceptance-Rejection

PEMBANGKIT RANDOM VARIATE DISKRIT Prosedur untuk membangkitkan random variate jika fungsi distribusinya diskrit : Pilihlah random number dari rumus Pseudo Random Number 0<Ri<1, i=1,2,3,… Tentukan Cummulative Distribution Function (CDF) Gambarkan grafik Cummulative Distribution Function Buat tabel simulasi untuk menentukan random variate Tentukan random variate

CONTOH SOAL Diketahui random variabel yang dinyatakan dengan f(x) sebagai berikut: R1= 0,09375 R2= 0,63281 R3= 0,875 R4= 0,47656 R5= 0,90625 Tentukan random variate untuk random number yang dipilih ! X 10 20 30 40 f(x) 1/8 1/4 1/2 1/16

16 / 16 15 / 16 3 / 8 1 / 8 10 20 30 40

PEMBANGKIT RANDOM VARIATE KONTINU Penentuan nilai terbaiknya tidak berbeda jauh dengan fungsi distribusi variabel diskrit. Tentukan CDFnya, yaitu F(x) Transformasikan F(x), dimana F(x)=R sehingga diperoleh random variate untuk X Tentukan RN Subtitusikan RN Tentukan nilai terbaik untuk X

Contoh Soal Tentukan random variate distribusi kontinu melalui fungsi matematis diatas: R1= 0,09375 R2= 0,63281 R3= 0,875 R4= 0,47656 R5= 0,90625

1,00 0,4965 0,0937 0,3062 0,6903 1,0

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

Contoh Soal:

SIMULASI PADA PERMAINAN Pelemparan Mata Uang Syarat yang berlaku: Jika 0 ≤ R ≤ 0,5, maka hasilnya muncul sisi 1 Jika 0,5 < R ≤ 1, maka hasilnya muncul sisi 2 Pelemparan Dadu 0 ≤ R ≤ 0,167 muncul mata dadu 1 0,167 < R ≤ 0,333 muncul mata dadu 2 0,333< R ≤ 0,500 muncul mata dadu 3 0,500 < R ≤ 0,667 muncul mata dadu 4 0,667 < R ≤ 0,833 muncul mata dadu 5 0,833 < R ≤ 1 muncul mata dadu 6

DISKRIT RANDOM NUMBER Pembangkitan 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. Hal ini berguna dalam menentukan rata-rata penarikan fungsi Y. Y = C(i) Xi = int(n. Ri)+1, (Ri= RN, n=1,2,3,… dan int=Integer) Yi = C(Xi)

BAB V RANDOM VARIATE DISTRIBUSI DISKRIT DAN KONTINU

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

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

2. DISTRIBUSI BINOMIAL Jika diketahui nilai n dan x, FDPnya Jika diketahui nilai n dan x, Tentukan semua nilai f(x=0) s.d. f(x=n) Dari nilai yang diperoleh tersebut, tentukan tag numbernya Bangkitkan RN Tentukan Random variate untuk X yang merupakan solusinya

3. DISTRIBUSI POISSON FDP Lalu tentukan Dengan λ dan t diketahui sehingga diperoleh nilai n sebagai jumlah kedatangan/kemunculan yang diharapkan.

4. DISTRIBUSI GEOMETRI Random variate untuk X adalah

Contoh Soal Distribusi Geometri Dari 10 orang pelamar,terdapat 30% yang sudah mempunyai keahlian komputer. Para pelamar diinterview dan diseleksi secara random. Simulasikan dengan distribusi geometri berapa pelamar yang diterima dengan RNG a=43, m=1237, dan Zo=12357! Dari 20 RN yang diambil melalui a=77, m=1257, dan Zo=12357. Berapa banyak lulusan sarjana yang diterima di suatu perusahaan jika diketahui probabilitas yang diterima 25% dengan simulasi distribusi geometri!

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.