Академический Документы
Профессиональный Документы
Культура Документы
RianiLubis
JurusanTeknikInformatika
UniversitasKomputerIndonesia
Pendahuluan (1)
Sifat probabilitistik pada sistem nyata mempunyai pola
Pendahuluan (2)
Beberapa metode membangkitkan variabel acak :
a. Inverse Transform
b. Composition
c. Convolution
d. Acceptance Rejection
Transformasi Invers
Jika diinginkan variabel acak X dari sebuah distribusi
Contoh 1
Membangkitkan random variate yang berdistribusi kontinu
dengan fungsi sbb :
Contoh 2
Misalkan x mempunyai distribusi eksponensial dengan mean
, maka fungsi distribusinya adalah :
Maka CDF-nya :
Metode tranformasi invers dapat juga digunakan jika x
adalah diskrit.
Diasumsikan bahwa x berharga x1,x2,x3,x4, ..... dimana
11
Contoh
Membangkitkan lima variabel acak yang berdistribusi diskrit
uniform, jika diasumsikan bilangan acak dibangkitkan
dengan metode multiplicative RNG dengan :
a = 77, m = 127, Z0 = 12357, nilai minimum (i) = 40, dan
nilai maksimum (j) = 100.
Fungsi distribusi dari massa probabilitas distribusi diskrit
uniform adalah :
12
Maka CDF-nya :
14
Geometric
Uniform
(kontinu)
Weibull
Parameter
Algoritma
p
1. Bangkitkan U = U(0,1)
2. Jika U p maka dapatkan
X=1 & jika tidak X = 0
p
1. Bangkitkan U = U(0,1)
2. Dapatkan X = ln(U)/ln(1-p)
a, b
,
1.
2.
1.
2.
Bangkitkan U = U(0,1)
Dapatkan X = a+[(b a )U]
Bangkitkan U = U(0,1)
Hitung X = (- ln U) 1/
15
17
pembangkitan variabel random yang dilakukan berturutturut berdasarkan distribusi uniform dari U(0,1) sampai
pertidaksamaan terakhir terpenuhi.
Algoritmanya :
1. Hitung F = e -
2. Tentukan k = 1
3. Bangkitkan bilangan random Uk(0,1)
4. Jika k = 1 maka Pk = Uk, jika tidak hitung Pk = Pk-1 * Uk
5. Jika Pk < F maka hitung X = k 1 dan kembali ke tahap
2, jika tidak hitung k = k + 1 dan kembali ke tahap 3.
18
ContohKasus1
Seorang pengusaha berpengalaman mengalami fluktuasi
pendapatan.
Dari
pengalaman,
ia
mendapatkan
pendapatan sekitar Rp. 4 juta sampai Rp. 10 juta per
bulan.
a. Simulasikan pendapatan pengusaha tersebut sebanyak
lima kali dengan asumsi :
a =7
m = 128
Z0 = 12357
b. Tentukan penghasilan optimalnya selama lima bulan
mendatang !
19
SimulasiKasus1
Simulasi
Ke-
Random Integer
Number
(Zi)
Uniform Random
Number
(Ui)
Pendapatan
(x)
Rp.
Rp.
Rp.
Rp.
Rp.
20
ContohKasus2
Jika waktu antar kedatangan pemesanan via telepon di
salah satu outlet Pizza Hut Delivery diketahui terdistribusi
eksponensial, dengan rata-rata waktu 0,1 menit.
a. Simulasikan lima waktu antar kedatangan pesanan dari
konsumen dengan asumsi :
a =7
m = 128
Z0 = 12357
b. Tentukan total waktu kedatangan pesanannya !
21
SimulasiKasus2
Simulasi
Ke-
Random Integer
Number
(Zi)
Uniform Random
Number
(Ui)
Waktu Antar
Kedatangan
(x) satuan
Menit
1
2
3
4
5
22
ContohKasus3
Jika diketahui data nilai akhir mata kuliah MOSI dari 60
mahasiswa Teknik Informatika terdistribusi Normal, dengan
data sbb :
Nilai Akhir
Frekuensi
1 20
21 40
15
41 60
13
61 80
18
81 100
SimulasiKasus3
i
Zi
Ui
(a) = (-2lnUi)1/2
1
2
3
4
5
6
24
ContohKasus4
Jika diketahui jumlah pemesanan ayam goreng di sebuah
restoran cepat saji terdistribusi Poisson. Dan rata-rata
permintaan selama 60 hari penjualan adalah 3 potong
ayam goreng per jam (periode waktu).
Simulasikan jumlah pemesanan (order) ayam goreng untuk
lima orang konsumen dengan asumsi a = 7, m = 128, dan
Z0 = 12357
25
SimulasiKasus4
F = e - = e -3 = ........
k
Zi
Ui
P < .......
Jumlah Order
( X = i 1)
1
2
3
4
5
6
...
...
...
26