Академический Документы
Профессиональный Документы
Культура Документы
RANDOM VARIATE
Mata Kuliah Pemodelan & Simulasi
JurusanTeknik Informatika
Universitas Komputer Indonesia
1
Pendahuluan (1)
( )
Sifat p
probalitistik p
pada sistem nyata
y mempunyai
p y p pola
distribusi probabilistik tertentu.
2
Pendahuluan (2)
( )
Variabel acak y
yang
g mempunyai
p y p pola distribusi tertentu
dapat diperoleh dengan cara :
1. Membangkitkan
g bilangan
g acak U(0,1)
( , )
2. Transformasikan bilangan acak tersebut ke suatu
distribusi probabilitas tertentu, sehingga diperoleh
variabel acak yang berdistribusi tertentu pula.
3
Transformasi Invers
Jika diinginkan
g variabel acak X dari sebuah distribusi
(umumnya distribusi kontinyu) dan mempunyai fungsi
kerapatan (Probability Density Function/PDF).
4
Contoh 1
Membangkitkan random variate yang berdistribusi kontinyu
dengan fungsi sbb :
2 x ,0 x 1
f ( x)
0 , x lainnya
Fungsi distribusi kumulatifnya (Cummulative Distribution
Function/CDF) :
F x f x .dx
x
2 x.dx
0
x 2
5
U t k mendapatkan
Untuk d tk F-11, diambil
di bil :
U = F(x)
U = x2
x=√√U Jadi F-1((x)) = √U
√
x2 U 2 0,7955 n
x1 x2 xn
x3 U 3 0,9354
n
x4 U 4 0,6903 0,7359
7
x5 U 5 0,9520
Contoh 2
Misalkan x mempunyai distribusi eksponensial dengan mean
maka
, k ffungsii distribusinya
di t ib i adalah
d l h:
e , untuk x 0
x
1
f x
0 , untuk x lainnya
y
Maka CDF-nya :
F x f x .dx
x
1
e .dx
x
0
x
1 e
8
U F x
x
U 1 e
x
1U e
ln 1 U ln e x
ln 1 U
x
x ln 1 U
( ) = - ln ((1-U)) = - ln U
Jadi F-1(x)
9
Dengan
g demikian,, algoritma
g untuk memperoleh
p variabel
acak yang berdistribusi eksponensial :
1. Bangkitkan bilangan acak U(0,1)
2. Dapatkan x = - ln U
F 1
x 1
ln U
10
Metode tranformasi invers dapat
p jjuga
g digunakan
g jjika x
adalah diskrit.
11
Contoh
Membangkitkan lima variabel acak yang berdistribusi diskrit
uniform,
if jik
jika di
diasumsikan
ik bil
bilangan acak
k dib
dibangkitkan
kitk
dengan metode multiplicative RNG dengan a = 77, m = 127,
Z0 = 12357
12357, i = 40
40, dan j = 100
100.
12
Maka CDF-nya
y :
U F ( x)
x i
U
j i 1
x i ( j i 1)U
Jadi
J di : F-11(x)
( ) = i +(j-i+1)U
(j i 1)U
Maka algoritma untuk memperoleh variabel acak yang
berdistribusi diskrit uniform adalah :
1. Bangkitkan bilangan acak U(0,1)
2. Tentukan nilai i dimana i adalah integer dan i ≤ j
3 Bangkitkan x = i + (j – i + 1)U
3.
13
Maka diperoleh
p deret bilangan
g acak sbb :
Z1 = (77 * 12357) mod 127 = 5 → U1 = 0,0394
Z2 = (77 * 5) mod 127 = 4 → U2 = 0,0315
Z3 = (77 * 4) mod 127 = 54 → U3 = 0,4252
Z4 = (77 * 54) mod 127 = 94 → U4 = 0,7402
Z5 = (77 * 94) mod 127 = 126 → U5 = 0,9921
14
Beberapa
p Algoritma
g Pembangkit
g Variabel Acak
Di t ib i
Distribusi P
Parameter
t Al
Algoritma
it
Bernoulli p 1. Bangkitkan U = U(0,1)
2. Jika U ≤ p maka dapatkan
X=1 & jika tidak X = 0
Geometric p 1. Bangkitkan U = U(0,1)
2. Dapatkan X = ln(U)/ln(1-p)
Uniform a, b 1. Bangkitkan U = U(0,1)
p
2. Dapatkan X = a+(b
( – a ))U
Weibull , 1. Bangkitkan U = U(0,1)
2 Hitung X = ((- ln (U))
2.
15
Pembangkit
g Variabel Acak Distribusi Normal
Distribusi normal sulit dianalisis dengan integral secara
llangsung, maka k membangkitkan
b kitk variabel
i b l acaknya
k dil
dilakukan
k k
dengan pendekatan central limit theorem karena ukuran
sampel yang besar akan berdistribusi normal atau dianggap
berdistribusi normal.
17
• Distribusi poisson memiliki prosedur pelaksanaan
pembangkitan variabel random yang dilakukan berturut-
turut berdasarkan distribusi uniform dari U(0,1) sampai
pertidaksamaan terakhir terpenuhi.
• Algoritmanya :
1. Hitung F = e -
2 Tentukan
2. T t k I=1
3. Bangkitkan bilangan random Ui(0,1)
4. Jika I = 1 maka P = UI, jika tidak hitung P = P * Ui
5. Jika P < F maka hitung g X=I–1 dan kembali ke tahapp 2,,
jika tidak hitung I = I + 1 dan kembali ke tahap 3.
18