PembangkitVariabelRandom
|
|
- Surya Cahyadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PembangkitVariabelandom Slide: Tri Harsono 1
2 1. Pembangkitvariabelrandom diskrit variabel random: adalah nilai suatu variabel random yg mempunyai distribusitertentuutkmengambilvariabelrandom dari beberapa distribusi yg berbeda; fungsinya terlebih dahulu melalui distribusi CDF dari suatu variabel random. Pengambilan variabel random melalui CDF ini dinamakan inverse transformation method (metode ransformasi invers/balik)
3 1. Pembangkitvariabelrandom diskrit Metodeinimembangkitkanvariabelrandom dari: data distribusi yg aktual terjadi, atau melalui berbagai teori distribusi probabilitas. Untuk fungsi distribusi diskrit f(), prosedur membangkitkan variabel random dari f(): 3
4 Prosedurmembangkitkanvariabel random darif() 1. Plot f(), caricdf F() darivariabelrandom X,. Generate, bil. random idaripng (darikomp.) utk 0<i<1; i1,,.. 3. Tempatkanbil. random tsbpadasumbuf() dan memotong fungsi diskrit melalui garis horisontal, 4. Garis horisontal dari sumbu F() dapat memotong fungsi f(), 5. Turunkan garis dari titik potong pada f() thd sumbu shgdiperolehnilai adalahvariabel random dari F(). 4
5 Contoh Suatu variabel random dinyatakan dgn f() sbb: X demand f() P(X) 1/8 1/4 1/ 1/16 1/16 5
6 CDF-nya 16/16 15/16 7/8 F() 3/8 1/ X Gambar1. CDF darif() 6
7 Tabel 1: CDF fungsi demand X demand f()p(x) 1/8 1/4 1/ 1/16 1/16 F() 1/8 3/8 7/8 15/16 16/16 7
8 Pada saat membangkitkan bil. andom dari komputer, bilasalahsatunilairandom adalah1 8/16, makatitikpotongdapatdiperolehdi0 (gambar1). Dgn cara yg sama juga bisa menghasilkan bil.random , maka titik potong dapat diperoleh di X10. Kondisi ini dapat dilakukan terus-menerus menggunakan setiap bil.random yg diambil dr komp. 8
9 Bil.random yg dihasilkan dari komp. disusun dlm suatu tabel simulasi thd tabel distribusi diskrit Tabel Hasil dari kelima bil.random yg dibangkitkan, angka terbaik adalah 0 demand X 0 9
10 Tabel : Tabel simulasi dari tabel distribusi diskrit No.urut Demand F() Tag number Hasil bil.random di bil.random X komp
11 . Pembangkitvariabelrandom kontinu Sbgcontoh, bangkitkanvariabelrandom distribusi kontinu melalui fungsi: f ( ),0 < < 1 0, lainnya 11
12 Kumulatif (CDF) dari fungsi tersebut adalah: ( ) ydy y 0 0 F Sifat dari fungsi kumulatif adalah: Kontinu, Increasing/fungsi naik Gambar 1
13 Gambar : fungsi distribusi kontinu F() F() 1.0 F(b) F(a) 0 Xa Xb
14 BilaF(a) a; F(b) b, dana < < b, maka: F(b) F(a) b a Bila ingin membangkitkan variabel random utk nilai, maka fungsi F() di transformasi sbb: F( ) tidak diketahui dan harus diambil dari bil.randommelalui Pseudo NG (PNG). 14
15 Contoh Misal untuk membangkitkan PNG menggunakan aritmatik NG, dengan a 19; Z ; c 37; m 18 Z 1 (19* ) mod Z (19*1 + 37) mod
16 Z 3 (19* ) mod Z 5 (19* ) mod Z 4 (19* ) mod
17 Dengan ke-5 bil.random tsb, dapat dicari nilai -nya ; ; ; ; ; 17
18 Bila nilai 1 sd 5 dicari nilai rata-ratanya: n i i n Dengan demikian: dari generate variabel random untuk fungsi: F( ) Diperoleh * yang optimal yaitu * utk 0 < < 1 18
19 3. variabelrandom distribusi densitas Misal diket. Fungsi densitas: Kita akan lihat pada posisi mana, bilangan random berperan f ( ) a(1 ),0 1 0, untuk lainnya Distributif kumulatif-nya: F( ) a(1 y) dy 0 a( y 1 y 0 a 1 19
20 Mencari nilai a pada fungsi distribusi kumulatif: bahwanilaifungsidensitasf() 1 untuk0 1, Sehingga: 1 ( ) F a 1 Untuk 1 1 a 1 1 a 1 0
21 Untuk a, diperoleh variabel random nya F ± ) ( 1, Dengan menggunakan nilai bil.random pd arithmetic NG sebelumnya: a 19; Z ; c 37; m 18 diperoleh bil.random 1
22 , , , , Sehingga nilai untuk masing-masing bil.random i (1) (1) () (3) (4) (5) () (3) (4) (5) Ingat bahwa nilai berada pada interval positif 0 1 ternyata semua hasil di atas memang positif
23 Tugas Distribusi data ada jenis yaitu: distribusi diskrit dan distribusi kontinu. Sebutkan beserta contohnya, masing-masing jenis distribusi tersebut. Apakahadametodelain untuk membangkitkan bilangan random semu (pseudo random) selain Linear Congruential Method (LCM) dan Multiplicative Method. 3
24 4 Simulasi pada permainan Suatu permainan dapat juga dilakukan dengan menggunakan simulasi. Contoh: simulasi pd permainan pelemparan mata uang simulasi pd permainan pelemparan dadu 4
25 Pelemparan mata uang Sisi mata uang adalah Hhead dan Ttail, Peluang munculnya H dan T sama, yaitu 0.5, Dengan menggunakan random number generator dari distribusi uniform untuk interval (0,1), maka aturan permainan dapat ditentukan, yaitu: Bila maka hasilnya H, Bila 0.5< 1 maka hasilnya T. Misal dilakukan pengambilan 10 kali random number dgn pembangkitan random number menggunakan pseudo NG multiplicative. 5
26 Pelemparan mata uang a 7; Z ; c 0; m 17 Z n +1 ( a n Z n m * Z n ) mod m 6
27 Pelemparan mata uang Z 1 a * Z ) mod m ( 0 7*1357 mod Muncul H Z 3 a * Z ) mod m ( 7*4 mod Muncul T Z ( a * Z 7*3mod ) mod m Muncul H Z 4 4 ( a * Z 7*11mod ) mod m Muncul T 7
28 Pelemparan mata uang Z 5 a * Z ) mod m ( 4 7*9mod Muncul T Z 7 a * Z ) mod m ( 6 7*16mod Muncul T Z 6 6 ( a * Z 7*1mod ) mod m Muncul T Z 8 8 ( a * Z 7*10mod ) mod m Muncul H 8
29 Pelemparan mata uang Z Z a* Z ) mod m ( 8 7* mod ( a * Z ) mod m 7*3mod Muncul H Muncul H 9
30 Pelemparan mata uang Kesimpulan Untuk pembangkitan random number sebanyak 10 kali gambar H muncul 5 kali gambar T muncul 5 kali Tidak menutup kemungkinan untuk pembangkitan yang lebih dari 10 kali, hasil random number gambar H lebih besar dari gambar T atau sebaliknya. 30
31 Pelemparan dadu Ada 6 mata dadu, Tentukan pembagian distribusi dari output pelemparan dadu sehingga dapat digunakan untuk menentukan mata dadu menggunakan random number, Bila dilakukan 10 kali pelemparan dadu (atau 10 kali penarikan random number), bagaimana hasilnya? 31
32 Pelemparan dadu Jawab: Pelemparan dadu dengan 6 mata dadu, mempunyai probabilitasdan distribusisebagaimana tabel di bawah ini: X f() P() 1/6 1/6 1/6 1/6 1/6 1/6 F() 1/6 1/3 1/ /3 5/6 1 CDF 3
33 Pelemparandadu Dari distribusi tersebut dapat dinyatakan relasi mata dadu dgn distribusinya: 1 0 F() 1/6, 1/6 F() 1/3, 3 1/3 F() 1/, 4 1/ F() /3, 5 /3 F() 5/6, 6 5/6 F() 1. F() dicari dari pembangkitan random numberf(). 1 0 F() , F() , F() , F() , F() , F() 1. 33
34 Pelemparan dadu Misal: untuk pembangkitan random number digunakan dari hasil pembangkitan random number pada pelemparan mata uang, Berarti kita mempunyai 10 random number, Konversi 10 random number tersebut ke dalam mata dadu adalah: 34
35 Pelemparan dadu (mata dadu ), (mata dadu ), (mata dadu 4), (mata dadu 4), (mata dadu 5), (mata dadu 6), (mata dadu 4), (mata dadu 1), (mata dadu ), (mata dadu ), 35
36 Pelemparan dadu Kesimpulan Dari hasil konversi pembangkitan random number ke dalam mata dadu sebanyak 10 kali, mata dadu (angka ) yang banyak muncul, Tidak menutup kemungkinan untuk pembangkitan yang lebih dari 10 kali, maka mata dadu selain (selain angka ) yang lebih banyak muncul. 36
37 Soal 1. Diketahui fungsi densitas distribusi kontinu sbb: f ( ) 5,0 < < 1 0, < 0 Tentukan fungsi distribusi kumlatif Formulasikan pembangkit variabel random-nya 37
38 Soal. Diketahui fungsi densitas distribusi kontinu sbb: f1( ) 1 + a 0,0 1, lainnya Tentukan fungsi distribusi kumlatif dari kedua fungsi tersebut. Hitunglah nilai a dari kedua fungsi densitas tersebut. Simulasikanvariabelrandom untuk mendapatkan nilai f ( ) asin 0,0 π, lainnya 38
39 eference Tri Harsono, Bahanajar modeling and simulation,
Dasar-dasar Simulasi
Bab 3: Dasar-dasar Simulasi PEMODELAN DAN SIMULASI SISTEM M O N I C A A. K A P P I A N T A R I - 2 0 0 9 Sumber: Harrell, C., B.K. Ghosh and R.O. Bowden, Jr., Simulation Using Promodel, 2 nd ed., McGraw-
Lebih terperinciBILANGAN ACAK (RANDOM NUMBER)
BILANGAN ACAK (RANDOM NUMBER) Disajikan oleh: Bernardus Budi Hartono Web : http://pakhartono.wordpress.com/ E-mail: pakhartono at gmail dot com budihartono at acm dot org Teknik Informatika [Gasal 2009
Lebih terperinciMata Kuliah Pemodelan & Simulasi
Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probabilitistik pada sistem nyata mempunyai pola distribusi probabilistik
Lebih terperinciMembangkitkan Bilangan Acak Menggunakan Matlab
Membangkitkan Bilangan Acak Menggunakan Matlab Achmad Basuki 2004 Materi Linear Congruent Method Metode Resuffle Fungsi Standard Membangkitkan Bilangan Acak Menampilkan Grafik Bilangan Acak Pseudo Random
Lebih terperinciMembangkitkan Bilangan Acak Menggunakan Matlab. Achmad Basuki
Membangkitkan Bilangan Acak Menggunakan Matlab Achmad Basuki 2004 Materi Linear Congruent Method Metode Resuffle Fungsi Standard Membangkitkan Bilangan Acak Grafik dan Statistik Bilangan Acak Pseudo Random
Lebih terperinciPEMBANGKIT BILANGAN RANDOM RANDON NUMBER GENERATOR (RNG)
PEMBANGKIT BILANGAN RANDOM RANDON NUMBER GENERATOR (RNG) Pembangkit Bilangan Random Pembangkit bilangan random adalah suatu algoritma yang digunakan untuk menghasilkan urutan-urutan (sequence) dari angka-angka
Lebih terperinciMETODE MONTE CARLO. Pemodelan & Simulasi TM11
METODE MONTE CARLO Pemodelan & Simulasi TM11 Metode Monte Carlo Metoda Monte Carlo telah digunakan sejak abad ke-18 oleh Comte de Buffon yang mengembangkan eskperimen untuk memperoleh rasio antara diameter
Lebih terperinciPEMBANGKIT RANDOM VARIATE
PEMBANGKIT RANDOM VARIATE Mata Kuliah Pemodelan & Simulasi JurusanTeknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probalitistik pada sistem nyata mempunyai pola distribusi probabilistik
Lebih terperinciSTATISTIK PERTEMUAN V
STATISTIK PERTEMUAN V Variabel Random/ Acak variabel yg nilai-nilainya ditentukan oleh kesempatan/ variabel yang bernilai numerik yg didefinisikan dlm suatu ruang sampel 1. Variabel Random diskrit Variabel
Lebih terperinciPEMODELAN BILANGAN ACAK DAN PEMBANGKITANNYA. Pemodelan & Simulasi
PEMODELAN BILANGAN ACAK DAN PEMBANGKITANNYA Pemodelan & Simulasi Bilangan Acak Bilangan acak adalah bilangan yang kemunculannya terjadi secara acak. Bilangan acak ini penting untuk keperluan simulasi.
Lebih terperinciSTK 572 Manajemen Data Statistik
STK 572 Manajemen Data Statistik Pertemuan 12 Tim Dosen: Dr. Farit Muhammad Affendi Dr. Agus M Soleh Pembangkitan Bilangan Acak Dr. Agus M Soleh agusms@apps.ipb.ac.id 2 Pendahuluan Pembangkitan bil. acak
Lebih terperinciRandom Number Generation (RNG) Pembangkitan Bilangan
Random Number Generation (RNG) Pembangkitan Bilangan Random Random Number Generation 1 Definition of RNG RNG suatu algoritma yg digunakan utk menghasilkan urutan angka2 sbg hasil perhitungan dgn komp.,
Lebih terperinciDISTRIBUSI SATU PEUBAH ACAK
0 DISTRIBUSI SATU PEUBAH ACAK Dalam hal ini akan dibahas macam-macam peubah acak, distribusi peluang, fungsi densitas, dan fungsi distribusi. Pada pembahasan selanjutnya, fungsi peluang untuk peubah acak
Lebih terperinciDistribusi Peluang. Maka peubah acak X dinyatakan dengan banyaknya kemunculan angka. angka sama sekali. angka.
Distribusi Peluang Definisi peubah acak: Misalkan E adalah sebuah percobaan dengan ruang sampel T. Sebuah fungsi X yang memetakan setiap anggota t T dengan sebuah bilangan real X(t) dinamakan peubah acak.
Lebih terperinciPEMBANGKIT BILANGAN ACAK (Random Number Generator)
PEMBANGKIT BILANGAN ACAK (Random Number Generator) Mata Kuliah Pemodelan & Simulasi Jurusan Teknik Informatika Universitas Komputer Indonesia 1 2 Random Number Generator (1) Cara memperoleh : ZAMAN DAHULU,
Lebih terperinciBAB 3 PEMBANGUNAN MODEL SIMULASI MONTE CARLO. Simulasi Monte Carlo merupakan salah satu metode simulasi sederhana yang
BAB 3 PEMBANGUNAN MODEL SIMULASI MONTE CARLO 3. Simulasi Monte Carlo Simulasi Monte Carlo merupakan salah satu metode simulasi sederhana yang dapat dibangun secara cepat menggunakan spreadsheet. Penggunaan
Lebih terperinciSTATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling
STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling Rengganis Banitya Rachmat rengganis.rachmat@gmail.com 4. Distribusi Probabilitas Normal dan Binomial
Lebih terperinciDistribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah
Distribusi Diskrit dan Kontinu yang Penting Oleh Azimmatul Ihwah Distribusi Diskrit Fungsi probabilitas dari variabel random diskrit dapat dinyatakan dalam formula matematik tertentu yang dinamakan fungsi
Lebih terperinciPEMBANGKIT BILANGAN ACAK
PEMBANGKIT BILANGAN ACAK Mata Kuliah Pemodelan & Simulasi Pertemuan Ke- 7 Riani L. JurusanTeknik Informatika Universitas Komputer Indonesia 1 CARA MEMPEROLEH : Pembangkit Bilangan Acak (Random Number Generator)
Lebih terperinciCara memperoleh data: Zaman dahulu, dgn cara : Melempar dadu Mengocok kartu
Cara memperoleh data: Zaman dahulu, dgn cara : Melempar dadu Mengocok kartu Zaman modern (>1940), dgn cara membentuk bilangan acak secara numerik/aritmatik (menggunakan komputer), disebut Pseudo Random
Lebih terperinciTHEORY. By: Hanung N. Prasetyo PEUBAH ACAK TELKOM POLYTECHNIC/HANUNGNP
THEORY By: Hanung N. Prasetyo PEUBAH ACAK Variabel acak adalah suatu variabel yang nilainya bisa berapa saja Variabel acak merupakan deskripsi numerik dari outcome beberapa percobaan / eksperimen VARIABEL
Lebih terperinciModel dan Simulasi Universitas Indo Global Mandiri
Model dan Simulasi Universitas Indo Global Mandiri Nomor random >> angka muncul secara acak (random/tidak terurut) dengan probabilitas untuk muncul yang sama. Probabilitas/Peluang merupakan ukuran kecenderungan
Lebih terperinciBILANGAN ACAK. Metode untuk mendapatkan bilangan acak : 1. Metode Kongruen Campuran Rumus :
BILANGAN ACAK Bilangan acak adalah bilangan sembarang tetapi tidak sembarangan. Kriteria yang harus dipenuhi, yaitu : Bilangan acak harus mempunyai distribusi serba sama (uniform) Beberapa bilangan acak
Lebih terperinciSampling dengan Simulasi Komputer
Modul Sampling dengan Simulasi Komputer PENDAHULUAN Sutawanir Darwis M etode statistika merupakan alat untuk menyelesaikan masalah apabila solusi analitik tidak mungkin diperoleh. Dengan metode statistika
Lebih terperinciKumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X
Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik
Lebih terperinciHANDOUT PERKULIAHAN. Pertemuan Ke : 3 : Distribusi Satu Peubah Acak dan Ekspektasi Satu Peubah Acak
HANDOUT PERKULIAHAN Pertemuan Ke : 3 Pokok Bahasan : Distribusi Satu Peubah Acak dan Ekspektasi Satu Peubah Acak URAIAN POKOK PERKULIAHAN A. Peubah Acak Definisi 1 : Peubah Acak Misalkan E adalah suatu
Lebih terperinciMonte Carlo. Prihantoosa Toosa
Monte Carlo Prihantoosa pht854@yahoo.com toosa@teknosoftmedia.com Pendahuluan Simulasi Monte Carlo dikenal dengan intilah sampling simulation atau Monte Carlo Sampling Technique Istilah Monte Carlo pertama
Lebih terperinciPENS. Probability and Random Process. Topik 4. Variabel Acak dan Distribusi Probabilitas. Prima Kristalina April 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 4. Variabel Acak dan Distribusi Probabilitas Prima Kristalina April 2015 1 Outline 1. Definisi
Lebih terperinciPertemuan 14. Teknik Simulasi
Pertemuan 14 Teknik Simulasi Pengantar Dalam mempelajari sistem dapat dilakukan dengan pendekatan eksperimental, baik dengan menggunakan sistem aktual, maupun menggunakan model dari suatu sistem. Eksperimen
Lebih terperinciAchmad Samsudin, M.Pd. Jurdik Fisika FPMIPA Universitas Pendidikan Indonesia
Achmad Samsudin, M.Pd. Jurdik Fisika FPMIPA Universitas Pendidikan Indonesia VARIABEL ACAK VARIABEL ACAK : suatu fungsi yang nilainya berupa bilangan nyata yang ditentukan oleh setiap unsur dalam ruang
Lebih terperinciTeknik Simulasi. Eksperimen pada umumnya menggunakan model yg dapat dilakukan melalui pendekatan model fisik atau model matametika.
Teknik Simulasi Dalam mempelajari sistem dapat dilakukan dengan pendekatan eksperimental, baik dengan menggunakan sistem aktual, maupun menggunakan model dari suatu sistem. Eksperimen pada umumnya menggunakan
Lebih terperinciPerancangan Sistem Media Pembelajaran Balita (Game Akez) dengan Metode Linear Congruentials Generator (LCG)
Perancangan Sistem Media Pembelajaran Balita (Game Akez) dengan Metode Linear Congruentials Generator (LCG) Devri Suherdi Eresha School IT devrisuherdi10@gmail.com Deliansyah Universitas Islam Sumatera
Lebih terperinciDasar-dasar Statistika Pemodelan Sistem
Dasar-dasar Statistika Pemodelan Sistem Kuliah Pemodelan Sistem Semester Genap 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U Januari 2016 MZI (FIF Tel-U) Statistika Pemodelan Januari 2016
Lebih terperinciProbabilitas dan Statistika Variabel Acak dan Fungsi Distribusi Peluang Diskrit. Adam Hendra Brata
dan Statistika dan Fungsi Peluang Adam Hendra Brata acak adalah sebuah fungsi yang memetakan hasil kejadian yang ada di alam (seperti : buka dan tutup; terang, redup dan gelap; merah, kuning dan hijau;
Lebih terperinciMINGGU KE-6 VARIABEL RANDOM DAN DISTRIBUSINYA
MINGGU KE-6 VARIABEL RANDOM DAN DISTRIBUSINYA VARIABEL RANDOM Misalkan (Ω, A, P) ruang probabilitas dan R = {x < x < } dan B : Borel field pada R. Andaikan X : Ω R dan untuk setiap A R, kita definisikan
Lebih terperinciPercobaan Perancangan Fungsi Pembangkit Bilangan Acak Semu serta Analisisnya
Percobaan Perancangan Fungsi Pembangkit Bilangan Acak Semu serta Analisisnya Athia Saelan (13508029) 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciKoordinat Polar (Ch )
Koordinat Polar (Ch.10.-10.) O (the pole) ray (polar axis) Dalam beberapa hal, lebih mudah mencari lokasi/posisi suatu titik dengan menggunakan koordinat polar. Koordinat polar menunjukkan posisi relatif
Lebih terperinciSimulasi Monte Carlo
Simulasi Monte Carlo Simulasi Monte Carlo Simulasi monte carlo melibatkan penggunaan angka acak untuk memodelkan sistem, dimana waktu tidak memegang peranan yang substantif (model statis) Pembangkitan
Lebih terperinci#12 SIMULASI MONTE CARLO
#12 SIMULASI MONTE CARLO 12.1. Konsep Simulasi Metode evaluasi secara analitis sangat dimungkinkan untuk sistem dengan konfigurasi yang sederhana. Untuk sistem yang kompleks, Bridges [1974] menyarankan
Lebih terperinciPembangkitan Bilangan Acak dengan Memanfaatkan Fenomena Fisis
Pembangkitan Bilangan Acak dengan Memanfaatkan Fenomena Fisis Otniel 3588 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha Bandung 432, Indonesia
Lebih terperinciDetail Tugas Besar Mata Kuliah Pemodelan dan Simulasi
Detail Tugas Besar Mata Kuliah Pemodelan dan Simulasi Buatlah aplikasi program untuk menyelesaikan kasus permasalahan dibawah ini, dengan menggunakan software aplikasi yang kalian mampu gunakan, interfacing
Lebih terperinciDISTRIBUSI TEORITIS. Variabel Acak Distribusi Teoritis Binomial Normal
DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS Variabel Acak Distribusi Teoritis Binomial Normal Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat
Lebih terperinciPeubah Acak. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB
Peubah Acak Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Definisi Peubah Acak Peubah = variabel Dalam suatu eksperimen, seringkali kita
Lebih terperinciStatistika & Probabilitas
Statistika & Probabilitas Peubah Acak Peubah = variabel Dalam suatu eksperimen, seringkali kita lebih tertarik bukan pada titik sampelnya, tetapi gambaran numerik dari hasil. Misalkan pada pelemparan sebuah
Lebih terperinciDISTRIBUSI VARIABEL RANDOM
DISTRIBUSI VARIABEL RANDM Distribusi Variabel Diskrit Distribusi variabel diskrit adalah salah satu variabel acak yang diasumsikan memiliki bilangan terbatas dari nilai-nilai yang berbeda. Contoh : Waktu
Lebih terperinciAnalisis Model dan Simulasi. Hanna Lestari, M.Eng
Analisis Model dan Simulasi Hanna Lestari, M.Eng Simulasi dan Pemodelan Klasifikasi Model preskriptif deskriptif diskret kontinu probabilistik deterministik statik dinamik loop terbuka - tertutup Simulasi
Lebih terperinciKONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT.
KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT. EKSPERIMEN suatu percobaan yang dapat diulang-ulang dengan kondisi yang sama CONTOH : Eksperimen : melempar dadu 1 kali Hasilnya
Lebih terperinciLearning Outcomes Peubah Acak Fungsi Sebaran Secaran Diskret Nilai Harapan. Peubah Acak. Julio Adisantoso. 13 Maret 2014
13 Maret 2014 Learning Outcome Mahasiswa dapat memahami dan menentukan peubah acak dari suatu kejadian Mahasiswa dapat memahami fungsi sebaran Mahasiswa dapat mengerti dan menentukan peubah acak diskret
Lebih terperinciMata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia
Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Pokok Bahasan Variabel Acak Pola Distribusi Masukan Pendugaan Pola Distribusi Uji Distribusi
Lebih terperinciDistribusi Probabilitas Diskrit: Binomial & Multinomial
Distribusi Probabilitas Diskrit: Binomial & Multinomial 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi Binomial Distribusi
Lebih terperinci4. BILANGAN ACAK dan Pembangkitannya
4. BILANGAN ACAK dan Pembangkitannya 4.1. Pengantar Bilangan Acak Bilangan acak merupakan suatu besaran dasar dalam modeling dan teknikteknik simulasi. Pada modeling dan simulasi banyak sekali memanfaatkan
Lebih terperinciA. Distribusi Gabungan
HANDOUT PERKULIAHAN Mata Kuliah : Statistika Matematika Pertemuan Ke : 5 Pokok Bahasan : Distibusi Dua peubah Acak URAIAN POKOK PERKULIAHAN A. Distribusi Gabungan Definisi 1: Peubah Acak Berdimensi Dua
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Kriptografi Kriptografi berasal dari gabungan dua suku kata yang berasal dari bahasa Yunani, yaitu Kryptos dan Graphein. Kryptos memiliki makna tersembunyi, misterius, atau rahasia.
Lebih terperinciImplementasi Algoritma Linear Congruentials Generator Untuk Menentukan Posisi Jabatan Kepanitiaan
Implementasi Algoritma Linear Congruentials Generator Untuk Menentukan Posisi Jabatan Kepanitiaan Suendri Dosen Program Studi Sistem Informasi Universitas Islam Negeri Sumatera Utara Medan, Indonesia suendri@uinsu.ac.id
Lebih terperinciA. Distribusi Gabungan
HANDOUT PERKULIAHAN Mata Kuliah Pokok Bahasan : Statistika Matematika : Distibusi Dua peubah Acak URAIAN POKOK PERKULIAHAN A. Distribusi Gabungan Definisi 1: Peubah Acak Berdimensi Dua Jika S merupakan
Lebih terperinciMetode Statistika. Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution)
Metode Statistika Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Konsep Peubah Acak Peubah acak merupakan suatu fungsi yang memetakan ruang kejadian (daerah
Lebih terperinciDISTRIBUSI TEORITIS DISTRIBUSI TEORITIS
DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS Variabel Acak Distribusi Teoritis Binomial Normal 1 Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat
Lebih terperinciRANDOM NUMBER GENERATOR DENGAN METODE LINEAR CONGRUENT
RANDOM NUMBER GENERATOR DENGAN METODE LINEAR CONGRUENT RANDOM NUMBER GENERATOR DENGAN METODE LINEAR CONGRUENT Pulut Suryati 1, FX. Henry Nugroho 2 1,3 Program Studi Sistem Informasi, STMIK AKAKOM Yogyakarta
Lebih terperinciKULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:
KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output: 1. Terminating simulation 2. Nonterminating simulation: a. Steady-state parameters b. Steady-state cycle parameters
Lebih terperinciDISTRIBUSI PELUANG.
DISTRIBUSI PELUANG readonee@yahoo.com Distribusi? Peluang? Distribusi Peluang? Distribusi = sebaran, pencaran, susunan data Peluang : Ukuran/derajat ketidakpastian suatu peristiwa Distribusi Peluang adalah
Lebih terperinciSEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN
SEKOLAH TINGGI MANAJEMEN INFORMAA KOMPUTER JAKARTA STIK SATUAN ACARA PERKULIAHAN Mata : TEKNIK SIMULASI Kode Mata : MI - 15222 Jurusan / Jenjang : D3 TEKNIK KOMPUTER Tujuan Instruksional Umum : Agar mahasiswa
Lebih terperinciProbabilitas dan Statistika Fungsi Distribusi Peluang Kontinyu. Adam Hendra Brata
Probabilitas dan Statistika Adam Hendra Brata Himpunan nilai-nilai yang mungkin dari peubah acak X merupakan himpunan tak terhitung yaitu tidak dapat dinyatakan sebagai {,, 3,., n } atau {,, 3,.} tetapi
Lebih terperinciDISTRIBUSI BINOMIAL STKIP SILIWANGI BANDUNG LUVY S ZANTHY KAPSEL SMA
DISTRIBUSI BINOMIAL STKIP SILIWANGI BANDUNG LUVY S ZANTHY KAPSEL SMA 1 LUVY S. ZANTHY KAPSEL SMA 2 LUVY S. ZANTHY KAPSEL SMA 3 Distribusi Binomial O Dalam suatu percobaan statistik sering dijumpai pengulangan
Lebih terperinciAgar Xn berperilaku acak yang dapat dipertanggungjawabkan :
ara memperoleh data Zaman dahulu, dgn cara : 1. Melempar dadu 2. Mengoco artu Zaman modern (>1940), dgn cara membentu bilangan aca secara numeri/ aritmati(menggunaan omputer), disebut Pseudo Random Number
Lebih terperinciMA5031 Analisis Real Lanjut Semester I, Tahun 2015/2016. Hendra Gunawan
MA5031 Analisis Real Lanjut Semester I, Tahun 2015/2016 Hendra Gunawan 4. Fungsi Kontinu 4.1 Konsep Kekontinuan Fungsi kontinu Limit fungsi dan limit barisan Prapeta himpunan buka 4.2 Sifat-Sifat Fungsi
Lebih terperinciFungsi Kepadatan Probabilitas/Probability Density Function-PDF
Fungsi Kepadatan Probabilitas/Probability Density Function-PDF Slide : Tri Harsono PENS Politeknik Elektronika Negeri Surabaya (PENS) 1 PDF Definisi Fungsi kepadatan probabilitas atau probability density
Lebih terperinciDistribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif
Distribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi
Lebih terperinciPENDEKATAN INVERSE-TRANSFORM RANDOM VARIATE GENERATOR BERBASIS DISTRIBUSI GEOMETRI PADA PENGACAKAN RANDOM SAMPLING
PENDEKATAN INVERSE-TRANSFORM RANDOM VARIATE GENERATOR BERBASIS DISTRIBUSI GEOMETRI PADA PENGACAKAN RANDOM SAMPLING Arif Rahman Program Studi Teknik Industri, Fakultas Teknik, Universitas Brawijaya Jl.
Lebih terperinciDistribusi Peluang Kontinu. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB
Distribusi Peluang Kontinu Bahan Kuliah II9 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Fungsi Padat Peluang Untuk peubah acak kontinu, fungsi peluangnya
Lebih terperinciBAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE)
BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) 5.1. Pembagit Radom Variate Disrit Suatu Radom Variate diartia sebagai ilai suatu radom variate yag mempuyai distribusi tertetu. Utu megambil
Lebih terperinciMA5031 Analisis Real Lanjut Semester I, Tahun 2015/2016. Hendra Gunawan
MA5031 Analisis Real Lanjut Semester I, Tahun 2015/2016 Hendra Gunawan 5. Kalkulus Diferensial 5.1 Konsep Turunan Beberapa Definisi yang Setara Kekontinuan dan Keterdiferensialan secara Kontinu 5.2 Sifat-Sifat
Lebih terperinciC. GRAFIK FUNGSI TRIGONOMETRI
11 C. GRAFIK FUNGSI TRIGONOMETRI Dengan cara yang sama seperti pada Grafik fungsi linear dapat pula dikembangkan untuk membuat template untuk mendukung topik grafik fungsi Trigonometri. Misalkan dapat
Lebih terperinciPENGANTAR MODEL PROBABILITAS
PENGANTAR MODEL PROBABILITAS (PMP, Minggu 1-7) Sri Haryatmi Kartiko Universitas Gadjah Mada Juni 2014 Outline 1 Minggu 1:HIMPUNAN Operasi Himpunan Sifat-Sifat Operasi Himpunan 2 Minggu 2:COUNTING TECHNIQUE
Lebih terperinciCNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya
CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya Dosen: Aniq A Rohmawati, M.Si TELKOM UNIVERSITY JALAN TELEKOMUNIKASI 1, BANDUNG, INDONESIA Ruang Sampel dan Kejadian PEUBAH ACAK (P.A) Fungsi yang memetakan
Lebih terperinciProbabilitas & Teorema Bayes
1 Probabilitas & Teorema Bayes Nurwahyu Alamsyah, S.Kom wahyualamsyah.wordpress.com wahyu@plat-m.com Statistika D3 Manajemen Informatika Universitas Trunojoyo Madura 2 Terminologi Teori Probabilitas didasarkan
Lebih terperinciMA1201 MATEMATIKA 2A Hendra Gunawan
MA1201 MATEMATIKA 2A Hendra Gunawan Semester II, 2016/2017 8 Maret 2017 Kuliah yang Lalu 10.1-2 Parabola, Elips, dan Hiperbola 10.4 Persamaan Parametrik Kurva di Bidang 10.5 Sistem Koordinat Polar 11.1
Lebih terperinciSIMULASI: Deterministik dan Monte Carlo
SIMULASI: Deterministik dan Monte Carlo Tjipto Juwono, Ph.D. April 2017 TJ (SU) SIMULASI: Deterministik dan Monte Carlo April 2017 1 / 14 Apa itu yang dimaksud dengan simulasi? Apabila semua data diperoleh
Lebih terperinciSTUDI KASUS : SIMULASI MODEL PERMINTAAN SUPERMARKET DENGAN TEKNIK MONTECARLO
STUDI KASUS : SIMULASI MODEL PERMINTAAN SUPERMARKET DENGAN TEKNIK MONTECARLO Suatu supermarket telah melakukan pengamatan mengenai permintaan bayam sebagai salah satu item sayur sayuran yang dijualnya.
Lebih terperinciSTATISTIKA UNIPA SURABAYA
MATEMATIKA STATISTIKA (MATHEMATICAL STATISTICS) GANGGA ANURAGA Materi : Distribusi variabel random Teori Himpunan Fungsi Himpunan Fungsi Himpunan Peluang Variabel Random Fungsi Kepadatan Peluang Fungsi
Lebih terperinciHaryoso Wicaksono, S.Si., M.M., M.Kom. 26
Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random
Lebih terperincil.makalah DISTRIBUSI PROBABILITAS DISKRIT
l.makalah DISTRIBUSI PROBABILITAS DISKRIT Kata Pengantar Puji syukur atas kehadirat Allah SWT karena rahmat serta karunia-nya penulis dapat menyelesaikan makalah ini.shalawat serta salam dari Allah SWT
Lebih terperinciSEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN
SEKOLAH TINGGI MANAJEMEN INFORMAA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN Mata : SIMULASI DAN PERMODELAN Kode Mata : MI 1302 Jurusan / Jenjang : S1 SISTEM KOMPUTER Tujuan Instruksional Umum :
Lebih terperinciBab II. Prinsip Fundamental Simulasi Monte Carlo
Bab II Prinsip Fundamental Simulasi Monte Carlo Metoda monte carlo adalah suatu metoda pemecahan masalah fisis dengan menirukan proses-proses nyata di alam memanfaatkan bilangan acak/ random. Jadi metoda
Lebih terperinciMATERI STATISTIK II. Genrawan Hoendarto
MATERI STATISTIK II Teori Probabilitas Variabel Acak dan Nilai Harapan Distribusi Teoritis Distribusi Sampling Pengujian Hipotesis Regresi dan Korelasi Linear Sederhana Statistik Nonparametrik Daftar Pustaka
Lebih terperinciLuas daerah yang dibatasi oleh beberapa kurva dapat ditentukan dengan menghitung integral tertentu.
IKA ARFIANI,S.T. Luas daerah yang dibatasi oleh beberapa kurva dapat ditentukan dengan menghitung integral tertentu. Andaikan kurva y = f(x) dan kurva y = g(x) kontinu pada interval a x b, dan kurva y
Lebih terperinciSifat-sifat Fungsi Keanggotaan, Fuzzifikasi, Defuzzifikasi. Logika Fuzzy
Sifat-sifat Fungsi Keanggotaan, Fuzzifikasi, Defuzzifikasi Logika Fuzzy 1 Fitur Fungsi Keanggotaan Fungsi keanggotaan himpunan fuzzy: Core (inti) Support (pendukung) Boundary (batas) 2 (a) (b) Himp. Fuzzy
Lebih terperinciTeknik-teknik Analisis Rangkaian
Teknik-teknik Analisis Rangkaian Slide-04 Ir. Agus Arif, MT Semester Gasal 2016/2017 1 / 29 Materi Kuliah 1 Transformasi Sumber Sumber Tegangan yg Praktis Efek Pembebanan Sumber Tegangan yg Umum Sumber
Lebih terperinciANALISA STATISTIK DISKRIPTIF
ANALISA STATISTIK DISKRIPTIF DISTRIBUSI FREKUENSI A. Distribusi Frekuensi Katagorik Misal : Dalam penelitian persepsi masyarakat tentang akan dibangunnya suatu kawasan industri di daerah permukiman, dng
Lebih terperinciLab. Statistik - Kasus 1. Lab. Statistik Kasus 2. Lab. Statistik Kasus 3
Haryoso Wicaksono, halaman 1 dari 5 halaman Lab. Statistik - Kasus 1 1. Jelaskan istilah-istilah statistik berikut : a. sampel e. responden b. populasi f. data kuantitatif c. statistik sampel g. data kualitatif
Lebih terperinciDistribusi Peubah Acak
Chandra Novtiar 085794801125 chandramathitb07@gmail.com PROGRAM STUDI PENDIDIKAN MATEMATIKA SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN (STKIP) SILIWANGI BANDUNG 4 April 2017 Garis Besar Pembahasan FUNGSI
Lebih terperinciPertemuan ke 4. Non-Linier Equation
Pertemuan ke 4 Non-Linier Equation Non-Linier Equation Persamaan Kuadrat Persamaan Kubik Metode Biseksi Metode Newton-Rapshon Metode Secant 1 Persamaan Kuadrat Persamaan kuadrat adalah suatu persamaan
Lebih terperinciALJABAR SET & AKSIOMA PROBABILITAS
ALJABAR SET & AKSIOMA PROBABILITAS Pokok Bahasan Sample Space Event Aljabar Set Prinsip dan Aksioma Probabilitas Equally Likely Event Conditional Probability Independent Event Sample Space dan Event Eksperimen
Lebih terperinciPada dasarnya lebih sulit drpd classifier berdasar teori bayes, terutama untuk data dimensi tinggi.
1 Fokus pd desain fungsi pembeda (discriminant function) atau decision surface scr langsung yang membedakan satu kelas dengan kelas yg lain berdasarkan kriteria yg telah ditentukan. Pada dasarnya lebih
Lebih terperinciBAB II DISTRIBUSI PROBABILITAS
BAB II DISTRIBUSI PROBABILITAS.1. VARIABEL RANDOM Definisi 1: Variabel random adalah suatu fungsi yang memetakan ruang sampel (S) ke himpunan bilangan Real (R), dan ditulis X : S R Contoh (Variabel random)
Lebih terperinciI.1 TUJUAN MEMPELAJARI SIMULASI I.2.CARA MEMPELAJARI SISTEM
I.1 TUJUAN MEMPELAJARI SIMULASI Melalui kuliah ini diharapkan kita dapat mempelajari suatu sistem dengan memanfaatkan komputer untuk meniru (to simulate) perilaku sistem tersebut. I.2.CARA MEMPELAJARI
Lebih terperinciAKUN suatu alat untuk mencatat transaksi transaksi keuangan yang bersangkutan dengan aset, kewajiban, modal, pendapatan & beban.
AKUN suatu alat untuk mencatat transaksi transaksi keuangan yang bersangkutan dengan aset, kewajiban, modal, pendapatan & beban. Tujuan pemakaian akun mencatat data yang akan menjadi dasar penyusunan laporan-laporan
Lebih terperinciMA5031 Analisis Real Lanjut Semester I, Tahun 2015/2016. Hendra Gunawan
MA5031 Analisis Real Lanjut Semester I, Tahun 2015/2016 Hendra Gunawan 4.2 Sifat-Sifat Fungsi Kontinu Diberikan f dan g, keduanya terdefinisi pada himpunan A, kita definisikan f + g, f g, fg, f/g secara
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No. 1, Juni 2016 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Optimasi Persediaan Sparepart Menggunakan Model
Lebih terperinciPendahuluan Perkuliahan Pemodelan Sistem
Pendahuluan Perkuliahan Pemodelan Sistem Kuliah Pemodelan Sistem Semester Genap 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U Januari 2016 MZI (FIF Tel-U) Pendahuluan Perkuliahan Januari
Lebih terperinciSIMULASI ANTRIAN PELAYANAN BONGKAR MUAT KAPAL
SEMINAR TUGAS AKHIR SIMULASI ANTRIAN PELAYANAN BONGKAR MUAT KAPAL (STUDI KASUS TERMINAL MIRAH PELABUHAN TANJUNG PERAK SURABAYA) Oleh : Risky Abadi 1203.109.004 Latar Belakang Pelabuhan Tanjung Perak sebagai
Lebih terperinci