Metode Monte Carlo

Monte Carlo merupakan salah satu metode yang sering digunakan untuk memecahkan
masalah teknik yang rumit karena dapat menangani sejumlah besar variabel acak, berbagai
jenis distribusi, dan model rekayasa yang sangat nonlinear.

Simulasi Monte Carlo digunakan untuk melakukan random sampling dengan sejumlah besar
percobaan pada komputer, kemudian menunjukkan karakteristik statistik dari eksperimen
atau model keluaran yang diamati dan menyimpulkan output model yang ditarik didasarkan
pada percobaan statistik.

Dalam setiap percobaan, nilai dari variabel acak masukan x=( x 1 , x 2 , ..., x n) yang
merupakan sampel sesuai dengan distribusinya. Nilai-nilai dari variabel output y dihitung
melalui fungsi y=g( x ) dari variabel acak yang dimasukkan. Dari sejumlah percobaan
yang dilakukan dengan cara ini, sampel variabel output y tersedia untuk analisis secara
statistik dan memperkirakan karakteristik variabel output y tersebut.

Flow chart dari simulasi Monte Carlo digambarkan dalam tiga langkah, yang diperlukan
dalam proses simulasi antara lain: langkah pertama yaitu sampling random variabel input
x dari data distribusi angin, langkah kedua yaitu mengevaluasi output model y dari
bentuk pelindung turbin angin dan langkah ketiga yaitu analisis statistik pada model output
dari bentuk pelindung turbin angin pada Airborne Wind Energy.

Kami akan fokus diskusi kita pada variabel acak independen. Namun, Monte Carlo simulasi
berlaku untuk variabel dependen. Tiga langkah dari Monte Carlo simulasi dibahas dalam
bagian berikut.

Sampling on input random variables

Sampling pada input variabel acak Tujuan dari pengambilan sampel pada variabel random
masukan X = (X1, X2, L, Xn) adalah untuk menghasilkan sampel yang mewakili distribusi
dari variabel masukan dari CDFS mereka () (1,2,,) Xi i F xi = L n.

Sampel dari variabel-variabel acak kemudian akan digunakan sebagai masukan untuk
percobaan simulasi. Dua langkah yang terlibat untuk tujuan ini: Langkah 1 - menghasilkan
variabel acak yang merata antara 0 dan 1, dan Langkah 2 - mentransformasikan nilai-nilai
variabel seragam diperoleh dari Langkah 1 ke nilai-nilai variabel acak yang mengikuti
distribusi yang diberikan ( ) (1,2,,) Xi i F xi = L n.

Numerical Experimentation
Misalkan N sampel dari masing-masing variabel acak yang dihasilkan, maka semua sampel
dari variabel acak merupakan N set input, 1 2 (,,,), 1,2,, i i i di x = x x L x i = L N, ke
Model Y = g (X). Pemecahan masalah N kali deterministik menghasilkan N sampel poin dari
output Y. (), 1,2, i i y = g x i = LN

Statistic Analysis on model output

Setelah N sampel output Y telah diperoleh, analisis statistik dapat dilakukan untuk
memperkirakan karakteristik output Y, seperti mean, varians, kehandalan, kemungkinan
kegagalan, pdf dan cdf. persamaan yang terkait diberikan di bawah ini:

Jika kegagalan didefinisikan oleh event g 0, kemungkinan kegagalan kemudian dihitung

oleh

persamaan dapat ditulis kembali sebagai

di mana saya () adalah fungsi indikator, yang didefinisikan oleh

Menurut Persamaan. 3.9, integral di sisi kanan persamaan. 9.8 hanya nilai yang diharapkan
(atau rata-rata) I (x). Oleh karena itu, f p dapat diperkirakan dengan nilai rata-rata I (x)
sebagai

dimana f N adalah jumlah sampel yang memiliki fungsi kinerja kurang dari atau sama dengan
nol, yaitu g 0. keandalan kemudian diperkirakan oleh

Serupa dengan perhitungan probabilitas kegagalan, cdf diberikan oleh

di mana fungsi indikator didefinisikan oleh

Pdf () Yf y dapat diperoleh dengan diferensiasi numerik dari cdf () Y F y