I. Distribusi Geometri
Jadi, dalam membangkitkan distribusi Geometri, kami menggunakan metode transformasi invers
(TI). Alasan menggunakan metode tersebut karena distribusi geometri mempunyai CDF yang close
form.
Langkah-langkah :
X PDF CDF
1 0.5 0.5
2 0.25 0.75
3 0.125 0.875
4 0.0625 0.9375
5 0.03125 0.96875
6 0.015625 0.984375
7 0.007813 0.992188
8 0.003906 0.996094
9 0.001953 0.998047
10 0.000977 0.999023
Hasil bangkitan 1000 data berdistribusi geometrik adalah sebagai berikut dengan parameter p yang
diinginkan 0.5, sementara p yang sebenarnya hasil output Easy Fit adalah 0.32787:
Berikut merupakan grafik distribusi geometri dari 1000 data yang telah dibangkitkan
b. Fungsi dari distribusi weibull memiliki CDF yang closeform ( bisa diselesaikan )
2. Hasil bangkitan 1000 data berdistribusi weibull adalah sebagai berikut dengan parameter yang
diinginkan α=1, β=2, sementara α, β yang sebenarnya hasil output EasyFit adalah α=0,93578,
β=1,9474
3. Dibawah ini merupakan grafik distribusi weibull dari 1000 data yang telah dibangkitkan.
a. Grafik output dari excel
2. Hasil bangkitan 1000 data berdistribusi beta adalah sebagai berikut dengan parameter yang
diinginkan α=1, β=2, sementara α, β yang sebenarnya hasil output EasyFit adalah α=1.6694, β=1,7502
3. Dibawah ini merupakan grafik distribusi beta dari 1000 data yang telah dibangkitkan.
0.14
0.13
0.12
0.11
0.1
0.09
0.08
f(x)
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
0.2 0.4 0.6 0.8 1
x
Histogram Beta