Distribusi Normal Standar sangat sering digunakan dan memiliki notasi sendiri.
Sebuah variate acak Z merupakan distribusi normal standar jika densitasnya adalah 𝜙 ,
dimana :
1 𝑧2
𝜙(𝑧) = 𝑒− 2
√2𝜋
𝑧
Pada selang (−∞, ∞). Distribusi komulatifnya adalah 𝜙(𝑧) = ∫−∞ 𝜙(𝑢)𝑑𝑢. Mudah
ditunjukan bahwa ekspektasi dan varian dari 𝑍 masing-masing adalah 0 dan 1.
1 𝑥−𝜇 2
−[ ] /2
𝑓𝑥 (𝑥) = 𝑒 𝜎
√2𝜋𝜎
Hanya dua algoritma pendek yang menjelaskan pembangkit variate. Yang mana
dibutuhkan kebijakan kesepakatan antara kemudahan implementasi dan kecepatan
eksekusi. Pembaca menunjuk pada Devroye(1986) atau Dagpunar(1988) untuk metode
yang bisa jadi lebih cepat saat eksekusi dan lebih canggih dalam desain.
1 −(𝑥 2 +𝑥 2 )/2
𝑓𝑥1 , 𝑥2 (𝑥1 , 𝑥2 ) = 𝑒 1 2
2𝜋
Didalam ℝ2 . Sekarang ditransformasikan ke bentuk polar dimana 𝑋1 = 𝑅 𝑐𝑜𝑠𝜃 dan 𝑋2 =
𝑅 𝑠𝑖𝑛𝜃. Maka densitas bersama dari 𝑅 dan 𝜃 diberikan oleh :
𝜕𝑥1 𝜕𝑥1
1 −𝑟 2 𝜕𝑟 𝜕𝜃 | 𝑑𝑟𝑑𝜃
𝑓𝑅,𝜃 (𝑟, 𝜃)𝑑𝑟𝑑𝜃 = 𝑒 2|
2𝜋 𝜕𝑥2 𝜕𝑥2
𝜕𝑟 𝜕𝜃
1 −𝑟 2
= 𝑒 2 𝑟𝑑𝑟𝑑𝜃
2𝜋
Pada selang 𝑟 ∈ (0, ∞) dan 𝜃 ∈ [0,2𝜋]. Ini menunjukan jika 𝑅 dan 𝜃 terdistribusi bebas
1
dengan 2 𝑅~𝐸𝑥𝑝(1) dan 𝜃~𝑈[0,2𝜋]. Oleh karena itu diberikan bilangan acak 𝑅1 dan 𝑅2 ,
1
dengan inversi, 2 𝑅 2 = − ln 𝑅1 atau 𝑅 = √−2 ln 𝑅 , dan 𝜃 = 2𝜋𝑅2 . Ditranformasikan
𝑋1 = √−2𝑙𝑛𝑅1 cos(2𝜋𝑅2 )
𝑋1 = √−2𝑙𝑛𝑅1 sin(2𝜋𝑅2 )
Metode ini memberikan “ dua untuk harga satu”. Meskipun benar secara matematis,
secara umum tidak dipakai untuk hasil yang kecil dari variate tail yang diekspektasi. (lihat
Neave, 1973, dan Soal 1). Misalkan, menggunakan bentuk sinus, Nilai ekstrim tail dari
𝑋2 tidak mungkin kecuali 𝑅1 mendekati nol dan 𝑅2 sebaliknya. Namun, dengan
menggunakan sebuah congruential generator linier berganda dengan pengali kecil
memastikan jika 𝑅1 lebih kecil dari bilangan acak 𝑅2 . Tentu saja, ini salah satu cara untuk
menghindari kesalan saat mengacak output dari pembangkit seragam.
(𝑈, 𝑉) terdistribusi seragam pada lingkaran 𝐶 ≡ {(𝑢, 𝑣): 𝑢2 + 𝑣 2 ≤ 1}. Terlihat jelas,
tan−1(𝑈, 𝑉)~𝑈[0,2𝜋] dan tidak sulit untuk menunjukan 𝑈 2 + 𝑉 2 ~𝑈(0,1). Selanjutnya
dengan intuisi kedua variabel acak tersebut bersifat bebas (lihat sol 2 untuk turunan
𝑉
Jacobian dari transormasi). Oleh karena itu tan−1 (𝑈) = 2𝜋𝑅2 dan 𝑈 2 + 𝑉 2 = 𝑅2
dimana 𝑅1 dan 𝑅2 adalah bilangan acak. Sehingga (𝑈; 𝑉) dapat di terdistribusi seragam
pada persegi 𝐷 = {(𝑢, 𝑣): −1 ≤ 𝑢 ≤ 1, −1 ≤ 𝑣 ≤ 1}. Untuk 𝑈 2 + 𝑉 2 ≤ 1 kita
kembalikan dua normal standar bebas variate menjadi :
𝑈
𝑋1 = √−2ln(𝑈 2 + 𝑉 2 )
√𝑈 2 + 𝑉 2
𝑉
𝑋2 = √−2ln(𝑈 2 + 𝑉 2 )
√𝑈 2 + 𝑉 2
Dalam contoh 3.3 metode penolakan dikembangkan untuk pengambilan sampel dari
keadaan normal terlipat sampel dari sebuah pembungkus normal. Sekarang mari kita
lihat bagaimana probabiltas diterima dari metode dapat ditingkatkan. Notasi umum
untuk pembungkus penolakan yaitu:
𝑥2
−
ℎ(𝑥) = 𝑒 2
dalam selang (−∞, ∞) dan sebuah fungsi utama
1 (|𝑥| ≤ 𝑐)
𝑔(𝑥) = { −𝜆(|𝑥|≤𝑐)
𝑒 (|𝑥| ≤ 𝑐)
𝑥2
𝑔(𝑥) 𝑒2 (|𝑥| ≤ 𝑐)
= { 𝑥2
ℎ(𝑥)
𝑒 2 − 𝜆|𝑥| + 𝜆𝑐 (|𝑥| ≤ 𝑐)
𝑥2
Kita tentukan 𝑔 bersyarat ℎ , sehingga 𝜆 dan c harus dipilih sedemikian hingga −
2
1 𝑥2
Oleh karena itu, kita harus meminimalkan 𝑐 + 𝜆 sedemikian hingga − 𝜆|𝑥| + 𝜆𝑐 ≥
2
√2𝜋 √𝜋
= = 0,88623
1 1 2
2( + )
√2 √2
Cacatan jika ini merupakan perbaikan dari metode milik Butcher (1961), dimana 𝑐 = 1
√𝜋
dan 𝜆 = 2 dengan sebuah probabilitas penerimaan = 0,83554, dan juga diperoleh
3
1
( ) 𝑒 √2+1
√2 1 √2
= 𝑒 √2+1 (𝑥 < − ) ,
1 1 1 4 2
+2( )+
√2 √2 √2
1 1
+𝑥+
√2 √2 = √2𝑥 + 2 (|𝑥| ≤ √2) ,
𝐺(𝑥) =
1 1 1 2 2
+ 2( ) +
√2 √2 √2
4 1
− ( ) 𝑒 √2+1
√2 √2 1 √2
= 1 − 𝑒 √2+1 ( 𝑥 > ).
1 1 1 4 2
+ 2( ) +
{√2 √2 √2
√2[ln(4𝑅1 ) − 1] 1
(𝑅1 ≤ ) ,
2 4
1 3
𝑥 = √2(2𝑅1 − 1) ( < 𝑅1 ≤ ) ,
4 4
√2[1 − ln{4(1 − 𝑅1 )}] 3
( < 𝑅1 ) .
{ 2 4
𝑥2 1
(|𝑥| ≤ ),
2 √2
𝐸>{ 2 (4.1)
𝑥2 (𝑥−√2) 1
− √2|𝑥|+= (|𝑥| ≤ ).
2 2 √2
Probabilitas penerimaan tinggi, tetapi tetap paling tidak satu evaluasi logaritma, 𝐸 untuk
setiap kemungkinan variate. Beberapa dapat diatasi dengan memberi Batasan disekitar
1
− 1 ≥ − ln 𝑅2 ≥ 1 − 𝑅2 .
𝑅2
Mari kita tunjukan bagian sebelah kanan dari persamaan (4.1) 𝑊. Misalkan 1 − 𝑅2 >
𝑊. Maka −𝑙𝑛𝑅2 > 𝑊 dan kemungkinan variate diterima. Misalkan − ln 𝑅2 >≠ 𝑊 tetapi
1
− 1 ≤ 𝑊. Maka − ln 𝑅2 ≤ 𝑊 dan kemungkinan variabel ditolak . hanya jika
𝑅2
keduanya sebelum dicoba gagal sehingga keputusan untuk menerima atau menolak tidak
meyakinkan. Pada beberapa kejadian yang dicoba explisit untuk − ln 𝑅2 > 𝑊. Dalam
terminologi Marsaglia(1977), fungsi− ln 𝑅2 adalah terbatas diantara 1/𝑅2 dan 1 − 𝑅2 .
Distribusi ini paling banyak digunakan dalan matematika keuangan. Jika 𝑋 ~ 𝑁(𝜇, 𝜎 2 )
dan 𝑌 = 𝑒 𝑥 maka 𝑌 dikatakan memiliki sebuah distribusi lognormal. Dengan catatan 𝑌
selalu positif. Untuk sampel 𝑌 yang bernilai sampel 𝑋 dan ditentukan 𝑌 = 𝑒 𝑥 . Ini dipakai
untuk mengetahui expektasi dan standar deviasi 𝑌 yaitu:
𝜇+𝜎2
𝜇𝑦 = 𝑒 2
Dan
𝜎𝑦 = 𝐸(𝑌)√𝑒 𝜎 2 − 1