RANDOM VARIATE DISTRIBUSI KONTINU

BUDIMAN, S.T., M.KOM.

Random Variate Fungsi Kontinu

• Terapat fungsi densitas : distribusi uniform, distribusi normal,

distribusi eksponensial, distribusi gamma, penggunaan konfolusi
eksponensial, distribusi segitiga, distribusi beta, distribusi
weibull, distribusi chi-square, dan distribusi t.

2
1. Distribusi Seragam Kontinu

• Distribusi Seragam kontinu adalah distribusi peluang kontinu

yang paling sederhana
• Fungsi padat peluang dari peubah acak seragam kontinu X pada
selang [a, b] adalah:
1
, 𝑎≤𝑥≤𝑏
𝑓 𝑥 = 𝑏−𝑎
0, 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
• Dengan fungsi densitas uniform harus dicari fungsi kumulatifnya
(CDF) sebagai berikut:

3
 𝑥 1 𝑦 𝑥 𝑥 𝑎 𝑥−𝑎
•𝐹 𝑥 = 𝑎 𝑏−𝑎
𝑑𝑥 = (𝑦) 𝑎𝑥 = = − =
𝑏−𝑎 𝑏−𝑎 𝑏−𝑎 𝑏−𝑎 𝑏−𝑎
• a dan b adalah bilangan konstan
𝑥−𝑎
• CDF dari distribusi uniform adalah: 𝐹 𝑥 =
𝑏−𝑎
• Apabila disamakan 𝑓 𝑥 = 𝑅, maka:
𝑥−𝑎
𝐹 𝑥 =𝑅=
𝑏−𝑎
𝑅 𝑏−𝑎 =𝑥−𝑎
𝑥 =𝑅 𝑏−𝑎 +𝑎

4
Contoh 1

Sebuah ruang konferensi dapat disewa untuk rapat yang lamanya

tidak lebih dari 4 jam. Misalkan X adalah peubah acak yang
menyatakan waktu rapat, yang mempunyai distribusi seragam.
a) Tentukan fungsi densitas peluang dari X.
b) Tentukan peluang suatu rapat berlangsung 3 jam atau lebih.

5
Penyelesaian

1
, 0≤𝑥≤4
a) a = 0, b = 4, sehingga 𝑓 𝑥 = 4
0, 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
41 1 x=4 4 3 1
b) P X ≥ 3 = 3 4
dx = x x=3 = − =
4 4 4 4

6
Contoh 2

• Jika diketahui parameter A dan B dan sebuah bilangan random,

nilai sampel (variabel) diperoleh dengan mensubstitusikan nilai
yang diketahui ke persamaan diatas.
• Jika diketahui batas bawah 5 dan batas atas 10 dan bilangan
random 0.75 dibangkitkan, sampel akan memberikan nilai :

𝑥 =𝑅 𝑏−𝑎 +𝑎
𝑥 = 0.75 10 − 5 + 5
𝑥 = 8,75

7
Contoh 3

• Pada suatu sentra telpon ternyata distribusi pelayanan telponnya

berdistribusi uniform kontinu dengan minimal waktu 3 menit dan
maksimal 5 menit. Tentukan bilangan dengan a = 173 z0 = 12357
dan m = 1237
• Penyelesaian :
Algoritma:
1. Bangkitkan Bilangan Random
2. Dapatkan 𝑥 = 𝑅 𝑏 − 𝑎 + 𝑎

8
2. Distribusi Normal

• Digunakan untuk simulasi yang bukan dari distribusi uniform

random
• Distribusi normal merupakan pendekatan dari distribusi lainnya,
yaitu: Central Limit Theorem, Distribusi Diskret Standar Normal,
dan Metode Box Muller.

9
Contoh

• Sebuah rumah sakit berniat mempelajari penggunaan suatu alat

pada ruang emergency. Jika diketahui bahwa lamanya seorang
pasien yang di’treat’ menggunakan alat tsb berdistribusi normal
dgn mean 0.8 jam dan standard deviasi 0.2 jam, tentukan
bilangan acak yang mewakili lamanya penggunaan alat tersebut
oleh 6 orang pasien.

10
Penyelesaian
Algoritma
1. Bangkitkan U1,U2= U(0,1)
2. Hitung V1= 2U1-1 dan V2= 2U2-1
3. Hitung W = V12 + V22
4. Jika W > 1 maka kembali ke langkah 1 dan jika tidak lanjutkan ke
langkah 5
ln 𝑊
5. Hitung 𝑌 = (−2 ∗ )
𝑊
6. Dapatkan X1= V1Y dan X2=V2Y
7. 𝑋 = 𝜇 + 𝑋𝑖 𝜎

11
12
Contoh Lain

• Seorang “penjudi” akan masuk ke arena. Ia memeastika bahwa

untuk menang atau kalah, ia akan mengikuti normal dengan
perkiraan 𝜇 = $5 (rata-rata), dan standard deviasi 𝜎 = $16.
“Penjudi” ini menggunakan cara simulasi untuk permaian
tersebut dengan data Z0=12357 dan a=77 serta m=127.
Pertanyaan: (a) perhitungkan 10 iterasi (penarikan random
number) baik positif maupun negative. (b) Dengan hasil simulasi
ini pemain “judi” tersebut untung atau rugi?

13
3. Distribusi Exponential

Algoritma
1. Bangkitkan U(0,1)
2. Dapatkan 𝑥 = −𝛽ln(𝑈)
Dengan 𝛽 rata-rata dengan nilai > 0

14
Contoh

• Pada suatu sentra telpon ternyata distribusi penerimaan

telponnya berdistribusi eksponensial dengan mean = 0,1 menit.
Tentukan bilangan 10 acak dengan a = 173 z0 = 12357 dan m =
1237.

15
Penyelesaian

𝒙 = −𝜷𝐥𝐧(𝑼)

16
4. Distribusi Gamma

Algoritma
1. Bangkitkan U1 dan U2
2. X = −β ln(U1 ∗ U2 )
di mana  adalah parameter

17
Contoh

• Mesin pada suatu pabrik perlu diperbaiki setiap saat

‘breakdown’ dengan biaya $100/hari. Jika lama perbaikan mesin
berdistribusi gamma dengan parameter  = 2 dan  = 1/3,
tentukan rata-rata biaya untuk 30 kali ‘breakdown’, jika diketahui
mesin breakdown ke 29 kali mengalami lama perbaikan selama
0.38 hari dengan rata-rata lama perbaikan 0.68 hari dgn variansi
S2 = 0.02.

18
Penyelesaian
U1 = 0.818
U2 = 0.322
𝑋30 = −β ln(U1 ∗ U2 )
1
= − ln 0.818 ∗ 0.322
3
= 0.445 hari
Biaya untuk memperbaiki mesin yg breakdown ke 30 kali adalah $100 x 0.445 hari
= $44.5
𝑋 −𝑋
Rata-rata ke 30 kali = 𝑋30 = 𝑋29 = 30 29
30
0.445 − 0.38
= 0.68+
30
= 0.68 + 0.0022
= 0.6822

19