Ramdom Variete Distribusi Kontinu

PENDEKATAN DISTRIBUSI KONTINU UNTUK PEMBANGKIT BILANGAN ACAK

Jenis jenis ditribusi kontinu tersebut diantaranya yaitu :

1. Distribusi Uniform
Disimbolkan dengan X ~ U(a,b)
Random kuantitas antara a dan b
Pembangkit bilangan antara 0 dan 1 untuk distribusi yang lain
Prosedurnya adalah :
Membangkitkan nilai U dari pembangkit bilangan acak (U ~ U(0,1))
Selanjutnya nilai X diperoleh dari formulasi X = a + (b-a).U


2. Distribusi Eksponensial
   Waktu antar kedatangan pelanggan dalam rate (λ) konstan.
   Disimbolkan dengan X ~ Exp(β)
   Prosedurnya adalah :
   Membangkitkan nilai U dari pembangkit bilangan acak (U ~ U(0,1))
   Selanjutnya nilai X diperoleh dari formulasi X = – β.ln(U)
   
   
3. Distribusi Gamma
   Disimbolkan dengan X ~ Γ(α,β)
   Waktu penyelesaian berupa (n) tugas
   Waktu pelayanan pelanggan
   Waktu perbaikan mesin
   Prosedurnya untuk 0 < α ≤ 1 adalah :
   Nilai parameter b diperoleh dari
   Membangkitkan nilai U dari pembangkit bilangan acak (U ~ U(0,1))
   Lalu diperoleh nilai V dari V = b.U1
   
   
4. Distribusi Weibull
   Disimbolkan dengan X ~ Weibull (α,β)
   Waktu penyelesaian berupa (n) tugas
   Waktu pelayanan pelanggan
   Waktu perbaikan mesin
   Waktu rentang kerusakan peralatan
   Prosedurnya adalah :
   Membangkitkan nilai U dari pembangkit bilangan acak (U ~ U(0,1))
   Selanjutnya nilai X diperoleh dari formulasi X = β.[-ln(U)]1/α
   
   
5. Distribusi Normal
   Disimbolkan dengan X ~ N(μ,σ2)
   Penyebaran Varians
   Pendekatan data dalam jumlah besar (Teorema Limit Central)
   Prosedurnya adalah :
   Membangkitkan nilai U1 dan U2 dari pembangkit bilangan acak (U ~ U(0,1))
   Lalu diperoleh nilai V1 dan V2 dari formulasi Vi=2.Ui – 1
   
   
6. Distribusi Lognormal
   Dalam teori probabilitas, distribusi log-normal adalah distribusi probabilitas sebuah peubah (variabel) acak yang logaritmanya tersebar secara normal. Bila X adalah sebuah peubah acak dengan distribusi normal, maka Y=exp(X) memiliki distribusi log-normal; begitu pula, bila Y tersebar secara log-normal, maka X=log(Y) berdistribusi normal. Hal ini benar tidak melihat pada basis fungsi logaritma: bila loga(Y) berdistribusi normal, begitu pula logb(Y), untuk sembarang bilangan positif a, b
   
   
7. Distribusi Beta
   
   
8. Distribusi Pearson Type V
   
   
9. Distribusi Pearson Type VI
   
   
10. Distribusi Triangular
    
    

Read More