Menghasilkan peubah acak kontinu

Simulasi Monte Carlo di Python

Izzy Weber

Curriculum Manager, DataCamp

Sebaran normal

Bentuk lonceng dan terpusat di mean (atau loc); lebar ditentukan oleh simpangan baku (atau scale)

Tinggi pria dewasa Amerika berdistribusi normal: Fungsi kerapatan peluang teoretis dari sebaran normal

Simulasi Monte Carlo di Python

Mengubah scale (simpangan baku)

Fungsi kerapatan peluang teoretis sebaran normal dengan simpangan baku berbeda

Simulasi Monte Carlo di Python

Mengubah loc (mean)

Fungsi kerapatan peluang teoretis sebaran normal dengan mean berbeda

Simulasi Monte Carlo di Python

Mengubah scale dan loc sekaligus

Fungsi kerapatan peluang teoretis sebaran normal dengan simpangan baku dan mean berbeda

Simulasi Monte Carlo di Python

Sampling dari sebaran normal

  • Tinggi pria dewasa AS berdistribusi normal; mean = 177 cm; simpangan baku = 8 cm

  • Berapa persen yang tingginya di atas 190 atau di bawah 165 cm? 

heights = st.norm.rvs(loc=177, scale=8, size=10000)

qualified = (heights < 165) | (heights > 190)

print(np.sum(qualified) * 100/10000)

12.28
Simulasi Monte Carlo di Python

Memplot hasil simulasi

heights_dict = {"heights":heights}
sns.histplot(x="heights", data=heights_dict)
plt.axvline(x=165, color="red")
plt.axvline(x=190, color="red")

Histogram sampel dari sebaran normal

Simulasi Monte Carlo di Python

Lebih banyak sebaran peluang kontinu

  • Sebaran Uniform kontinu (st.uniform)
    • Analogi kontinu dari sebaran uniform diskret
  • Sebaran Eksponensial (st.expon)
    • Analogi kontinu dari sebaran geometrik
1 https://docs.scipy.org/doc/scipy/tutorial/stats/continuous.html
Simulasi Monte Carlo di Python

Ayo berlatih!

Simulasi Monte Carlo di Python

Preparing Video For Download...