Distribusi pada Pemodelan dan Simulasi

1. Alasan kebutuhan penggunaan distribusi dalam pemodelan dan simulasi.

karena dengan adanya ditribusi pada pemodelan dan sistem, kita dapat emmvalidasi model simulasi, kemudian kita juga dapat menghasilkan sampela acak dari distribusi tersebut, lalu kita dapat melakukan analisis statistik output data dari simulasi, kita juga dapat mendesain simulasi dari eksperimen, dan juga melakukan evaluasi serta membandingkannya dengan alternatif sistem yg kita buat.

2.Berikut adalah jenis-jenis distribusi:

Binomial, Poisson, Discrete Uniform, Weibull, Uniform, Exponential, m-Erlang, Geometric, Bernoulli, Gamma, Negative Binomial, Gauss.

a. Kelompokkan distribusi tersebut ke jenis distribusi diskret atau kontinyu.

b. Dari masing-masing jenis (diskret atau kontinyu) jelaskan minimal 2 jenis distribusi. Penjelasan distribusi meliputi: contoh penjelasan dan karakteristik, contoh (dapat disertai gambar grafik)

Pada sistem distribusi terdapat dua jenis distribusi, yaitu diskret dan kontinyu :

Distribusi diskret yaitu distribusi dimana perubahnya secara teoritis tidak dapat menerima sembarang nilai diantara dua nilai yang diberikan.Jika sebuah distribusi X diskret, makan X disebut sebagai variabel acak diskret Jenis-jenis distribusi yang termasuk kedalam distribusi diskret antara lain : Binomial, Poisson, Bernoulli, Discrete Uniform, Geometric, dan Negative Binomial.
Distribusi kontinyu adalah distribusi probabilitas yang memiliki fungsi kepadatan probabilitas terus-menerus. Jika distribusi X kontinyu, maka X disebut sebagai variabel acak kontinyu. Jenis-jenis distribusi yang temasuk kedalam distribusi kontinyu antara lain : Weibull, Exponential, m-Erlang, Uniform, Gamma, dan Gauss.

Distribusi Diskret :

Distribusi Binomial adalah distribusi probabilitas diskret yang jumlah keberhasilan dalam n percobaan saling bebas, dimana setiap hasil percobaan memiliki probabilitas p yang biasanya digunakan pada proses sampling. Misalnya, dalam pelemparan koin sebanyak 3 kali, hasil yang didapat mungkin muncul sisi angka atau sisi gambar. Karakteristik dari distribusi Binomial adalah setiap percobaan pasti memberikan hasil, kemudian peluang setiap percobaan adalah sama.

Contoh :

Sebanyak 5 mahasiswa akan mengikuti ujian sarjana dan diperkirakan probabilitas kelulusannya adalah 0,7. Hitunglah dimana paling banyak 2 orang lulus !

Jawab :

n = 5; p = 0,7; q = 0,3; x = 0, 1, dan 2

P(X ≤ 2) = P(X = 0) + P(X = 1) + P(X = 2)

= 1(0,7)^0 (0,3)^5 + 5(0,7)^1 (0,3)^4 + 10(0,7)^2 (0,3)^3

= 0,16

Distribusi Poisson adalah distribusi yang menyatakan peluang jumlah peristiwa yang terjadi pada periode waktu tertentu, jika rata-rata kejadian tersebut diketahui dan dalam waktu yang saling bebas sejak kejadian terakhir. Karakteristik dari distribusi ini adalah dapat digunakan untuk menghitung probabilitas dari jumlah kedatangan.

Contoh :

200 penumpang telah memesan tiket untuk sebuah penerbangan luar negeri. Jika probabilitas penumpang yang telah mempunyai tiket tidak akan datang adalah 0.01 maka berapakah peluang ada 3 orang yang tidak datang.

Jawab : Dik : n = 200, P = 0.01, X = 3, μ = n . p = 200 . 0.01 = 2

P ( x ; μ ) = e^–μ . μ^X, X! = 2.71828^–2 . 2^3 = 0.1804 atau 18.04 % 3!

Distribusi Kontinyu :

Distribusi Exponential adalah distribusi yang menggambarkan waktu antara peristiwa dalam proses Poisson, yaitu proses di mana suatu peristiwa terjadi secara terus-menerus dan mandiri pada tingkat rata-rata yang konstan.

Contoh :

Misalkan x adalah response time dari suatu komputer yang memiliki suatu distribusi eksponensial dengan waktu tanggap 5 detik. Jika seseorang perintah tersebut akan dijalankan selambat-lambatnya setelah 15 detik, berapakah peluangnya ?

Jawab :

P (X<=10) = F (10) = 1 – e^-10/0,2 = 1 – e^-2 = 1 – 0,135 = 0,865

Distribusi Uniform Continuous adalah keluarga dari distribusi probabilitas simetris sehingga untuk setiap family, semua interval yang sama panjang pada support distribusi kemungkinannya adalah sama.

Contoh :
Sebuah gedung dapat disewa untuk suatu acara yang lamanya tidak lebih dari 10 jam. Misalkan X adalah peubah acak yang menyatakan waktu acara pada sistem distribusi uniform..

Tentukan fungsi densitas peluang dari X
Tentukan peluang suatu acara berlangsung 5 jam atau lebih.

Jawab :

A = 0 , B = 10. f(x) = { 1/10 , 0 <= x <= 10
{0, lainnya
P(X>=5) = 5∫10 1/10 dx = ¼ X | x=5. x=10 = 10/10 – 5/10 = 5/10 = ½

3. Terlampir 6 data set, silahkan tentukan masing-masing data set termasuk dalam distribusi random variabel mana? (dapat menggunakan aplikasi/tools yang sudah ada). Pada point ini jelaskan:

data set a =