1.3.11

Model Monte Carlo

     Metode Monte Carlo adalah teknik yang melibatkan menggunakan angka acak dan kemungkinan untuk memecahkan masalah. Monte Carlo Istilah Metode ini diciptakan oleh S. Ulam dan Nicholas Metropolis mengacu pada permainan kesempatan, atraksi yang populer di Monte Carlo, Monako (Hoffman, 1998; Metropolis dan Ulam, 1949).

     Simulasi komputer harus dilakukan dengan menggunakan model komputer untuk meniru kehidupan nyata atau membuat prediksi. Bila Anda membuat model dengan spreadsheet seperti Excel, Anda memiliki sejumlah parameter input dan beberapa persamaan yang menggunakan input mereka untuk memberikan Anda satu set output (atau tanggapan variabel). Jenis model biasanya deterministik, yang berarti bahwa Anda mendapatkan hasil yang sama tidak peduli berapa kali Anda kembali menghitung. [Contoh 1: Sebuah Model deterministik untuk Bunga Majemuk]
Deterministic Model
Figure 1: A parametric deterministic model maps a set of input variables to a set of output variables.
     
     Simulasi Monte Carlo adalah metode untuk mengevaluasi iteratif model deterministik menggunakan set nomor acak sebagai masukan. Metode ini sering digunakan ketika model yang kompleks,nonlinear, atau melibatkan lebih dari sekedar beberapa parameteryang tidak pasti. Sebuah simulasi biasanya dapat melibatkan lebih dari 10.000 evaluasi model, tugas yang di masa lalu hanya praktismenggunakan komputer super.


     Contoh2: Sebuah Model Stokastik
     Dengan menggunakan input acak, Anda pada dasarnya mengubah model deterministik menjadi model stokastik. Contoh 2menunjukkan konsep ini dengan masalah yang sangat sederhana.

     Pada Contoh 2, digunakan nomor acak sederhana seragam sebagai masukan untuk model. Namun, distribusi seragam bukan satu-satunya cara untuk merepresentasikan  ketidakpastian. Sebelum menjelaskan langkah-langkah dari simulasi MC umum secara detail, sebuah kata sedikit tentang propagasi ketidakpastian:

     Metode Monte Carlo hanyalah salah satu dari banyak metode untuk propagasi ketidakpastian analisis, di mana tujuannya adalah untuk menentukan bagaimana variasi acak, kurangnya pengetahuan,atau kesalahan mempengaruhi sensitivitas, kinerja, atau keandalandari sistem yang sedang dimodelkan. Simulasi Monte Carlo dikategorikan sebagai metode sampling karena input secara acak dari distribusi probabilitas untuk mensimulasikan proses sampling dari populasi yang sebenarnya. Jadi, kita mencoba untuk memilih distribusi untuk masukan yang paling sesuai dengan data yang sudah kita miliki, atau terbaik mewakili pemerintah kita. Data yang dihasilkan dari simulasi dapat direpresentasikan sebagai distribusi probabilitas (atau histogram)atau dikonversikan ke bar kesalahan, prediksi kehandalan, zonatoleransi, dan interval keyakinan. (Lihat Gambar 2).

Monte Carlo Analysis
igure 2: Schematic showing the principal of stochastic uncertainty propagation. (The basic principle behind Monte Carlo simulation.)




Tidak ada komentar:

Posting Komentar

silakan anda berkomentar namun dimohon untuk jaga kesopanan