Simulasi Monte Carlo adalah metode statistik yang menggunakan pengambilan sampel acak untuk memodelkan dan menganalisis perilaku sistem atau proses.

Ide dasarnya adalah mengulang simulasi berkali-kali, setiap kali dengan input acak yang berbeda, untuk melihat bagaimana sistem berperilaku rata-rata dan kisaran hasil apa yang mungkin.

Hasil dari setiap simulasi kemudian digabungkan untuk memberikan gambaran menyeluruh tentang perilaku sistem. Simulasi Monte Carlo digunakan ketika solusi analitik tidak memungkinkan, atau ketika diperlukan pemahaman yang lebih baik tentang ketidakpastian dan risiko.

Tidak mungkin untuk mengulang selamanya. Alih-alih, kami mengulangi eksperimen tersebut dalam jumlah yang cukup banyak untuk membuat hasil praktis setara dengan melakukannya berulang kali selamanya. Ini adalah contoh simulasi Monte Carlo.

Poin kunci

• Simulasi Monte Carlo memodelkan probabilitas hasil yang berbeda dengan mengulangi proses acak dalam jumlah yang cukup besar sehingga hasilnya serupa dengan apa yang akan diamati jika proses diulang selamanya.
• Fungsi sample()menarik hasil acak dari serangkaian opsi.
• Fungsi replicate()mengulangi baris kode beberapa kali. Ini digunakan dengan sample()dan fungsi serupa untuk menjalankan simulasi Monte Carlo.

beads <- rep(c("red", "blue"), times = c(2,3))    # create an urn with 2 red, 3 blue
beads    # view beads object
sample(beads, 1)    # sample 1 bead at random
B <- 10000    # number of times to draw 1 bead
events <- replicate(B, sample(beads, 1))    # draw 1 bead, B times
tab <- table(events)    # make a table of outcome counts
tab    # view count table
prop.table(tab)    # view table of outcome proportion

Untuk melakukan ini, kami mengambil sampel dengan penggantian. Setelah kami mengambil manik-manik kami memasukkannya kembali ke dalam guci. Kami dapat memberi tahu sampel untuk melakukan ini dengan mengubah argumen ganti yang defaultnya salah menjadi benar.