Dalam tulisan ini akan dibahas proses simulasi dan cara kerja Algoritma Markov Chain Monte Carlo (MCMC). Algoritma Markov Chain Monte Carlo adalah suatu kelas algoritma untuk melakukan sampling dari distribusi probabilitas dengan membangun rantai Markov pada suatu distribusi tertentu yang stasioner. Algoritma MCMC yang akan dibahas adalah Algoritma Metropolis-Hastings dan Algoritma Gibbs Sampling. Algoritma Metropolis-Hastings merupakan algoritma untuk membangkitkan barisan sampel menggunakan mekanisme penerimaan dan penolakan (accept-reject) dari suatu distribusi probabilitas yang sulit untuk dilakukan penarikan sampel. Algoritma Gibbs Sampling dapat dianggap sebagai kasus khusus dari Algoritma Metropolis-Hastings yang memerlukan semua distribusi bersyarat dari distribusi target yang bisa diambil sampelnya secara tepat. Sebagai aplikasi dari Algoritma Metropolis-Hastings dan Algoritma Gibbs Sampling dalam simulasi, dibuat program komputer menggunakan perangkat lunak R-Statistik.
Download file lengkap
Download file lengkap
