Reversible Jump Markov Chain Monte Carlo (RJMCMC)

Top PDF Reversible Jump Markov Chain Monte Carlo (RJMCMC):

Bayesian Reversible Jump Markov Chain Monte Carlo (RJMCMC) untuk Pemodelan Mixture Survival

Bayesian Reversible Jump Markov Chain Monte Carlo (RJMCMC) untuk Pemodelan Mixture Survival

ABSTRAK. Analisis survival merupakan metode satistika yang tepat untuk menganalisis data waktu tempuh suatu objek sampai terjadinya suatu peristiwa atau kejadian tertentu terhadap objek tersebut yang telah ditetapkan. Banyaknya kasus perceraian di Pengadilan Agama merupakan masalah yang cukup mengkhawatirkan di masyarakat, pengamatan tentang lama suatu pernikahan dapat dipertahankan merupakan fenomena survival ini. Pengamatan dilakukan pada para pihak yang mendaftarkan gugatan perceraian di Pengadilan Agama Kabupaten Malang, sebagai unit penelitian. Makalah ini mendemonstrasikan kemampuan pemodelan mixture survival dalam suatu cox proportional hazard yang dipadukan dengan cara estimasi parameternya menggunakan metode reversible jump markov chain monte carlo (RJMCMC) pada data survival yang mempunyai pola multimodal. RJMCMC dapat membantu memodelkan permasalahan mixture secara bersamaan dengan penentuan banyaknya komponen penyusunan mixture yang optimal. Hasil pemodelan dan analisis menunjukkan bahwa model survival pernikahan di area Pengadilan Agama Kabupaten Malang terdiri atas12komponen mixture. Model mixture survival lama pernikahan disusun oleh 12 komponen, yaitu:
Baca lebih lanjut

9 Baca lebih lajut

Bayesian Reversible Jump Markov Chain Monte Carlo (RJMCMC) Untuk Pemodelan Mixture Survival (Studi Kasus: Lama Pernikahan Para Pihak Yang Mendaftarkan Gugatan Perceraian Di Pengadilan Agama Kabupaten Malang Tahun 2014) = Bayesian Reversible Jump Markov Ch

Bayesian Reversible Jump Markov Chain Monte Carlo (RJMCMC) Untuk Pemodelan Mixture Survival (Studi Kasus: Lama Pernikahan Para Pihak Yang Mendaftarkan Gugatan Perceraian Di Pengadilan Agama Kabupaten Malang Tahun 2014) = Bayesian Reversible Jump Markov Ch

Analisis survival merupakan metode statistika yang tepat untuk menganalisis data waktu tempuh suatu objek sampai terjadinya suatu peristiwa atau kejadian tertentu terhadap objek tersebut. Banyaknya kasus perceraian di Pengadilan Agama (PA) merupakan masalah yang cukup mengkhawatirkan di masyarakat, pengamatan tentang lama suatu pernikahan dapat dipertahankan merupakan fenomena survival ini. Pengamatan dilakukan pada para pihak yang mendaftarkan gugatan perceraiannya di PA Kabupaten Malang, sebagai unit penelitian. Penelitian ini mendemonstrasikan kemampuan pemodelan mixture survival dalam suatu cox proportional hazard yang dipadukan dengan cara estimasi parameternya menggunakan perpaduan antara Bayesian dan metode reversible jump markov chain monte carlo (RJMCMC) pada data survival yang mempunyai pola multimodal. RJMCMC dapat membantu memodelkan permasalahan mixture secara bersamaan dengan penentuan banyaknya komponen penyusunan mixture yang optimal. Hasil pemodelan dan analisis menunjukkan bahwa model survival pernikahan di area PA Kabupaten Malang berdasarkan regresi cox proportional hazard dipengaruhi oleh faktor umur penggugat dan tergugat, pendidikan penggugat dan tergugat, pekerjaan penggugat dan tergugat, jumlah anak, dan alasan perceraian. Sedangkan berdasarkan pemodelan mixture regresi survival terdiri atas 4 komponen mixture dengan faktor yang mempengaruhi berbeda-beda sesuai dengan komponen mixture-nya.
Baca lebih lanjut

237 Baca lebih lajut

METODE REVERSIBLE JUMP MARKOV CHAIN MONTE CARLO: Estimasi Bayesian dalam Model Regresi Linear per Potongan - Repository Universitas Ahmad Dahlan

METODE REVERSIBLE JUMP MARKOV CHAIN MONTE CARLO: Estimasi Bayesian dalam Model Regresi Linear per Potongan - Repository Universitas Ahmad Dahlan

Dalam penelitian ini dikaji estimasi parameter model regresi linear konstan per potongan. Jika banyaknya regresi diketahui, maka estimasi parameter dapat dilakukan dengan Metode Markov Chain Monte Carlo. Namun dalam penelitian ini, banyaknya regresi tidak diketahui. Dengan kata lain, banyaknya regresi juga merupakan variabel. Sehingga Metode Markov Chain Monte Carlo tidak dapat digunakan. Penggantinya digunakan Metode Reversible Jump Markov Chain Monte Carlo.
Baca lebih lanjut

16 Baca lebih lajut

isprs annals IV 1 W1 51 2017

isprs annals IV 1 W1 51 2017

6. CONCLUSION AND FUTURE WORK In this paper a new approach for the derivation of lane accu- rate maps from vehicle fleet motion data is presented. Basing on publicly available road network graphs, lane models as pa- rameterized blocks on the roads and intersections are initialized. The lane models are optimized and derived using a Reversible Jump Markov chain Monte Carlo approach to explore the param- eter space of the model in order to find the best possible fit be- tween the input data and the model. To evaluate the approach we recorded ego trajectory data of vehicles in three different ac- curacy levels with an overall average position error of 1.65 m, 1.19 m and 0.20 m respectively. We applied the algorithm to the input data and compared it to a LIDAR based ground truth map by evaluating the individual properties of the models and different
Baca lebih lanjut

8 Baca lebih lajut

ANALISIS PERBANDINGAN METODE MONTE CARLO, QUASI MONTE CARLO DAN REDUKSI RAGAM DALAM BLACK – SCHOLES OPTION PRICING MODEL

ANALISIS PERBANDINGAN METODE MONTE CARLO, QUASI MONTE CARLO DAN REDUKSI RAGAM DALAM BLACK – SCHOLES OPTION PRICING MODEL

Hasil analisis membuktikan dengan membangkitkan sebanyak 50000 sampel didapat bahwa metode Quasi Monte Carlo dengan barisan kuasi acak Sobol merupakan metode terakurat dalam penentuan harga European call option dan metode Monte Carlo – Variabel Antitetis merupakan metode terakurat dalam penentuan harga European put option untuk asumsi-asumsi tertentu.

11 Baca lebih lajut

PERHITUNGAN VALUE-AT-RISK UNTUK PORTOFOLIO SAHAM DENGAN METODE VARIAN - KOVARIAN DAN SIMULASI MONTE CARLO Firdaus Maringga

PERHITUNGAN VALUE-AT-RISK UNTUK PORTOFOLIO SAHAM DENGAN METODE VARIAN - KOVARIAN DAN SIMULASI MONTE CARLO Firdaus Maringga

Penelitian yang dilakukan pada tugas akhir ini adalah menghitung VaR pada portofolio indeks saham LQ45 pada bulan Agustus 2013 sampai Januari 2014. Metode yang digunakan adalah Varian - Kovarian dan simulasi Monte Carlo dengan selang kepercayaan 80%, 90%, 95% dan 99%. Perhitungan Varian - Kovarian lebih cepat dibandingkan dengan simulasi Monte Carlo. Waktu perhitungan VaR dengan metode Varian - Kovarian 3.219 s sedangkan waktu simulasi Monte Carlo tergantung pada jumlah perulangan, semakin besar nilai n akan menghasilkan waktu perhitungan yang lama. Nilai eror yang didapat pada simulasi Monte Carlo lebih baik dibandingan Varian - Kovarian. Pada perhitungan MAD untuk metode Varian - Kovarian dengan selang kepercayaan 80% adalah 0,0200959 sedangkan MAD pada simulasi Monte Carlo adalah 0,0208848. Uji coba pada ANOVA one way menunjukkan adanya perbedaan signifikan pada nilai VaR.
Baca lebih lanjut

10 Baca lebih lajut

Monte Carlo Sebagai Metode Pencarian Acak

Monte Carlo Sebagai Metode Pencarian Acak

Listing Program Bahasa C: Pencarian Acak Untuk Mencari Nilai Minimal Fx #include #include #include float fungsifloat u{ return floatu*exp-3*u*cos2*u; } void main { float x,y,xMin[r]

30 Baca lebih lajut

Institutional Repository | Satya Wacana Christian University: Volatilitas Garch (1,1) untuk Returns dengan Errors Berdistribusi Normal dan Student-T: Studi Kasus Pasar Valuta Asing Indonesia

Institutional Repository | Satya Wacana Christian University: Volatilitas Garch (1,1) untuk Returns dengan Errors Berdistribusi Normal dan Student-T: Studi Kasus Pasar Valuta Asing Indonesia

Abstrak — Studi ini membahas estimasi model volatilitas GARCH(1,1), dimana returns error berdistribusi normal, menggunakan metode Markov Chain Monte Carlo (MCMC) yang merupakan salah satu alat bantu estimasi untuk model dengan parameter yang banyak. Metode adaptive random walk Metropolis yang efisien dikonstruksi dalam algoritma MCMC untuk membangkitkan nilai-nilai parameter model. Model dan metode diaplikasikan untuk kurs beli Japanese Yen (JPY) dan Euro (EUR) terhadap Rupiah (IDR) atas periode Januari 2009 sampai dengan Desember 2014. Hasil empiris menunjukkan bahwa volatilitas untuk returns kurs beli JPY dan EUR adalah sangat berkorelasi, yang diindikasikan oleh jumlahan parameter yang mendekati 1. Dan berdasarkan kriteria Bayes faktor, hasil menunjukkan bukti sangat kuat untuk model GARCH(1,1) terhadap model ARCH(1).
Baca lebih lanjut

1 Baca lebih lajut

Penerapan Algoritma Monte Carlo Tree Search pada Permainan Halma

Penerapan Algoritma Monte Carlo Tree Search pada Permainan Halma

Monte Carlo Tree Search (MCTS) merupakan algoritma pencarian best-first yang menggabungkan metode Monte Carlo dengan search tree (Magnuson, 2015). Metode Monte Carlo merupakan metode yang menggunakan simulasi acak secara berulang untuk mendapatkan hasil yang terbaik. Dalam MCTS, simulasi acak digunakan untuk memperluas game tree. Kemudian game tree digunakan untuk menentukan langkah selanjutnya. Berbeda dengan teknik pencarian klasik lainnya (seperti Minimax), metode MCTS tidak memerlukan sebuah fungsi evaluasi posisional tetapi berdasarkan explorasi acak pada ruang pencarian (Chaslot, et al. 2008).
Baca lebih lanjut

11 Baca lebih lajut

Penggunaan Monte Carlo Untuk Optimalisasi Prediksi Pengadaan Barang Di QShop Batam

Penggunaan Monte Carlo Untuk Optimalisasi Prediksi Pengadaan Barang Di QShop Batam

Metode Monte Carlo merupakan metode analisis numerik yang melibatkan pengambilan sampel eksperimen bilangan acak, (Bonett Satya Lelono Djati, 2007). Simulasi Monte Carlo adalah metode simulasi yang dapat dibangun dengan spreadsheet pada Microsoft Excel. Membuat model simulasi Monte Carlo didasarkan pada probabilitas yang diperoleh dari data histori sebuah kejadian dan frekuensinya, Marcelly Widya Wardana, et al.(2014), dimana:

8 Baca lebih lajut

metode persegipanjangwarsono fisika uny 2004 b

metode persegipanjangwarsono fisika uny 2004 b

Persamaan matematis metode Persegipanjang mempunyai bentuk sederhana yang setara dengan metode Trapesium dan metode Monte Carlo. Bentuk yang sederhana ini akan mempermudah perhitungan dalam berbagai terapan. Metode Persegipanjang dapat dikelompokkan sebagai metode tertutup karena batas awal dan akhir integrasi telah ditentukan sebelumnya. Perbedaan utama antara metode Persegipanjang dengan metode trapesium terletak pada asumsi dasar, yakni metode Persegipanjang mengaproksimasi integral dengan luas persegipanjang tetapi metode trapesium mengaproksimasi integral dengan luas trapesium. Asumsi dasar metode Monte Carlo sama dengan metode Persegipanjang, tetapi berbeda dalam penentuan lebar segmen. Lebar segmen dalam metode Monte Carlo nilainya acak, sedangkan pada metode Persegipanjang lebar segmen nilainya tertentu.
Baca lebih lanjut

13 Baca lebih lajut

paper 10-18-2009. 159KB Jun 04 2011 12:03:06 AM

paper 10-18-2009. 159KB Jun 04 2011 12:03:06 AM

G-star and G-discrepancy have, e.g., applications in quasi-Monte Carlo importance sampling, see [1, 8]. Here we are especially interested in the be- havior of the G-star and G-discrepancy with respect to the dimension d. The following Theorem is a direct consequence of [4, Theorem 4].

14 Baca lebih lajut

Directory UMM :Data Elmu:jurnal:J-a:Journal of Econometrics:Vol95.Issue1.2000:

Directory UMM :Data Elmu:jurnal:J-a:Journal of Econometrics:Vol95.Issue1.2000:

We develop a Markov chain Monte Carlo method for a linear regression model with an ARMA(p, q)-GARCH(r, s) error. To generate a Monte Carlo sample from the joint posterior distribution, we employ a Markov chain sampling with the Metropolis}Hastings algorithm. As illustration, we estimate an ARMA}GARCH model of simulated time series data. ( 2000 Elsevier Science S.A. All rights reserved.

13 Baca lebih lajut

Risk Analysis and Monte Carlo Simulation

Risk Analysis and Monte Carlo Simulation

The random behavior in games of chance is similar to how Monte Carlo simulation selects variable values at random to simulate a model. When you roll a die, you know that a 1, 2, 3, 4, 5, or 6 will come up, but you don't know which for any particular roll. It's the same with the variables that have a known range of values but an uncertain value for any particular time or event (e.g. interest rates, staffing needs, stock prices, inventory, phone calls per minute).

4 Baca lebih lajut

SIMULASI PENJUALAN DENGAN MENGGUNAKAN METODE MONTE CARLO

SIMULASI PENJUALAN DENGAN MENGGUNAKAN METODE MONTE CARLO

Puji syukur penyusun panjatkan kehadiran Allah SWT, yang telah melimpahkan rahmat serta berkat-Nya, sehingga pelaksanaan Tugas Akhir yang berjudul “ Peramalan Penjualan Dengan Menggunakan Metode Monte Carlo ” dapat dilaksanakan dengan lancar, sehingga laporan ini dapat diselesaikan tepat pada waktunya.

22 Baca lebih lajut

Directory UMM :Data Elmu:jurnal:J-a:Journal Of Banking And Finance:Vol24.Issue8.2000:

Directory UMM :Data Elmu:jurnal:J-a:Journal Of Banking And Finance:Vol24.Issue8.2000:

Despite the fact that the holding period is two weeks, the models must be based on daily data. In this context, three di€erent methods to determine the VaR are permitted, namely historical simulation, Monte Carlo simulation or variance-covariance techniques. In the case of historical simulation, a calcula- tion is made for a past period of the hypothetical returns of the current portfolio over an assumed two-week holding period. The return exceeded in 99% of cases is taken as the VaR standard. There is no consensus on the preferred length of the simulation period. In the case of a short period, the result will be very sensitive to accidental outcomes from the recent past. A long simulation period, on the other hand, has the disadvantage that data may be included which are no longer relevant to the current situation. This method is characterised by the fact that only a few observations determine the entire result. A problem of this method for multi-day VaRs is that, due to overlap- ping data, the various yields are no longer independent.
Baca lebih lanjut

24 Baca lebih lajut

Paper-25-Acta24.2010. 271KB Jun 04 2011 12:03:13 AM

Paper-25-Acta24.2010. 271KB Jun 04 2011 12:03:13 AM

In the following, we apply the Monte Carlo method, the Quasi-Monte Carlo method and the mixed method to a problem from mathematical finance, namely the valuation of barrier options. We focus on Up-and-Out barrier options and Double Knock-Out barrier options. The general setting of the problem and the modeling part is presented next.

15 Baca lebih lajut

Monte Carlo   Paradise of a Different Sort

Monte Carlo Paradise of a Different Sort

Keywords: monte carlo, monaco, grimaldi, beaches, ferrari, nice, mexican food, museums, casino Article Body: Monte Carlo is the city of glitz and over the top indulgence.. I had to se[r]

1 Baca lebih lajut

Show all 3029 documents...