This chapter gives you the tools required to run a simulation. We'll start with a review of random variables and probability distributions. We will then learn how to run a simulation by first looking at a simulation workflow and then recreating it in the context of a game of dice. Finally, we will learn how to use simulations for making decisions.

Introduction to random variables

np.random.choice()

Poisson random variable

Shuffling a deck of cards

Simulation basics

Throwing a fair die

Throwing two fair dice

Simulating the dice game

Using simulation for decision-making

Simulating one lottery drawing

Should we buy?

Calculating a break-even lottery price

Basics of Randomness & Simulation

This chapter provides a basic introduction to probability concepts and a hands-on understanding of the data generating process. We'll look at a number of examples of modeling the data generating process and will conclude with modeling an eCommerce advertising simulation.

Probability basics

Queen and spade

Two of a kind

Game of thirteen

More probability concepts

The conditional urn

Birthday problem

Full house

Data generating process

Driving test

National elections

Fitness goals

eCommerce Ad Simulation

Sign up Flow

Purchase Flow

Probability of losing money

Probability & Data Generation Process

In this chapter, we will get a brief introduction to resampling methods and their applications. We will get a taste of bootstrap resampling, jackknife resampling, and permutation testing. After completing this chapter, students will be able to start applying simple resampling methods for data analysis.

Introduction to resampling methods

Sampling with replacement

Probability example

Bootstrapping

Running a simple bootstrap

Non-standard estimators

Bootstrapping regression

Jackknife resampling

Basic jackknife estimation - mean

Jackknife confidence interval for the median

Permutation testing

Generating a single permutation

Hypothesis testing - Difference of means

Hypothesis testing - Non-standard statistics

Resampling Methods

In this chapter, students will be introduced to some basic and advanced applications of simulation to solve real-world problems. We'll work through a business planning problem, learn about Monte Carlo Integration, Power Analysis with simulation and conclude with a financial portfolio simulation. After completing this chapter, students will be ready to apply simulation to solve everyday problems.

Simulasi untuk Perencanaan Bisnis

Pemodelan Produksi Jagung

Memodelkan Laba

Optimasi Biaya

Integrasi Monte Carlo

Mengintegrasikan Fungsi Sederhana

Menghitung nilai pi

Simulasi untuk Analisis Daya

Faktor yang memengaruhi Statistical Power

Analisis Daya - Bagian I

Analisis Daya - Bagian II

Aplikasi di Bidang Keuangan

Simulasi Portofolio - Bagian I

Simulasi Portofolio - Bagian II

Simulasi Portofolio - Bagian III

Penutup

Advanced Applications of Simulation

Simulasi adalah kelas algoritme komputasional yang menggunakan gagasan sederhana berupa pengambilan sampel acak untuk menyelesaikan masalah yang semakin kompleks. Meskipun telah lama ada, popularitasnya meningkat seiring berkembangnya daya komputasi dan kini digunakan di berbagai bidang seperti Artificial Intelligence, Fisika, Biologi Komputasional, dan Keuangan. Anda akan menggunakan simulasi untuk menghasilkan dan menganalisis data pada berbagai sebaran probabilitas menggunakan paket penting NumPy. Kursus ini akan memberi Anda pengalaman langsung menjalankan simulasi melalui aplikasi sederhana yang relevan dengan dunia nyata.

<h2>Memahami Variabel Acak</h2>
Simulasi adalah kelas algoritma komputasi yang menggunakan pengambilan sampel acak untuk menyelesaikan masalah yang semakin kompleks. Meskipun simulasi telah ada sejak lama, minat terhadap bidang ini baru-baru ini meningkat pesat berkat peningkatan daya komputasi dan penerapan simulasi di berbagai bidang seperti Kecerdasan Buatan, Fisika, Biologi Komputasional, dan Keuangan, hanya untuk beberapa contoh. 
<br><br>
Kursus ini memberikan pengalaman praktis dalam simulasi menggunakan aplikasi dunia nyata, dimulai dengan pengenalan tentang variabel acak dan alat yang diperlukan untuk menjalankan simulasi. 
<br><br>
<h2>Memperoleh Pengenalan Konsep Probabilitas </h2>
Bab kedua dalam kursus ini memberikan gambaran umum tentang konsep probabilitas, menggunakan latihan praktik berdasarkan permainan kartu dan teka-teki probabilitas yang terkenal untuk memberikan kerangka kerja bagi pengetahuan baru Anda. Anda akan menyelesaikan bab ini dengan membuat simulasi iklan eCommerce. 
<br><br>
<h2>Temukan Metode Resampling dan Aplikasinya </h2>
Bab ketiga membahas berbagai metode resampling, termasuk resampling bootstrap, resampling jackknife, dan pengujian permutasi. Setelah Anda menyelesaikan kursus ini, Anda akan dapat menambahkan metode-metode ini ke dalam proses analisis data Anda. 
<br><br>
<h2>Pelajari Cara Menggunakan Simulasi untuk Bisnis dan Bangun Portofolio Anda </h2>
Simulasi memiliki banyak aplikasi di dunia nyata, terutama di dunia bisnis. Bab terakhir dalam kursus ini membahas hal-hal tersebut dan membimbing Anda melalui sebuah masalah perencanaan bisnis untuk membiasakan Anda menggunakan keterampilan baru Anda dalam lingkungan bisnis. Anda akan mempelajari cara menghitung keuntungan, mengoptimalkan biaya, dan memulai analisis daya.

Sampling in Python

Belajar memecahkan masalah kompleks dengan simulasi untuk menghasilkan dan menganalisis data.

Simulasi Statistik di Python

Belajar untuk memecahkan masalah yang semakin kompleks dengan menggunakan simulasi untuk menghasilkan dan menganalisis data.

Simulasi untuk Perencanaan Bisnis

Create Your Free Account