Metode Monte Carlo dalam visualisasi ini
Metode Monte Carlo menaksir suatu nilai tetap melalui pengambilan sampel acak. Di sini nilainya berupa luas. Sebanyak titik ditebar secara acak dan seragam di dalam persegi satuan. Jika di antaranya jatuh ke dalam suatu daerah, menaksir luas daerah tersebut, . Luas seperempat lingkaran adalah , jadi menaksir . Untuk daerah di bawah , cara menghitung titik yang sama dapat menaksir integral yang tidak memiliki antiturunan elementer. Grafik bawah mengikuti taksiran saat bertambah hingga satu juta, dengan rentang yang diharapkan memuat taksiran pada 95% pengulangan untuk tiap jumlah titik.
Mengapa proporsi dapat menaksir luas?
Peluang sebuah titik yang tersebar seragam pada persegi berluas 1 jatuh dalam suatu daerah sama dengan luas daerah itu. Setiap titik adalah percobaan independen dengan peluang tersebut. Menurut hukum bilangan besar, proporsi titik yang kena sasaran akan mendekati . Bentuk daerahnya tidak penting selama kita bisa menentukan apakah sebuah titik berada di dalamnya.
Seberapa akurat taksirannya?
Jumlah titik yang kena sasaran mengikuti distribusi binomial, sehingga proporsi memiliki simpangan baku . Galat tipikal mengecil sebanding dengan . Menambah jumlah titik sepuluh kali lipat memperkecil galat dengan faktor sekitar . Jadi untuk memperkecil galat sepuluh kali lipat dibutuhkan sekitar seratus kali lebih banyak titik. Dengan satu juta titik pun, ketidakpastian π masih sekitar ±0.003. Luas sebenarnya tidak perlu diketahui untuk memperkirakannya: mengganti dengan proporsi pengamatan menghasilkan rentang , yaitu perkiraan interval kepercayaan 95%. Di sini rentang ditampilkan setelah setidaknya sepuluh titik jatuh di dalam dan sepuluh di luar sasaran. Jika percobaan diulang berkali-kali dengan yang sama, sekitar satu dari dua puluh rentang akan meleset dari nilai sebenarnya. Corong biru pada grafik bawah menunjukkan rentang di sekitar nilai sebenarnya untuk masing-masing . Seluruh lintasan taksiran tidak harus tetap di dalamnya. Galat pada satu percobaan juga tidak selalu turun: titik tambahan kadang membawa taksiran sedikit lebih jauh dari nilai sebenarnya. Yang menyempit secara konsisten adalah rentangnya.
Kapan metode ini menguntungkan?
Untuk fungsi mulus satu variabel, metode deterministik seperti aturan Simpson (lihat integrasi numerik) jauh lebih akurat dengan jumlah evaluasi fungsi yang sama. Keunggulan Monte Carlo terletak pada pangkat dalam laju konvergensinya, , yang tidak berubah saat jumlah dimensi bertambah. Sebaliknya, kisi dengan titik pada tiap sisi memerlukan titik dalam dimensi. Karena itu Monte Carlo dapat menjadi pilihan yang lebih baik pada masalah berdimensi tinggi. Kelemahannya terlihat pada sasaran kecil. Galat baku relatif terhadap luas adalah , sehingga daerah seluas seperseratus persegi memerlukan jauh lebih banyak titik untuk mencapai akurasi relatif yang sama.
Hal yang perlu diperhatikan
- Titik acak tidak tersebar dengan jarak yang seragam. Dengan beberapa ratus titik, wajar jika terlihat kumpulan titik dan bagian yang kosong.
- Titik dihasilkan oleh pembangkit bilangan acak semu dengan benih berupa angka. Karena itu, tautan yang dibagikan akan menampilkan titik yang sama. Setelah mencapai satu juta titik, «Tebar titik» memulai kembali dengan benih berikutnya.
Topik terkait
Bacaan lanjutan: Wikipedia: Monte Carlo method (Bahasa Inggris).