Bagaimana kita menemukan probabilitas memenangkan sebuah permainan yang begitu kompleks hingga jumlah keadaannya melebihi jumlah atom di alam semesta? Ketika matematika analitik menjadi tidak dapat dipecahkan, kita beralih ke laboratorium komputer. Simulasi: Metode empiris untuk menentukan probabilitas melalui eksperimen dikenal sebagai simulasi, yang berfungsi sebagai jembatan antara probabilitas teoretis dan penerapan dunia nyata.
Arsitektur Suatu Eksperimen
Pada inti setiap simulasi terletak pada replikasi proses stokastik. Alih-alih menyelesaikan persamaan bentuk tertutup, kita mensimulasikan perilaku sistem melalui percobaan berulang. Untuk mengubah hasil fisik ini menjadi data matematis, kita gunakan Variabel Indikator.
Untuk mengukur hasil, kita mendefinisikan variabel acak yang menangkap keberhasilan atau kegagalan suatu peristiwa. Sebagai contoh, dalam permainan dadu:
$$X = \begin{cases} 1 & \text{jika jumlah mata dadu adalah 6} \\ 0 & \text{selainnya} \end{cases}$$
Untuk permainan yang lebih kompleks seperti solitaire, kita mendefinisikan $X_i$ sebagai hasil dari percobaan ke-$i$:
$$X_i = \begin{cases} 1 & \text{jika permainan ke-}i\text{ menghasilkan kemenangan} \\ 0 & \text{selainnya} \end{cases}$$
Yang penting, nilai harapan $E[X_i] = P\{\text{menang di solitaire}\}$.
Konvergensi Teoretis
Mengapa ini berhasil? Keabsahan simulasi bergantung pada Hukum Kuat Bilangan Besar (SLLN). Kita mendefinisikan estimator kita sebagai rata-rata sampel:
$$\sum_{i=1}^n \frac{X_i}{n} = \frac{\text{jumlah permainan yang dimenangkan}}{\text{jumlah permainan yang dimainkan}}$$
Ini merupakan estimator yang tidak bias. Berdasarkan Hukum Kuat Bilangan Besar, kita tahu bahwa $\sum_{i=1}^n \frac{X_i}{n}$ akan, dengan probabilitas 1, konvergen menuju $P\{\text{menang di solitaire}\}$ saat $n \to \infty$.
Contoh: Paradoks Solitaire
Bayangkan menghitung probabilitas pasti memenangkan permainan solitaire yang rumit. Kombinatorika analitik hampir mustahil dilakukan karena jumlah keadaan deck yang sangat besar. Sebaliknya, kita membuat komputer memainkan $n = 1.000.000$ permainan menggunakan strategi tetap. Dengan melacak $X_i$ untuk setiap permainan, fraksi kemenangan yang dihasilkan memberikan perkiraan tingkat presisi tinggi terhadap probabilitas kemenangan yang sebelumnya tidak dapat dicapai melalui metode penghitungan standar.