model distribusi.pdf
-
Upload
toky-kurniawan -
Category
Documents
-
view
59 -
download
3
description
Transcript of model distribusi.pdf
Model-Model Distribusi Probabilitas
12 September 2006
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 1 / 25
Model Eksponensial
Fungsi Kepadatan Probabilitas
fX (x) =
λ e−λx x ≥ 0
0 x yang lain
Fungsi distribusi probabilitas adalah integral dari fungsi kepadatan:
FX (x) =
∫ x
−∞λ e−λu du
Fungsi Distribusi Probabilitas
FX (x) =
1− e−λx x ≥ 0
0 x yang lain
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 2 / 25
Model Eksponensial
Moment ke-n
E [X n] =
∫ ∞
−∞xn λ e−λx dx
= λ
∫ ∞
0
xn e−λx dx
= λn!
λn+1=
n!
λn
Sehingga dapat dihitung:
Mean
µX = E [X ] =1
λ
Varians
σ2X =
1
λ2
Pemakaian
Life time (umur) komponen atau peralatan atau sistem
Beda waktu antar kejadian
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 3 / 25
Model Eksponensial: Contoh
Umur sejenis komponen elektronika acak dengan distribusi eksponensial denganmean 100 jam. Tentukan keandalannya dapat dipakai selama 50 jam dantentukan pula tiap berapa jam komponen tersebut harus diganti jika keandalankomponen tidak boleh kurang dari 0.8.
Jawab:
Fungsi keandalan [R(t)] merupakan probabilitas sampai saat t komponen tersebutmasih belum rusak, dinyatakan dengan R(t) = P[T > t] dan plot R(t) terhadap tada pada gambar di bawah.
R(t)
t
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 4 / 25
Model Eksponensial: Contoh
Keandalan dapat dipakai selama 50 jam
R(50) = P[T > 50]
= 1− FT (50) = 1− (1− e−50/100)
= e−0.5
Lama pemakaian jika keandalan harus ≥ 0.8
R(t) ≥ 0.8 −→ e−t/100 ≥ 0.8
− t
100≥ ln 0.8
t ≤ −100 ln 0.8
t ≤ 22.3 jam
Maka komponen harus diganti setiap 22.3 jam sehingga keandalannya tidakkurang dari 0.8.
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 5 / 25
Model Erlang (n tahap)
Fungsi Kepadatan Probabilitas
fX (x) =
λ(λx)n−1e−λx
(n − 1)!x ≥ 0, n = 1, 2, . . .
0 x yang lain
Fungsi distribusi probabilitas dihitung dengan
FX (x) =
∫ x
−∞
λ(λu)n−1e−λu
(n − 1)!du
Fungsi Distribusi Probabilitas
FX (x) =
1−n−1∑m=0
(λx)me−λx
m!x ≥ 0
0 x yang lain
Momen-momennya
E [X ] =n
λ
var(X ) =n
λ2
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 6 / 25
Model Erlang (n tahap)
Pemakaian
Model-model keandalan sistem
Model-model sistem antrian
Contoh:Umur sejenis komponen elektronika adalah acak, dengan distribusi eksponensialdengan mean 100 jam . Berapa probabilitas komponen tersebut dapat dipakailebih dari 150 jam. Dan bila tersedia suku cadang sebanyak 5 unit, berapaprobabilitas suku cadang tersebut habis sebelum jam pemakaian yang ke 500.
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 7 / 25
Model Erlang (n tahap): Contoh
T T : var. acak umur
0 100 rusak
T : variabel acak umur berdistribusi eksponensial dengan mean 100, maka
λ =1
100
dan dapat dihitung FT (t) = 1− e−λt = 1− e−t/100
P[T > 150] = 1− P[T ≤ 150]
= 1− FT (150)
= 1− (1− e−150/100)
= e−3/2 = 0.223
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 8 / 25
Model Erlang (n tahap): Contoh
X
0 500
X : variabel acak berdistribusi Erlang 5 tahap.Fungsi kerapatan dan distribusinya menjadi:
fX (x) =
1/100(x/100)4 e−x/100
4! x ≥ 0
0 x lainnya
FX (x) = 1−4∑
m=0
(x/100)m e−x/100
m!
Maka dapat dihitung:
P[X ≤ 500] = FX (500)
= 1−4∑
m=0
5m e−5
m!
= 1− e−5
(e0
0!+
e1
1!+
e2
2!+
e3
3!+
e4
4!
)= · · ·
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 9 / 25
Model Weibull
Fungsi Kepadatan Probabilitas
fX (x) =
λbxb−1 e−λxb
x ≥ 0
0 x lainnya
Fungsi Distribusi Probabilitas
FX (x) =
1− e−λxb
x ≥ 0
0 x lainnya
Momen-momennya
E [X ] =Γ(1 + 1/b)
λ1/b
var(X ) =Γ(1 + 2/b)− Γ2(1 + 1/b)
λ2/b
dimana:
Γ(n) =
∫ ∞
0
xn−1 exdx
= (n − 1)!
Pemakaian
menyatakan umur peralatan elektromekanis seperti motor, generator, dan lainnya
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 10 / 25
Model Weibull: Contoh
Sejenis komponen elektromekanik memiliki masa pakai berdistribusi Weibulldengan fungsi kepadatan:
FT (t) = 0.00002te−0.00001t2
, t ≥ 0
Tentukan keandalannya untuk pemakaian 50 jam terus menerus.
Tentukan lama pemakaian maksimum supaya keandalannya tidak kurang dari0,8.
Jawab:Dari fungsi kepadatan didapatkan b = 2 dan λ = 0.00001 sehingga
FT (t) = 1− e−10−5t2
=⇒ R(t) = e−10−5t2
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 11 / 25
Model Weibull: Contoh
Keandalan pemakaian 50 jam
R(50) = P[T > 50]
= e−10−5502
= 0.98
Lama dipakai jika keandalan ≥ 0.8
R(t) ≥ 0.8 → e−10−5t2
≥ 0.8
−10−5t2 ≥ ln 0.8 → t2 ≤ −10−5 ln 0.8
t ≤ 149.4 jam
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 12 / 25
Model Gauss (Normal)
Fungsi Kepadatan Probabilitas
fX (x) =1√
2πσ2X
e−(x−µX )2
2σ2X
untuk semua x
Momen-momennya
E [X ] = µX
var(X ) = σ2X
Distribusi normal standar: µX = 0 dan σ2X = 1
Jika tidak standar dilakukan normalisasi
X ∼ N(µX , σ2X )←→ Z =
x − µX
σX∼ N(0, 1)
Normalisasi distribusi Gauss
P[X ≤ a] = P
[Z ≤ a− µX
σX
]
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 13 / 25
Model Gauss (Normal)
Jika X ∼ N(µX , σ2X ) maka
E [(x − µX )n] =
1× 3× · · · × x(n − 1)σ2 n genap
0 n ganjil
Sifat-sifat distribusi Normal
1 P[X ≥ a] = 1− P[X ≤ a]
2 P[X ≤ −a] = P[X ≥ a] = 1−P[X ≤ a]
3 P[X ≥ a] = P[X ≤ −a]
a−a
Pemakaian
penyimpangan dari suatu nilai tertentu (kesalahan, noise, dan sebagainya)
jumlahan dari banyak variabel acak.
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 14 / 25
Model Gauss (Normal): Contoh
Tegangan acak dengan distribusi normal dengan mean 110 volt dan simpanganbaku 10 volt dikenakan pada beban 1 kΩ.
Tentukan probabilitas beban tersebut menerima tegangan lebih dari 105 volt.
Tentukan mean dan varians dari daya yang diterima beban tersebut.
Jawab:V : variabel acak tegangan ∼ N(110, 102)
P[V > 105] = P
[v − 110
10>
105− 110
10
]= P[Z > −0.5] = 1− P[Z < −0.5]
= P[Z ≤ 0.5]
= 0.69
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 15 / 25
Model Gauss (Normal): Contoh
W =V 2
R= 0.001V 2
E [W ] = E [0.001 V 2] = 0.001 E [V 2]
= 0.001(var(V ) + E [V ]2)
= 0.001(100 + 1102) = 12.2 [watt]
Diketahui: var(X 2) = 4µ2X · var(X ) + 2 var(X )
Varians dari daya W adalah
var(W ) = E [W 2]− E [W ]2
Dimana
E [W 2] = E [(10−3 · V 2)2]
= 10−6 E [V 4]
Maka dapat dihitung var(W )
var(W ) = var(10−3 V 2) = 10−6 var(V 2)
= 10−6(4 · 1102 · 100 + 2 · 100)
= 4.84 [watt2]
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 16 / 25
Model Poisson
Fungsi Massa Probabilitas
P[X = n] =λne−λ
n!n = 0, 1, 2, . . .
Momen-momennya
E [X ] =∞∑
n=−∞n P[X = n]
= λ
var(X ) = λ
dimana λ adalah rata-rata banyaknya kejadian dalam satu selang waktu(persatuan waktu).
Pemakaian
menyatakan banyaknya kejadian yang munculsecara acak dalam satu interval waktu
satu periode
10 2 3 nt
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 17 / 25
Model Poisson
Banyak kejadian ∼ Poisson dengan laju λBeda waktu antara kejadian ∼ Eksponensial dengan mean (1/λ)
Poisson (λ1)
Poisson (λ2)
Poisson (λ1 + λ2)
Poisson (Pλ)
Poisson (λ)
Poisson ((1− P )λ)
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 18 / 25
Model Poisson: Contoh
Suatu jaringan dimodelkan sebagai berikut :
Poisson
Poisson
Poisson
10/m
20/m
30/m
0.5
0.4
1
0.4
0.5 0.2 1
0.5
0.5
1
A
B
Berapa rata-rata banyaknya yang keluar dari node A tiap jam.
Berapa probabilitas dalam satu detik ada 5 yang keluar lewat node A.
Berapa probabilitas beda waktu antara dua yang keluar dari A lebih dari 5detik.
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 19 / 25
Model Poisson: Contoh
Banyaknya yang keluar dari node A tiap jam:
λA = (20 + 10× 0.5)× 0.4 + 0.5× 10 + (0.5× 10 + 20)× 0.2 = 20/menit
= 20× 60/jam
= 1200/jam
Probabilitas dalam 1 detik ada 5 yang keluar dari node A:
λA = 20/60 = 1/3 detik
P[X = 5] =λne−λ
n!=
1/35e−1/3
5!= 0.000025
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 20 / 25
Model Poisson: Contoh
Probabilitas antara dua yang keluar dari node A lebih dari 5 detik
T : banyaknya kejadian ∼ Poisson dengan rate = 1/3 detik
Beda waktu antar kejadian ∼ eksponensial dengan mean = 1/λ = 3 detik
P[T > 5] = 1− P[t ≤ 5]
= 1− FT (5)
= 1− (1− e−λt)
= e−1/3(5)
= 0.19
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 21 / 25
Model Binomial
Fungsi Massa Probabilitas
P[X = n] =
(mn
)pn(1− p)m−n
n = 0, 1, 2, . . .
Momen-momennya
E [X ] = m p
var(X ) = n p (1− p)
dimana
mCn =
(mn
)=
m!
m!(m − n)!
Pemakaian
menyatakan banyaknya sukses dari m eksperimen yang dilakukan secara independendengan tiap eksprimen memiliki probabilitas sukses sama dengan p
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 22 / 25
Model Binomial: Contoh
Contoh:
Untuk mensupply daya dipabrik yang minimal membutuhkan 180 kW dipakai tigagenerator yang masing-masingnya berkapasitas 100 kW dengan keandalan 0.8.Berapa probabilitas sistem dengan 3 generator ini dapat mencatu daya pada saatdibutuhkan?
Jawab:
Sistem ini merupakan sistem 2 dari 3 (2 out of 3 system)S : event sistem dapat mencatu bebanX : banyaknya generator yang baik
P[S ] = P[X ≥ 2]
= P[x = 2] + P[x = 3]
=
(32
)0.82(0.2)1 +
(33
)0.83(0.2)0
= 0.896
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 23 / 25
Model Binomial: Contoh
Berapa saluran yang harus disiapkan untuk melayani 10 pemakai supaya denganprobabilitas minimumum 0.8 pada saat diperlukan tiap pemakai dapatmempergunakan saluran tersebut. Pada jam sibuk probabilitas pemakaimenggunakan saluran adalah 0.6.
Jawab :
Banyaknya sukses ∼ jumlah saluran = nPemakai dapat dilayani ∼ pemakai ≤ nMisal X adalah variabel acak dari pemakai yang ingin menggunakan saluran.
P[dapat dilayani] ≥ 0.8
P[yang ingin menggunakan ≤ n] ≥ 0.8
P[X ≤ n] ≥ 0.8 atau P[X > n] ≤ 0.2
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 24 / 25
Model Binomial: Contoh
Misal n = 8
P[x = 9] + P[x = 10] ≤ 0.2(109
)0.69(0.4)1 +
(109
)0.610(0.4)0 ≤ 0.2
· · · ≤ 0.2 (trial and error . . .!)
(Lab Teknik Sistem) Proses Stokastik 12 September 2006 25 / 25