Proses Stokastik
description
Transcript of Proses Stokastik
1
Proses Stokastik
Semester Ganjil 2011
Sebaran yang Berhubungan dengan Proses Poisson: Interarrival and waiting times
t
X(t)
S1S0 S2 S3
W1 W2 W3 W4
1
2
3
4
W0
X(t): Jumlah kedatangan sampai dengan waktu t, dengan laju λ
!
Prx
etxtXtx
Wn, n =0, 1, …: Waktu tunggu sampai dengan kedatangan ke nSn, n =0, 1, …: Waktu antar kedatangan (interarrival times), atau sojourn time
1
0
n
iin SW
Waktu antar Kedatangan (Interarrival Times): Sojourn times
Waktu antar kedatangan S0, S1, … adalah peubah acak exponential yang saling bebas dengan rata-rata 1/ (i.i.d):
tt
eettXtS
!0
0PrPr0
0
Jika tidak terdapat kedatangan sampai dengan waktu t berarti bahwa:Waktu tunggu (waiting time) dari kedatangan pertama (W1) atau sistem sojourn pada state 0 (S0) lebih dari t
tetS 1Pr 0Funsi Sebaran Kumulatif (cdf) dari sebaran exponential dengan rata-rata (mean) 1/λ
0, sesf sS
Waktu Tunggu (Waiting Time)
Waktu tunggu adalah jumlah dari n waktu antar kedatangan (interarrival/sojourn times).
Waktu antar kedatangan (interarrival times) menyebar secara exponential
1
0
n
iin SW
Dengan pendekatan fungsi pembangkit moment:
111
teEtM ts
S Fungsi pembangkit moment dari sojourn times, S
tMtMtMnSSW 10
Fungsi pembangkit moment dari waiting time, W
n
nSW ttMtM
111
Dengan sifat i.i.d. dari sojourn times
n
W ttM
11
Yang merupakan fungsi pembangkit momen dari sebaran Gamma (n, λ), dengan fungsi: 0,1
wew
nwf wn
W
Ringkasan Jika jumlah kedatangan sampai dengan waktu t, X(t) adalah
proses Poisson dengan laju λ Maka waktu antar kedatangan (interarrival times), S akan
menyebar secara exponential dengan rata-rata (mean) 1/ λ Dan waktu tunggu sampai dengan kedatangan ke n, W
mempunyai sebaran gamma dengan parameter (n, λ)
!
Prx
etxtXtx
0, tetf tS
0,1
tetn
tf tnW
Contoh Suatu sumber radioaktif memancarkan partikel mengikuti
proses Poisson dengan laju λ=2 partikel per menit. Berapa peluang bahwa partikel pertama akan muncul
setelah tiga menit? 3Pr 1 W 3Pr 0 S 03Pr X
3Pr13Pr 00 SS 311 e
6e
!0303Pr
30
eX
6e
Berapa peluang bahwa partikel pertama muncul setelah menit ke-3 menit akan tetapi sebelum menit ke-5?
53Pr 1 W 53Pr 0 S 03 and 15Pr XX
3Pr5Pr53Pr 000 SSS 35 11 ee 53 ee
106 ee
Proses Poisson dan Sebaran BinomialTeorema Diberikan X(t) suatu proses Poisson dengan laju λ>0,
maka untuk 0<u<t dan 0 ≤ k ≤n
knk
tu
tu
knknntXkuX
1
!!!Pr
Bukti:
ntXntXkuXntXkuX
Pr
,PrPr
ntX
knuXtXkuX
Pr,Pr
ntX
knuXtXkuX
PrPrPr
ntX
knuXtXkuXntXkuX
PrPrPrPr
!
Prk
eukuXuk
!Prkn
eutknutXutkn
!
Prn
etntXtn
!/
!/!/Prnet
kneutkeuntXkuXtn
utknuk
!/
!/!/Prnet
kneutkeuntXkuXtn
utknuk
nknk
t
utu
tutu
knkn
eeentXkuX
!!
!Pr
nknk
tutu
knknntXkuX
!!!Pr
n
knk
n
knk
n
knk
tutu
tutu
n
knk
tutu
n
knk
tutu
knk
knknk
k
tut
tuut
ttu
nknk
tutu
knknntXkuX
!!!Pr
knk
tut
tu
knkn
!!!
knk
tu
tu
knkn
1
!!!
Contoh:
Jika 6 pelanggan datang pada setelah 3 jam fasilitas dibuka, berapa peluang bahwa terdapat 2 pelanggan datang selama jam pertama fasilitas tersebut dibuka?
X(t): jumlah kedatangan pelanggan ke suatu fasilitas umum
Adalah proses Poisson dengan laju =2 pelanggan/jam
6)3(|2)1( XXP
0<1<3 and 0 ≤2≤6
nktuntXkuX 0,0,Pr
knk
tu
tu
knknntXkuX
1
!!!Pr
42
32
31
!4!2!66)3(|2)1(
XXP
42
32
31
!4!2!66)3(|2)1(
XXP 329.0
Definisi Proses Kelahiran dan Kematian(Birth and Death Process)Adalah proses Markov untuk waktu kontinyu X(t)
dengan: State space yang bersifat diskrit Kemungkinan state: i = 0, 1, 2, ... sedemikian
sehingga Transisi state hanya mungkin terjadi antara state
yang bertentangga , i→ i+1 or i→ i-1 Transisi tersebut terjadi pada selang waktu
tertentu dari t sampai dengan (t+∆t)
Birth and Death ProcessDigunakan untuk memodelkan Proses reproduksi organisme Penyebaran penyakit menular Sistem antrian
Laju transisi:
selainnya 0
1 ketika 1 ketika
, ijij
q i
i
ji
Ketika sistem berada pada state i
Peluang kelahiran pada selang waktu ∆t adalah λi∆t
Peluang kematian pada selang waktu ∆t adalah μi∆t
Peluang Equilibrium Probability dari Birth and Death Process Adalah peluang dari proses berada di state i, tanpa
tergantung waktu Pada saat equilibrium total aliran peluang (net flow) adalah 0
State 0 dapat dijangkau dari state 1 dengan peluang π1 dan laju μ1
State 0 dengan peluang π0 dapat berubah menjadi state 1 dengan laju λ0
Secara umum: State k dapat dijangkau dari k+1 dengan peluang πk+1 dan
laju μk+1
State k dengan peluang πk dapat berubah menjadi state k+1 dengan laju λk
Hubungan berikut mendefinisikan net flow balance:
,2,1,0 ,11 kkkkk
kk
kk
11
01
01 ,0
k 0
1
0
2
11
2
12 ,1
k
Dst secara rekursif: 0
1
0 10
1
01
k
i i
i
k
kk
Dengan batasan sedemikian sehingga fungsi peluang dapat terdefinisi dengan baik:
1k
k
1
0 1k
k
π0 menentukan syarat di atas
1
1
0 101
k
k
i i
i
11
1
0 100
k
k
i i
i
11
1
1
0 10
k
k
i i
i
1
1
0 1
0
1
1
k
k
i i
i
111
1
0 10
k
k
i i
i
Contoh: Proses kelahiran dan kematian berawal dari X(0)=0 dan
0, 1, 2, 3 adalah kemungkinan state , dengan parameter kelahiran dan kematian
2,3,1 210 1,3,2 321
Berapa peluang bahwa pada kondisi equilibrium proses akan berada pada state 0?
1
1
0 1
0
1
1
k
k
i i
i
3
1
1
0 1
0
1
1
k
k
i i
i
321
210
21
10
1
00
1
1
Berapa peluang bahwa pada kondisi equilibrium proses akan berada pada state1?
2,3,1 210 1,3,2 321
321
210
21
10
1
00
1
1
31
66
63
211
10
0
1
0 1
k
i i
ik 0
1
01
61
31
21