Pengantar Proses Stokastik
Bab 3: Rantai Markov DiskritAtina Ahdika, S.Si, M.Si
Statistika FMIPA Universitas Islam Indonesia
Rantai Markov
Misalkan sebuah proses stokastik{Xt} dengant= 0,1,2, . . ..
Nilai yang mungkin dari Xt adalah hingga atau terhitung
Memiliki peluang transisi atau peluang berpindahnya keadaan ”i” (pada waktut) ke keadaan ”j” (pada waktut+ 1) adalah
Pij yaitu
P(Xt+1=j|Xt =i,Xt−1 =it−1, . . . ,X1 =i1,X0 =i0) =Pij
Distribusi bersyarat Xt+1 diberikan keadaan-keadaan lampau
X0,X1, . . . ,Xt−1 dan keadaan sekarangXt, hanya bergantung
pada keadaan sekarang (Sifat Markov)
Matriks Peluang Transisi
Pij adalah peluang bahwa proses akan berada di keadaanj dari
keadaani
Pij ≥0, i,j ≥0;
∞
X
j=0
Pij = 1, i = 0,1, . . .
Perhatikan
P(Xt+1 =j|Xt =i,Xt−1 =it−1, . . . ,X1 =i1,X0 =i0) =P(Xt+1 =j|Xt =i)
Contoh 1
Jika hari ini hujan, peluang besok hujan adalahα. Jika hari ini tidak hujan, peluang besok hujan adalahβ.
Misal: ’0’ : hujan ’1’ : tidak hujan
Maka matriks peluang transisinya adalah
P =
α 1−α β 1−β
Contoh 2
Dalam suatu hari, Gary bisa ceria (C), biasa saja (B), atau murung (M). Jika hari ini ceria, maka dia akan C,B, atauM
besok dengan peluang masing-masing 0.5,0.4,0.1. Jika dia merasa biasa saja hari ini, maka dia akanC,B, atauM besok dengan peluang masing-masing 0.3,0.4,0.3. Jika dia merasa murung hari ini, maka dia akanC,B, atau M besok dengan peluang
Misalkan keadaan 0 =C, keadaan 1 =B, dan keadaan 2 =M, maka matriks peluang transisinya adalah
P =
0.5 0.4 0.1 0.3 0.4 0.3 0.2 0.3 0.5
Contoh 3
Keadaan pada suatu hari:
Jika dua hari terakhir hujan, peluang besok hujan 0.7 Jika hari ini hujan dan kemarin tidak hujan, peluang besok hujan 0.5
Jika hari ini tidak hujan dan kemarin hujan, peluang besok hujan 0.4
Misal: ’0’ : hujan ’1’ : tidak hujan
Maka matriks peluang transisinya adalah
Matriks-matriks tersebut memiliki sifat-sifat berikut: Memiliki jumlah baris dan kolom sama, atau matriks bujursangkar
Jumlah unsur-unsur di setiap baris adalah satu
Tidak selalu memiliki jumlah unsur-unsur di setiap kolom sama dengan satu
Nilai setiap unsurnya diantara nol dan satu
Contoh 4
Suatu rantai Markov dengan keadaan-keadaan ’0,1,2’ mempunyai matriks peluang transisi
P =
0.1 0.2 0.7 0.9 0.1 0 0.1 0.8 0.1
danP(X0= 0) = 0.3,P(X0 = 1) = 0.4,P(X0 = 2) = 0.3. Hitung
Penyelesaian:
P(X0 = 0,X1= 1,X2= 2)
=P(X2 = 2|X1= 1,X0 = 0)P(X1 = 1,X0= 0)
=P(X2 = 2|X1= 1,X0 = 0)P(X1 = 1|X0 = 0)P(X0= 0) =P(X2 = 2|X1= 1)P(X1 = 1|X0= 0)P(X0 = 0)
Contoh 5
Suatu rantai Markov dengan keadaan-keadaan ’0,1,2’
P =
0.7 0.2 0.1 0 0.6 0.4 0.5 0 0.5
Penyelesaian: a.
P(X2= 1,X3= 1|X1 = 0)
=P(X3 = 1|X2 = 1)P(X2 = 1|X1 = 0) = 0.6(0.2) = 0.12
b.
P(X1= 1,X2= 1|X0 = 0)
Contoh 6
Suatu matriks stokastik dengan keadaan-keadaan ’0,1,2’
Penyelesaian:
E(X2|X1 = 2) = 2
X
x2=0
x2P(X2 =x2|X1 = 2)
Matriks Stokastik
n
-langkah
Pandang matriks stokastik satu-langkah:
P =
0.3 0.7 0.5 0.5
Ingat kembali matriks stokastik satu-langkah
Pij =P(Xt+1=j|Xt =i)
Kita dapat menentukan matriks stokastik dua-langkah yaitu
Pij2 =P(Xt+2=j|Xt =i)
Dalam kasus ini
P2 =
P002 P012 P2
10 P112
Kita bisa menggunakanlaw of total probability yaitu
P002 =P(Xt+2= 0|Xt = 0)
=P(Xt+2= 0,Xt+1 = 0|Xt = 0) +P(Xt+2= 0,Xt+1 = 1|Xt = 0)
=P(Xt+2= 0|Xt+1= 0,Xt = 0)P(Xt+1= 0|Xt = 0)
+P(Xt+2= 0|Xt+1= 1,Xt = 0)P(Xt+1 = 1|Xt = 0)
=P(Xt+2= 0|Xt+1= 0)P(Xt+1 = 0|Xt = 0)
+P(Xt+2= 0|Xt+1= 1)P(Xt+1= 1|Xt = 0)
Penyelesaian tersebut berlaku pula untukP2
01,P102 danP112 . Atau sama saja dengan mengalikan dua matriksP yaitu
Jadi, untuk contoh di atas
P002 =P00P00+P01P10
= 0.3(0.3) + 0.7(0.5) = 0.44 atau, matriks stokastik dua-langkahnya adalah
Chapman-Komogorov Equations
MisalkanPn
ij menyatakan peluang bahwa proses pada keadaani
akan berada pada keadaanj setelah n-transisi,
Persamaan Chapman-Kolmogorov memberikan metode untuk menghitung peluang transisin+m-langkah, yaitu
Pijn+m= ∞
X
k=0
PiknPkjm untuk semuan,m≥0,semuai,j
Pn
ikPkjm menyatakan peluang bahwa proses bermula pada keadaani
akan berpindah ke keadaanj dalamn+m transisi melalui keadaan
Contoh 7
Contoh 8
P2 =
Peluang bahwa Kamis hujan adalah:
P00.00P00.00+P00.01P01.10=P 2
Peluang Transisi Tak Bersyarat
Peluang transisiPn
ij yang sudah kita hitung di atas merupakan
peluang bersyarat. Jika kita ingin menghitung peluang transisi tak bersyaratnya yaituP(Xn=j), maka kita bisa menggunakan law of
Sebagai contoh, berdasarkan Contoh 7, jikaα0= 0.4, α1 = 0.6, maka peluang (tak bersyarat) bahwa akan hujan empat hari setelah kita mempunyai data perubahan cuaca adalah
P(X4= 0) =P(X4= 0|X0= 0)P(X0= 0) +P(X4= 0|X0= 1)P(X0= 1)
=P4
00α0+P104 α1
= 0.4P4
00+ 0.6P104
Kebebasan dalam Matriks Stokastik
Misalkan
P =
0.4 0.6 0.4 0.6
Maka,
P(Xt = 0|Xt−1= 0) =P(Xt = 0|Xt−1 = 1) = 0.4
Kemudian, denganlaw of total probability
Dengan kata lain
Contoh-contoh Lain
1. Jika pada waktut, Vanes mengajukan klaim asuransi, maka Vanes akan mengajukan klaim pada waktu t+ 1 dengan peluang α; jika Vanes tidak mengajukan klaim asuransi saat ini maka di masa depan Vanes akan mengajukan klaim asuransi dengan peluang β. Matriks peluang transisinya adalah
Keadaan:
’0’ : tidak mengajukan klaim ’1’ : mengajukan klaim
P =
1−β β 1−α α
3. Tim sepakbola IKS UII akan memainkan tujuh rangkaian pertandingan. Hasil setiap pertandingan saling bebas. Setiap pertandingan akan dimenangkan oleh tim A dengan peluangα dan oleh tim B dengan peluang 1−α. Misalkan keadaan suatu sistem direpresentasikan oleh pasangan (a,b) di manaa
menyatakan banyak pertandingan yang dimenangkan oleh A danb adalah banyak pertandingan yang dimenangkan B. Bentuklah Rantai Markov untuk masalah tersebut.
Latihan 1
1. Laila adalah mahasiswa tingkat akhir di Farmasi UII. Dia tinggal tidak jauh dari kampus, cukup berjalan kaki saja dari tempat kos ke kampus dan sebaliknya. Akhir-akhir ini hujan datang hampir setiap hari. Mau tidak mau, Laila
4. Sebuah Rantai Markov{Xn,n ≥0} dengan keadaan-keadaan
0,1,2 mempunyai matriks peluang transisi sebagai berikut:
5. Seorang SPG berjuang untuk menjual suatu produk sebanyak
i = 0,1,2 buah. Proses jumlah produk yang terjual {Xn}
membentuk Rantai Markov dengan matriks peluang transisi sebagai berikut:
P =
0 1/2 1/2 1/2 0 1/2 1/2 1/2 0
a. HitungP(Xn= 0|X0= 0) untukn= 0,1,2
Ross, Sheldon M. 2007. Introduction to Probability Models; 9th Edition. New York: Academic Press.
Syuhada, Khreshna I.A. Materi Kuliah: MA4181 Pengantar Proses Stokastik. Departemen Matematika ITB, Bandung. Taylor, Howard M. dan Samuel Karlin. 1975. A First Course in Stochastic Processes; Second Edition. New York: Academic Press.