146 Pengantar Proses Stokastik Maka
๐ธ[๐(๐ก)(๐(๐ก) โ 1)] = ๐(๐ โ 1)๐2 โ ๐!
๐! (๐ โ ๐)!
๐+2
๐+2=0
๐๐(1 โ ๐)๐โ๐
= ๐(๐ โ 1)๐2(๐ + ๐)๐ = ๐(๐ โ 1)๐2(๐ + (1 โ ๐))๐ = ๐(๐ โ 1)๐2(1)๐
= ๐(๐ โ 1)๐2 = ๐2๐2โ ๐๐2 maka variansinya
๐๐๐[๐(๐ก)] = ๐ธ[๐(๐ก)2] โ ๐ธ[๐(๐ก)]2
= [๐ธ(๐(๐ก)(๐(๐ก) โ 1)) + ๐ธ(๐(๐ก))] โ ๐ธ[๐(๐ก)]2
= (๐2๐2โ ๐๐2 + ๐๐) โ (๐๐)2
= ๐2๐2โ ๐2๐2+ ๐๐(1 โ ๐)
= ๐๐(1 โ ๐) dengan ๐ = ๐โ๐๐ก maka
๐๐๐[๐(๐ก)] = ๐๐โ๐๐ก(1 โ ๐โ๐๐ก)
Rantai Markov Waktu Kontinu 147
maka proses tersebut dinamakan proses kelahiran dan kematian dengan parameter {๐๐, ๐๐+1, ๐ = 0,1,2, โฆ }, dimana ๐๐ dan ๐๐+1 disebut angka kelahiran dan angka kematian secara berturut-turut.
Definisi diatas dapat di interpretasikan sebagai berikut :
i. Memberikan kondisi awal ๐(0) = ๐, sehingga megimplikasikan ๐๐๐(๐ก) = ๐{๐(๐ก) = ๐ | ๐(0) = ๐}
๐๐๐(0) = ๐{๐(0) = ๐ | ๐(0) = ๐} = 1 ๐๐๐(0) = ๐{๐(0) = ๐ | ๐(0) = ๐} = 0
ii. Menunjukkan bahwa laju kelahiran pada proses yang terjadi di keadaan ๐ adalah ๐๐.
iii. Menunjukkan bahwa laju kematian pada proses yang terjadi di keadaan ๐ adalah ๐๐.
iv. Menunjukkan bahwa probabilitas terjadinya 2 atau lebih kejadian di interval kecil โ di abaikan.
Dari persamaan di definisi 6.4. ii., iii., iv, maka diperoleh
๐{๐(๐ก + โ) โ ๐(๐ก) = 0 | ๐(๐ก) = 0} = 1 โ ๐0โ + ๐(โ)
๐{๐(๐ก + โ) โ ๐(๐ก) = 0 | ๐(๐ก) = ๐} = 1 โ (๐๐+ ๐๐)โ + ๐(โ) (๐ = 0,1,2, โฆ ) Misalkan
๐๐๐(๐ก) = ๐{๐(๐ก) = ๐ | ๐(0) = ๐}
sebagai probabilitas proses yang terjadi pada keadaan ๐ di waktu ๐ก dengan syarat telah terjadi proses pada keadaan ๐ di waktu 0.
Dengan mengaplikasikan persamaan Chapman-Kolmogorov, yaitu ๐๐๐(๐ก + ๐ ) = โ ๐๐๐(๐ก)๐๐๐(๐ )
โ
๐=0
dan mengasumsikan waktu sebagai ๐ก dan โ, dimana โ > 0 adalah interval waktu yang sangat kecil. Sehingga untuk ๐ = 0, diperoleh
๐๐0(๐ก + โ) = โ ๐๐๐(๐ก)๐๐๐(โ)
โ
๐=0
= ๐๐0(๐ก)๐0๐(โ) + ๐๐1(๐ก)๐1๐(โ) + โ ๐๐๐(๐ก)๐๐๐(โ)
โ
๐=2
148 Pengantar Proses Stokastik = ๐๐0(๐ก)๐{๐(๐ก + โ) โ ๐(๐ก) = 0 | ๐(๐ก) = 0} +
๐๐1(๐ก)๐{๐(๐ก + โ) โ ๐(๐ก) = โ1 | ๐(๐ก) = 1} + โ ๐๐๐(๐ก)๐{๐(๐ก + โ) โ ๐(๐ก) = โ๐ | ๐(๐ก) = ๐}
โ
๐=2
= ๐๐0(๐ก)[1 โ ๐0โ + ๐(โ)] + ๐๐1(๐ก)[๐1โ + ๐(โ)] + ๐(โ) dengan mengatur ulang kedua sisi,
๐๐0(๐ก + โ) = ๐๐0(๐ก) โ ๐0๐๐0(๐ก)โ + ๐๐0(๐ก)๐(โ) + ๐1๐๐1(๐ก)โ + ๐๐1(๐ก)๐(โ) + ๐(โ) Kemudian jika kedua ruas kita turunkan terhadap ๐ก dan memisalkan โ โ 0, maka ๐๐๐0(๐ก)
๐๐ก = ๐๐0โฒ (๐ก) = lim
โโ0
๐๐0(๐ก + โ) โ ๐๐0(๐ก) โ
= lim
โโ0
๐๐0(๐ก) โ ๐0๐๐0(๐ก)โ + ๐๐0(๐ก)๐(โ) + ๐1๐๐1(๐ก)โ + ๐๐1(๐ก)๐(โ) + ๐(โ) โ ๐๐0(๐ก) โ
= lim
โโ0
โ๐0๐๐0(๐ก)โ + ๐๐0(๐ก)๐(โ) + ๐1๐๐1(๐ก)โ + ๐๐1(๐ก)๐(โ) + ๐(โ) โ
= โ๐0๐๐0(๐ก)โ + ๐1๐๐1(๐ก)โ โ
= โ(โ๐0๐๐0(๐ก) + ๐1๐๐1(๐ก)) โ
= โ๐0๐๐0(๐ก) + ๐1๐๐1(๐ก)
Sehingga diperoleh secara umum untuk ๐
๐๐๐(๐ก + โ) = ๐๐๐โ1(๐ก)๐{๐(๐ก + โ) โ ๐(๐ก) = 1 | ๐(๐ก) = ๐ โ 1} + ๐๐๐(๐ก)๐{๐(๐ก + โ) โ ๐(๐ก) = 0 | ๐(๐ก) = ๐} +
๐๐๐+1(๐ก)๐{๐(๐ก + โ) โ ๐(๐ก) = โ1 | ๐(๐ก) = ๐ + 1} +
โ ๐๐๐(๐ก)๐{๐(๐ก + โ) โ ๐(๐ก) = ๐ โ ๐ | ๐(๐ก) = ๐}
โ
๐=0 ๐โ ๐โ1,๐,๐+1
= ๐๐๐โ1(๐ก)[๐๐โ1โ + ๐(โ)] + ๐๐๐(๐ก)[1 โ (๐๐+ ๐๐)โ + ๐(โ)] + ๐๐๐+1(๐ก)[๐๐+1โ + ๐(โ)] + ๐(โ)
Rantai Markov Waktu Kontinu 149
= ๐๐โ1๐๐๐โ1(๐ก)โ + ๐๐๐โ1(๐ก)๐(โ) + ๐๐๐(๐ก) โ (๐๐+ ๐๐)๐๐๐(๐ก)โ + ๐๐๐(๐ก)๐(โ) + ๐๐+1๐๐๐+1(๐ก)โ + ๐๐๐+1(๐ก)๐(โ) + ๐(โ)
Kemudian jika kedua ruas kita turunkan terhadap ๐ก dan memisalkan โ โ 0, maka ๐๐๐๐(๐ก)
๐๐ก = ๐๐๐โฒ(๐ก) = lim
โโ0
๐๐๐(๐ก + โ) โ ๐๐๐(๐ก) โ
=๐๐โ1๐๐๐โ1(๐ก)โ โ (๐๐ + ๐๐)๐๐๐(๐ก)โ + ๐๐+1๐๐๐+1(๐ก)โ โ
=โ (๐๐โ1๐๐๐โ1(๐ก) โ (๐๐+ ๐๐)๐๐๐(๐ก) + ๐๐+1๐๐๐+1(๐ก)) โ
= ๐๐โ1๐๐๐โ1(๐ก) โ (๐๐+ ๐๐)๐๐๐(๐ก) + ๐๐+1๐๐๐+1(๐ก)
Persamaan ๐๐0โฒ(๐ก) dan ๐๐๐โฒ(๐ก) disebut persamaan Kolmogorov maju untuk proses kelahiran dan kematian.
Teorema 6.3. Untuk proses kelahiran dan kematian {๐(๐ก), ๐ก โฅ 0} dengan parameter {๐๐, ๐๐+1, ๐ = 0,1,2, โฆ }, ketika proses pada keadaan ๐ (๐ = 0,1,2, โฆ ) di waktu ๐ก, yaitu ๐(๐ก) = ๐, waktu antar kedatangan didistribusikan secara eksponensial dengan parameter ๐๐+ ๐๐, di mana probabilitas untuk pindah ke keadaan berikutnya ๐ โ 1 atau ๐ + 1 adalah
๐๐ ๐๐ + ๐๐ Atau
๐๐ ๐๐ + ๐๐
Perhatikan bahwa ketika ๐ = 0, keadaan transisi yang mungkin hanya keadaan 1. Yaitu di interpretasikan bahwa ๐0 = 0 mengimplikasikan
๐๐
๐๐ + ๐๐ = ๐0
๐0+ ๐0 = 0
๐๐ + 0= 0 Dan
๐๐
๐๐ + ๐๐ = ๐0
๐0+ ๐0 = ๐0
๐0+ 0= 1
150 Pengantar Proses Stokastik Untuk proses kelahiran dan kematian {๐(๐ก), ๐ก โฅ 0} prosesnya bersifat stasioner kenaikan independen yang menghasilkan distribusi eksponensial dari semua waktu antarkedatangan antar transisi. Secara khusus, untuk keadaan ๐, waktu antar kedatangan didistribusikan secara eksponensial dengan parameter ๐๐+ ๐๐, dan proses berpindah ke keadaan ๐ + 1 dengan probabilitas ๐๐/(๐๐+ ๐๐) dan ke keadaan ๐ โ 1 dengan probabilitas ๐๐/(๐๐+ ๐๐).
Perhatikan bahwa
๐๐
๐๐+ ๐๐+ ๐๐
๐๐+ ๐๐ = 1
menyiratkan bahwa tidak ada transisi lain kecuali keadaan ๐ โ 1 dan ๐ + 1.
Untuk menjelaskan persamaan diferensial ๐๐0โฒ(๐ก) dan ๐๐๐โฒ(๐ก), kita analogkan model fisika sederhana dari sebuah tangki air. Terdapat sebuah tangki air yang berisi air setinggi ๐ฅ(๐ก) pada waktu ๐ก, dimana jumlah air yang masuk adalah ๐ผ per satuan waktu dan jumlah yang keluar adalah ๐ per satuan waktu. Persamaan differensial dari ๐ฅ(๐ก) diberikan oleh
๐๐ฅ(๐ก)
๐๐ก = ๐ผ โ ๐
Jika kita mempertimbangkan dua model aliran dari tangki air, maka persamaan diferensialnya menjadi
๐๐ฅ1(๐ก)
๐๐ก = ๐ผ1โ ๐1, ๐๐ฅ2(๐ก)
๐๐ก = ๐ผ2โ ๐2
dengan ๐1 = ๐ผ2. Dimana ๐ฅ1(๐ก) dan ๐ฅ2(๐ก) adalah tinggi tangki 1 dan 2 pada waktu ๐ก. Oleh karena itu, kita juga dapat menuliskan persamaan differensial ๐๐0โฒ(๐ก) dan ๐๐๐โฒ(๐ก) sebagai
๐๐๐๐(๐ก)
๐๐ก = {๐๐โ1๐๐๐โ1(๐ก) โ (๐๐+ ๐๐)๐๐๐(๐ก) + ๐๐+1๐๐๐+1(๐ก)
โ๐0๐๐0(๐ก) + ๐1๐๐1(๐ก) (๐ = 1,2, โฏ ) (๐ = 0)
Contoh 6.6. (Proses Pertumbuhan Linear) Proses kelahiran dan kematian disebut proses pertumbuhan linear jika
๐๐ = ๐๐, ๐๐+1= (๐ + 1)๐ (๐ = 0,1,2, โฆ )
Contoh proses tersebut muncul dalam studi reproduksi biologis dan pertumbuhan populasi.
Perhatikan bahwa ๐0 = 0 dan keadaan 0 hanyalah keadaan menyerap, kita memiliki persamaan maju Kolmogorov berikut :
๐๐0โฒ(๐ก) = โ๐0๐๐0(๐ก) + ๐1๐๐1(๐ก) ๐๐0โฒ(๐ก) = โ0๐๐0(๐ก) + ๐1๐๐1(๐ก)
Rantai Markov Waktu Kontinu 151
๐๐0โฒ(๐ก) = ๐1๐๐1(๐ก) (๐ = 0)
๐๐๐โฒ(๐ก) = ๐๐โ1๐๐,๐โ1(๐ก) โ (๐๐ + ๐๐)๐๐๐(๐ก) + ๐๐+1๐๐,๐+1(๐ก)
๐๐๐โฒ(๐ก) = (๐ โ 1)๐๐๐,๐โ1(๐ก) โ ๐(๐ + ๐)๐๐๐(๐ก) + (๐ + 1)๐๐๐,๐+1(๐ก) (๐ = 1,2, โฏ ) Diasumsikan ๐(0) = ๐ โฅ 1, ekspektasi pada waktu ๐ก adalah
๐(๐ก) = ๐ธ[๐(๐ก)] = โ ๐๐๐๐(๐ก)
โ
๐=0
Jika kita mengalikan persamaan ๐๐๐โฒ(๐ก) dengan ๐ pada kedua sisi dan menjumlahkan sebanyak ๐, sehingga
๐๐๐โฒ(๐ก) = (๐ โ 1)๐๐๐,๐โ1(๐ก) โ ๐(๐ + ๐)๐๐๐(๐ก) + (๐ + 1)๐๐๐,๐+1(๐ก) ๐๐๐๐โฒ(๐ก) = ๐(๐ โ 1)๐๐๐,๐โ1(๐ก) + ๐(๐ + 1)๐๐๐,๐+1(๐ก) โ ๐2(๐ + ๐)๐๐๐(๐ก)
โ ๐๐๐๐โฒ(๐ก)
โ
๐=0
= โ (๐(๐ โ 1)๐๐๐,๐โ1(๐ก) + ๐(๐ + 1)๐๐๐,๐+1(๐ก) โ ๐2(๐ + ๐)๐๐๐(๐ก))
โ
๐=0
๐โฒ(๐ก) = (๐ โ ๐) โ ๐๐๐๐(๐ก)
โ
๐=0
= (๐ โ ๐)๐(๐ก)
dengan kondisi awal ๐(0) = ๐. Sehingga solusi dari persamaan diatas adalah ๐(๐ก) = ๐๐(๐โ๐)๐ก
Misalkan kita membatasi perlakuan dari ๐(๐ก) sebagai ๐ก โ โ. Sehingga
๐กโโlim๐(๐ก) = { 0 ๐
โ
(๐ < ๐) (๐ = ๐) (๐ > ๐)
Jika ๐ > ๐, rata-rata populasi divergen. Jika ๐ = ๐, rata-rata populasi tdak berubah sepanjang waktu. Jika ๐ < ๐, rata-rata populasi konvergen ke nol.
Misalkan diasumsikan secara umum bahwa semua parameter positif untuk proses kelahiran dan kematian,
๐๐ > 0, ๐๐+1 > 0 (๐ = 0,1,2, โฏ )
Proses tersebut adalah proses yang irreducible dan rekuren. Namun, kita harus mengidentifikasi apakah proses tersebut rekuren positif atau bukan. Mengingat kembali bahwa probabilitas
152 Pengantar Proses Stokastik keadaan stabil artinya bahwa tinggi air tidak pernah berubah sepanjang waktu pada model tangki air.
Jika terdapat probabilitas yang membatasi ๐๐ = lim
๐กโโ๐๐๐(๐ก) yang mana independen pada keadaan awal ๐, maka
โ๐0๐0+ ๐1๐1 = 0
๐๐โ1๐๐โ1โ (๐๐+ ๐๐)๐๐ + ๐๐+1๐๐+1 = 0
dengan mengasumsikan ๐๐๐โฒ(๐ก) = 0 dan mensubtitusikan ๐๐ untuk ๐๐๐(๐ก). Dari hukum total probabilitas, kita punya
โ ๐๐
โ
๐=0
= 1
Sehingga
โ๐0๐0+ ๐1๐1 = 0 ๐0๐0 = ๐1๐1
๐0๐0โ ๐1๐1โ ๐1๐1+ ๐2๐2 = 0 ๐1๐1โ ๐0๐0 = ๐2๐2โ ๐1๐1
๐1๐1โ ๐2๐2โ ๐2๐2+ ๐3๐3 = 0 ๐2๐2โ ๐1๐1 = ๐3๐3โ ๐2๐2
โฎ
๐๐โ1๐๐โ1โ ๐๐โ2๐๐โ2 = ๐๐๐๐ โ ๐๐โ1๐๐โ1 Menjumlahkan kedua sisi, diperoleh
๐0๐0+ ๐1๐1โ ๐0๐0+ ๐2๐2 โ ๐1๐1+ โฏ + ๐๐โ1๐๐โ1โ ๐๐โ2๐๐โ2
โ ๐1๐1+ ๐2๐2โ ๐1๐1+ ๐3๐3โ ๐2๐2+ โฏ + ๐๐๐๐โ ๐๐โ1๐๐โ1
โ ๐๐โ1๐๐โ1 = ๐๐๐๐
Rantai Markov Waktu Kontinu 153
๐๐ = ๐๐โ1
๐๐ ๐๐โ1= ๐๐โ1๐๐โ2
๐๐๐๐โ1 ๐๐โ2 = โฏ = ๐๐โ1๐๐โ2โฏ ๐0
๐๐๐๐โ1โฏ ๐1 ๐0 = (โ๐๐โ1 ๐๐
๐
๐=1
) ๐0
โ ๐๐
โ
๐=0
= ๐0+ โ ๐๐
โ
๐=1
= ๐0+ โ (โ๐๐โ1 ๐๐
๐
๐=1
) ๐0
โ
๐=1
= [1 + โ โ๐๐โ1 ๐๐
๐
๐=1
โ
๐=1
] ๐0 = 1
Teorema 6.4. Untuk proses kelahiran dan kematian dengan parameter {๐๐, ๐๐+1, ๐ = 0,1,2, โฆ }, jika kita asumsikan semua parameternya positif, yaitu
๐๐> 0, ๐๐+1> 0 (๐ = 0,1,2, โฆ ) ada probabilitas yang membatasi
๐๐ = lim
๐กโ0๐๐๐(๐ก) (๐, ๐ = 0,1,2, โฆ ) yang independen dari keadaan awal ๐ jika dan hanya jika
โ โ๐๐โ1 ๐๐
๐
๐=1
< โ
โ
๐=0
dimana kita mendalilkan โ๐๐=1= 1 untuk ๐ = 0. Kemudian diberikan probabilitas pembatas oleh
๐0 = [โ โ๐๐โ1 ๐๐
๐
๐=1
โ
๐=0
]
โ1
๐๐ = (โ๐๐โ1 ๐๐
๐
๐=1
) ๐0
Contoh 6.7. (๐ด๐๐ก๐๐๐๐ ๐/๐/1) Seperti sebuah contoh dari proses kelahiran dan kematian, disebut antrian ๐/๐/1, dimana pelanggan datang pada laju Poisson ๐ dan dilayani secara eksponensial pada laju ๐ dengan jumlah saluran hanya satu, dan ukuran antrian tidak terbatas.
Rinciannya akan dibahas pada Bab 9. Kemudian ๐๐ = ๐ dan ๐๐+1 = ๐ (๐ = 0,1,2, โฏ ) untuk proses kelahiran dan kematian. Sehingga
โ โ๐๐โ1 ๐๐
๐
๐=1
โ
๐=0
= โ โ๐ ๐
๐
๐=1
โ
๐=0
= โ (๐ ๐)
โ ๐
๐=0
= 1
1 โ ๐< โ
154 Pengantar Proses Stokastik jika dan hanya jika ๐ < 1, dimana ๐ =๐
๐ disebut intensitas lalu lintas dari sistem. Artinya, jika ๐ < ๐, terdapat probabilitas pembatas
๐๐ = (1 โ ๐)๐๐ (๐ < 1; ๐ = 0,1,2, โฏ ) yang merupakan distribusi geometrik ๐ ~ ๐บ๐ธ๐(1 โ ๐).
Contoh 6.8. (๐๐๐ก๐๐๐๐ ๐/๐/โ) Sebagai contoh lain dari proses kelahiran dan kematian, pertimbangkan antrian /๐/ โ ๐๐๐ก๐๐๐๐, dimana calon pelanggan tiba pada tingkat Poisson ๐ dan disajikan secara eksponensial pada tingkat ๐ dengan jumlah tak terbatas (yaitu: semua pelanggan yang datang dilayani segera). Kemudian ๐๐= ๐, ๐๐+1= (๐ + 1)๐ (๐ = 0,1,2, โฆ ) untuk proses kelahiran dan kematian. Memverifikasi pada persamaan
โ โ ๐๐โ1
๐๐ ๐
๐=1 < โ
โ๐=0 dan mendapatkan ๐ข = ๐
๐, kita dapatkan
โ โ๐๐โ1 ๐๐
๐
๐=1
โ
๐=0
= โ โ ๐
(๐ + 1)๐
๐
๐=1
โ
๐=0
= โ1 ๐!(๐
๐)
โ ๐
๐=0
= ๐๐ข < โ
yang valid untuk setiap intensitas lalu lintas ๐ข. Yaitu, untuk setiap ๐ dan ๐, ada probabilitas terbatas
๐๐ =๐ข๐
๐! ๐โ๐ข (๐ = 0,1,2, โฆ ) yang merupakan distribusi Poisson ๐~๐๐๐ผ(๐ข).
Gambar 6.4.6 diagram blok dari proses kelahiran dan kematian dengan keadaan terbatas.
Disini kita juga tertarik pada proses kelahiran dan kematian dengan ruang keadaan terbatas.
Misalkan ๐ = 0,1,2, โฏ , ๐, dimana ๐ terhingga. Kita mempunyai persamaan Kolmogorov maju :
๐๐0โฒ (๐ก) = โ๐0๐๐0(๐ก) + ๐1๐๐1(๐ก) (๐ = 0)
๐๐๐โฒ(๐ก) = ๐๐โ1๐๐,๐โ1(๐ก) โ (๐๐+ ๐๐)๐๐๐(๐ก) + ๐๐+1๐๐,๐+1(๐ก) (๐ = 1,2, โฏ , ๐ โ 1) ๐๐๐โฒ (๐ก) = ๐๐โ1๐๐๐โ1(๐ก) โ ๐๐๐๐๐(๐ก) (๐ = ๐)
Rantai Markov Waktu Kontinu 155
Teorema 6.5. Untuk keadaan terbatas dari kelahiran dan kematian dengan parameter {๐๐, ๐๐+1, ๐ = 0,1,2, โฆ , ๐}, dimana ๐ terbatas, jika menganggap bahwa semua parameter positif,
๐๐ > 0, ๐๐+1 > 0 (๐ = 0,1,2, โฆ , ๐ โ 1) kemudian ada batas-batas probabilitas
๐๐ = lim
๐กโโ๐๐๐(๐ก) = {
[โ โ๐๐โ1 ๐๐ ]
๐
๐=1 ๐
๐=0
]
โ1
(๐ = 0)
(โ ๐๐โ1/๐๐
๐
๐=1
) ๐0 (๐ = 1,2, โฆ , ๐)
yang independen dari keadaan awal ๐, dimana kita mendalilkan โ๐๐=1= 1 untuk ๐ = 0.
Contoh 6.9. (๐๐๐ก๐๐๐๐ ๐/๐/1/๐) Diberikan antrian ๐/๐/1/๐, yaitu ketika potensi pelanggan tiba di tingkat Poisson ๐ dan disajikan secara eksponensial pada kecepatan ๐ dengan satu alur, dimana ukuran sistem maksimum (termasuk pelanggan yang dilayani) adalah ๐ <
โ. Menggunakan Teorema 6.5, diperoleh
๐๐ = {
(1 โ ๐)๐๐
1 โ ๐๐+1 (๐ โ 1; ๐ = 0,1,2, โฆ , ๐) 1
๐ + 1 (๐ = 1; ๐ = 0,1,2, โฆ , ๐)
dimana ๐ = ๐/๐ adalah intensitas trafik. Perhatikan bahwa ada batas-batas kemungkinan ๐๐ terlepas dari jumlah ๐, karena kondisi persamaan
โ โ๐๐โ1 ๐๐
๐
๐=1
< โ
โ
๐=0
selalu pas untuk keadaan terbatas rantai Markov.
Contoh 6.10. (๐๐๐๐ก๐๐ ๐๐๐๐๐๐ฃ ๐๐ข๐ ๐๐๐๐๐๐๐) Untuk rantai Markov dua keadaan, memiliki persamaan garis depan Kolmogorov berikut :
{
๐๐0โฒ(๐ก) = โ๐๐๐0(๐ก) + ๐๐๐1(๐ก) (๐ = 0,1), ๐๐1โฒ(๐ก) = ๐๐๐0(๐ก) โ ๐๐๐1(๐ก) (๐ = 0,1),
156 Pengantar Proses Stokastik dimana diasumsikan ๐0 = ๐ dan ๐1 = ๐, untuk kesederhanaan. Menerapkan Teorema 6.5 dimiliki probabilitas terbatas sebagai berikut :
๐๐ = [โ โ๐๐โ1 ๐๐
๐
๐=1 ๐
๐=0
]
โ1
(๐ = 0)
๐๐ = (โ๐๐โ1 ๐๐
๐
๐=1
) ๐0 (๐ = 1,2, โฏ , ๐)
๐0 = [1 +๐ ๐]
โ1
= [๐ + ๐ ๐ ]
โ1
= 1
๐ + ๐ ๐
= ๐
๐ + ๐
๐1 = (๐
๐) ๐0= (๐ ๐) ( ๐
๐ + ๐) = ๐ ๐ + ๐
Penyelesaian persamaan diferensial tersebut dengan nilai awal ๐00(0) = 1 dan ๐01(0) = 0 sebagai berikut :
๐00(๐ก) = ๐
๐ + ๐+ ๐
๐ + ๐๐โ(๐+๐)๐ก ๐01(๐ก) = ๐
๐ + ๐โ ๐
๐ + ๐๐โ(๐+๐)๐ก
Kita punya probabilitas dengan nilai awal ๐10(0) = 0 dan ๐11(0) = 1 sebagai berikut : ๐10(๐ก) = ๐
๐ + ๐โ ๐
๐ + ๐๐โ(๐+๐)๐ก ๐11(๐ก) = ๐
๐ + ๐+ ๐
๐ + ๐๐โ(๐+๐)๐ก
Disetiap kasus kita punya probabilitas pembatas ๐๐ yang independen dengan distribusi awal.
Misalkan diasumsikan distribusi awal
๐{๐(0) = 0} = ๐0 = ๐ ๐ + ๐ ๐{๐(0) = 1} = ๐1 = ๐
๐ + ๐ Maka distribusi probabilitas transisi pada waktu ๐ก diberikan oleh
Rantai Markov Waktu Kontinu 157
๐(0)๐(๐ก) = [ ๐ ๐ + ๐
๐
๐ + ๐] [๐00(๐ก) ๐01(๐ก) ๐10(๐ก) ๐11(๐ก)]
= [ ๐ ๐ + ๐
๐ ๐ + ๐]
[ ๐
๐ + ๐+ ๐
๐ + ๐๐โ(๐+๐)๐ก ๐
๐ + ๐โ ๐
๐ + ๐๐โ(๐+๐)๐ก ๐
๐ + ๐โ ๐
๐ + ๐๐โ(๐+๐)๐ก ๐
๐ + ๐+ ๐
๐ + ๐๐โ(๐+๐)๐ก ]
= [๐2+ ๐๐๐โ(๐+๐)๐ก
(๐ + ๐)2 +๐๐ โ ๐๐๐โ(๐+๐)๐ก (๐ + ๐)2
๐๐ โ ๐๐๐โ(๐+๐)๐ก
(๐ + ๐)2 +๐2+ ๐๐๐โ(๐+๐)๐ก (๐ + ๐)2 ]
= [๐2+ ๐๐ (๐ + ๐)2
๐๐ + ๐2 (๐ + ๐)2]
= [ ๐(๐ + ๐) (๐ + ๐)(๐ + ๐)
๐(๐ + ๐) (๐ + ๐)(๐ + ๐)]
= [ ๐ (๐ + ๐)
๐
(๐ + ๐)] = ๐(0) yang mana independen pada waktu ๐ก.
Dengan mengasumsikan waktu โ dan ๐ก, dan memisalkan โ โ 0 untuk proses kelahiran dan kematian, sehingga kita punya
๐0๐(โ + ๐ก) = โ ๐๐๐(โ)๐๐๐(๐ก)
โ
๐=0
= ๐๐0(โ)๐0๐(๐ก) + ๐๐1(โ)๐1๐(๐ก) + โ ๐๐๐(โ)๐๐๐(๐ก)
โ
๐=2
= ๐{๐(๐ก + โ) โ ๐(๐ก) = 0 | ๐(๐ก) = 0}๐0๐(๐ก) + ๐{๐(๐ก + โ) โ ๐(๐ก) = โ1 | ๐(๐ก) = 1}๐1๐(๐ก) +
โ ๐{๐(๐ก + โ) โ ๐(๐ก) = โ๐ | ๐(๐ก) = ๐}๐๐๐(๐ก)
โ
๐=2
= [1 โ ๐0โ + ๐(โ)]๐0๐(๐ก) + [๐1โ + ๐(โ)]๐1๐(๐ก) + ๐(โ) dengan mengatur ulang kedua sisi,
๐0๐(โ + ๐ก) = ๐0๐(๐ก) โ ๐0๐0๐(๐ก)โ + ๐0๐(๐ก)๐(โ) + ๐1๐1๐(๐ก)โ + ๐1๐(๐ก)๐(โ) + ๐(โ)
158 Pengantar Proses Stokastik Kemudian jika kedua ruas kita turunkan terhadap ๐ก dan memisalkan โ โ 0, maka
๐๐0๐(๐ก)
๐๐ก = ๐0๐โฒ (๐ก) = lim
โโ0
๐0๐(โ + ๐ก) โ ๐0๐(๐ก) โ
= lim
โโ0
๐0๐(๐ก) โ ๐0๐0๐(๐ก)โ + ๐0๐(๐ก)๐(โ) + ๐1๐1๐(๐ก)โ + ๐1๐(๐ก)๐(โ) + ๐(โ) โ ๐0๐(๐ก) โ
= lim
โโ0
โ๐0๐0๐(๐ก)โ + ๐0๐(๐ก)๐(โ) + ๐1๐1๐(๐ก)โ + ๐1๐(๐ก)๐(โ) + ๐(โ) โ
= โ๐0๐0๐(๐ก)โ + ๐1๐1๐(๐ก)โ โ
= โ (โ๐0๐0๐(๐ก) + ๐1๐1๐(๐ก)) โ
= โ๐0๐0๐(๐ก) + ๐1๐1๐(๐ก) Sehingga diperoleh secara umum untuk ๐
๐๐๐(โ + ๐ก) = ๐{๐(โ + ๐ก) โ ๐(๐ก) = 1 | ๐(๐ก) = ๐ โ 1}๐๐โ1,๐(๐ก) + ๐{๐(โ + ๐ก) โ ๐(๐ก) = 0 | ๐(๐ก) = ๐}๐๐๐(๐ก) +
๐{๐(โ + ๐ก) โ ๐(๐ก) = โ1 | ๐(๐ก) = ๐ + 1}๐๐+1,๐(๐ก) = ๐ + 1}๐๐+1,๐(๐ก)
= โ ๐{๐(โ + ๐ก) โ ๐(๐ก) = ๐ โ ๐ | ๐(๐ก) = ๐}๐๐๐(๐ก)
โ
๐=0 ๐โ ๐โ1,๐,๐+1
= [๐๐โ1โ + ๐(โ)]๐๐โ1,๐(๐ก) + [1 โ (๐๐+ ๐๐)โ + ๐(โ)]๐๐๐(๐ก) + [๐๐+1โ + ๐(โ)]๐๐+1,๐(๐ก) + ๐(โ)
= ๐๐โ1๐๐โ1,๐(๐ก)โ + ๐๐โ1,๐(๐ก)๐(โ) + ๐๐๐(๐ก) โ (๐๐ + ๐๐)๐๐๐(๐ก)โ +
๐๐๐(๐ก)๐(โ) + ๐๐+1๐๐+1,๐(๐ก)โ + ๐๐+1,๐(๐ก)๐(โ) + ๐(โ)
Kemudian jika kedua ruas kita turunkan terhadap ๐ก dan memisalkan โ โ 0, maka ๐๐๐๐(๐ก)
๐๐ก = ๐๐๐โฒ(๐ก) = lim
โโ0
๐๐๐(โ + ๐ก) โ ๐๐๐(๐ก) โ
Rantai Markov Waktu Kontinu 159
= ๐๐โ1๐๐โ1,๐(๐ก)โ โ (๐๐ + ๐๐)๐๐๐(๐ก)โ + ๐๐+1๐๐+1,๐(๐ก)โ โ
= โ (๐๐โ1๐๐โ1,๐(๐ก) โ (๐๐+ ๐๐)๐๐๐(๐ก) + ๐๐+1๐๐+1,๐(๐ก)) โ
= ๐๐โ1๐๐โ1,๐(๐ก) โ (๐๐+ ๐๐)๐๐๐(๐ก) + ๐๐+1๐๐+1,๐(๐ก) sebagai persamaan Kolmogorov mundur.
Untuk mengekspresikan bentuk matriks, kita perkenalkan generator sangat kecil untuk proses kelahiran dan kematian :
๐ด = [
โ๐0 ๐0 0 0 โฏ
๐1 โ(๐1+ ๐1) ๐1 0 โฏ
0 ๐2 โ(๐2+ ๐2) ๐2 โฏ
0 0 ๐3 โ(๐3+ ๐3) โฏ
โฎ โฎ โฎ โฎ โฑ ]
Kita dapat mengekspresikan persamaan Kolmogorov maju dalam bentuk matriks : ๐โฒ(๐ก) = ๐(๐ก)๐ด
dimana ๐โฒ(๐ก) = [๐๐๐โฒ(๐ก)]. Catatan bahwa kondisi awal diberikan oleh ๐(0) = ๐ผ
dimana ๐ผ adalah matriks identitas.
Kita juga dapat mengekspresikan persamaan Kolmogorov mundur dalam bentuk matriks : ๐โฒ(๐ก) = ๐ด๐(๐ก)
Jika persamaan Kolmogorov maju dan mundur dalam bentuk matriks mempunyai solusi yang unik, maka solusi tersebut identik, yaitu
๐(๐ก) = ๐๐ด๐ก = ๐ผ + โ๐ด๐๐ก๐ ๐!
โ
๐=1
Contoh 6.11. Diberikan proses Poisson dengan parameter ๐. Jika diasumsikan ๐(0) = ๐. Yaitu keadaan awal adalah keadaan ๐ pada waktu 0, maka
๐๐๐(๐ก) = 0 (๐ < ๐), ๐๐๐(๐ก) =(๐๐ก)๐โ๐
(๐ โ ๐)!๐โ๐๐ก (๐ โฅ ๐)
160 Pengantar Proses Stokastik Persamaan Kolmogorov maju diberikan oleh
๐๐๐`(๐ก) = โ๐๐๐๐(๐ก) + ๐๐๐๐โ1(๐ก)
Kemudian dapat dicatat bahwa ๐๐+1,๐(๐ก) = ๐๐,๐โ1(๐ก) karena kemungkinan dari transisi diketahui bahwa (๐ โ 1) โ ๐ = ๐ โ (๐ + 1) kejadian berlangsung pada interval waktu ๐ก, yaitu
๐๐๐`(๐ก) = โ๐๐๐๐(๐ก) + ๐๐๐๐+1(๐ก)
yang merupakan persaman Kolmogorov mundur untuk proses Poisson.
Proses Pembaruan 161