Академический Документы
Профессиональный Документы
Культура Документы
SOAL 1.1. :
Melempar dua mata uang, ruang sampelnya (S) adalah :
F ( x) P( X x) for x
Didefinisikan sebagai peluang peubah acak X yang nilainya lebih kecil atau
sama dengan x.
Sifat sifat dari fungsi distribusi kumulatif :
0 F ( x) 1 untuk semua x.
1.
2. F(x) adalah fungsi yang tidak turun : jika x1 x2 , maka F ( x1 ) F (].x2 )
3. lim F ( x) 1 dan lim F ( x)
. 0
x x
0, z0
z
8 , 0 z2
adalah F ( z ) 2
z , 2 z4
16
1, z4
P( Z ≥ 1.5) bernilai :
p( xi ) P( X xi ) untuk i 1,2,...
p( x ) 1
i 1
i
P( X I ) p( x )
a xi b
i
F ( x) p( x )
xi x
i untuk semua x
P( X B) B f ( x)dx
f ( x)dx 1
a. P( X x) P( X [ x, x]) x f ( y)dy 0
x
x x
b. P( X [ x, x x]) x f ( y)dy c. F ( x) P( X (, x]) x f ( y)dy
SOAL 1.4. :
a. Arsirlah P( x x X x)
b. Arsirlah P( X x x)
dengan warna yang berbeda
a. ……………………………………………………
b. ……………………………………………………
c. ……………………………………………………
Jika X dan Y bebas stokastik maka apa yang terjadi dengan fungsi kepadatan
peluang gabungannya ?
SOAL 1.5.:
Jika diketahui
27
xy
untuk x 1, 2 dan y 2, 3, 4
p( x, y)
0 selainnya
P( X A, Y B) B A f ( x, y)dxdy
Jika X dan Y bebas stokastik maka apa yang terjadi dengan fungsi kepadatan
peluang gabungannya ?
SOAL 1.6. :
Jika diketahui :
24 xy for x 0, y 0, and x y 1
f ( x, y) {
0 otherwise
Misal h : bilangan real positip sehingga nilai E(etX) ada untuk setiap t di (-h,h)
M X (t ) E (e tX ) ht h
e
X
tx
f ( x)
e
tx
f ( x ) dx
1. Binomial P( x) ( nx ) p x q n x M x (t ) ( pet q) n
2. Poison e x M x (t ) e (e 1)
t
P( x)
x!
3. Geometri p( x) pq x1 pe t
M x (t )
1 et q
M X (t ) E (e Xt )
b. Gunakan jawaban dari a untuk mencari E(X) dan Var (X)
1 Normal ( x ) 2 1
t 2t 2
1 M x (t ) e
f ( x)
2
2
X ~ n( , 2 )
2
e
2 2
X ~ n(0,1) ( x ) 2 t2
1 M x (t ) e
f ( x) 2 2 2
e
2 2
2 Eksponensial 1 M x (t ) (1 t ) 1
f ( x) ex / ; 0
Eksponensial f ( x) e x
M x (t )
t
3 Gamma 1 1
X ~ G( , ) f ( x) x 1e x / M x (t ) (1 t ) ; t
( ) 2
4 Chi-Kuadrat v 1 x v
1
f ( x) v / 2 x 2 e 2 ; x 0 M x (t ) (1 2t ) 2
X ~ 2 (v ) 2 (v / 2)
x
Jika x n bilangan genap maka xn 1 n
2
Misalkan x0 3 maka barisan x0 , x1 , x2 ,.... adalah 3, 10, 5, 16, 8, 4, 2, 1, 4, 2,
.…
SOAL 2.1.:
a. Buat diagram dari Contoh 2.1.
b. Bagaimana jika x0 7 ?
Contoh 2.2. :
Perjalanan acak (Random Walk)
x0 Z , xn 1 xn 1 dengan peluang p
xn 1 xn 1 dengan peluang q , p + q = 1
SOAL 2.2.:
Buat diagram untuk permasalahan perjalanan acak sesuai Contoh 2.2.
Demikian juga :
a. P( x8 9) .... b. P( X 3 1) ... c. P( X 3 2) ...
0 1 2 … M-1 M
q p
Gambling. Prosesnya sama dengan perjalanan acak, namun setibanya di
keadaan 0 atau keadaan M proses dihentikan ( Interpretasi : barisan
permainan, pada setiap permainan seseorang mendapatkan keuntungan
dengan peluang p yakni modal bertambah 1 atau tidak beruntung yakni
modal berkurang 1. Gambling dihentikan jika semua uang yang dimiliki
penjudi habis (keadaan 0) atau jika uangnya berjumlah M telah tercapai
(sesuai dengan yang diinginkan). Jika p=q=1/2 , M=3 dan X 0 1
SOAL 2.6.:
Ingat kembali tentang hukum total peluang!
Bunyinya :
Andaikan sebuah peubah acak X terdapat dalam proses tersebut.
Nilai harapan X jika diketahui Ak (dinotasikan sebagai E ( X Ak ) )
PROSES POISSON
Notasi N (t ), t 0
P( N (t ) 0) e t
Buktikan !
Bukti LEMMA :
Pn (t ) P N (t ) n
P0 (t h) P N (t h) 0
P N (t ) 0, N (t h) N (t ) 0
P N (t ) 0 P(t h) N (t ) 0
P0 (t )1 h o(h)
Dengan demikian :
dengan demikian :
Pn (t h) Pn (t ) o( h)
Pn (t ) Pn 1 (t )
h h
P (t h) Pn (t )
Limh 0 n Pn` Pn (t ) Pn 1 (t )
h
e t Pn` (t ) Pn (t ) e t Pn 1 (t )
d t
dt
e Pn (t ) e t Pn 1 (t )
d t
dt
e P1 (t ) P1(t ) (t c)e t , karena P1(0) 0 didapat nilai dari
P1(t ) t et
Untuk menunjukkan bahwa
e t ( t ) n
Pn (t ) n 0,1, 2, ...
n!
silakan menggunakan induksi matematika.
Jawaban:
2 e 2 2 n
a. PN (1) 2
n 0 n!
e t ( t ) n
PN (t s) N ( s) n n 0,1, 2, ...
n!
E N (t ) t
SOAL 2.9. :
Pelanggan tiba di bank mengikuti proses Poisson dengan tingkat
kedatangan adalah λ=6 orang/jam. Diketahui bahwa hingga satu jam
pertama ada 1 orang yang datang. Hitung peluang bersyarat bahwa
orang tersebut datangnya adalah 15 menit pertama. Jawab : 1/4
SOAL 2.10.:
Panggilan telepon yang masuk ke switchboard tertentu selama interval
waktu (menit) mengikuti distribusi Poisson dengan mean λ = 4. Jika
switchboard dapat menangani paling banyak 6 panggilan permenit.
Hitung probabilitas bahwa switchboard akan menolak panggilan selama
satu interval waktu tertentu !
SOAL 2.11.:
Pelanggan tiba di toko alat tulis mengikuti proses Poisson dengan tingkat
kedatangan λ = 4 orang per jam. Mengingat bahwa toko buka pukul
09:00. Berapa probabilitas bahwa tepat satu pelanggan telah tiba pada
pukul 09:30 dan total lima pelanggan telah tiba sampai dengan pukul
11:30? Jawab: 0.0154965
PROPOSISI :
X n , n 1,2,3,... iid (identik, independen distribusi) eksponensial dengan mean
1/λ
SOAL 2.12.:
Sumber radioaktif memancarkan partikel mengikuti proses Poisson
dengan laju 2 partikel permenit.
a. Hitung peluang bahwa patikel pertama yang dipancarkan sesudah
waktu tiga menit namun sebelum lima menit !
b. Hitung peluang tepat satu partikel pancarkan pada interval 3
menit hingga lima menit !
SOAL 2.13. :
S1 X 1
S2 X1 X 2
S3 X 1 X 2 X 3 ....
S n X 1 X 2 ... X n
Cobalah untuk menggambar bagan dari waktu antar kejadian dan waktu
tunggu !
TEOREMA :
n
Waktu tunggu S n X i , n 1 dari proses Poisson berdistribusi Gamma (n, λ) dengan
i 1
nt n1
fungsi kepadatan peluang adalah f S n (t ) e t , n 1,2,3,... t 0
(n 1)!
FS n (t ) PS n t P N (t ) n
e t ( t ) k
k n k!
n 1 e t (t ) k
1
k 0 k!
M S n (v) E e S nv ……….
Hint :
Y ~ gamma(n, )
e y (y ) n 1
f ( y) y 0
( n)
n
M GF: M Y (t )
v
SOAL 2.15:
Pelanggan yang datang mengikuti proses Poisson dengan rate λ pelanggan
/jam. Jika N(t) menyatakan banyaknya pelanggan hingga waktu t, dan
S1,S2,...menyatakan waktu tunggu kedatangan pelanggan 1, 2 ... Buktikan
2
bahwa ekspektasi bersyarat E ( S 5 N (t ) 3) t
SOAL 2.16:
Pelanggan yang datang mengikuti proses Poisson dengan rate λ. Diketahui
bahwa 5 pelanggan tersebut datang pada saat 1 jam pertama. Hitung
ekspektasi dari total waktu tunggu yakni E (S1 S 2 ... S5 )
SOAL 2.17:
Kedatangan pelanggan mengikuti proses Poisson dengan laju 6 orang per
menit. Hitung peluang orang yang kelima datang lebih dari 5,5 jam!
nk
n u u
k
PN (u ) k N (t ) n 1
k t t
SOAL 2.19:
Pelanggan yang datang mengikuti proses Poisson dengan rate 6
pelanggan/menit. Hitung peluang waktu antar kedatangan pelanggan yang ke
tiga dan ke empat kurang dari 10 menit.
DEFINISI:
Proses menghitung {N (t ), t 0} disebut Proses Poisson tak stasioner/tak
homogen jika :
i. N (0) 0
ii.N (t ), t 0mengalami kenaikan bebas
iii . PN (t h) N (t ) 1 h 0(h)
iv. PN (t h) N (t ) 2 0(h)
a. Hitung peluang bahwa gabah yang akan digiling lebih dari 2 (ton) pada
periode waktu
( 1.25 , 3)
Contoh :
Pelanggan yang datang pada suatu toko mengikuti Proses Poisson dengan rate
λ. Sejumlah uang dibelanjakan untuk setiap pelanggan , dimana uang yang
dipelanjakan bersifat iid.
X(t) menyatakan total jumlah uang yang dibelanjakan oleh pelanggan pada
toko tersebut sampai dengan waktu t.
M X (t ) (u ) E e X (t )u
E e X (t )u N (t ) n PN (t ) n
n0
E eY1u eY2 u
n0
... e Yn u
e t (t ) n
n!
e t ( t ) n
M X (t ) (u ) M Y (u)
n
SOAL2.21 :
Buktikan bahwa : a. E X (t ) tE Y
b. Var X (t ) tE Y 2
SOAL 2.22.:
Pelanggan yang datang pada suatu minimarket mengikuti proses Poisson
dengan λ= 10 orang/jam. Jika X(t) menyatakan total uang yang dibelanjakan
sampai dengan waktu t. Jika diketahui bahwa setiap pelanggan yang
membelanjakan uangnya berdistribusi normal dengan rata rata Rp. 100.000,-
dan ragam = Rp. 10.000,-. Hitung rata-rata total uang yang dibelanjakan
selama 10 jam.
Jawab :
E(X(t))=10.10.100.000= 10.000.0000
SOAL 2.24:
Nasabah yang datang pada mesin ATM (Anjungan Tunai Mandiri ) mengikuti
proses Poisson denga laju kedatangan 12 orang/jam. Setiap terjadi transaksi
maka sejumlah uang dilakukan penarikan tunai, dimana jumlah uang yang
ditarik merupakan peubah acak dengan mean $30 dan simpangan baku $50.
Dengan menganggap bahwa mesin ATM digunakan 15 jam perharinya.
Hitung nilai pendekatan peluang untuk jumlah total penarikan uang perhari
kurang dari $6.000
Hint:
N (t )
i. X (t ) Y
i 1
i , N (t ) : Proses Poisson , Yi ~ iid
Jawab:
DEFINISI:
N (t ) maksn 0, Sn t. Proses menghitung N (t ), t 0ini disebut proses
pembaharuan (renewal process).
Contoh proses pembaharuan:
Bola lampu dipasang pada saat t=0 , misalkan pada saat S1=X1 mengalami
kerusakan sehingga harus diganti dengan bola lampu yang baru. Bola lampu
ke dua rusak pada saat S2=X1+X2 sehingga diganti dengan bola lampu ke tiga ,
dan seterusnya. Secara umum n bola lampu yang rusak pada saat
Sn=X1+X2+…+Xn segera diganti dengan bola lampu yang baru sehingga proses
ini terus berlangsung. Dari contoh tersebut diasumsikan bahwa masa hidup
(life time) Xi bersifat iid Dengan distribusi kumulatif
FX (t ) P X i t , i 1,2,3,...
dan N(t) : banyaknya bola lampu yang diganti sampai dengan waktu t.
Jika peubah acak tersebut mempunyai FDK yang identik maka konvolusinya
menjadi F*F =F2
Ekspektasi (nilai harapan) dari N(t) dinotasikan sebagai m(t).
Dengan demikian : E(N(t)) = m(t) dan disebut sebagai fungsi pembaharuan.
PROPOSISI:
m(t ) E N (t )
n1 Fn (t )
Bukti :
E ( X ) P( X k ) P( X k ) , dari pernyataan tersebut :
k 0 k 1
SOAL 3.1.:
Jika diketahui waktu antar pembaharuan berdistribusi Geometri dengan
parameter β, buktikan bahwa rata-rata banyaknya pembaharuan hingga
saat t adalah: E(N(n)) = m(n) = nβ
Hint : fkp dari peubah acak geometri sbb:
P( X i k ) (1 ) k 1 k 1,2,3,...
0 selainnya
PERSAMAAN WALD :
X1, X2,…., Xn adalah suatu barisan peubah acak yang saling bebas.
DEFINISI :
Peubah acak N yang bernilai bulat disebut waktu berhenti untuk barisan p.a.
X1, X2,…., Xn jika N n bebas terhadap Xn+1, Xn+2,….
Untuk semua n =1,2,…
Jika N=n maka kita berhenti setelah X1, X2,…., Xn dan sebelum Xn+1, Xn+2,….
Contoh :
Xn , n = 1, 2, 3, … suatu barisan peubah acak yang bebas dengan
P(Xn = 0) = P(Xn=1) = 0.5
Seandainya diambil N min n X1 X 2 ... X n 10 maka N dikatakan
Kemungkinan ke dua :
n
Dan seterusnya. n terkecil sedemikian hingga X
i 1
i 10 ,
SOAL 3.2.:
Permainan melempar mata uang setimbang P(A= -1))=0.5 dan
P(G=1)=0.5 , dimana 1 menunjukkan kemenangan dan -1 menyatakan
kekalahan. Jika seandainya diputuskan berhenti bermain jika diperoleh
X1 X 2 X 3 ... X n 1
TEOREMA :
Jika X1, X2,…., Xn iid dengan E(X)<∞ dan N adalah waktu berhenti untuk .
X1, X2,…., Xn dengan E(N)< ∞ maka :
E(X1 + X2+… + Xn) = E(X).E(N)
Bukti :
SOAL 3.3.:
Cobalah untuk mencari E(N) dari pelemparan mata uang setimbang
yang berkaitan dengan kalah dan menang dari soal sebelumnya.
Rantai Markov waktu diskrit adalah suatu rantai markov dengan parameter t :
diskrit yang bernilai berhingga atau tak hingga, namun terbilang T = {0, 1, 2, .
. .}, serta ruang keadaannya juga diskrit.
Peluang transisi tersebut disusun dalam bentuk matriks yang disebut matriks
peluang transisi yang berbentuk:
Pij 0, i, j 0; P
j 0
ij 1, i 0, 1, 2,
Modul Proses Stokastik – Prodi Matematika
Jurusan Matematika –F.MIPA-UB - 37
DISTRIBUSI AWAL
baris.
Misal ruang keadaan S={0,1,2,3} maka nilai dari distribusi awal adalah
0 ( x) ( 0 (0), 0 (1), 0 (2), 0 (3))
SOAL 4.1. :
Misal : P( X 0 x) 0 ( x)
Buktikan bahwa :
P X 0 x, X 1 i1 , X 2 i2 , ....., X n in 0 ( x) Pxi1 Pi1i2 ....Pin1in
SOAL 4.2. :
Dapatkan P( X 0 0, X 1 1, X 2 2, X 3 1)
a. P( X 2 1, X 3 1 X 1 0 ) , b. P( X 1 1, X 2 1 X 0 0 )
Notasi untuk peluang transisi dari state (keadaan) i menuju ke state (keadaan)
j dalam n langkah adalah sebagai berikut :
Pij( n) P{ X n k j | X k i}
Teorema :
1 i j
P
n
ij P P ik
( n 1)
kj , dimana Pij0
i j
k 0 0
Jawab:
Pijn PX n j X 0 i PX n j , X 1 k X 0 i
k 0
PX
k 0
1 k X 0 i P X n j X 0 i, X 1 k
Pik Pkj( n 1)
k 0
Pada teori matriks, P n PxP (n 1) , dengan melakukan perkalian dari sebelah
kanan diperoleh :
SOAL 4.4.:
0.99 0.01
0.12 0.88
π n (x) π n 1 P
π n2 P 2
....
π0Pn , dimana P adalah matriks peluang transisi , dan π n (x) n (.), n (.)..., n (.)
n (k ) P X n k
P( X n k ) P( X 0 j ) Pjkn
j 0
DISTRIBUSI STASIONER
Jika diketahui suatu rantai Markov dengan ruang keadaan S dan matriks
peluang transisi P, terdapat distribusi dari keadaan yang dinyatakan dalam π
yang memenuhi keadaan berikut ini
P
j i Pij j S maka π disebut distribusi stasioner
i
SOAL 4.6.:
0 0.5 0.5
0.9 0.1 0.5 0.5
a. P b. P
c. P 0.5 0 0.5
0.5 0.5 0.5 0.5
0.5 0.5
0
manakah yang mempunyai lebih dari satu distribusi stasionernya?
d. Hitung P( X 2 AA X 0 0)
SOAL 4.8:
Jika pada awal n=0 , sistem berada pada keadaan x maka yang diperhatikan
adalah perkembangan selanjutnya sistem tersebut kembali ke keadaan semula
atau belum.
Tx min n n 1 , X n x
E x (Tx ) m( x)
i. E ( X ) P( X k )
k 0
ii. E ( X ) xP ( X x)
x
iii . E ( X ) P( Ai ) E ( X Ai )
i
xy Px (T y ) Px (T y k )
k 1
1 xy Px (T y ) Px ( X n y, n 0)
SOAL 4.9:
0.5 0.5 0
1. Jika diketahui S ={ 0, 1, 2} dan .P 0 0 1 , dapatkan m(0) ,
1 0 0
p q 0 0
p 0 q 0
P
p 0 0 q
p q
0 0
n
i. x y yaitu Pxy 0 , n0
ii. xy Px (T y ) > 0
xy Px (T y ) = 0
Ekivalennya adalah :
Bukti :
TEOREMA :
Bukti :
Bukti :
DEFINISI:
Rantai Markov (S,P) disebut iredusibel jika pada setiap pasangan x dan y dari
n
S selalu terdapat n 0 sehingga Pxy 0 , n 0 . Jika diambil n >1
n
Pxy 0 maka ada jalan mencapai y dari x dalam n langkah, terdapat
x1 , x2 ,... , xn 1 sehingga :
TEOREMA :
CONTOH :
1 0 0
S {0,1,2} dengan matriks peluang transisinya P 0 0.5 0.5 , rantai
0 1 0
Markov tersebut tidak iredusibel, tunjukkan dan cobalah melukiskan
networknya .
SOAL 4.10:
0 1/ 2 0 1/ 2 0
0 1/ 3 0 1/ 3 1 / 3
Jika diketahui S {1, 2, 3, 4, 5} dan P 1 / 2 0 0 0 1/ 2
0 1/ 2 0 1/ 4 1/ 4
0 1/ 2 0 1/ 2 0
Jawab :
Misal (S,P) suatu rantai Markov iredusibel. Pada keadaan x kita perhatikan
n
himpunan bilangan H ( x) {n n 1, Pxx 0 } maka n H (x) jika terdapat
Contoh :
5
1 3 4
2
H (3) { 2, 4, 6, 8, ...}
, untuk H(x) x= 1 , 4. 5 dicoba sendiri.
H (2) { 4, 6, 8,10 , ...}
6 5
1 5 3 4
4
2 4
, untuk H(x) berikutnya dicoba sendiri.
Pij (t ) P[ X (t s) j X (s) i] .
Peluang itu tidak bergantung pada s tetapi hanya pada t untuk pasangan
keadaan i,j tertentu.
P{ X t h j | X t j 1} j 1h o(h)
P{ X t h j | X t j 1} j 1h o(h)
P{ X t h j | X t j} 1 j h j h o(h)
P{ X t h j | X t i} o(h) , | j i | 1.
d
P0 (t ) 1 P1 (t ) 0 P0 (t ).
dt
SOAL 5.1:
( t ) j e t
Pj (t ) P X (t ) j j 0,1, 2, 3, ....
j!
Petunjuk : selesaikan PD proses kelahiran - kematian dengan syarat batas yang sudah
diketahui , dan gunakan rekursi dengan mengambil nilai-nilai j =1 , 2, ...
SOAL 5.2:
Suatu peubah acak Si , yang mana merupakan waktu singgah dari X(t) pada
state (keadaan ) i. sampai .dengan pertama kalinya meninggalkan state i.
i
Sedangkan peluang transisi dari keadaan i menuju ke (i+1) adalah
(i i )
i
dan peluang transisi dari keadaan i menuju ke (i - 1) adalah .
(i i )
Pada proses kelahiran – kematian dengan rate kelahiran dan rate kematian
masing-masing 2 individu/jam dan 3 individu/jam.
b) Hitung rata rata waktu singgah pada saat berada pada keadaan 10.
j i Pij (t ) .
i 0
0 1... j 1
0 1 and j
1 2 ... j j0
Jika j maka :
j
0 0 0
1 1 0
2 2 0 1
, 0
k
____________ k
1 ( k ) 0
k
Contoh :
Penyelesaian:
N k 1 k
(1 x) N x , x 1
k 0 k
(a / ) k 1
k (a / )
k 1 ketika
k k 0 k
0 (1 / ) a / dan
k
(a / )[(a / ) 1]...[(a / ) k 1]
k (1 / ) a / k 1
k!
SOAL 5.5 :
a. Dapatkan untuk n = 0 , 1, 2
E(W3) = 31/30